NVIDIA、ビデオ解析エージェント構築ツール VSS Blueprint 3.3 を公開──開発時間を 30 分未満に短縮
NVIDIA Metropolis VSS Blueprint 3.3 に Build Vision Agent と Adaptive EVS を追加し、開発コストと VLM のランタイムコストを同時に削減した。
リリース: 2026-09-29 · 読了 3 分記事の要約
1. 核心（What）
- VSS Blueprint 3.3 では、VLM、Nemotron LLM、RAG、MCP ツールを統合してライブ・録画ビデオを自然言語検索や自動レポートに変換できる。
- Build Vision Agent スキル (vss-build-vision-ai) により、アラート、検索、サマリーなどのワークフローを単一の構成に統合可能。
- Adaptive EVS (Adaptive Efficient Video Sampling) により、前フレームから変化のない部分のビジュアルトークンを動的にプルーニングする。
- 2-GPU RTX PRO 6000 Blackwell ホスト環境において、FP8 Cosmos 3 Nano と検出器が GPU を共有する構成を検証済み。
2. 影響（Why）
- インフラ構築工数の大幅削減: Kafka や Elasticsearch などの共有サービス構成を自動化し、既存の検証済みプロファイルから最小差分（delta）のみをデプロイするため、重複したインフラ設計コストが発生しない。
- ランタイムにおける GPU コストの抑制: Adaptive EVS により変化のないフレーム領域のビジュアルトークンを削減し、VLM の処理負荷を下げることで、同一ハードウェア上での同時ストリーム数を 46% 向上させる。
- 国内スマートシティ・FA 現場での実装容易化: [国内 FA ソリューション業種] のような現場では、複数カメラの映像監視システムを自社開発する際のエージェント実装コストを劇的に抑え、迅速な PoC 展開が可能になる。
3. 根拠・詳細（How）
- Build Vision Agent スキルの動作仕様: 4 つの検証済み開発者プロファイルを基盤とし、要求仕様との差分（delta）を計算して必要なサービスキーのみを追加・統合する。生成される成果物は `_builds/<name>/` 配下の `override.env` と `compose.yml` で構成される。
- Adaptive EVS によるトークン削減機構: リアルタイム VLM マイクロサービスに統合され、前フレームとの差分がないパッチやフレームのビジュアルトークンをパッチ単位・フレーム単位で動的に選択・削除する。
- ハードウェア共有と検証環境: 2-GPU RTX PRO 6000 Blackwell 環境において、FP8 Cosmos 3 Nano が検出器と GPU を共有し、録画アラート構築のプレビュー環境を 30 分未満でデプロイ。
4. 展望・課題（Next）
- ライブストリーム配信での実証拡大: 今後は大規模な複数カメラ環境における Adaptive EVS のスケーラビリティと、各種 MCP ツールとの連携検証が継続される見込み。