NVIDIA CEO: ムーアの法則終焉後、なぜNVIDIAだけが指数関数的成長を続けられるのか？なぜNokia、Uber、Palantirは次々とNVIDIAと組むのか？

2025年10月、ワシントンD.C.で開催されたNVIDIA GTC Keynoteは、単なる製品発表会ではなかった。Jensen Huang CEOが3時間近くにわたって語ったのは、2つの根本的なコンピューティング・パラダイムシフトが同時進行している現在、いかにしてNVIDIAがその中心に位置し、exponentialな成長を持続可能にしているかという壮大な物語だった。

NVIDIAは今、30年かけて築いたアクセラレーテッドコンピューティングのエコシステムと、AI時代の到来という2つの波が重なる歴史的瞬間にいる。そして同社は、極端な共同設計（Extreme Co-design）という手法で、世代ごとに10倍の性能向上と最低コストのトークン生成を実現し、AIの「好循環サイクル」を加速させている。この好循環こそが、2026年までに累積5000億ドルという前例のない受注残高を生み出した原動力である。

目次

1. 30年の積み重ねが結実：アクセラレーテッドコンピューティングの転換点

2. AIスタックの再発明：ツールから労働者へ

3. Grace Blackwell GB200：極端な共同設計が生む10倍の性能

4. 2つのexponential：AIの好循環サイクル

5. 新市場への進出：6G、量子、エンタープライズ

6. 物理AIとロボティクス：3つのコンピュータが描く未来

7. AIファクトリーとDSX：デジタルツインで設計する巨大インフラ

8. 米国製造の復活：国家戦略としてのAI

9. NVIDIAのmoat：なぜ他社は追いつけないのか

30年の積み重ねが結実：アクセラレーテッドコンピューティングの転換点

Jensen Huangは冒頭、アメリカのイノベーション史を振り返る感動的なビデオで聴衆を惹きつけた後、こう語った。

この観察は極めて重要だ。従来のムーアの法則的な進化──トランジスタ数の増加が自動的に性能向上をもたらす時代──は終わった。しかし、NVIDIAは30年かけて、この限界を超える道を準備してきた。

Huangが強調したのは、GPUだけでは価値がないという点だ。開発者がターゲットにしたいと思うプラットフォームになるには、世代を超えて互換性のあるプログラミングモデル（CUDA）と、各ドメインに最適化されたライブラリ（CUDA X）が不可欠だ。

特に印象的だったのは、cuLithoの例だ。計算論的リソグラフィのライブラリ開発に7年をかけた。この投資により、TSMC、Samsung、ASMLといった半導体製造の巨人たちがNVIDIA GPUを採用している。これは単なる技術的優位性ではなく、各産業の最も困難な問題を解くためのソリューションを提供するというNVIDIAの姿勢を示している。

キーノートでは、この350以上のライブラリが生み出す美しいシミュレーションの数々が披露された。医療、製造、ロボティクス、自動運転、コンピュータグラフィックス、そしてビデオゲーム──最初のアプリケーション（1993年）から現在まで、すべてが数学とディープコンピュータサイエンスによる「アート不要のシミュレーション」だった。

この感慨深い言葉の背景にあるのは、一貫したビジョンへの30年の信念だ。そして今、その投資が実を結び、アクセラレーテッドコンピューティングの転換点が訪れた。CPUからGPUへの移行は、もはや一部の専門分野だけでなく、あらゆる計算タスクにおいて優位性を持つようになった。

AIスタックの再発明：ツールから労働者へ

Huangの講演で最も哲学的で、かつ実務的に重要だったのが、「AIはツールではなく、労働者である」 という洞察だ。

従来のソフトウェア産業は「ツール」を作る産業だった。Excel、Word、Webブラウザ──これらはすべて人間が使うツールだ。IT業界全体で約1兆ドル規模だが、これはツール市場の限界を示している。なぜなら、ツール市場はユーザー数（つまり労働者数）で制約されるからだ。

しかし、AIは根本的に異なる。

この区別は深い。AIは、今まで作られたすべてのもの──つまり「ツール」──を使って仕事をする。例えば：

• Perplexity: Webブラウザというツールを使って、旅行の予約やショッピングを代行する

• Cursor: NVIDIAの全ソフトウェアエンジニアが使用。VS Codeというツールを使って、コード生成パートナーとして機能

• ロボタクシー: 見えないが、AIシャッフールが存在し、「車」というツールを使って運転業務を遂行

この視点は、AIの経済的インパクトを再定義する。AIは従来の技術が触れたことのない、100兆ドルのグローバル経済に直接関与する。労働力不足が深刻化する中、AIによる労働力の補完は経済成長を加速させる。

さらに重要なのは、この変化がテクノロジー産業自体にもたらす構造変化だ。従来のチップ産業は、数兆ドルのIT産業の5-10%程度を占めるに過ぎなかった。なぜなら、Excelやブラウザを動かすのにそれほど計算リソースは要らないからだ。人間が計算している。

しかし、AIは違う。コンテキストを常に理解し、環境を処理し、指示を解釈し、問題を分解し、推論し、プランを立て、実行する──これらすべてのステップで膨大な数のトークンを生成する必要がある。

このトークン生成こそが、新しい産業「AIファクトリー」を必要とする理由だ。従来のデータセンターは汎用的で、ファイル保存からゲーム、Web閲覧、会計まであらゆるアプリケーションを実行する。しかし、AIファクトリーは基本的に一つのこと──トークン生成──のために設計された専用工場だ。

そして、その工場は3つの目標を持つ：

1. 価値あるトークンを生成する（つまり、スマートであること）

2. 信じられないスピードで生成する（レスポンス速度）

3. コスト効率的に生成する（TCO最適化）

これらはまさに、自動車工場や任意の製造業と同じ指標だ。AIファクトリーという概念は、単なるメタファーではなく、文字通りの産業構造の記述である。

Grace Blackwell GB200：極端な共同設計が生む10倍の性能

この新しい産業──AIファクトリー──を支える心臓部が、Grace Blackwell GB200 NVLink72だ。Huangが「史上最も極端な共同設計」と呼ぶこのシステムは、IBMのSystem/360以来の、完全にゼロから再発明されたコンピュータだという。

なぜ10倍なのか？

ムーアの法則が終焉を迎えた今、トランジスタ数を50%増やすことはできても、それだけでは指数関数的な性能向上は得られない。しかし、NVIDIAはGB200で世代間10倍の性能を実現した。どうやって？

このダイアグラムが示すように、単一チップの性能向上だけでは不十分だ。NVIDIAは：

1. ゼロからのアーキテクチャ設計: Grace CPU（ARM）、Blackwell GPU、ConnectX（Mellanox）ネットワーキングを一体設計

2. ラックスケールの統合: 72個のGPUを1つの巨大なGPUとして機能させるNVLink72

3. AI専用ネットワーク: 「EthernetはEthernetに過ぎない」と多くの人が言うが、Spectrum-X EthernetはAIパフォーマンスのために設計され、それが成功の理由

4. 複数データセンターの連携: Spectrum-XGS（GigaScale）で地理的に分散したAIファクトリーを統合

MoE（Mixture of Experts）の威力

Huangは、NVLink8からNVLink72への進化が、なぜこれほどの性能差を生むかを、MoE（Mixture of Experts）モデルで説明した。

対照的に、NVLink8システムでは：

• 8 GPUしか統合できない

• 1 GPU = 32 experts（同じ総expert数を達成するため）

• 1つのGPUが32のエキスパートのために「考える」必要がある

この違いが、H200（前世代最高性能）比で10倍の性能差を生む。Semi Analysisのベンチマークによると：

• 性能: 10x（H200比）

• トークン生成コスト: 最も低い（TCO最適化）

特に後者が重要だ。GB200は最も高価なコンピュータだが、トークン毎秒とTCOの比率が非常に優れているため、世界で最も低コストでトークンを生成できる。

これは、AIの好循環サイクルを維持するために不可欠だ。性能が10倍向上すれば、ユーザー体験が劇的に改善される。コストが10分の1になれば、より多くの人がAIを利用でき、より多くのアプリケーションが経済的に成立する。

2つのexponential：AIの好循環サイクル

Huangの講演で最もエキサイティングだったのは、AIが「好循環サイクル」に入ったという宣言だ。これは単なる楽観的な予測ではなく、データに裏打ちされた観察だ。

3つのスケーリング則

2024年、AI業界は「ターボチャージ」された。その理由は、3つのスケーリング則が同時に作用し始めたからだ：

Huangは、「推論は簡単」という過去の見解を痛烈に批判した：

この3つのスケーリング則が、計算需要に巨大な圧力をかけている。しかし、本当のブレークスルーは、2つのexponentialが重なったことだ：

第1のexponential：技術的スケーリング

3つのスケーリング則による指数関数的な計算需要の増加。モデルが賢くなるほど、より多くの計算が必要。

第2のexponential：利用量のスケーリング

モデルが十分に賢くなり、お金を払う価値が出た。これが決定的だった。

• NVIDIA全社: Cursorのライセンスに喜んで支払う。なぜなら、数十万人のソフトウェアエンジニア/AI研究者の生産性が何倍にもなるから

• 一般ユーザー: ChatGPT Plus、Claude Pro、11 Labs、Synthesiaなど、有料サブスクリプションが急増

この好循環は、NVIDIAがCUDAで30年、AIで15年かけて達成した転換点だ。

• CUDAの好循環: より多くのアプリケーション → CUDAの価値向上 → より多くのCUDAコンピュータ購入 → より多くの開発者

• AIの好循環: よりスマートなAI → より多くの利用 → より多くの利益 → より多くの計算投資 → さらにスマート

しかし、この好循環を維持するには、コストを劇的に下げる必要がある。ムーアの法則が終わった今、それを可能にするのが極端な共同設計だけなのだ。

驚異的な受注残高

この好循環の証拠として、Huangは前例のない数字を明かした：

さらに驚くべきことに：

• Hopper全ライフサイクル: 400万GPU（中国・アジア除く）

• Blackwell（最初の3.5四半期+予測）: 600万台 = 2000万GPU（各Blackwellは2 GPU）

• 成長率: Hopperの5倍

新市場への進出：6G、量子、エンタープライズ

好循環の勢いに乗って、NVIDIAは複数の巨大な新市場に同時展開している。

6G/テレコム：Nokia×NVIDIA ARC

最も意外で戦略的だったのが、NokiaとのパートナーシップとNVIDIA ARC（Aerial Radio Network Computer）の発表だ。

HuangはこのパートナーシップをAmerica Firstの文脈で位置づけた：

6Gは2つの意味で革新的だ：

1. AI for RAN: 強化学習を使い、ビームフォーミングをリアルタイムで調整。周囲環境、トラフィック、モビリティ、天候を考慮し、スペクトル効率を向上。世界の電力の1.5-2%を消費する無線通信の効率化は環境的にも経済的にも重要。

2. AI on RAN: これが真の革命だ。インターネットがコミュニケーションを可能にしたが、AWSはその上にクラウドを構築した。同様に、無線テレコムネットワークの上にエッジ産業ロボティクスクラウドを構築する。基地局は世界中にあるため、データセンターがない場所でもクラウドコンピューティングが可能になる。

3兆ドルの通信産業において、数千億ドルのインフラ市場、世界中の数百万の基地局──アメリカがテレコム技術の中心に戻る千載一遇のチャンスだとHuangは訴えた。

量子コンピューティング：NVQLink

量子コンピューティングに関する発表も野心的だった。1981年にRichard Feynmanが想像した量子コンピュータが、40年後の2024年に基本的ブレークスルーを達成──1つの論理キュービットを実現した。

しかし、1つの論理キュービットは、数十から数百の物理キュービットが協調して動作する必要がある。量子ビットは極めて脆弱で、観測、サンプリング、環境条件によって容易にデコヒーレンスする。

Huangの洞察は、量子コンピュータは単独では機能しないというものだ：

NVQLink（NVIDIA Quantum Link）は、量子コンピューティングの3つの課題を解決する：

1. 量子エラー訂正: リアルタイムで物理キュービットのエラーを検出・訂正

2. 較正と制御: AIによる動的な量子システムの最適化

3. ハイブリッドシミュレーション: QPUとGPUが協働し、適切なプロセッサで適切な計算を実行

重要なのは、現在の数百キュービットから将来の数十万キュービットまでスケール可能な設計であることだ。

17社の量子コンピュータ企業と8つのDOE（エネルギー省）ラボ──Berkeley、Brookhaven、Fermilab、Lincoln Lab、Los Alamos、Oak Ridge、Pacific Northwest、Sandia──がNVQLink採用を表明した。

さらに、DOEは7つの新しいAIスーパーコンピュータ構築でNVIDIAと提携することを発表。Chris Wright エネルギー長官のリーダーシップを称賛しつつ、Huangは科学における計算の重要性を強調した：

📚(息抜き)読んでみて良かった本の紹介〜

AIというだけでも複雑に感じるIT関係者や学習者がハードル低くAIおよびAIを活用したワークフローの設計を学べる内容です。
今やDifyは中小企業で圧倒的に人気のソリューションで大学時代の同期もフリーランスでDifyエンジニアで荒稼ぎして高そうな寿司食ってるのをインスタで見ました（奢って欲しい🥺）

物理AIとロボティクス：3つのコンピュータが描く未来

物理AI──物理世界を理解し、相互作用するAI──は、言語AIとは異なる独自の課題を持つ。Huangが示した重要な洞察は、物理AIには3つの異なるコンピュータが必要だということだ。

なぜシミュレーションが重要か

物理AIがシミュレーションを必要とする理由は明確だ：

• 物理法則の理解: 因果関係、永続性、物理的制約

• 安全な学習環境: 現実世界でのトライアンドエラーは危険でコストがかかる

• スケーラビリティ: 何千、何万もの仮想ロボットを同時に訓練可能

Huangは、Foxconnとのテキサスでのロボティック工場プロジェクトを詳細に紹介した。このデモは、デジタルツインが単なる可視化ツールではなく、実際の運用プラットフォームであることを示した。

この工場は、ロボットを編成するロボット（工場）が、ロボット的なもの（AIインフラ）を製造するという入れ子構造になっている。Huangが指摘したように、これだけのソフトウェアをデジタルツイン外で計画・設計・運用することは「ほぼ不可能」だ。

ヒューマノイドロボット：最大の消費者エレクトロニクス市場？

特に興奮を呼んだのは、ヒューマノイドロボットのパートナーシップ群だ：

• Figure: Brett Adcock創業、わずか3.5年で評価額約400億ドル。NVIDIAがAI訓練、シミュレーション、ロボティックコンピュータ（Thor）を提供

• Agility: 倉庫自動化ロボット（Peggy Johnson CEO）

• Johnson & Johnson: 外科手術ロボット。完全非侵襲的で、これまで見たことのない精度

• Disney Blue: 「史上最もかわいいロボット」

Disney Blueのデモは特に印象的だった。すべてのシーンがアニメーションではなく、Newtonという革新的な物理ベースシミュレータによるリアルタイムシミュレーションだった。

Huangは、ヒューマノイドロボットが「世界最大の消費者エレクトロニクス製品ライン」になる可能性が高いと示唆した。確かに、家庭用ロボット、産業用ロボット、サービスロボットを合わせれば、スマートフォン市場を上回る可能性がある。

ロボタクシー：車輪の上のロボット

「ヒューマノイドはまだ開発中だが、車輪の上のロボットは明らかに転換点にある」──Huangはそう述べ、NVIDIA DRIVE Hyperionを発表した。

重要なのは、標準プラットフォーム化だ。Hyperionは「車輪の上のコンピューティングプラットフォーム」となり、包括的なセンサースイートを備えることで、複数のAVシステム開発者が同じハードウェア基盤にソフトウェアを展開できる。

そして、Uberとのパートナーシップを発表：

年間1兆マイルの運転距離、年間1億台の自動車生産、世界中の約5000万台のタクシー──これに加えて多数のロボタクシーが登場する。新しいコンピューティングプラットフォームとして、NVIDIAは大きな成功を期待している。

AIファクトリーとDSX：デジタルツインで設計する巨大インフラ

AIファクトリーの概念は理解したが、実際にギガワット規模の施設をどう構築するのか？　ここで登場するのが**Omniverse DSX（Digital Scale X）**だ。

DSXは、AIインフラの構築と運用のブループリントであり、建物、電力、冷却がNVIDIAのAIインフラスタックと共同設計される。

この革新的なアプローチには、いくつかの画期的な側面がある：

1. エコシステム規模の協働

AIインフラは、数百の企業が協力する必要があるエコシステム規模の課題だ。DSXは、すべてのパートナーがデジタル空間で統合できるようにする：

• Jacobs Engineering: 計算密度とレイアウトを最適化

• Siemens、Schneider Electric、Trane、Vertiv: SIM-ready Open USDアセットを提供

• PTC: プロダクトライフサイクル管理

• Cadence、EAB: 熱・電気シミュレーション

• Bechtel、Vertiv: プリファブモジュール納品

2. デジタルツインによる事前最適化

物理的な工場が存在する前に：

• 完全なシミュレーションで設計検証

• ボトルネック発見と解消

• 最適な配置とフロー設計

• AIエージェントの訓練

3. 運用時のインテリジェント制御

物理工場が稼働すると、デジタルツインは「オペレーティングシステム」として機能：

• FEDRAとEmerald AIのAIエージェント（デジタルツインで事前訓練済み）が電力消費を最適化

• AIファクトリーとグリッドの両方への負荷を軽減

4. 現実世界での実証

NVIDIAはVirginia（バージニア）にAIファクトリー研究センターを構築中で、DSXを使用してVera Rubinをインフラからソフトウェアまでテスト・製品化している。

このアプローチは、CUDA Xがソフトウェア開発者のエコシステムを可能にしたのと同様に、Omniverse DSXがインフラ構築のエコシステムを可能にしている。

📚 関連書籍紹介

推薦理由: デジタルツインとシミュレーション駆動設計の実践的手法を学びたい方へ。製造業やインフラ設計におけるOmniverseのような技術の応用事例と理論を詳しく解説。

米国製造の復活：国家戦略としてのAI

キーノートで最も感動的だったのは、「Made in America」のビデオだった。Arizona（アリゾナ）とIndiana（インディアナ）でのシリコンウェハー製造から、Texas（テキサス）でのシステム組み立てまで、Blackwellの製造プロセス全体が米国内で行われている。

Huangは、この成果をトランプ大統領の政策と結びつけた：

この「9ヶ月」という驚異的なスピードは、いくつかの要因による：

1. 国家的コミットメント: エネルギー政策、製造支援、規制緩和

2. NVIDIA の技術的準備: 設計、サプライチェーン、製造プロセスの成熟

3. エコシステムの協力: TSMC、サプライヤー、パートナー企業の総力

しかし、単に「作る」だけでなく、なぜアメリカで作るのかという戦略的意図も明確だ：

国家安全保障

AIインフラは21世紀の「戦略的物資」だ。GPUの供給を外国に依存することは、国家安全保障上のリスクとなる。

産業基盤の再構築

製造業の空洞化は、単に雇用問題ではなく、技術革新能力の喪失を意味する。設計と製造が分離すると、設計へのフィードバックループが弱まり、イノベーションが遅くなる。

AIによる再産業化

興味深いのは、AIそのものが製造業復活を可能にしている点だ：

• ロボティック工場: 労働力不足を補完

• デジタルツイン: 設計・最適化・トレーニングを加速

• AI品質管理: より高い精度と歩留まり

この循環構造──AI技術が製造業を復活させ、その製造業がさらに高度なAI技術を生み出す──は、経済的にも技術的にも持続可能な成長パスを示している。

NVIDIAのmoat：なぜ他社は追いつけないのか

最後に、最も重要な問いに答えよう：なぜNVIDIAは圧倒的な優位性を持ち続けられるのか？

Warren BuffettのいうMoat（堀）の観点から、NVIDIAの競合優位性を分析すると、驚くべき多層防御構造が見えてくる。

1. 30年のCUDAエコシステム

ASICの限界: 特定用途向けASICは、AIトレーニング/推論に特化できるが、他のアクセラレーテッドコンピューティングワークロード（cuLitho、cuOpt、科学計算等）は実行できない。NVIDIAのGPUは唯一のフルスタックソリューションだ。

2. 極端な共同設計能力

他社がチップを設計する間、NVIDIAは：

• アーキテクチャ

• チップ（複数種類）

• システム

• ソフトウェア

• モデルアーキテクチャ

• アプリケーション

すべてを同時に設計している。この能力は、組織的に極めて稀だ。

3. 製造からクラウドまでの垂直統合

NVIDIAは今や：

• チップ設計: Grace CPU、Blackwell GPU、ConnectX NIC、BlueField DPU

• システム設計: ラックスケール、AIファクトリー

• ネットワーク: Spectrum-X Ethernet、Quantum InfiniBand

• ソフトウェアスタック: CUDA、CUDA X、Omniverse

• モデル: 23のオープンソースモデル

• 製造: アメリカでの垂直統合製造

この垂直統合は、Apple（iPhone）、Tesla（EV）レベルの統合度だが、エンタープライズ/データセンター規模で達成している点が異なる。

4. 時間軸の優位性

NVIDIAは毎年新世代を投入している。競合が1世代を市場投入する間に、NVIDIAは2-3世代先を開発している。この時間軸の差は、技術的ギャップを指数関数的に拡大させる。

5. ネットワーク効果とロックイン

• 開発者: CUDAで学習し、CUDAで開発

• 企業: CUDA X統合済み、移行コスト膨大

• クラウド: NVIDIA統合が差別化要因

• 教育機関: カリキュラムにCUDA組み込み

これは、Windows/Intel時代のロックインを超える。なぜなら、AIは継続的に進化し、再訓練が必要だからだ。一度NVIDIAエコシステムに入ると、出るコストが時間とともに増大する。

6. 資本集約性の障壁

GB200のような製品を開発するには：

• 先端プロセス（3nm、2nm）へのアクセス

• HBMメモリの大量確保

• 複雑なパッケージング技術

• 大規模R&D投資

• 製造能力

これらすべてを同時に達成できる企業は、世界で数社しかない。さらに、NVIDIAは5000億ドルの受注残高により、将来の投資を正当化できる。

7. スケールの経済

📚 関連書籍紹介

推薦理由: NVIDIAのような技術企業の競合戦略と「堀（Moat）」の構築方法を理解したい方におすすめ。本記事で分析した多層防御戦略の理論的背景と実例を豊富に学べる。

結論：2つのパラダイムシフトの交差点で

NVIDIAの現在位置は、歴史的に稀な瞬間だ。2つの根本的なコンピューティング・パラダイムシフト──汎用コンピューティングからアクセラレーテッドコンピューティングへ、そして手書きソフトウェアからAIへ──が同時進行している。

Jensen Huangが描いた未来は、単なる技術的ビジョンではない。それは：

• 30年のCUDAエコシステム構築という忍耐

• 極端な共同設計という技術的野心

• 米国製造復活という国家戦略

• あらゆる産業へのAI適用という経済的インパクト

すべてが収束する、壮大な物語だ。

そして、その中心にあるのが好循環サイクル──賢いAI → 多くの利用 → 多くの計算 → 多くの投資 → さらに賢いAI──という、自己強化的な成長メカニズムだ。

この好循環を維持するため、NVIDIAは：

1. 毎年10倍の性能向上（極端な共同設計）

2. 最低コストのトークン生成（TCO最適化）

3. 新市場への展開（6G、量子、ロボティクス）

4. エコシステム拡大（350+ライブラリ、オープンソースモデル）

5. 米国製造（国家戦略との整合）

すべてを並行して推進している。

競合他社にとって、これほど多層的で、相互に強化し合う競合優位性を崩すことは、おそらく不可能に近い。なぜなら、各レイヤーが他のレイヤーを強化する正のフィードバックループになっているからだ。

Huangが講演の最後に述べた言葉が、すべてを物語っている：

これは単なるリップサービスではない。AIは21世紀の「電気」であり、「インターネット」だ。そして、その基盤インフラを制する者が、次の産業革命を主導する。

NVIDIAは、その中心に立つことを選び、そして実現している。