NVIDIA全史：ゲーム用GPU企業は、なぜAI時代のインフラになったのか
ゲームチップは、なぜAI時代の心臓になったのか
NVIDIAという会社を、昔から知っていた人ほど、いまの姿に驚くかもしれない。
かつてNVIDIAは、PCゲームを美しく動かすためのグラフィックスチップの会社だった。3Dゲーム、ビデオカード、GeForce、ゲーマー、PC自作市場。NVIDIAという名前は、長い間、ゲームと映像表現の世界で語られていた。
しかし現在のNVIDIAは、単なるGPUメーカーではない。
生成AIを動かすデータセンターの心臓であり、スーパーコンピューターの中核であり、自動運転、ロボティクス、医療、科学計算、創薬、気候シミュレーション、産業用デジタルツインを支える企業である。さらに、CUDA、cuDNN、TensorRT、NVIDIA AI Enterprise、Omniverse、Isaac、DRIVEといったソフトウェア群を持ち、ハードウェアだけではなく、開発者、研究者、クラウド企業、スタートアップを巻き込む巨大な生態系を作っている。
NVIDIAの歴史は、一言で言えば「用途を固定しなかった会社」の歴史である。
最初はゲームだった。
次に映像制作だった。
次に科学計算だった。
次にAIだった。
そしていま、NVIDIAは世界中の産業が知能化するための基盤になろうとしている。
この会社の全史が面白いのは、最初からAI企業だったわけではないところにある。NVIDIAは、30年以上にわたって隣接する市場へ少しずつ踏み出し、気づけば世界の産業構造そのものを変える位置に立っていた。
ゲームチップは、なぜAI時代の心臓になったのか。
その答えは、NVIDIAの歴史そのものの中にある。
第1章 1993年、三人のエンジニアが始めた会社
NVIDIAは1993年、ジェンスン・フアン、クリス・マラコウスキー、カーティス・プリームによって創業された。
当時、コンピューター業界の主役はCPUだった。Intelを中心とするCPUが、パーソナルコンピューターの性能を決める時代である。PCはすでに普及し始めていたが、まだ現在のような高精細な3Dグラフィックスを自由に描く力はなかった。
三人が見ていたのは、コンピューターの未来だった。
これからコンピューターは、文字や表計算だけではなく、画像、映像、3D空間、シミュレーションを扱うようになる。画面の中に、現実とは別の世界を描くようになる。そうなれば、CPUだけでは足りない。映像やグラフィックスを専門的に処理する新しいプロセッサが必要になる。
この発想から、NVIDIAは始まった。
ただし、創業時のNVIDIAは、巨大な成功が約束された会社ではなかった。むしろ、非常に危ういスタートだった。半導体を作るには莫大な開発費がかかる。市場はまだ成熟していない。競合も多い。ゲーム向けの3Dグラフィックスが本当に大きな市場になるかどうかも、当時は確実ではなかった。
それでもNVIDIAは、グラフィックスに賭けた。
この賭けは、後から見ると自然に見える。だが当時は、かなり大胆な選択だった。CPUの周辺にある一機能としてではなく、グラフィックス処理そのものを独立した大きな市場として捉える。ここにNVIDIAの原点がある。
第2章 NV1の失敗──最初の製品は、うまくいかなかった
NVIDIAの初期史で重要なのは、最初から成功したわけではないことだ。
同社の初期製品であるNV1は、商業的に大きな成功を収めたとは言いがたい。技術的には野心的だったが、市場の標準や開発者のニーズと十分に噛み合わなかった。
ここで重要なのは、NVIDIAが最初の失敗で終わらなかったことである。
半導体スタートアップにとって、最初の製品の失敗は致命傷になりうる。開発費は大きく、次のチップを作るにはさらに資金が必要になる。市場の信頼も失う。多くの会社はここで消える。
しかしNVIDIAは生き残った。
この時期のNVIDIAには、二つの重要な学びがあった。
一つは、技術的に面白いものを作るだけでは勝てないということ。市場の標準、開発環境、ゲーム会社の開発負荷、PCメーカーの採用判断、OSやAPIとの相性。半導体はチップ単体で売れるのではなく、周辺のエコシステムの中で使われる。
もう一つは、開発者に選ばれることの重要性である。ゲーム会社やソフトウェア開発者が使いやすいアーキテクチャでなければ、どれだけ野心的でも広がらない。
この失敗は、後のNVIDIAに深く刻まれる。
NVIDIAは、ハードウェアの会社でありながら、早くからソフトウェアと開発者の重要性を理解するようになる。これは、のちにCUDAで決定的な意味を持つ。
第3章 RIVA 128──生き残りを賭けた反撃
NVIDIAが本格的に市場で存在感を示したのが、RIVA 128である。
1997年に登場したこのチップは、PC向け3Dグラフィックス市場でNVIDIAの名前を広める大きな転機になった。NV1の失敗から学び、市場が求める性能、互換性、価格、開発者対応を意識した製品だった。
この時期のPC市場では、3Dゲームが急速に成長していた。家庭用ゲーム機だけでなく、PCでも本格的な3Dゲームを楽しむ文化が広がっていく。高速なグラフィックス処理は、一部の専門家だけでなく、一般のゲーマーにとっても価値を持ち始めた。
NVIDIAは、この波に乗った。
RIVA 128の成功は、NVIDIAに次の開発資金と市場での信用を与えた。半導体企業にとって、成功製品を一つ持つことは大きい。それは単なる売上ではなく、顧客、開発者、投資家、パートナーに対する証明になる。
NVIDIAは、失敗から反撃する会社になった。
この「失敗し、学び、次で勝つ」というリズムは、その後のNVIDIAにも繰り返し現れる。新しい領域に踏み出す。最初は市場に理解されない。だが、技術を磨き、開発者を巻き込み、いつの間にか標準の側に立つ。
RIVA 128は、その最初の成功例だった。
第4章 GeForce 256──GPUという言葉を作った瞬間
1999年、NVIDIAはGeForce 256を発表する。
NVIDIAはこれを「GPU」、つまりGraphics Processing Unitと位置づけた。これは単なるマーケティング用語ではなかった。グラフィックス処理が、CPUの補助的な機能ではなく、独立した計算領域になるという宣言だった。
それまでグラフィックスチップは、画像を表示するための部品という見られ方が強かった。だがGeForce 256は、3Dグラフィックスのパイプラインの中で、より多くの処理をチップ側に引き受ける。CPUが担っていた処理をGPUに移し、ゲームや3Dアプリケーションの表現力を高める。
ここでNVIDIAは、非常に重要な概念を作った。
コンピューターの性能は、CPUだけでは決まらない。
並列処理に向いた計算は、専用プロセッサが担うべきだ。
グラフィックスは、その最初の巨大用途である。
この考え方は、のちにAIの時代にそのまま接続される。
AIの学習や推論では、膨大な行列計算が必要になる。これは、CPUが順番に処理するよりも、GPUが大量に並列処理する方が向いている。つまり、1999年にゲームのために作られたGPUという思想は、後のAI時代の基礎になった。
もちろん、当時のNVIDIAが生成AIの爆発を具体的に予見していたわけではない。だが、彼らは「並列計算の力」がこれから大きくなることを信じていた。
GeForce 256は、NVIDIAが単なるグラフィックスカード会社から、コンピューティング企業へ進むための第一歩だった。
第5章 GeForceの時代──ゲーム市場を制する
2000年代前半、NVIDIAはGeForceブランドでPCゲーム市場に深く入り込んでいく。
この時期、ゲームの表現は大きく変わった。ポリゴン数が増え、光と影の表現が進化し、キャラクターや背景はよりリアルになっていく。ゲーマーは、より高性能なGPUを求めるようになった。ゲームタイトルも、GPUの進化を前提に作られるようになった。
NVIDIAは、ゲームの進化とともに成長した。
ここで重要なのは、NVIDIAが単にチップを売っただけではないことだ。ドライバー、開発者支援、ゲーム会社との協力、API対応、ユーザーコミュニティ。NVIDIAは、GPUを中心としたエコシステムを少しずつ作っていった。
PCゲーマーにとって、NVIDIAのGPUを持つことは、単に部品を買うことではなかった。より美しい世界、より滑らかな映像、より没入感のある体験を手に入れることだった。
NVIDIAは、映像体験の品質を引き上げた。
これは同時に、同社のブランドを強くした。CPUのIntel Insideのように、PCの中にある部品が消費者ブランドになる。NVIDIAは、B2B半導体企業でありながら、ゲーマーに直接認識されるブランドになった。
この時期の成功がなければ、NVIDIAは後のAI時代まで生き残れなかったかもしれない。ゲーム市場は、NVIDIAに資金と技術進化の実験場を与えた。より高速に、より省電力に、よりリアルに。ゲームの要求は、GPUを鍛え続けた。
第6章 CUDA──NVIDIAを本当に変えた発明
NVIDIA全史において、最も重要な転換点の一つがCUDAである。
CUDAは、GPUをグラフィックス以外の計算にも使えるようにするための並列計算プラットフォームである。これによって、研究者や開発者は、GPUの膨大な並列処理能力を、科学計算、シミュレーション、画像処理、機械学習などに使えるようになった。
これは、NVIDIAの歴史を根本から変えた。
それまでGPUは、主に画面を描くための部品だった。CUDAによってGPUは、汎用計算のための計算機になった。
この決断は、当時すぐに大きな売上を生んだわけではない。むしろ、短期的には地味な投資だった。GPUで計算をする開発者は限られていたし、プログラミングも簡単ではなかった。市場規模もはっきりしていなかった。
それでもNVIDIAは、CUDAに投資し続けた。
なぜか。
ジェンスン・フアンは、コンピューティングの未来がCPUだけでは足りなくなると見ていた。世界には、画像、物理、流体、分子、金融、AIなど、膨大な並列計算を必要とする問題がある。GPUはそれを解くための新しいコンピューターになりうる。
CUDAは、単なるソフトウェアではない。NVIDIAがGPUの用途を解放するための扉だった。
この扉を開けたことで、NVIDIAはゲーム市場の外に出ることができた。大学、研究機関、スーパーコンピューター、医療、金融、エネルギー、機械学習。GPUは、少しずつ専門家の道具になっていった。
そして、AI研究者たちがその力に気づく。
第7章 TeslaとHPC──スーパーコンピューターへの道
CUDAと並行して、NVIDIAはHPC、つまり高性能計算の世界へ進んでいく。
TeslaブランドのGPUは、ゲーマーではなく研究者やデータセンター向けに設計された。目的は、美しい映像を描くことではない。大量の計算を高速に処理することだった。
これは、NVIDIAにとって大きな方向転換だった。
ゲーム市場は消費者向けであり、製品サイクルも速い。HPC市場は、研究機関、企業、政府、スーパーコンピューターが相手である。求められるのは、安定性、信頼性、倍精度演算、ソフトウェア対応、長期サポートだった。
NVIDIAは、ここで新しい顧客を獲得していく。
気候変動のシミュレーション、分子動力学、流体解析、地震解析、天文学、医療画像処理。GPUは、可視化だけでなく、科学そのものを加速する道具になった。
この時期のNVIDIAは、まだAI企業として世界的に注目されていたわけではない。だが、重要な基盤はできつつあった。
GPUをデータセンターに入れる。
GPUを研究者に使わせる。
CUDAの開発者を増やす。
ライブラリを整備する。
HPCで実績を作る。
これらはすべて、後のAI爆発の準備だった。
第8章 AlexNetとディープラーニングの衝撃
2012年、AI研究の世界で大きな転換が起きる。
画像認識コンテストで、ディープラーニングを使ったAlexNetが圧倒的な成果を出した。このとき使われたのが、NVIDIAのGPUだった。
ここで、GPUの意味が変わる。
それまでGPUは、ゲームを美しくする部品であり、科学計算を加速する道具だった。しかしディープラーニングの登場によって、GPUは「AIを学習させるための装置」になった。
ニューラルネットワークの学習には、大量の行列演算が必要である。GPUはまさにその処理に向いていた。CPUでは時間がかかりすぎる学習を、GPUは大幅に短縮した。研究者は、より大きなモデルを試し、より多くのデータを使い、より速く実験できるようになった。
これは、NVIDIAにとって決定的だった。
AI研究の成長とともに、GPUの需要が広がる。大学や研究所だけでなく、Google、Meta、Microsoft、Amazon、Tesla、OpenAIのような企業も、大規模なAI計算基盤を必要とするようになる。
NVIDIAは、偶然AIブームに乗ったわけではない。CUDA、HPC、Tesla、開発者コミュニティへの長年の投資があったから、AI研究者たちはNVIDIAのGPUを選んだ。
ここで、NVIDIAの過去がすべてつながる。
ゲームで鍛えたGPU。
CUDAで開いた汎用計算。
HPCで築いた信頼性。
開発者支援で育てたエコシステム。
これらが、ディープラーニングの時代に一気に意味を持った。
第9章 ジェンスン・フアン──レザージャケットの経営者
NVIDIAを語る上で、ジェンスン・フアンの存在は避けられない。
彼は創業以来、長くCEOを務めてきた。テクノロジー企業では、創業者が早期に退くことも多い。だがNVIDIAは、フアンの強いビジョンとともに進んできた。
彼の経営スタイルは、非常に濃い。
技術を理解し、市場を語り、開発者に語りかけ、投資家を説得し、パートナー企業を巻き込む。GTCの基調講演では、彼自身がNVIDIAの未来像を物語として提示する。黒いレザージャケット姿は、今や同社の象徴の一つになっている。
フアンのすごさは、GPUを「部品」として語らなかったことにある。
彼はGPUを、未来のコンピューティングアーキテクチャとして語った。
CUDAを、開発者のためのプラットフォームとして語った。
DGXを、AI研究のためのスーパーコンピューターとして語った。
Blackwellを、AIファクトリーのエンジンとして語った。
つまり彼は、NVIDIAの製品を常に大きな物語の中に置いた。
これは、技術企業の経営者として非常に重要である。半導体は複雑で、一般の人には理解しにくい。GPU、Tensor Core、NVLink、InfiniBand、DPU、CUDA-Xと言われても、普通の人には難しい。だがフアンは、それを「AI工場」「加速コンピューティング」「新しい産業革命」という言葉で語り直した。
NVIDIAは、技術を売っている。
しかし同時に、未来像を売っている。
この二つをつなぐ語り手が、ジェンスン・フアンである。
第10章 データセンター企業への転換
2010年代後半から、NVIDIAの重心は大きく変わる。
ゲーム向けGPUの会社から、データセンター向けAIコンピューティング企業へ。これは、NVIDIA全史における最大の事業転換である。
データセンターでは、単体GPUだけでは足りない。AIモデルは巨大化し、学習には数千、数万のGPUをつなげる必要が出てきた。ここで重要になるのは、GPUそのものの性能だけではない。
GPU同士をどう接続するか。
データをどう高速に流すか。
サーバー全体をどう設計するか。
ネットワークをどう最適化するか。
ソフトウェアをどう管理するか。
クラウド環境でどう使わせるか。
NVIDIAは、この全体に入り込んでいく。
GPU、CPU、DPU、ネットワーク、スイッチ、インターコネクト、ライブラリ、AI Enterprise、DGX、クラウドサービス。NVIDIAは、データセンターを一つの巨大なコンピューターとして設計しようとした。
この発想が、NVIDIAを半導体企業からインフラ企業へ変えた。
かつてコンピューターの単位は、PC一台だった。
次にサーバー一台になった。
AI時代には、データセンター全体が一つのコンピューターになる。
NVIDIAは、この変化を捉えた。
だから同社は、GPUだけを売るのではなく、「AIファクトリー」を語るようになった。データを入力し、AIモデルを学習し、推論し、価値を生み出す工場。その工場のエンジンとして、NVIDIAのハードウェアとソフトウェアがある。
第11章 Mellanox買収──ネットワークを握る意味
NVIDIAがデータセンター企業になる上で、極めて重要だったのがMellanoxの買収である。
Mellanoxは、高速ネットワーク技術、特にInfiniBandなどで知られる企業だった。AIやHPCの世界では、計算ノードを高速に接続するネットワークが非常に重要になる。GPUがどれだけ速くても、データの移動が遅ければ全体性能は出ない。
NVIDIAは、ここに手を伸ばした。
この買収によって、NVIDIAはGPUだけでなく、GPUをつなぐネットワークまで自社の設計思想に取り込むことができるようになった。これは、AIデータセンター時代において非常に大きな意味を持つ。
AIの学習では、何千ものGPUが協調して動く。
そのとき、ボトルネックになるのは計算だけではない。
通信、メモリ、ストレージ、ネットワーク、ソフトウェア制御。
すべてが一体として最適化されなければならない。
NVIDIAは、データセンターを「部品の寄せ集め」ではなく、「一つの計算機」として捉えた。
この考え方は、競争優位になった。
他社がGPUやAIチップ単体で競争しようとしても、NVIDIAはチップ、ネットワーク、ソフトウェア、ライブラリ、開発者環境まで含めて提案できる。これは、単なる性能競争ではなく、エコシステム競争である。
第12章 RTXとDLSS──ゲームからAIへ、AIからゲームへ
NVIDIAの面白さは、AIに向かう一方で、ゲームの進化も止めなかったところにある。
2018年、NVIDIAはRTXを打ち出す。リアルタイムレイトレーシングにより、光の反射、影、質感をより現実に近く表現する技術である。映画のCGで使われてきたような表現を、リアルタイムのゲームに持ち込もうとした。
さらにDLSSが登場する。これはAIを使って画像を高品質に拡大し、フレームレートを高める技術である。
ここで、NVIDIAの歴史は円を描く。
ゲームのためにGPUを作った会社が、GPUでAIを発展させた。
そして今度は、そのAIをゲームの画質向上に使う。
ゲームがAIを生み、AIがゲームを進化させる。
この循環は、NVIDIAの強さを示している。
ゲーム市場は、NVIDIAにとって過去の市場ではない。今も重要な事業であり、技術の実験場でもある。AI PC、クリエイター向けワークステーション、生成AIを使ったゲーム制作、NPCの高度化、リアルタイムレンダリング。ゲームとAIは、ますます近づいている。
NVIDIAは、エンターテインメント企業ではない。
だが、エンターテインメントの進化を裏側で支える企業である。
第13章 Hopper、H100、そして生成AIブーム
2022年以降、生成AIの爆発によって、NVIDIAの地位は一気に変わる。
大規模言語モデルを学習させるには、膨大な計算資源が必要になる。ChatGPTの登場以降、世界中の企業がAIモデルを作り、動かし、サービスに組み込もうとした。そのために必要だったのが、NVIDIAのGPUだった。
特にH100は、生成AIブームの象徴的なチップになった。
クラウド企業、AIスタートアップ、大企業、研究機関、政府。あらゆる組織がNVIDIAのGPUを求めた。GPUは、単なる半導体部品ではなく、AI時代の希少資源になった。
ここで起きたのは、需要の爆発だけではない。
AI開発の競争は、計算資源の競争になった。
計算資源の競争は、GPU調達の競争になった。
GPU調達の競争は、NVIDIAを中心としたサプライチェーン競争になった。
NVIDIAは、世界のAI競争の中心に立った。
ただし、これは同時にリスクも生んだ。需要があまりに急増したことで、供給制約、顧客集中、地政学、輸出規制、電力消費、AI投資バブルへの懸念が出てきた。NVIDIAは、成功しすぎたことで、世界経済と国家戦略の中に組み込まれていく。
かつてはゲーマーが欲しがるチップだった。
いまは国家と巨大企業が奪い合うチップになった。
この変化こそ、NVIDIA全史の核心である。
第14章 Blackwell──チップではなく、AI工場の設計へ
Hopperの次に、NVIDIAはBlackwellを打ち出す。
Blackwellは単体GPUの進化であると同時に、データセンター規模のAIインフラを意識したアーキテクチャである。GPU、CPU、DPU、ネットワーク、スイッチ、システム、ソフトウェアを組み合わせ、巨大なAIモデルの学習と推論をより効率的に行う。
ここでNVIDIAは、さらに一段階上の会社になろうとしている。
従来の半導体企業は、チップを売る。
サーバー企業は、筐体を売る。
クラウド企業は、計算資源を貸す。
ソフトウェア企業は、アプリケーションを提供する。
NVIDIAは、その境界を横断している。
Blackwellは、NVIDIAが「AI工場」という概念を本気で実装しようとしていることを示している。AIを作るための工場。データを取り込み、モデルを学習し、推論し、サービスとして価値を返す。その工場の設備一式を、NVIDIAは設計しようとしている。
これは、非常に大きな野心である。
NVIDIAは、もはやGPUメーカーではない。
AI時代の産業インフラを設計する会社である。
第15章 自動運転、ロボティクス、Omniverse──物理世界へ広がるNVIDIA
NVIDIAの未来を考える上で重要なのは、AIがデータセンターの中だけで完結しないことである。
AIは、やがて物理世界に出ていく。自動運転車、ロボット、工場、倉庫、医療機器、ドローン、スマートシティ。現実世界を認識し、判断し、行動するAIが増えていく。
NVIDIAは、ここにも布石を打っている。
自動運転向けのDRIVE。
ロボティクス向けのIsaac。
産業用デジタルツインのOmniverse。
エッジAI向けのJetson。
医療画像や創薬向けのプラットフォーム。
これらは一見するとバラバラに見える。だが、NVIDIAの中ではつながっている。
現実世界をシミュレーションする。
シミュレーション上でAIを学習させる。
学習したAIをロボットや車に載せる。
現実から得たデータを再び学習に戻す。
このループを作ることが、NVIDIAの狙いである。
Omniverseは、単なるメタバースではない。工場、物流、建築、ロボット、自動運転を仮想空間で設計し、検証するための基盤になりうる。Isaacは、ロボットが現実世界で動くための開発基盤である。DRIVEは、自動車をソフトウェア定義のAIマシンに変えるためのプラットフォームである。
NVIDIAは、AIを画面の中から現実世界へ広げようとしている。
第16章 NVIDIAの強さ──ハード、ソフト、開発者、物語
NVIDIAの強さは、単にGPUが速いことではない。
もちろん、GPUの性能は重要である。だが、それだけなら他社も追いつく可能性がある。NVIDIAの本当の強さは、複数の層が重なっていることにある。
第一に、ハードウェアの強さ。GPU、Tensor Core、HBM、NVLink、Grace CPU、DPU、ネットワーク。NVIDIAは、計算そのものの性能を引き上げている。
第二に、ソフトウェアの強さ。CUDA、CUDA-X、cuDNN、TensorRT、NVIDIA AI Enterprise、NIM、NeMoなど、開発者がGPUを使いやすくする層が厚い。
第三に、開発者エコシステムの強さ。大学、研究者、AIスタートアップ、クラウド企業、ゲーム会社、産業企業が、NVIDIAの技術を前提に開発している。これは、時間をかけて築かれた参入障壁である。
第四に、パートナーシップの強さ。クラウド大手、サーバーメーカー、自動車会社、産業企業、研究機関と密接に組んでいる。
第五に、経営の物語性。ジェンスン・フアンは、NVIDIAを単なる部品メーカーとしてではなく、未来のコンピューティングを作る会社として語ってきた。
この五つが重なることで、NVIDIAは強くなった。
特にCUDAの存在は大きい。開発者がCUDAでコードを書き、ライブラリを使い、研究成果を積み上げれば積み上げるほど、NVIDIAのプラットフォームから離れにくくなる。これは、ハードウェア企業でありながら、ソフトウェア・プラットフォーム企業でもあるということだ。
NVIDIAの競争優位は、チップ単体ではなく、チップを中心に広がる生態系にある。
第17章 NVIDIAのリスク──強すぎる会社が抱える不安
NVIDIAは現在、圧倒的に強い。だが、強い会社ほど大きなリスクを抱える。
第一のリスクは、地政学である。AIチップは、国家安全保障の対象になっている。米中対立の中で、高性能GPUの輸出規制はNVIDIAの事業に直接影響する。中国市場への販売制限、代替製品の開発、規制の変更。これらは、NVIDIAにとって大きな不確実性である。
第二のリスクは、供給制約である。最先端GPUは、TSMCなどの先端製造能力、高帯域メモリ、先進パッケージング、サーバー組み立て、電力、冷却といった複雑なサプライチェーンに依存している。一社だけで完結するものではない。
第三のリスクは、競争である。AMD、Intelだけでなく、Google、Amazon、Microsoft、Meta、Teslaなども自社AIチップを開発している。クラウド企業はNVIDIAの顧客であると同時に、潜在的な競合でもある。
第四のリスクは、需要の持続性である。生成AIへの投資が本当に十分な収益を生むのか。AIモデルの学習需要はどこまで伸びるのか。推論需要はどの程度広がるのか。AIブームが過熱すれば、反動も起きうる。
第五のリスクは、エネルギーである。AIデータセンターは膨大な電力を消費する。計算量が増えれば増えるほど、電力、冷却、環境負荷、コストが問題になる。NVIDIAは性能だけでなく、エネルギー効率を語らざるをえない。
NVIDIAは、世界のAIインフラになった。
だからこそ、世界の不安も背負うことになった。
第18章 NVIDIAは何を変えたのか
NVIDIAが変えたものは、いくつもある。
まず、ゲームを変えた。
3Dグラフィックスを進化させ、PCゲームを巨大な文化に押し上げた。
次に、コンピューターの考え方を変えた。
CPU中心の計算から、GPUによる並列計算へ。汎用プロセッサだけではなく、用途に応じた加速コンピューティングが重要であることを示した。
次に、AI研究を変えた。
ディープラーニングの学習を高速化し、研究者がより大きなモデルを試せるようにした。生成AIの発展も、NVIDIAのGPUなしには現在の速度では進まなかった。
次に、データセンターを変えた。
サーバー一台ではなく、データセンター全体を一つのAIコンピューターとして設計する発想を広めた。
そして、産業の未来像を変えようとしている。
自動運転、ロボット、デジタルツイン、医療、科学、製造、通信、クラウド。NVIDIAは、AIがあらゆる産業に入っていくための基盤を作ろうとしている。
NVIDIAの歴史は、最初は画面の中の世界を美しくするためのものだった。
しかし今では、現実世界そのものを計算可能にしようとしている。
終章 ゲームチップは、なぜAI時代の心臓になったのか
NVIDIAの物語は、直線ではない。
ゲームの会社として始まり、グラフィックスを磨き、GPUを作り、CUDAで用途を広げ、HPCに入り、AI研究者に使われ、データセンターに入り、生成AIブームで世界の中心に立った。
振り返れば、すべてが必然のように見える。だが、当時はそうではなかった。
GPUがAIに使われると信じること。
CUDAに長く投資すること。
ゲーム市場で得た技術を科学計算に広げること。
データセンター全体を設計すること。
ネットワーク企業を買収すること。
AIを産業インフラとして語ること。
どれも簡単な選択ではなかった。
NVIDIAの本質は、隣接領域を信じ続けたことにある。
ゲームの隣に、映像制作があった。
映像制作の隣に、科学計算があった。
科学計算の隣に、AIがあった。
AIの隣に、データセンターがあった。
データセンターの隣に、ロボティクスと物理世界があった。
NVIDIAは、その隣へ、隣へと進み続けた。
だから、ゲームチップはAI時代の心臓になった。
この会社が作っているのは、単なる半導体ではない。
人間が扱える問題の範囲を広げるための計算基盤である。
かつてGPUは、画面の中に美しい世界を描くためのものだった。
いまGPUは、世界そのものを理解し、予測し、動かすためのものになった。
NVIDIA全史とは、コンピューターが「見る機械」から「考える機械」へ変わっていく過程で、その中心に居続けた会社の物語である。
そしてその物語は、まだ序章にすぎない。
