Nvidia GTC (GPU テクノロジー カンファレンス) は世界有数の AI カンファレンスの 1 つとなり、2009 年の発足以来、同社の影響力と収益とともに毎年成長しています。しかし、今年は重点が変化しました。以前、同社は新しい市場にどのように拡大するかに焦点を当てていました。今年は、特に AI 業界全体の主要なプレーヤーとして、これらの市場内でどのように拡大するかを実証しました。 Nvidia の野心と現在の成功を明確に示すものとして、2026 年までに AI 収益が 5,000 億ドルになるという予測を、2027 年までに 1 兆ドルという驚異的な数字に上方修正しました。
特に CEO の Jensen Huang は、AI 推論におけるニーズの高まりとエージェント ワークロードの急速な増加、そしてその増加が AI コンピューティング全体に与える影響について言及しました。
2025 年 12 月以来、黄氏は AI の「5 層ケーキ」のアイデアを推進してきました。このコンセプトは、単純なアプリやモデルよりもはるかに複雑なテクノロジーの本質的な垂直的性質を伝えようとする同社の AI に対する全体的な戦略を要約しているようです。 AI は、基礎となるエネルギー要件から個々のアプリケーションに至るまで、複数のレイヤーを備えた重要なインフラストラクチャとして描かれています。これは、平均的な人向けの完全な AI スタックの複雑さを簡素化することも目的としています。
Nvidia の AI の 5 層ケーキ
写真提供：Nvidia
このスタックの基礎となるのはエネルギーです。エネルギーは、特定の場所に構築できるコンピューティング量の制限要因として注目を集めています。次に、そのエネルギーを使用するチップによって、AI の問題を解決するために利用できるコンピューティング量が決まります。次に、土地、建物、電力供給、コンピューティング機器、冷却、ネットワークなどのチップをサポートするインフラストラクチャが登場します。このインフラストラクチャにより、アプリケーションやユースケースに応じて異なる AI モデルが可能になります。トップレベルでは、アプリケーション自体がモデルの出力を利用して、消費者、ビジネス ユーザー、政府機関などに結果を提供します。これが AI の経済的価値の基礎です。
フアン氏は、「人類史上最大のインフラ整備」をサポートするには、コンピューティングスタック全体を再発明する必要があると述べた。 Nvidia は、このメッセージを利用して、チップメーカーとしてだけでなく、すべてのコンピューティングを実現する基盤となる企業としての地位を確立しています。現在、すべてのコンピューティングが AI に移行しているためです。 CEO は、「垂直統合と水平オープン性」を組み合わせた Nvidia のアプローチについて語ります。これは、同社のモデルは誰にでもオープンですが、コンピューティングへのアプローチはあらゆるレイヤーで垂直統合されていることを意味します。
Vera Rubin は、Vera CPU と Rubin GPU を組み合わせた Nvidia の今後のハイエンド コンピューティング プラットフォームです。今から数か月後に出荷を開始する予定です。 Vera Rubin Pod は、データセンター内の AI コンピューティング密度をさらに大幅に向上させることを約束する Nvidia のラックスケール製品です。これには、5 つの異なるラック システムに 7 種類の Nvidia チップが組み込まれており、前世代の Blackwell プラットフォームの最大 10 倍の速度でトークンの生成と収益が可能になる高性能構成を実現していると同社は述べています。 Nvidia は、これにより年間 3,000 億ドルもの推論の機会が可能になる可能性があると主張しています。
Nvidia のアーキテクチャ推論の機会を分析したグラフ
写真提供：Nvidia
Vera Rubin Pod を可能にした最大の要因の 1 つは、Groq 3 LM30 チップを活用した Groq の LPX プラットフォームの使用です。 Groq の言語処理ユニットは Nvidia の GPU とは本質的に異なり、DRAM (ダイナミック ランダム アクセス メモリ) ではなく大量の SRAM (スタティック ランダム アクセス メモリ) を搭載しています。 Groq LPU は、Rubin GPU と比較してメモリ帯域幅を驚くべき 55 倍増加させるため、本質的にメモリを大量に消費するタスクの処理に優れています。これは、Nvidia が 2025 年 12 月に Groq の IP とその最も重要な人材を 200 億ドルで買収した理由を説明するのに役立ちます。
Groq の例は、Nvidia が自社の GPU をあらゆる問題の解決策にしようとすることからどのように離れつつあるのかを示しています。 Nvidia のエコシステムは長い間 GPU を超えて拡張してきましたが、その拡張は、CPU、ネットワーキング チップ、ソフトウェアのいずれによっても、ほぼ常に GPU にサービスを提供してきました。 Groq 3 LPU の導入により、Nvidia のコンピューティング アーキテクチャは GPU のみのアプローチを完全に超えました。
また、Nvidia が CPU のみのラック ソリューション内で自社の Arm ベース CPU などの製品を提供し始めていることもわかります。同社は、新しい 88 コア Vera CPU をデータセンター向けに Intel や AMD と競合できると位置付けています。これらの CPU はラックあたり最大 256 個のチップで構成でき、Nvidia にはすでに Meta を含む顧客がそれらの導入を検討しています。 CPU を超えて、Nvidia はストレージ指向アプリケーション向けの Bluefield 4 STX ソリューションについても話しました。同社によれば、この製品はパフォーマンスを向上させ、ストレージが AI 出力のボトルネックになるのを防ぎます。
Nvidia DSX は、同社の AI Factory 製品向けの最新の Vera Rubin ベースのプラットフォームです。これには AI ファクトリーのリファレンス デザインが含まれており、Nvidia の Omniverse Digital Twin を活用しています。 (Omniverse の背景については、GTC 2025 に関する私の記事と、2025 年 2 月からの Nvidia の物理 AI の動きに関する私の同僚の Bill Curtis の詳細な考察を参照してください。) 同社は、これをターンキー ソリューションと呼んでおり、Nvidia とそのパートナーが AI ファクトリーの計画、構築、維持を支援するために作成したすべての機能を活用します。このプラットフォームは、インフラストラクチャをつなぎ合わせずに独自の産業規模 AI を導入したいと考えているハイパースケーラーや最大規模の企業での実装向けに設計されています。
また、最近では宇宙における AI コンピューティングについても多くの話題があり、導入の問題を解決するために多くのスタートアップが立ち上げられています。 Vera Rubin ベースの Space 1 モジュールが発表される前、Nvidia は主に組み込み Jetson Orin チップと H100 GPU を宇宙アプリケーション向けに展開していました。 Nvidia によれば、この新しい宇宙に焦点を当てたモジュールは、これらの極端なアプリケーション向けに設計されており、宇宙では H100 の 25 倍もの AI パフォーマンスを実現します。また、宇宙での動作が出力に影響を及ぼさないようにするためのロックステップ処理とエラー修正コードも備えています。そうは言っても、Space 1 はかなりニッチなアプリケーションに対応するものであり、宇宙におけるデータセンターの必要性を検証するものと見なされるべきではないと私は信じています。
Claude Code などのエージェントがユーザーの実践的なタスクへの取り組みを支援するため、Agentic AI は急速に重要な焦点となっています。技術的な側面から見ると、エージェントは IT インフラストラクチャの構築方法と、そのインフラストラクチャ内のチップの設計方法を再構築しています。最近の最も興味深い開発の 1 つは、タスク指向エージェントをより安全に展開するために、Nvidia の新しいオープンソース NemoClaw スタックを使用してローカルで実行されるオープンソース エージェントである OpenClaw の導入です。
NemoClaw エージェント ツールキットは、自律型で安全な AI エージェントを構築、トレーニング、展開するために設計されており、これにより誰でも簡単に独自のエージェントを作成できるようになります。新しいスタックの開発にあたり、Nvidia は OpenClaw の作成者およびセキュリティ研究者と緊密に連携して、望ましくないエージェント アクションや潜在的に危険な結果を防止しました。
Nvidia は、画質を向上させ、より高速なレンダリングを実現するための同社のオプションの AI 支援機能である DLSS 5.0 の発表で、私を含む多くの人を驚かせました。これは、低解像度でレンダリングし、AI を使用して画像をネイティブ解像度にアップスケールすることで機能します。ほとんどのユーザーは、以前の DLSS 実装に満足しているようです。 DLSS 5.0 では、ニューラル レンダリング技術を導入し、平坦に見えるシーンのライティングをさらに改善しています。また、ゲーム デベロッパーはユーザー エクスペリエンスをより詳細に制御できるようになり、DLSS 5.0 を調整してゲームのビジュアルに与える影響を変更できます。
DLSS 5.0 を使用して作成された初期の写真やビデオに対して、多くの人が否定的な反応を示しました。これは重大な過剰反応だと思います。 AI で強化されたもののほとんどを嫌うゲーマーは多く、DLSS 5.0 に対する反応はその不満の頂点である可能性があります。デモを実際に見たので、ほぼすべての機能強化はポジティブで、リアリズムを強化しているように見えます。これは、編集ツールに非常にうるさい本格的な写真家によるものです。さらに、DLSS 5.0 の出荷はまだ遠いため、最終製品がどのようなものになるか、どの GPU で実行できるかは正確には不明です。現在のインスタンス化は 2 つの Nvidia RTX 5090 グラフィックス カードで実行されますが、Nvidia によると、ソフトウェアは秋までに 1 つの GPU で実行できるように最適化される予定です。
GTC での発言の中で、Huang 氏は業界の AI 収益機会の拡大について語り、「Nvidia GPU の需要は桁違いにある」と付け加えました。彼は、2025 年後半にワシントン D.C. で開催された GTC の特別版 (これについてはここで書きました) 以来、推論の成長により収益が大幅に増加していると主張しました。
ほんの数カ月前のことにもかかわらず、同社は現在、2026 年までに見込まれる 5,000 億ドルの収益機会を 2027 年までに 1 兆ドルに引き上げようとしています。これは、NVIDIA が今年が好調に終わると予想しているだけでなく、2027 年はさらに好調で、数千億ドル強になると予想していることを意味します。アナリストとしての私の観点からすると、AI トレーニングから広範な AI 推論と普及型エージェント AI への移行が業界にとって重要な推進力になると考えるのは当然のことでした。しかし、Huang 氏の指摘が正しければ、これは Nvidia とそのパートナーにとって、少し前まで誰もが想像していたよりもさらに大きな成長の触媒となる可能性があります。
開示:Nvidia は、私の会社である Moor Insights &Strategy の顧問クライアントです。