NVIDIA、CUDA、そして新たな挑戦者たち
「点と点を未来に向かってつなぐことはできません。振り返ってつなぐことしかできないのです。」
スティーブ・ジョブズ
この 3 部構成のエッセイの パート 1 では、RISC vs CISC の戦争と、インテルの x86 ISA がどのようにして、Wintel のフライホイール、ボリュームエコノミクス、PC 時代の完全なエコシステムロックによって、より洗練された RISC アーキテクチャの世代を打ち負かし、DEC や Sun Microsystems という 2 つの象徴的な企業を歴史の脚注に追いやったのかを考察しました。
このパートでは、NVIDIA がどのようにして 30 年にわたって驚くほど類似した帝国を築き上げ、現代の AI 時代における明確なリーダーとしての地位を確立したのか、そして新たな挑戦者たちがどのようにしてそのシェアを奪おうとしているのかを検証します。
NVIDIA: デニーズのブースから数兆ドルの要塞へ
1993 年、インテルは Pentium プロセッサを発表し、PC 時代の揺るぎないコンピューティングプラットフォームとしての地位を確固たるものにしました。同年、3 人のエンジニア（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）が、カリフォルニア州サンノゼのデニーズのブースでの朝食の席で、後に NVIDIA となるビジネスのアイデアをスケッチしました。
プリームとマラコウスキーは、パート 1 で触れた、インテルの x86 エコシステムによって最終的に破壊された、最も著名な RISC 時代の企業の 1 つである Sun の同僚でした。Sun の SPARC アーキテクチャ、そのプロプライエタリなハードウェアマージン、垂直統合モデルは、その後 10 年間で x86 + Linux によってすべてコモディティ化されました。
しかし、その同じ会社の 2 人のエンジニアが後に NVIDIA を築き上げ、2023 年までに NVIDIA はまさに 1993 年のインテルがそうであったもの、すなわち、そのコンピューティング時代の支配的でエコシステムをコントロールするプラットフォームとなったのです。インテルが葬った企業が、皮肉にも、いつの日かインテルを凌駕する企業を生み出したのです。
NVIDIA の 30 年にわたる結晶化については、1993 年の時点では何も見えていませんでした。NVIDIA は最初の 10 年間をグラフィックカード企業として過ごし、次の 10 年間はニッチな科学技術計算プラットフォームを構築し、そして 3 つ目の 10 年目、AI ブームによって初めて、NVIDIA がインテルが x86 と Wintel で築いたものと構造的に同一であり、おそらくはそれよりも深い堀を築いていたことが明らかになりました。Sun がインテルのエコシステム戦略に敗れるのを見ていた NVIDIA の創業者たちは、一世代後、同じ戦略をより効果的に実行したのです。
NV1 チップで瀕死の状態になった後、NVIDIA は 1999 年に「世界初の GPU」として販売された GeForce 256 でグラフィックスリーダーの地位を確立しました。しかし、GPU は依然としてゲーマーや CAD エンジニア向けのニッチな周辺機器に過ぎませんでした。NVIDIA の AI の巨人への変貌は、単一の賭け、すなわち CUDA から始まりました。
CUDA: 帝国を築いたギャンビット
2006 年、NVIDIA は Compute Unified Device Architecture、通称 CUDA をリリースしました。その知的な起源は、スタンフォード大学の博士課程の学生であった Ian Buck に遡ります。彼の汎用 GPU 言語 Brook が、NVIDIA に 2004 年に彼を採用する決断をさせました。Buck と GPU アーキテクトの John Nickolls は、Brook を完全な開発プラットフォームへと変革しました。開発者は初めて、C/C++ でグラフィックス以外のタスクに GPU をプログラムできるようになりました。
CUDA は長年にわたってゆっくりと成長し、あくまで計算科学者のためのニッチなツールとして存在していました。NVIDIA は、確信を持って、短期的なリターンを期待せずに、ライブラリ、ドキュメンテーション、大学とのパートナーシップ、デベロッパーリレーションズに多額の投資を行いました。ジェンスンは後に、CUDA への執拗な投資が NVIDIA を破産の危機に瀕させたと回想しています。
そして 2012 年、トロント大学のジェフリー・ヒントン率いるチームが構築したニューラルネットワーク AlexNet が、2 つの NVIDIA GPU を使用して ImageNet 画像認識ベンチマークを圧倒しました。ニッチな研究上の好奇心が、突如として AI の未来のように見え始めました。NVIDIA は異常なスピードと完璧な実行力で、この機会を捉えました。
- TensorFlow と PyTorch がデフォルトのディープラーニングバックエンドとして統合した cuDNN を構築。
- ディープラーニングの行列計算用に Tensor Core を追加。
- 標準的な AI 研究用アプライアンスとして DGX システムを投入。
- 2016 年には初の DGX1 を OpenAI に寄贈し、後に ChatGPT を生み出す組織を育成。
- Mellanox を買収し、AI スーパーコンピュータ内の数千の GPU を接続するネットワークファブリックを掌握。
2022 年 11 月に ChatGPT が生成 AI への大衆市場の需要を爆発させたとき、CUDA の堀はすでに 16 年かけて築かれていました！H100 は AI ブームに必須のチップとなり、NVIDIA の収益はその後 3 年間で 5 倍になるという放物線的な成長を遂げました。
NVIDIA の緩やかなスタートとその後の爆発的な成長は、1968 年の創業時にメモリメーカーだったインテルが、1990 年代にマイクロプロセッサと PC 革命の旗手となるまでの進化を反映しています。
インテルも NVIDIA も、後に中核となる成長エンジンとは異なる技術の開発からスタートしました。両社とも、自社の核となる能力を効果的に活用し、30 年の間隔を置いて、支配的なコンピューティングプラットフォームとなりました。両社とも、老舗企業やスタートアップを含む数多くの挑戦者に直面しました。
挑戦者たち: アクセラレーションへの 12 の道
2026 年における NVIDIA の挑戦者のリストは、1990 年代のインテルと x86 の挑戦者と構造的に類似しています。それぞれが真のイノベーションをもたらしており、それぞれが同じエコシステムの重力に直面しています。
AMD は最も近いマーチャントシリコン競合であり、x86 でインテルに対して果たしたのと同じ影の役割を果たしています。AMD のハードウェアは競争力があります。しかし、ソフトウェアエコシステムのギャップこそが CUDA を支配的にし続けている要因であり、これは RISC ハードウェアが優れていた時代でも x86 ソフトウェアベースがインテルを支配的にし続けたのとまったく同じです。
Google TPU は、最も信頼性の高いトレーニングの代替手段です。Google はシリコンからクラウドまで、最も完全な AI スタックを持っています。しかし、TPU は Google Cloud 限定であり、NVIDIA のロックインを Google のロックインと交換する形になっています。
Amazon Trainium は、NVIDIA インスタンスよりも大幅に優れた価格性能比で最先端モデルのトレーニングを実現しますが、AWS 限定であり、これも NVIDIA のロックインを AWS のロックインと交換するものです。Amazon は NVIDIA からの脱却を自ら補助しているのです。
Microsoft Maia 100 は、NVIDIA を置き換えるためではなく、Azure の NVIDIA への依存度を下げるために設計されています。これは TCO 最適化の試みであり、プラットフォームへの挑戦ではありません。Cerebras は Wafer-Scale Engine を構築しました。これは、ほぼ 300mm シリコンウェハ全体を 1 つのプロセッサとしたものです。破壊的で大胆ではありますがニッチなソリューションであり、ある程度の traction を得ていますが、広範な採用は依然として不透明です。
SambaNova は、Reconfigurable Dataflow Unit（RDU）という、GPU や TPU とは異なるデータフローアーキテクチャを採用した、別のアプローチを取りました。
Tenstorrent もまた、GPU は AI ワークロードに対して根本的に間違った抽象化であり、データフローが RISC が CISC に対して技術的な議論に勝利したのと同じように、規模が拡大するにつれて勝利すると賭けています。Tenstorrent は、小型で同一の計算コアをグリッド状に配置したアーキテクチャのアクセラレータを開発しており、各コアは独自のローカル SRAM、行列計算ユニット、ベクトルユニット、そしてデータ移動とスケジューリングをローカルで管理する RISC-V プロセッサを備えています。
他にもいくつかのスタートアップが存在します。JP Morgan は、2028 年までにカスタムシリコンが AI チップ市場の 45% を獲得する可能性があると予測しています。NVIDIA は今や、自社の顧客からの競争に直面しています。
CUDA の堀: Wintel、再び
今日の NVIDIA と 1990 年代のインテルの類似点は、表面的なものではなく、構造的なものです。
CUDA へのロックインは、単一の依存関係ではありません。それは複数のレベルにわたって蓄積されています。すなわち、NVIDIA の数値演算ライブラリにチューニングされたカーネル、cuDNN に合わせて調整された混合精度の動作、NVIDIA Collective Communications Library（NCCL）を中心に最適化された分散トレーニング、CUDA ツールチェーン上に構築された CI/CD パイプライン、そして卒業前から CUDA でトレーニングを受けたエンジニアの一世代全体です。
NVIDIA の堀は、インテルが築いた堀よりも深い可能性がある理由は、主に 2 つあります。
垂直統合: Wintel は OS と CPU を支配していましたが、その他すべてをサードパーティに依存していました。NVIDIA は、GPU、ネットワーキング（NVLink、InfiniBand）、ソフトウェア（CUDA、cuDNN、TensorRT、NCCL）、そしてラックスケールシステム全体（NVL72、72 基の Blackwell GPU を 1 つの論理計算ユニットとして）を制御しています。GTC 2026 で、NVIDIA は Vera Rubin プラットフォームを発表しました。これは 7 つの異なるチップタイプで構成され、5 つのラックスケールシステム構成を実現し、インテルが達成したよりもさらに垂直統制を拡大しています。
資本集約的なスイッチングコスト: 1990 年代に Windows アプリを Linux に移植するのは費用がかかるものでしたが、その範囲は限定的でした。代替ハードウェアで最先端の AI モデルを再トレーニングするには、数億ドルのコストと数ヶ月のエンジニアリング作業が必要です。
Groq: NVIDIA、挑戦者を吸収する
過去 1 年で最も示唆に富む展開は、おそらく、実際に traction を得つつあったある挑戦者に何が起こったかです。元 Google TPU エンジニアの Jonathan Ross が設立した Groq は、超低レイテンシの推論に最適化された Language Processing Unit（LPU）を構築しました。その SRAM ベースのアーキテクチャは、GPU よりも 4 ～ 7 倍高速なトークン生成を決定論的なレイテンシで実現すると主張していました。2025 年までに、Groq は 5 億ドルの収益を目標とし、69 億ドルの評価額で 7 億 5000 万ドルを調達していました。2025 年のクリスマスイブ、NVIDIA は 200 億ドル（同社史上最大）の取引で、Groq の推論技術をライセンスし、創業者 Ross を含む技術チームの大部分を雇うことを発表しました。
GTC 2026 で、ジェンスンは Groq 技術に関する計画を明らかにしました。Groq 3 LPX 推論アクセラレータは、専用のデコードフェーズコプロセッサとして Vera Rubin プラットフォームに組み込まれ、ジェンスンによれば、AI クラスター内の計算の約 25% を占めることになります。
この買収は、より深いシグナルを伝えています。一方で、これは特に推論ワークロードにおいて、GPU 以外のアクセラレータの市場が存在することを検証しています。他方で、ジェンスンと NVIDIA が、自社の GPU 帝国に対する新たな脅威を吞み込む用意があるかもしれないことを示しています。
これもまた、歴史的先例のある戦略であることに注目するのは興味深いことです。1998 年、インテルは DEC の Alpha IP とそのシリコン製造工場を買収しましたが、それを使用するためではなく、無力化するためでした。Groq の取引はもう少し洗練されています。NVIDIA は真に有用な技術を統合しています。しかし、競争上の効果は似ています。すなわち、テーブルにつく挑戦者が 1 つ減るということです。
まとめ
インテルが PC 時代に x86 CPU を中心に強大なエコシステムを構築したように、NVIDIA はプログラマブル GPU を中心に驚くほど類似した帝国を築き、AI 時代を幕開けさせました。CUDA の堀は、x86 や Wintel の堀がかつてそうであったよりも深いかもしれません。そして、インテルとは異なり、NVIDIA はテクノロジースタックを迅速に上昇し、単なるマーチャントシリコンサプライヤーに留まらず、システムおよびソフトウェアプロバイダーとなりました。
過去と同様に、NVIDIA の台頭とともに、マーチャントチップ企業、ハイパースケーラー、カスタムシリコンを構築する数多くのスタートアップを含む、新たな挑戦者たちが登場しました。これらの挑戦者たちは、NVIDIA の巨大企業に対抗する革新的で洗練されたアーキテクチャを開発してきました。しかし、過去と同様に、彼らには NVIDIA が支配する規模、ボリュームエコノミクス、ソフトウェアロックイン、システム統合が不足しています。
インテルの巨額の戦争資金が 1990 年代の半導体製造競合他社のほぼすべてを敗北させることを可能にしたように、NVIDIA はその巨額の富を活用して、テクノロジースタック全体にわたる巧妙な買収を行い、光インターコネクトから量子コンピューティングに至るまで、ほとんどすべての潜在的な新興トレンドをカバーしています。
パート 3 では、具体的な事柄から一歩引き、興味深い問いについて考察します。次に何が起こるのか？
