【いまさら聞けないGPU超入門(全5回)】｜【第3回】GPUの歴史と転換点：ただのゲーム用パーツが、なぜAI時代の中核になったのか
更新日：2026/5/13
📖 前提知識： 第1回の「4つの地図」と第2回の「3社の性格」をお読みいただいているとスムーズに入れるかと思います
（第1回の記事はこちら ⇒ https://note.com/yasuhitoo/n/n5c44e97d90c2 ）
（第2回の記事はこちら ⇒ https://note.com/yasuhitoo/n/n11b3e48ccdce ）
本記事で持ち帰っていただきたい3つ
1. GPUは「ゲーム用」→「汎用計算」→「AIインフラ」へ進化した
2. CUDAと深層学習が、GPUをAIの標準装備に押し上げた
3. 生成AI時代の競争は、単体チップではなくシステム全体の戦いになった
この記事で分かること
- GPU史を「5フェーズ」で整理し、「なぜ今GPUが奪い合いになっているのか」の背景
- 各フェーズで何が変わり、市場にどんなインパクトがあったか
- まだ分からないこと：現行製品の具体名（→第4回）、シェア数字の正しい読み方（→第5回）
- 前回（第2回）とのつながり：第2回で紹介した3社の「企業の性格」が、歴史のどこで形づくられたかが見えます
GPUの現在地を理解するには、製品スペックを追う前に「何のために進化してきたのか」を押さえるのがわかりやすいと思います。 GPUはもともと3Dゲームを滑らかに動かすための専用ハードでした。しかし、描画パイプラインの柔軟化、CUDAによる汎用計算化、深層学習ブーム、そして生成AIの巨大計算需要を経て、いまやデータセンター設計そのものを左右する存在になっています。⟦S3⟧⟦S7⟧⟦S17⟧
本記事では、GPU史を5つのフェーズに分けて整理します。各段階の背景、技術革新、そして市場への影響をたどることで、「なぜGPUがAI時代の中核装置になったのか」が見えてきます。
※作成した記事内容をGammaに入力しスライド自動作成させました。スライドの方が見やすいようでしたらこちらをご覧くださいませ。
1. GPU史の5フェーズ
2. ① 3Dアクセラレータ期（1990年代）
1990年代のPC市場では、3Dゲームの普及がグラフィックスハードの進化を強く後押ししました。3dfxのVoodoo Graphicsに象徴される3Dアクセラレータは、CPUだけでは重いポリゴン描画やテクスチャ処理、深度処理などを肩代わりし、「ゲームを快適に動かすために増設する専用カード」という新しい市場を作ります。⟦S1⟧
重要なのは、GPUの出発点があくまでエンターテインメント用途だった
ことです。この時代に求められたのは、同種の計算を大量に、しかも低遅延で繰り返す能力でした。後にAIや科学技術計算とGPUの相性が良かったのは、この“並列処理に強い設計思想”が早い段階で形になっていたからです。⟦S1⟧
市場インパクトの面では、GPUはまず「PCを買い替えなくても性能を引き上げられる拡張カード」として価値を持ちました。ここで形成されたディスクリートGPU市場が、その後の技術投資の土台になります。
結果として何が変わったか： 「ゲームを快適に遊ぶための増設カード」という市場が確立し、GPUがその後の進化を支える産業基盤になった。
3. ② GPU概念の定着（1999〜2005年）
1999年、NVIDIAはGeForce 256を「GPU」として打ち出し、変換・照明（T&L）をチップ側に統合した製品として位置づけました。これによりGPUは単なる描画補助回路ではなく、3D処理の中核を担うプロセッサとして認識されるようになります。⟦S3⟧⟦S5⟧
この流れをさらに大きくしたのが、プログラマブルシェーダの登場です。
DirectX 8/9世代になると、開発者は固定機能パイプラインの上に乗るだけでなく、頂点処理やピクセル処理の一部をコードで定義できるようになりました。ATIのRadeon 9700は、その象徴的な世代のひとつです。⟦S5⟧⟦S6⟧
この時期の市場インパクトは、画質の向上だけではありません。GPUは「ソフトウェアで振る舞いを変えられる並列計算装置」へと一歩踏み出し、後のGPGPU時代につながる発想を開発者コミュニティに浸透させました。
結果として何が変わったか： GPUが「固定機能の描画補助」から「プログラム可能な並列プロセッサ」へ変貌し、GPGPUの素地が生まれた。
4. ③ GPGPU転換（2006〜2011年）
2006年、NVIDIAがCUDAを導入したことで、GPUはグラフィックスAPIを経由しなくてもプログラムから扱えるようになりました。これにより、「GPUを汎用計算に使う」というGPGPU（General-Purpose computing on GPU：GPU汎用計算）の考え方が研究・実装の両面で一気に現実味を帯びます。⟦S7⟧⟦S8⟧
初期の主戦場は、科学技術計算や物理シミュレーション、金融計算など、並列化しやすい数値問題でした。CPUでは時間がかかる処理を、GPUの高いスループットで押し切るという発想が広がり、「描画用チップ」を「計算加速器」として使う道が開かれます。⟦S8⟧
また、この時期のTeslaは計算用途への転換を象徴する製品群でした。初代Tesla C870は外部表示端子を持たない設計でしたが、後続のTesla C2050/C2070にはDVI-I出力を備えるモデルもあり、シリーズ全体を一律に“無出力GPU”とみなすのは正確ではありません。重要なのは、ここでGPUの重心が「表示」から「計算」に移ったことです。⟦S9⟧⟦S10⟧
市場面では、GPUはゲームPC向け部品から、研究・技術計算の現場で導入される加速器へと役割を広げました。この転換が、後のAIブームを受け止めるための産業的な足場になります。
結果として何が変わったか： CUDAによりGPUが「描画専用」から「汎用計算加速器」へ変わり、科学技術計算・金融・物理シミュレーションの世界に流入した。
5. ④ 深層学習拡大（2012〜2021年）
2012年、AlexNetがImageNetで記録した勝利は、GPU史の大きな転換点でした。論文ではtop-5 error 15.3%を達成し、2位の26.2%に大差をつけています。しかもその学習は、2枚のNVIDIA GTX 580 3GBを使って5〜6日かけて行われました。⟦S11⟧⟦S12⟧
この出来事の意味は、「深層学習が強かった」だけではありません。大規模な行列演算や畳み込み処理を、GPUが現実的な時間で回せることを広く示した点にあります。以後、TensorFlowやPyTorchのような主要フレームワークでは、GPU/CUDA/ROCm向けのサポートと最適化が広く整備され、研究から実装までGPU活用が標準化していきました。⟦S13⟧⟦S14⟧
ハードウェア側もAI寄りに変化します。VoltaではTensor Core（AIの行列演算を高速化する専用回路）が導入され、Ampereではそれがさらに強化されました。GPUはこの時期に、「3Dを描く装置」から「AIの主要演算を加速する装置」へと明確に再定義されました。⟦S15⟧⟦S16⟧
市場インパクトとしては、研究機関だけでなく、クラウド、画像認識、音声認識、推薦、産業AIの現場でもGPU需要が拡大しました。GPUは一部の専門家向け部品ではなく、AI開発の標準的な計算基盤になっていきます。
結果として何が変わったか： AlexNetを契機に「GPU＝AIの主要演算装置」という認識が広がり、Tensor CoreなどAI特化設計が標準化した。
6. ⑤ 生成AI期（2022年〜現在）
転換を決定的にしたのが生成AIです。OpenAIがChatGPTを公開したのは2022年11月30日で、ここからGPU需要はさらに大きく跳ね上がりました。⟦S17⟧
大規模言語モデルの学習では、10,000 GPUを超えてスケールする事例も報告されています。こうなると競争の軸は、単体GPUの性能だけでは足りません。GPU間通信、ノード設計、ラック密度、電力と冷却、運用ソフトウェアまで含めた「システム全体」の最適化が必要になります。NVIDIAがHGXやGB200 NVL72のようなプラットフォームを前面に押し出しているのは、そのためです。⟦S18⟧⟦S19⟧⟦S20⟧
この変化は市場にもはっきり表れています。NVIDIAのデータセンター部門売上は、会計年度ベースでFY2025（2025年1月26日終了の会計年度）に1,152億ドル、FY2026（2026年1月25日終了の会計年度）に1,937億ドルへ拡大しました。ただし、これをそのまま「CPUサーバ市場を上回った」と言い切るのは比較対象が曖昧です。正確には、GPUがAIインフラ投資の中心に移った、と捉えるべきかと思います。⟦S22⟧ ⟦S23⟧
同時に、競争相手も増えています。AMDはInstinct、IntelはGaudi、GoogleはTPU、AWSはTrainiumを展開しており、AIアクセラレータ市場は「NVIDIA一強を他社が追う」だけではない、多層的な競争フェーズに入りました。⟦S25⟧⟦S26⟧⟦S27⟧⟦S28⟧
結果として何が変わったか： GPUの競争が「単体チップの性能」から「通信・電力・冷却・ソフトを含むシステム全体の総合戦」へ移行した。
7. 歴史から読み解く現在
GPUの進化は、以下の3段階に整理します。
描画用アクセラレータ
汎用並列計算基盤
AI時代の計算インフラ
この流れを踏まえると、いまのGPU競争は単なるチップ性能の競争ではありません。 通信、ソフトウェア、電力、冷却、供給能力まで含めた総合戦であり、GPUはその中心に置かれています。⟦S19⟧⟦S20⟧
GPUの歴史を振り返ることは、単なる知識習得だけではありません。 「なぜ今、世界中の企業がGPUを奪い合っているのか」を理解するための最短ルートになると考えます。
8. 本記事での持ち帰りポイント
GPUは、ゲームを快適にする部品から、AIを動かす計算インフラへ役割を広げた。
転換点は、GPUを汎用計算に使えるようにしたCUDAと、深層学習での成功だった。
生成AI時代の競争は、チップ単体ではなく、通信・電力・冷却・ソフトまで含む総合戦になった。
今回覚えなくていいこと： 年号や製品名を全部覚える必要はありません。「描画 → 汎用計算 → AIインフラ」の流れがつかめれば大丈夫かと思います。
9. 本シリーズのロードマップ
第1回：GPUとは何か（なぜこんなに分かりにくいのか）
第2回：GPUメーカーは何者なのか
第3回：GPUの歴史と転換点（本記事）
第4回：いま売られているGPU製品の地図
第5回：GPUシェアの見方と、これからの勢力図
次回予告： 第4回では、この歴史の結果としていま売られているGPU製品を「市場→ブランド→型番」の順で整理します。
参考・出典
⟦S1⟧ Computer History Museum, Graphics & Games | Timeline of Computer History
⟦S3⟧ NVIDIA, Our History: Innovations Over the Years
⟦S5⟧ NVIDIA, Cg Tutorial, Chapter 1
⟦S6⟧ Microsoft, Using Shaders in Direct3D 9 - Win32 apps
⟦S7⟧ NVIDIA, CUDA C++ Programming Guide
⟦S8⟧ NVIDIA Developer, CUDA FAQ
⟦S9⟧ NVIDIA, NVIDIA Tesla C870 GPU Computing Processor Board
⟦S10⟧ NVIDIA, Tesla C2050 and Tesla C2070 Computing Processor Board
⟦S11⟧ Krizhevsky, Sutskever, Hinton, ImageNet Classification with Deep Convolutional Neural Networks
⟦S12⟧ ImageNet, ImageNet Large Scale Visual Recognition Competition 2012 (ILSVRC2012)
⟦S13⟧ TensorFlow, Install TensorFlow with pip
⟦S14⟧ PyTorch, Get Started
⟦S15⟧ NVIDIA, NVIDIA Launches Revolutionary Volta GPU Platform, Fueling Next Era of AI and High Performance Computing
⟦S16⟧ NVIDIA, NVIDIA Ampere Architecture
⟦S17⟧ OpenAI, Introducing ChatGPT
⟦S18⟧ Jiang et al., MegaScale: Scaling Large Language Model Training to More Than 10,000 GPUs
⟦S19⟧ NVIDIA, NVIDIA HGX Platform
⟦S20⟧ NVIDIA, GB200 NVL72
⟦S22⟧ NVIDIA, NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2025
⟦S23⟧ NVIDIA, NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026
⟦S25⟧ AMD, AMD Instinct Accelerators
⟦S26⟧ Intel, Intel Gaudi AI Accelerator Products
⟦S27⟧ Google Cloud, Tensor Processing Units (TPUs)
⟦S28⟧ AWS, AWS Trainium
