NVIDIAはAI経済の線路を敷いた——誰も平行線を引けていない

どの研究チームが言語モデル、ロボティクスシステム、医療画像分類器を訓練しようと決めた瞬間も、同じ構造的制約に直面する。すなわち、NVIDIAの計算リソースを購入するか、プロジェクトを延期するかである。それは好みの問題ではない——20年にわたるCUDA最適化に組み込まれたインフラ依存なのだ。

NVIDIAは、より高速なチップを単独で作ったからAI時代に勝利したわけではない。あらゆる本格的なAI開発者がデフォルトで使うソフトウェア層を構築したことで勝利したのだ。CUDA——GPUシリコンをAIフレームワークにマッピングするプログラミングモデル——は、機械学習ワークフローにおいて、インターネット通信におけるTCP/IPと同様に組み込まれている。切り替えコストは現実的で高く、CUDA上に構築されたフレームワーク、ライブラリ、ツールチェーンは簡単には移植できず、それらに習熟した人材を再教育するのも安価ではない。

NVIDIAの現世代フラッグシップであるBlackwellアーキテクチャは、世界最大のAI工場を運営するハイパースケーラー全体に拡大している。数千台のBlackwellユニットが、Microsoft Azure、Google Cloud、Amazon Web Servicesによって確約されている。その需要を牽引する推論および訓練ワークロードは天井に近づいているわけではない——成功した実験の後に産業規模の展開が続くフェーズに入っているのだ。

データセンターを超えて、NVIDIAは隣接する2つのバリューチェーンに進出している。ゲーム分野では、DLSSプラットフォームがAI強化レンダリングをプレミアムアドオンではなく標準パイプライン機能に変えた——GPUのアップグレードサイクルを、単なるシリコンの生の性能ではなくソフトウェア能力に固定したのだ。自動車分野では、DRIVE Thorシステムオンチップが、次世代の自動運転および運転支援システム向けの中央コンピューティングプラットフォームとしてNVIDIAを位置づけており、この市場は10年単位のどの期間でもコンシューマーグラフィックスよりも速く成長する。

NVDAはナスダックに上場している。同社はメガキャップの評価額を持ち、最近の複数の四半期にわたってS&P500のトータルリターンに単独で最大級の貢献をしてきた。Blackwellのランプアップサイクルに関するアナリストのコンセンサスは、少なくとも2027会計年度まで収益のアウトパフォーマンスが続くことを示している。

インフラ戦略書は新しいものではない——他の誰もがその上に構築しなければならない層を所有することだ。新しいのは、NVIDIAがそれをハードウェア、ソフトウェア、産業用AIにおいて同時に実行していること、そしてその規模において切り替えコストがドルではなく年単位で測られることだ。この複合的なロックインこそが、市場が価格付けしているものだ。チップではない。

タグ: nvidia, business-en1, 半導体, AIインフラ, Jensen Huang, NVDA