Nvidia Part II: The Machine Learning Company (2006-2022) — 完全ダイジェスト

2006年から2012年にかけて、Nvidiaはゲーミング事業で得たキャッシュのすべてを、明確な市場もユースケースもない「CUDA」という投機的なプラットフォームに注ぎ込んでいた。株価は2007年のピークから80%下落し、ほとんどの合理的な投資家は同社を「どこにも行き着かない会社」と見なしていた。しかし2012年、トロント大学のチームがNvidiaのGPU上で動作するAlexNetというディープラーニングモデルで画像認識コンペティションImageNetを圧勝した瞬間、すべてが変わった。本エピソードでは、AcquiredのホストであるBen GilbertとDavid Rosenthalが、Nvidiaが「ただのグラフィックスカード会社」から世界第8位の時価総額企業へと変貌を遂げた15年にわたる物語を、CUDAの誕生、AlexNetの衝撃、そしてデータセンター事業の爆発的成長を軸に語り尽くす。

0:00プロローグ：GPU企業の奇妙な文化とNvidiaの現在地

エピソードは、BenとDavidがGPU業界特有の「テクノ・ネオン照明」文化について軽妙に語るところから始まる。NvidiaとAMDのキーノートはどちらも、あたかも暗号通貨以前の暗号通貨イベントのような演出だという。しかしすぐに話題は本筋へと移る。Benは子供の頃、焚き火の揺らぎを眺めながら「すべての入力を知っていれば、炎の動きは予測可能なのか」と考えたという個人的なエピソードを紹介する。そして今、Nvidiaはまさにそれを実現している——物理世界のあらゆるものを「デジタルツイン」としてシミュレーション可能にする基盤を構築しているのだ。

Davidは、Nvidiaが構築したもののスケールを印象的な数字で示す。単一の音声認識機械学習モデルを訓練するために必要な数学演算（加算や乗算）の回数は、地球上の砂粒の総数よりも多い。そして驚くべきことに、その計算は1枚のグラフィックスカードで行われる。この事実は、Nvidiaが達成していることの途方もなさを如実に物語っている。

6:42第1章：2006年、岐路に立つNvidia——ゲーミングの王者、次なる一手を模索

前回のエピソード（Nvidia Part I）の終わり、2004〜2006年頃、Nvidiaは2度の死線を乗り越えていた。1度目は過密なグラフィックスカード市場でのサバイバル、2度目はIntelによる「PC周辺チップのコモディティ化」の脅威だ。Microsoftと組んでGPUをプログラマブルにし、GeForce 3でプログラマブルシェーダーを実現、Xboxを支え、Microsoftと共同でCGプログラミング言語を開発した。2007年半ばには時価総額は約200億ドルに達し、ウォール街からの評価も高かった。

この時期にNvidiaが築いた3つの重要な基盤がある。第一に、6ヶ月という驚異的な製品サイクル。1999年秋のGeForce 256から2001年春のGeForce 3まで、ほぼ半年ごとに新アーキテクチャを投入していた。これはIntelの5〜6年サイクルとは比較にならないスピードだ。第二に、自社製ドライバの開発。当時の他のグラフィックス企業は下流のパートナーにドライバ開発を任せていたが、Nvidiaは「ユーザー体験の完全なコントロール」を重視し、自社でドライバを書いた。これにより、チップ企業としては異例の、低レベルのソフトウェア開発者を社内に抱えることになる。第三に、プログラマブルシェーダー。これにより、ゲーム開発者が初めてGPUと直接的な関係を築くことができるようになった。

しかし、創業者Jensen Huangは満足しなかった。ゲーミング市場は当時も現在も巨大（現在約1800億ドル）だが、彼は「Nvidiaをゲーミング企業で終わらせない」と決意していた。そこに、スタンフォードの研究者から「Fry's Electronicsで買ったGeForceカードを研究室のPCに突っ込んだら、スーパーコンピューターより10倍速かった」という伝説的なメールが届く。この研究者は量子化学のモデリングを行っており、プログラマブルシェーダーを無理やり科学計算に転用していた——三角形のデータを「三角形」と見立て、変換処理を「ライティング」と偽装するような、極めて非効率な方法で。

Jensenはここに可能性を見出す。しかし、これを本格的な市場にするには、CGのような「言語」だけでなく、開発者向けの完全な抽象化スタック——UIフレームワーク、SDK、ライブラリ群——が必要だった。それはAppleがiOS開発者に提供するものと同様の、巨大なプラットフォーム構築を意味した。

17:19第2章：CUDAの誕生——「作らなければ、彼らは来られない」

2006年、NvidiaはCUDA（Compute Unified Device Architecture）の開発を開始する。これは、GPU上であらゆる種類の計算を行うための完全な開発フレームワークだ。C言語の拡張としての言語仕様、API、そしてその上に積み重なる数百のライブラリとSDKから構成される。Ben ThompsonのStratecheryインタビューでJensen自身が語ったように、「私たちは15年以上にわたってCUDAとエコシステムを前進させてきた。各分野の科学、産業、アプリケーションごとにフルスタックを創造している。現在、ゲームやデザインからライフアースサイエンス、量子コンピューティング、AI、サイバーセキュリティ、5G、ロボティクスに至るまで、150以上のSDKを提供している。」

CUDAの本質的な革新は、並列実行を前提としたプログラミングモデルにある。従来のCPU向けプログラミングは逐次実行が基本だったが、GPUは数千ものコアが同時に動作する。最新のコンシューマー向けグラフィックスカードには1万以上のコアが搭載されている。CUDAはこの「embarrassingly parallel（恥ずかしいほど並列化可能な）」アーキテクチャを最大限に活用するために設計された。

そして、ここが戦略の核心だ。CUDAは完全に無料で提供されている。誰でもダウンロードして学習し、使用できる。しかし、クローズドソースで、Nvidiaのハードウェアに完全にプロプライエタリだ。iOSアプリをWindowsで動かせないのと同様、CUDAで開発したものはNvidiaのチップでしか動作しない。これはAppleのビジネスモデルと同一だ——プラットフォームを無料で提供し、ハードウェアの販売で高い粗利益を得る。

しかし2008年、状況は暗転する。AMDがATIを約60〜70億ドルで買収。NvidiaはCUDAにリソースを注ぐ一方で、ゲーミング市場への注意が散漫になり、決算を大きく外す。株価は200億ドルのピークから80%暴落した。金融危機だけが原因ではない。CUDAが生み出す収益はまだゼロに等しく、市場は「Jensenは正気を失った」と見なした。しかしJensenは諦めず、CUDAへの投資を継続した。

35:45第3章：迷走とTegra——スマートフォン市場への誤った進出

株価が低迷する中、Nvidiaは株主をなだめるため、あるいは新たな成長市場を求めて、2008年にTegraチップを投入する。これはスマートフォン向けの完全なシステムオンチップ（SoC）で、ARMベースのCPUとグラフィックスを統合したものだ。しかし、これはNvidiaのコアコンピタンスをほとんど活用しておらず、QualcommやSamsungとの競争は厳しかった。

最初のTegra搭載製品はMicrosoft Zune HDメディアプレーヤーだった——この事実がすべてを物語っている。その後、初代Tesla Model Sのタッチスクリーン用インフォテインメントプロセッサとして採用され、これが後にNvidiaの自動車市場参入の足がかりとなる。また、Nintendo Switchのメインプロセッサとしても現在も使用されている。しかしスマートフォン市場での成功はつかめず、2011年には英国のモバイルベースバンド企業Iceraを買収するが、数年後に事業を縮小・閉鎖する。

皮肉なことに、Iceraの創業者たちはNvidiaに買収されて多額の資金を得た後、Graphcoreという企業を設立する。GraphcoreはNvidiaのAI向けハードウェアにおける最大の競合スタートアップの一つであり、約7億ドルのベンチャーキャピタルを調達している。Nvidiaの「失敗」が、後に自らの競合を生むことになったのだ。

43:02第4章：奇跡——AlexNetとディープラーニングのビッグバン

2012年、Nvidiaに「奇跡」が起こる。プリンストン大学のFei-Fei Li教授（現在はスタンフォード大学のSequoia Capital冠教授）が、数百万枚のラベル付き画像データベースImageNetを構築し、画像認識アルゴリズムの競技会を開始していた。2012年の大会で、トロント大学のチーム——Alex Krizhevsky（博士課程学生）、Ilya Sutskever、そしてJeff Hinton（指導教授）——が提出したアルゴリズムAlexNetが、それまでの最高エラー率25%超を15%にまで引き下げ、圧勝した。

AlexNetの革新は、畳み込みニューラルネットワーク（CNN）をGPU上で実装したことにある。ディープラーニング自体は数十年にわたって存在する古いアイデアだったが、必要な計算量が膨大で実用化は不可能と考えられていた。AlexNetは、NvidiaのGPUとCUDAを使ってこの問題を解決したのだ。これは人工知能における「ビッグバン」と呼ぶにふさわしい瞬間だった。

2013年には、Nvidiaの研究科学者Brian CatanzaroとスタンフォードのAndrew Ngが、Google Brainチームが1000ノードで行っていた教師なし学習をわずか3ノードで実現する論文を発表。これが後にCUDAに組み込まれるディープニューラルネットワーク用ライブラリcuDNNの核となる。これにより、データサイエンティストや研究科学者が、ハードウェアやソフトウェアの詳細を知らなくても、Nvidiaのハードウェア上で高性能なディープラーニングを実行できるようになった。

この技術の応用範囲は計り知れない。画像認識、自動運転、チェスや囲碁のプレイ、iPhoneの写真加工、そして最終的にはテキストから画像を生成するTransformerモデルにまで発展する。しかし、最も重要な市場はデジタル広告だった。ユーザーの好みを予測し、最適な広告を表示する——この「簡単な」ユースケースこそが、Nvidiaに最初の大規模な市場をもたらした。Ben ThompsonがJensenに指摘したように、「インターネット上の価値は、コンテンツのナビゲーションを助ける者に集まる」が、そのためには「チップとソフトウェアを作る者」が必要なのだ。

54:31第5章：市場の認識と現実のギャップ——なぜ誰もNvidiaを買わなかったのか

AlexNetから数年が経過しても、Nvidiaの株価は1株5ドル以下で推移していた。Marc Andreessenは2016年のインタビューで「我々のファームでは内部ゲームとして、もしヘッジファンドだったら全資金をNvidiaに投入する」と語っていたが、市場は依然として懐疑的だった。Nvidiaが2007年のピークである200億ドルの時価総額に戻ったのは、実に2016年のことだ。ほぼ10年を要した。

Jensenは決算説明会で繰り返し「ニューラルネットワークが未来だ」と語っていたが、半導体アナリストでさえ彼を「正気を失った」と見なしていた。理由は単純だ。NvidiaはCUDAにあまりに早く投資しすぎた。AlexNetの到来を予見していたわけではなく、「GPUがCPUではできないことを可能にする」という漠然とした確信があっただけだ。そして、ディープラーニングが「大量並列化された行列計算」を必要とすることが判明したとき、Nvidiaは「まさにあなたが探しているものがある」と言える立場にあった。

2018年には、暗号通貨マイニングという第3の「embarrassingly parallel」なユースケースが発生する。GPUは推測と検証の反復に最適で、需要が急増した。しかしNvidiaは、消費者がGPUをゲーム用に買っているのかマイニング用に買っているのかを把握できず、暗号通貨の暴落とともに需要が蒸発。株価は再び50%下落した。それでも、エンタープライズ向けディープラーニングの需要は衰えず、データセンター事業は成長を続けた。

1:06:02第6章：データセンターの支配——ゲーミングからエンタープライズへ

Nvidiaの事業は、ゲーミング（消費者向け）とデータセンター（エンタープライズ向け）の2つのセグメントに大別される。2020年時点ではゲーミングが約60億ドル、データセンターが約30億ドルと、ゲーミングが依然として主力だった。しかしその後2年間でデータセンター事業は3倍に成長し、現在は約105億ドルとゲーミングとほぼ同規模になっている。

データセンター向けGPUの価格は、コンシューマー向けの比ではない。コンシューマー向け最上位のRTX 3090が約2000〜3000ドルなのに対し、データセンター向けのA100（後継はH100）は2万〜3万ドルする。しかもA100にはビデオ出力すらない——ゲームにはまったく使えない、純粋な計算専用のハードウェアだ。Teslaは訓練用クラスターにNvidiaに5000万〜1億ドルを支払ったと推定される。1社、1ユースケースでの金額だ。

2020年には、イスラエルのデータセンター向けネットワーク企業Mellanoxを約70億ドルで買収。これにより、Nvidiaはデータセンター内で自社ハードウェア間の超高速・超低レイテンシ接続を実現できるようになった。CPU、GPUに加えて、DPU（Data Processing Unit）という第3のコンピューティングの柱が誕生した。データセンター全体を1つの「ブラックボックス」として捉え、高抽象度でプログラミングできるようにするというビジョンだ。

Nvidiaはまた、ARM買収を試みたが、規制上の理由から断念した。Jensenは「データセンターを完全に掌握したい」と語っており、ARMのCPUアーキテクチャをデータセンターに持ち込む構想を持っていた。実際、買収断念後もNvidiaはARMベースのデータセンター向けCPU「Grace」を発表している（最新GPUアーキテクチャ「Hopper」と組み合わせて「Grace Hopper」と命名。海軍出身のコンピューター科学者Grace Hopperに因む）。

1:21:04第7章：現在地と未来——オムニバース、自動車、そして1兆ドル市場への挑戦

2022年3月のGTC（GPU Technology Conference）で、Nvidiaは次世代アーキテクチャ「Hopper」（TSMCの4ナノメートルプロセス採用）と、CUDAエコシステムの最新状況を発表した。登録CUDA開発者数は300万人、SDK数は450に達している。Jensenはアナリストデーで「我々は1兆ドルの市場をターゲットにしている」と宣言した。内訳は、ゲーミング、データセンター、自動運転（3000億ドル）、そしてオムニバース（エンタープライズ向け3Dシミュレーションプラットフォーム）などだ。

Omniverseは、Nvidiaが最も注力する新領域の一つだ。これはメタバースとは異なり、人間が没入するためのものではない。企業が自社の物理的資産（倉庫のロボット、工場の生産ラインなど）を変更する前に、まずOmniverse上でシミュレーションし、最適化してから実世界にデプロイするためのプラットフォームだ。Amazonはすでに顧客であり、倉庫ロボットの経路最適化にNvidiaのハードウェアとソフトウェアを利用している。Earth 2という地球全体のデジタルツインも構築中で、気候変動の精密なシミュレーションを目指している。

自動車分野では、Nvidiaは「Hyperion Drive」プラットフォームを展開。これは、自動運転に必要なハードウェア・ソフトウェアの完全なスタックを提供し、自動車メーカーには「金属とガラスと車輪だけを用意すればよい」と提案するものだ。LotusやFerrariなどがパートナーとして名を連ねており、成功すればNvidiaのコンピューターに自動車メーカーのブランドをまとわせた「Android型」のビジネスモデルが成立する可能性がある。

1:41:37分析：ブルケース、ベアケース、そしてNvidiaの競争優位性

ブルケース：Nvidiaは現在も年率60%で成長しており、粗利益率66%、営業利益率37%という驚異的な収益性を誇る。これはAppleを上回る水準だ。CUDAへの15年にわたる投資は、競合が容易に模倣できない巨大な参入障壁を築いている。もし自動運転、ロボティクス、オムニバースといった物理世界のユースケースが本格化すれば、Nvidiaの市場はさらに拡大する。

ベアケース：最大の脅威は、大手顧客（Google、Tesla、Amazon、Apple、Meta）による自社シリコン開発だ。GoogleはTPUを自社クラウドで提供し、AppleはM1チップに自社GPUを統合、Teslaは車載推論用に独自チップを開発済みだ。また、Cerebras（ディナープレート大の巨大チップ）やGraphcoreといったスタートアップが、GPUとはまったく異なるアーキテクチャでAI計算を最適化しようとしている。さらに、現在のバリュエーションは非常に高く、成長が鈍化すれば株価の大幅な調整は避けられない。

競争優位性：Nvidiaの真の力は、規模の経済とスイッチングコストの組み合わせにある。CUDAエコシステムに1000人以上のエンジニアを投入するコストは、巨大な市場がなければ償却できない。そして一度CUDAで開発を行えば、他のハードウェアに移行することは事実上不可能だ。2022年に発生したハッキング事件（Lapsus$グループによるソースコード流出）で、攻撃者が要求したのは「ドライバのオープンソース化」だった。これは、NvidiaのクローズドなドライバとCUDAの結合こそが同社の価値の源泉であることを如実に示している。

まとめ

本エピソードが最も印象的に描き出すのは、「市場が存在しないときに、市場を創り出すために投資を続ける」というJensen Huangの異様なまでの執念と、それが結果的に「奇跡」を引き寄せた物語である。CUDAへの投資は、10年以上にわたって株主から「狂気」と見なされた。しかし、AlexNetという偶然（あるいは必然）の出来事が、Nvidiaをゲーミング企業から世界で最も重要なインフラ企業へと変貌させた。現在のNvidiaは、単なるチップメーカーではなく、AI時代の「Wintel」——すべてのAIアプリケーションが依存するプラットフォーム——としての地位を確立しつつある。その価値が現在の株価に正当化されるかは別として、Nvidiaの物語は「長期的なビジョンへのコミットメント」の力と、テクノロジー史における「正しいタイミング」の重要性を改めて教えてくれる。

要点

• Nvidiaは2006年からCUDAへの巨額投資を開始したが、明確な市場は存在せず、株価は2007年から80%暴落。Jensen Huangは「作らなければ、彼らは来られない」という信念で投資を継続した。
• 2012年、トロント大学のAlexNetがNvidiaのGPU上で画像認識コンペティションを圧勝。これがディープラーニングとAIの「ビッグバン」となり、Nvidiaに待望のキラーアプリケーションがもたらされた。
• CUDAは無料で提供されるが、Nvidiaハードウェアに完全にプロプライエタリ。これにより、Appleと同様の「プラットフォームを無料で提供し、ハードウェアで収益化する」ビジネスモデルが成立している。
• データセンター事業は2020年から2022年にかけて3倍に成長し、現在はゲーミング事業と同規模の約105億ドル。データセンター向けGPU（A100/H100）は1枚2〜3万ドルと、コンシューマー向けの10倍以上の価格で販売されている。
• Nvidiaは現在、年率60%で成長し、粗利益率66%、営業利益率37%という驚異的な収益性を誇る。時価総額は約50兆円で世界第8位。
• 最大の競合リスクは、Google（TPU）、Apple（M1）、Tesla（自社チップ）など大手顧客による自社シリコン開発と、CerebrasやGraphcoreといったスタートアップの独自アーキテクチャ。
• 今後の成長の鍵は、自動運転（3000億ドル市場と試算）、Omniverse（エンタープライズ向け3Dシミュレーション）、そして物理世界とデジタル世界の融合にある。