GPUを売るだけではない。NVIDIA GTC から見えたNVIDIAの次の布石

はじめに

普段は、3DプリンタやMIについて書いています。

今回は少し視野を広げて、製造やシミュレーションの世界にも影響を与えている、NVIDIAの動きを取り上げます。

NVIDIA GTC 2026

2026年6月、台北で開催されたGTC Taipei at COMPUTEX 2026。

NVIDIAは、画像処理やAIの計算に使われるGPUを開発する企業として知られています。

今回の発表内容を追いかけていると、3月のNVIDIA GTCで登場したオラフを思い出しました。

Disneyの雪だるまのキャラクター、あのオラフです。

NVIDIAのCEOであるジェンスン・フアン（Jensen Huang）さんの横を、小さな歩幅で一生懸命に歩いていました。

めちゃくちゃかわいい。

しかし、ここ数か月の発表を振り返ると、あのオラフは単なるステージ上の演出ではなかったことが分かります。

オラフの動きを作るために、GPUを使った物理シミュレーションが活用されています。

あのかわいい動きは、仮想空間での試行錯誤によって生まれています。

そして、台北で発表された内容を見ていると、NVIDIAがその先に何を描いているのかが、少しずつ見えてきました。

私には、NVIDIAがGPUを販売するだけでなく、GPUが必要になる市場そのものを広げようとしているように見えます。

今回は、2026年3月のGTCと6月のGTC Taipeiを振り返りながら、NVIDIAがどこへ向かおうとしているのか、私なりに考えてみます。

AIインフラ企業としての側面

NVIDIAが2026年5月に発表した2027会計年度第1四半期決算（2026年4月26日までの3か月間）では、全社売上高は816億ドル。

そのうち、データセンター部門の売上高は752億ドルでした。

全体の約92%を占めます。

現在のNVIDIAは、単なるGPUメーカーとして捉えるだけでは、全体像が見えにくくなっています。

AIインフラ企業としての側面が、かなり強くなっているためです。

NVIDIAが扱う領域は、GPU単体ではありません。

GPU、CPU、ネットワーク、ストレージ。

さらに、パートナー企業と連携しながら、電力、冷却、施設設計、運用ソフトウェアまで含めたAIデータセンター全体を支えようとしています。

NVIDIAは、この計算基盤を「AI Factory」と呼んでいます。

大規模なAIシステムを動かすためには、GPUだけを増やしても十分ではありません。

電力は足りるのか？

大量に発生する熱を、どのように処理するのか？

増え続けるGPUを、どのように効率よく接続するのか？

限られた電力から、どれだけ多くのAI処理を生み出せるのか？

NVIDIAは、パートナー企業と連携しながら、AIデータセンター全体の設計、構築、運用を支える領域まで事業を広げています。

3月に示された全体像と、6月に見えた量産展開

2026年3月のGTCでは、次世代AI基盤であるVera Rubinを前提として、AI Factoryを設計、構築、運用するための考え方が示されました。

その一つが、NVIDIA Vera Rubin DSX AI Factoryリファレンス設計です。

さらに、AIデータセンターを仮想空間上に再現し、ラックの配置、電力、熱、冷却設備などを事前に検証するための「NVIDIA Omniverse DSX Blueprint」も一般提供されています。

6月のGTC Taipeiでは、台湾のサーバーメーカーや供給網を含め、Vera Rubinの本格量産への移行と展開像が、さらに具体化しました。

NVIDIAは、GPUを販売するだけではありません。

パートナー企業と連携しながら、AIデータセンターを効率よく設計、構築、運用するための仕組みまで提供しようとしています。

技術公開の先にある市場

もう一つ興味深いのは、NVIDIAがハードウェアだけでなく、多くのモデル、ソフトウェア、開発ツールを公開していることです。

対象は、AIエージェント、ロボット、自動運転、シミュレーションなど、幅広い分野に及びます。

公開されるものの形式もさまざまです。

オープンソースソフトウェア、オープンモデル、リファレンス設計、開発ツール等々。

こうした技術を利用できれば、開発者は新しいサービスや製品を作りやすくなります。

AIエージェント、ロボット、自動運転などの活用が広がれば、学習や処理に必要な計算量も増えていきます。

GPUだけでなく、ネットワークやストレージなど、周辺インフラの需要も広がる可能性があります。

もちろん、NVIDIA自身が「GPUを売るために技術を公開している」と明言しているわけではありません。

目的は、GPUの販売だけではないと思います。

開発者を増やし、NVIDIAの技術を使った製品やサービスを作りやすくする。

それによって、NVIDIAの技術が幅広い分野で選ばれやすくなる。

私は、その先にGPUや周辺インフラの需要拡大も見据えているのではないかと考えています。

種を広く配り、GPUが育つ畑を増やす。

言い換えると、NVIDIAは、自社の計算基盤を必要とする市場そのものを広げようとしているように見えます。

Physical AIの開発を支える仮想空間

NVIDIAが力を入れている分野の一つが、Physical AIです。

Physical AIとは、現実世界の物体や空間を理解し、ロボットや自動運転車などとして行動するAIです。

ここで、冒頭のオラフにつながります。

ロボットの動作を、すべて実機だけで試すことは効率的ではありません。

自動運転でも、危険な状況を現実世界で何度も再現することはできません。

そこで重要になるのが、デジタルツイン、シミュレーション、合成データです。

現実世界では集めにくいデータを仮想空間で作り、AIモデルの学習や評価に利用する。

仮想空間で学習や検証を重ねたうえで、ロボット、自動運転車、工場など、現実世界へ展開する。

NVIDIAは、この一連の流れを支える技術を提供しようとしています。

3月のGTCで登場したオラフの動作学習には、Disneyが開発した物理シミュレーター「Kamino」が使われています。

Kaminoは、NVIDIA Warpを使って構築され、Newtonに統合されています。

オラフは、仮想空間での学習を通じて、自身の熱を管理し、衝撃音を抑えるための動作制御を学習しました。

あのかわいい動きの裏側には、GPUを使った物理シミュレーションがあります。

病院で進むPhysical AI

GTC Taipeiでは、Foxconnと台湾の医療機関による取り組みも紹介されました。

病院では、医療従事者や患者、医療機器が絶えず移動し、病室や手術室などの設備も複雑に関わり合っています。

こうした環境でロボットを安全に動かすには、いきなり現場へ投入するのではなく、事前の検証が必要です。

Foxconnは、NVIDIA Omniverseを使って病院施設のデジタルツインを構築しています。

仮想空間上でAIやロボットをテストし、学習し、検証してから、実際の医療現場へ展開します。

搬送や物流など、看護師の業務を支援するロボット「Nurabot」も、こうした流れの中で展開されています。

この取り組みから見えてくるのは、シミュレーションが研究室内の検証だけで終わらず、現実の業務へつながり始めているということです。

この流れの中で重要になる基盤の一つが、Omniverseです。

Omniverseは、3D表現のためだけのツールではありません。

3Dデータ、デジタルツイン、シミュレーションを扱い、実環境への展開までの開発工程を支える技術群です。

AIをクラウドの外へ広げる動き

NVIDIAが広げようとしているのは、巨大なAIデータセンターだけではありません。

GTC Taipeiでは、Windows PCでパーソナルAIエージェントを動かすことも想定した「RTX Spark」や、企業の開発者向けの「DGX Station for Windows」も発表されました。

RTX Sparkは、AIエージェントだけでなく、映像や3Dコンテンツの制作、ゲーム、ローカルAIモデルの実行など、幅広い用途を想定したSuperchipです。

DGX Station for Windowsは、企業がAIエージェントや大規模なAIモデルを手元で動かすためのデスクサイドAI基盤です。

AIをクラウドだけでなく、企業内の設備や個人のPCでも動かせるようにしようとしています。

今後は、扱うデータの内容や処理の規模に応じて、手元のPC、企業内の設備、巨大なデータセンターを使い分ける場面が増えていくのかもしれません。

NVIDIAが向かう3つの方向

ここ数か月の発表から、NVIDIAの今後の方向性は、大きく3つに整理できます。

1. AIデータセンターの大規模化と効率化

GPU単体ではなく、電力、冷却、ネットワーク、ストレージを含めたAIインフラ全体を最適化する。

規模を拡大するだけでなく、限られた電力から、より多くのAI処理を生み出せるようにする。

2. AIの分散配置

AIを巨大なデータセンターだけでなく、企業内の設備や個人のPCへ広げる。

クラウド、企業内の設備、手元のPCを、用途に応じて使い分けられるようにする。

3. Physical AIの現場展開

工場、病院、ロボット、自動車など、AIが現実世界で動作する場所を増やす。

仮想空間で学習、検証したAIを、実際の現場へ展開する。

構想どおりに普及するとは限らない

もちろん、NVIDIAが描く構想が、そのまま普及するとは限りません。

AIデータセンターの拡大には、大量の電力が必要です。

NVIDIAも、限られた電力から、より多くのAI処理を行うための仕組みを発表しています。

ただし、効率が上がったとしても、AIの利用が急速に広がれば、必要な電力の総量が増える可能性はあります。

ロボットや自動運転を現場へ導入するには、安全性、コスト、運用方法など、多くの課題も残っています。

技術を公開したからといって、必ず利用者が増えるとも限りません。

それでも、NVIDIAがGPU単体の販売にとどまらず、その先にある市場まで見据えていることは、今回の発表から見えてきます。

まとめ

3月のGTCで登場したオラフは、とてもかわいかったです。

しかし、今振り返ると、あのオラフは単なる演出ではありませんでした。

GPUを使って、物理世界をシミュレーションする。

仮想空間でロボットを学習させる。

そして、現実世界へ展開する。

NVIDIAが進める取り組みを、分かりやすい形で示した存在だったのだと思います。

私には、NVIDIAが作ろうとしているのは、高性能なGPUだけではないように見えます。

クラウドから現実世界まで、さまざまな場所でNVIDIAの計算基盤が必要になる環境。

NVIDIAは、そのような環境を広げようとしているのかもしれません。

オラフの小さな一歩は、NVIDIAにとっては、かなり大きな一歩なのかもしれません。

用語メモ

GPU

画像処理やAIの計算に使われるプロセッサーです。

もともとはゲームや映像向けの処理で広く使われていましたが、現在はAIモデルの学習や推論でも重要な役割を担っています。

AI Factory

データの取り込みから、学習、ファインチューニング、大規模な推論まで、AIのライフサイクル全体を支えるための専用コンピューティング基盤です。

GPU、CPU、ネットワーク、ストレージ、冷却システム、ソフトウェアなどを統合し、データから価値を生み出します。

NVIDIAは、AI Factoryが生み出す主要な成果物を「インテリジェンス」と位置づけています。

Vera Rubin

NVIDIAが展開する次世代AI基盤です。

2026年6月のGTC Taipeiでは、Vera Rubinの本格量産への移行と、供給網を含む展開像が具体化しました。

Physical AI

現実世界の物体や空間を理解し、ロボットや自動運転車などとして行動するAIです。

デジタルツイン

現実世界の設備や空間を、仮想空間上に再現する仕組みです。

実際の現場へ導入する前に、設備やロボットの動きを検証できます。

Omniverse

3Dデータ、デジタルツイン、シミュレーションを扱うためのライブラリ、マイクロサービス、開発機能などの技術群です。

ロボットや工場など、現実世界で動くAIの開発に加え、AIデータセンターの設計や運用の検証にも使われます。

Kamino

DisneyがNVIDIA Warpを利用して開発した、GPUアクセラレーション対応の物理シミュレーターです。

Newtonに統合され、オラフなどの動きを制御するロボットポリシーの学習に使われています。

RTX Spark

Windows PCでパーソナルAIエージェントを動かすことも想定したSuperchipです。

AIエージェント、映像や3Dコンテンツの制作、ゲーム、ローカルAIモデルの実行など、幅広い用途を想定しています。

DGX Station for Windows

企業の開発者が、AIエージェントや大規模なAIモデルを手元で動かすためのデスクサイドAI基盤です。

※NVIDIAが公開している技術には、オープンソースソフトウェア、オープンモデル、リファレンス設計、開発ツールなど、異なる形式のものが含まれます。

※本記事は、NVIDIAの公式発表をもとに、筆者の考察を加えて整理したものです。性能値、提供時期、導入効果などは、今後変更される可能性があります。