※本記事は、NVIDIA創業者兼CEOのJensen Huang氏によるGTC 2026基調講演「NVIDIA GTC Keynote 2026」の内容を基に作成されています。本講演では、AIと高速コンピューティングにおける最新のブレイクスルーが発表され、エージェント型AI、AIファクトリー、フィジカルAIが次世代の知的システムをいかに駆動していくかが示されました。動画の詳細情報は https://www.youtube.com/watch?v=jw_o0xr8MWU でご覧いただけます。本記事では、基調講演の内容を要約しております。なお、本記事の内容は原発表者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご視聴いただくことをお勧めいたします。また、NVIDIA公式アカウント（@nvidia）およびJensen Huang氏に関する公式情報源もご参照ください。
1. オープニング映像とGTC 2026開幕：トークン経済学の時代へ
1.1 トークンを生み出すAIファクトリーという新概念の提示（オープニング映像）
ナレーター： これがインテリジェンスの作り方です。トークンを生成する新しい種類の工場が誕生しました。トークンはAIの構成要素であり、データを知識へと変換し、私たちが学んできたすべてを引き出すことで、新たなフロンティアを切り拓いています。
1.2 仮想世界・物理世界・農業・医療・宇宙開発でのトークン遍在
ナレーター： トークンは新たなクリーンエネルギーの波を活用し、星々の秘密を解き明かしつつあります。仮想世界ではトークンはロボットの学習を助け、物理世界では完璧な動作を実現し、新たな道を切り拓き、豊かな収穫への道を整えています。重要な瞬間にトークンはすでにそこにあり、その間の道のりでも決して止まりません。トークンは人の手が届かない場所で働き、私たち皆がより楽に呼吸できるようにし、最も小さな心臓もより強く脈打つよう支えています。
ナレーター： トークンは私たちが新たな地平を切り拓くことを助けています。これまでにない規模で、世界を力づけるために。私たちはStar Cloud Oneに到達することができます。分離が確認され、その先へと進んでいきます。共に私たちは明るい未来への次なる大きな飛躍を遂げます。全人類のために築かれた未来へと。そして、すべてはここから始まります。
1.3 Jensen Huang登壇、NVIDIAの3プラットフォーム紹介
Jensen Huang： GTCへようこそ。これがテックカンファレンスであることを改めてお伝えしておきたいと思います。朝早くから並んでくださった皆さん、そして会場にお集まりの皆さん、お会いできて本当に嬉しく思います。本日は技術について、プラットフォームについてお話しします。NVIDIAには3つのプラットフォームがあります。皆さんが最もよくご存じなのはCUDA-Xに関するものでしょう。次に私たちのシステムというプラットフォームがあります。そして今、AIファクトリーという新しいプラットフォームが加わりました。本日はこれら全てについてお話しし、そして何より重要なエコシステムについてもお話ししたいと思います。
1.4 プレゲームホストへの謝辞
Jensen Huang： 始める前に、プレゲームショーのホストを務めてくださった皆さんに感謝を申し上げたいと思います。ConvictionのSarah Guoさん、Sequoia CapitalのAlfred Linさん、彼はNVIDIAにとって最初のベンチャーキャピタリストです。そしてNVIDIAにとって最初の主要な機関投資家であったGavin Bakerさん。この3名は技術と業界の動向に深く精通しており、技術エコシステム全体にわたる幅広い知見をお持ちです。そして本日ご参加いただいているVIPの皆さん、まさにオールスターチームの皆さんにも感謝を申し上げます。
1.5 450社スポンサー、1,000セッション、2,000スピーカーという規模感
Jensen Huang： 本日ご参加いただいている企業の皆さんにも感謝を申し上げます。ご存じの通り、NVIDIAはプラットフォーム企業です。私たちは技術を持ち、プラットフォームを持ち、豊かなエコシステムを持っています。本日この会場には、100兆ドル規模の産業のほぼ100%が集まっているといっても過言ではありません。このイベントには450社がスポンサーとしてご協力くださり、1,000の技術セッション、2,000名のスピーカーが登壇します。
1.6 AIの5層ケーキ
Jensen Huang： このカンファレンスでは、人工知能を構成する5層のケーキ、すなわち土地・電力・シェルから始まり、インフラストラクチャ、チップ、プラットフォーム、モデル、そして最も重要でこの産業を本当に離陸させることになるアプリケーションまで、その全てのレイヤーを扱います。しかし、それらすべてはここから始まったのです。
2. 20年のCUDAとGeForceの軌跡：基盤プラットフォームの形成
2.1 CUDA 20周年：SIMTアーキテクチャ、Tile抽象化、テンソルコア対応
Jensen Huang： 今年はCUDAの20周年にあたります。私たちは20年間、このアーキテクチャ、この革命的な発明に専念してきました。SIMT、すなわち単一命令マルチスレッドという仕組みは、スカラーコードを書くだけでマルチスレッドアプリケーションへと展開できるもので、SIMDよりもはるかにプログラミングが容易です。最近ではTileという仕組みを追加し、人々が今日の人工知能の基盤となっているテンソルコアや数学的構造をプログラミングできるよう支援できるようになりました。
2.2 数十万のオープンソースプロジェクトとCUDAの全エコシステム浸透
Jensen Huang： オープンソースには数千ものツール、コンパイラ、フレームワーク、ライブラリがあり、公開プロジェクトは数十万件に及びます。CUDAは文字通り、あらゆるエコシステムに統合されています。このスライドは、NVIDIAの戦略の100%を表現していると言えます。皆さんは最初から私がこのスライドについて語るのを見てきましたが、最終的に達成するのが最も難しいのは一番下にあるインストールベースです。20年かけて、私たちは世界中にCUDAを動かす数億のGPUとコンピューティングシステムを構築してきました。私たちはあらゆるクラウド、あらゆるコンピュータ企業に存在し、ほぼあらゆる産業にサービスを提供しています。
2.3 インストールベースのフライホイール
Jensen Huang： CUDAのインストールベースは、フライホイールが加速している理由そのものです。インストールベースが開発者を惹きつけ、開発者が新しいアルゴリズムを生み出して例えば深層学習のようなブレイクスルーを実現する。そうしたブレイクスルーが全く新しい市場を生み出し、その周りに他社が加わってエコシステムを築き、それがさらに大きなインストールベースを作り出すのです。このフライホイールが今、加速しています。NVIDIAライブラリのダウンロード数は驚くほど加速しており、極めて大規模かつかつてないペースで伸びています。このフライホイールこそが、このコンピューティングプラットフォームが多くのアプリケーションと数多くの新たなブレイクスルーを支え続けられる理由なのです。
2.4 Ampereのクラウド価格が上昇しているという観察事実
Jensen Huang： そしてもう一つ重要なのは、このフライホイールがインフラストラクチャに驚異的な有用寿命をもたらすという点です。理由は明らかで、NVIDIA CUDA上で実行できるアプリケーションがあまりにも多いからです。私たちはAIライフサイクルのあらゆる段階をサポートし、あらゆるデータ処理プラットフォームに対応し、様々な科学的なプリンシパルソルバーを加速しています。アプリケーションのリーチがこれほど広いため、一度NVIDIA GPUをインストールすればその有用寿命は信じられないほど長くなります。これこそが、6年前に出荷したAmpereのクラウドでの価格が上昇し続けている理由の一つなのです。私たちはこれらすべてのGPUを継続的にサポートし続ける用意があります。なぜならインストールベースが非常に大きく、一つの最適化をリリースすれば数百万のユーザーに恩恵が及ぶからです。この力学の組み合わせがNVIDIAアーキテクチャのリーチを拡大し、成長を加速させながら、同時にコンピューティングコストを引き下げ、新たな成長を促しているのです。
2.5 25年前のGeForceとプログラマブルシェーダ発明
Jensen Huang： CUDAがその中心にあるわけですが、実はCUDAへの旅は25年前のGeForceから始まりました。GeForceで育ったという方も多いのではないでしょうか。GeForceはNVIDIAにとって最大のマーケティングキャンペーンと言えます。自分でお金を払えるようになるよりもずっと前から将来のお客様を惹きつけ、ご両親に支払っていただき、皆さんが立派なコンピュータサイエンティストとなって本物のお客様、本物の開発者になるまで毎年毎年ご両親が買い続けてくださったわけです。これがGeForceが築いた家です。25年前にこの旅を始め、それがCUDAへと繋がりました。25年前、私たちはプログラマブルシェーダ、すなわち世界初のプログラマブルアクセラレータであるピクセルシェーダを発明しました。アクセラレータをプログラマブルにするというのは、当時としては全く自明ではない発明でした。
2.6 GeForce×CUDAがディープラーニング発見を可能にしたという気づき
Jensen Huang： その発明から私たちはさらに探求を続け、5年後にCUDAという、私たちが行った最大級の投資の一つを発明しました。当時の私たちにはとても賄えるような額ではなく、会社の利益の大部分を消費するものでしたが、GeForceの背中に乗せてCUDAをあらゆるコンピュータに届けるという賭けに出ました。私たちはこのプラットフォームの可能性を強く信じ、その実現に身を捧げました。13世代20年にわたって毎日信じ続けた結果、今やCUDAは至るところにインストールされています。ピクセルシェーダはもちろんGeForceの革命をもたらしましたが、それがAlex Krizhevsky、Ilya Sutskever、Geoff Hinton、Andrew Ngをはじめとする多くの研究者にとって、GPUが深層学習を加速する友となり得ることを発見させ、10年前にモダンAIのビッグバンを起こすことになったのです。
2.7 8年前のRTX導入、レイトレーシングとAIの融合という10年前の予見
Jensen Huang： そして約8年前、私たちはモダンな時代のコンピュータグラフィックスに向けてアーキテクチャを完全に再設計したRTXを導入しました。10年前、私たちはプログラマブルシェーディングを融合し、二つの新しいアイデアを導入しようと決めました。一つは実現が極めて困難なハードウェアレイトレーシング、もう一つは当時としては全く新しい発想でした。10年前の時点で、私たちはAIがコンピュータグラフィックスを革新するだろうと考えたのです。GeForceがAIを世界にもたらしたのと同じように、今度はAIが戻ってきてコンピュータグラフィックスのあり方そのものを革新するというわけです。
3. DLSS 5と構造化データ：信頼できるAIの基盤
3.1 DLSS 5＝ニューラルレンダリング：3DグラフィックスとAIの融合
Jensen Huang： 本日は、私たちの次世代グラフィックス技術をお見せしたいと思います。私たちはこれをニューラルレンダリングと呼んでいます。これは3Dグラフィックスと人工知能の融合であり、それがDLSS 5です。映像をご覧いただきましたが、コンピュータグラフィックスが命を吹き込まれたかのようです。
3.2 構造化データと生成AIの融合という洞察
Jensen Huang： 私たちは何をしたのでしょうか。制御可能な3Dグラフィックス、つまり仮想世界のグランドトゥルース、生成された世界の構造化データと、確率論的コンピューティングである生成AIとを融合させたのです。一方は完全に予測的で、もう一方は確率的でありながら非常にリアルです。この二つの考え方、すなわち構造化データによる完全な制御と、同時に行われる生成とを組み合わせました。その結果、コンテンツは美しく、驚くべきものでありながら、同時に制御可能なものとなったのです。
3.3 「構造化データは信頼性あるAIの基盤」という業界横断の原則化
Jensen Huang： この構造化情報と生成AIを融合させるというコンセプトは、業界から業界へと繰り返し現れていくことになります。構造化データは信頼できるAIの基盤なのです。さて、これから少し怖いスライドをお見せしますが、驚かないでください。残りの時間はこのスキーマを使って話を進めていきます。これは私の最高のスライドです。チームに自分の最高のスライドは何かと何度も尋ねた末、これだという答えを得ました。チームには「やめてくれ、Jensen、やめてくれ」と言われましたが、私はやると言いました。皆さんの中には無料で入場された方もいるので、これが入場料代わりだと思ってください。
3.4 SQL、Spark、Pandas、Velox、Snowflake、Databricks、Amazon EMR、Azure Fabric、BigQueryの全景
Jensen Huang： これが構造化データです。皆さんも耳にしたことがあるはずです。SQL、Spark、Pandas、Velox、これらは非常に重要で大規模なプラットフォームです。Snowflake、Databricks、Amazon EMR、Azure Fabric、Google CloudのBigQuery、これらすべてのプラットフォームはデータフレームを処理しています。データフレームとは巨大なスプレッドシートのようなもので、人生のあらゆる情報を保持しています。これは構造化データであり、ビジネスのグランドトゥルース、エンタープライズコンピューティングのグランドトゥルースなのです。
3.5 構造化データと非構造化データ（世界の約90%）の二大データ世界
Jensen Huang： 今後はAIに構造化データを使わせることになりますから、私たちはこれを徹底的に加速しなければなりません。これまでは、より多くのことを、より安く、一日により多くの頻度で実行できるよう、構造化データを加速し、企業をはるかに同期した形で動かせるようにしてきました。しかし将来は、これらのデータ構造はAIによって使われることになります。AIは私たちよりはるかに速く、将来のエージェントも構造化データベースを使うようになるでしょう。そしてもう一つ、非構造化データベース、すなわち生成データベースがあります。このデータベースは世界の大多数を占めており、ベクターデータベース、非構造化データ、PDF、動画、音声など、世界のあらゆる情報を含んでいます。毎年生成される情報の約90%は非構造化データです。
3.6 AIによるマルチモーダル知覚で非構造化データに意味づけする発想
Jensen Huang： これまで、このデータは世界にとって全く役に立たないものでした。読んで、ファイルシステムに入れて、それで終わりでした。残念ながら問い合わせもできず、検索もできなかったのです。なぜなら非構造化データには簡単なインデックスがなく、その意味や目的を理解する必要があるからです。そして今、私たちはAIにそれをやらせることができるようになりました。AIがマルチモダリティの知覚と理解を解決できるようになったのと全く同じ技術を使って、PDFを読みその意味を理解させ、その意味を私たちが検索したり問い合わせたりできるより大きな構造に埋め込めるようになったのです。
3.7 cuDF（データフレーム）とcuVS（ベクトルストア）という2つの基盤ライブラリ
Jensen Huang： NVIDIAは2つの基盤ライブラリを作りました。3DグラフィックスのためにRTXを作ったのと同じように、構造化データであるデータフレームのためにcuDFを、セマンティックデータ、非構造化データ、AIデータであるベクターストアのためにcuVSを作ったのです。この2つのプラットフォームは将来、最も重要なプラットフォームの2つになるでしょう。データ処理は古くから存在し、非常に多くの異なる企業、プラットフォーム、サービスが存在するため、このエコシステムに深く統合するには長い時間がかかりました。しかしここで行っている仕事を私は非常に誇りに思っています。
4. IBMによるデータ処理再発明と垂直統合戦略
4.1 IBM System 360（60年前）からSQL、データウェアハウスへの歴史
Jensen Huang： 本日、いくつかの発表をしたいと思います。SQLの発明者であるIBM、これは史上最も重要なドメイン固有言語の一つですが、彼らがcuDFでWatsonx.dataを加速します。映像でご紹介しましょう。
ナレーター（Jensen Huang）： 60年前、IBMはSystem 360を導入しました。これは汎用コンピューティングのための最初のモダンなプラットフォームであり、コンピューティング時代の幕を開けました。その後、SQLというコンピュータにステップバイステップで命令する必要なくデータを問い合わせるための宣言型言語、そしてデータウェアハウスが登場し、これらが今日のモダンなエンタープライズコンピューティングの基盤となりました。
4.2 Watsonx.dataのNVIDIA GPUコンピューティングライブラリによる加速
ナレーター（Jensen Huang）： IBMとNVIDIAは、AI時代のためにデータ処理を再発明しています。IBM Watsonx.dataのSQLエンジンをNVIDIA GPUコンピューティングライブラリで加速するのです。データはAIに文脈と意味を与えるグランドトゥルースであり、AIは膨大なデータセットへの高速なアクセスを必要としています。今日のCPUによるデータ処理システムでは追いつけないのです。
4.3 Nestle事例：185か国データマートを5倍高速化、コスト83%削減
ナレーター（Jensen Huang）： Nestleは毎日数千ものサプライチェーンの意思決定を行っています。彼らのオーダー・トゥ・キャッシュのデータマートは、185か国にまたがるグローバルオペレーション全体の供給注文と配送イベントを集約しています。CPUではNestleは一日に数回しかデータマートを更新できませんでした。NVIDIA GPU上で動作する加速版Watsonx.dataを使えば、Nestleは同じワークロードを5倍高速かつ83%低コストで実行できます。次のコンピューティングプラットフォームが到来したのです。
4.4 クラウドサービスプロバイダーとの垂直統合×水平開放戦略
Jensen Huang： これは世界のクラウドサービスプロバイダーとの私たちの特別な協力関係を示すものです。皆さんが会場におられて、ブースツアーでお会いできるのは本当に光栄で楽しみです。これまで本当にお世話になってきたことを感謝申し上げます。NVIDIAが行ってきたこと、そしてこれから何度も繰り返しお見せするテーマがこれです。NVIDIAは垂直統合された、世界初の垂直統合企業でありながら水平にオープンな企業なのです。
4.5 「アプリケーション・アクセラレーション」の本質
Jensen Huang： なぜそれが必要なのか、理由は非常にシンプルです。アクセラレーテッドコンピューティングはチップの問題ではなく、システムの問題でもありません。アクセラレーテッドコンピューティングには欠けている言葉があります。私たちはもう口にしなくなりましたが、それは「アプリケーション・アクセラレーション」です。もしすべてを高速化できるコンピュータを作れるなら、それはCPUと呼ばれるものですが、CPUはすでに限界に達しています。これから先、アプリケーションを加速し、桁違いのスピードアップとコスト削減を実現する唯一の方法は、アプリケーション固有あるいはドメイン固有の加速なのです。私はかつてその言葉を前に付けていましたが、いつしか「アクセラレーテッドコンピューティング」とだけ呼ばれるようになりました。
Jensen Huang： だからこそNVIDIAは、ライブラリごと、ドメインごと、バーティカルごとに取り組まなければなりません。私たちは垂直統合されたコンピューティング企業であり、他に道はないのです。アプリケーションを理解し、ドメインを理解し、根本的にアルゴリズムを理解し、そしてそのアルゴリズムをデータセンターであれクラウドであれオンプレミスであれエッジであれロボットシステムであれ、展開したいシナリオで展開する方法を見出さなければなりません。これらすべてのコンピューティングシステムは異なります。そして最後に、システムとチップの面でも私たちは垂直統合しています。それを途方もなく強力にしているのは、皆さんに先ほどスライドでお見せしたように、NVIDIAが水平にオープンであるという点です。皆さんが統合したいどんなプラットフォームに対しても、NVIDIAの技術を統合します。ソフトウェアとライブラリを提供し、皆さんの技術と統合することで、アクセラレーテッドコンピューティングを世界中のあらゆる人々にお届けできるのです。
4.6 50年〜150年企業を含むサプライチェーン全体の記録的成長
Jensen Huang： このGTCはまさにそのことの素晴らしい実証の場です。普段はバーティカルについて話す際、いくつかの例を取り上げる程度ですが、自動車、金融サービスはじめあらゆる業界で同じことが言えます。ちなみに、このGTCで最も多くの参加者を占めているのは金融サービス業界です。トレーダーではなく開発者の皆さんであることを願っていますが。会場の皆さんは、NVIDIAのサプライチェーンの上流から下流までのエコシステムを代表しておられます。私たちは上流と下流の両方を意識してサプライチェーンを考えています。創業50年、70年、150年といった企業も、今ではNVIDIAのサプライチェーンの一部となり、上流または下流で私たちと協業してくださっています。皆さんは昨年、記録的な年を迎えられたのではないでしょうか。おめでとうございます。私たちは何か大きなものの始まりに立ち会っているのです。
4.7 業界別ライブラリ展開
Jensen Huang： アクセラレーテッドコンピューティングのプラットフォームは整いました。しかしそれを活性化するには、私たちが取り組む各バーティカルにおいて非常に重要な問題を解決するドメイン固有ライブラリが必要です。私たちは自律走行車においてあらゆる領域に対応しており、そのリーチ、広がり、インパクトは驚くべきものです。これに関するトラックもございます。金融サービスについては先ほど触れましたが、アルゴリズム取引はクオンツと呼ばれる人間の特徴量エンジニアリングに依存する古典的な機械学習から、スーパーコンピュータが膨大なデータを研究し、それ自身で洞察やパターンを発見する世界へと移行しています。深層学習とTransformerの瞬間を迎えているのです。
Jensen Huang： ヘルスケアはまさにChatGPTの瞬間を迎えています。素晴らしい仕事が行われており、Kimberlyによる優れたキーノートトラックもあります。ヘルスケアではAI物理やAI生物学による創薬、顧客サービスや診断のためのAIエージェント、そしてもちろんフィジカルAIやロボットシステムなど、AIのあらゆる方向性に対してNVIDIAが異なるプラットフォームを提供しています。産業については、人類史上最大級の建設ラッシュをリセットし、再スタートさせています。AIファクトリーの建設、チップ工場の建設、コンピュータ工場の建設に関わる企業が本日この場に集まっています。メディア&エンターテインメントやゲームでは、リアルタイムAIプラットフォームによる翻訳、放送支援、ライブゲーム、ライブビデオの分野で膨大な仕事がAIによって拡張されていきます。私たちにはHoloscanというプラットフォームがあり、量子分野では35社が私たちと共に次世代の量子GPUハイブリッドシステムを構築しています。
Jensen Huang： リテール&CPGでは、サプライチェーン、エージェント型ショッピングシステム、顧客サポート向けAIエージェントの構築にNVIDIAが使われており、多くの仕事が進められています。35兆ドル規模の産業であるロボティクスと50兆ドル規模の産業である製造業については、NVIDIAはこの分野で10年にわたって取り組み、ロボットシステムを構築するために必要な3つの基本的なコンピュータを作ってきました。私たちはロボットを作っているとわかっているほぼすべての企業と協業しており、今回のショーには110台のロボットが集まっています。通信業界は世界のIT産業とほぼ同等の約2兆ドル規模で、世界中に基地局が存在する世界最大のインフラの一つです。それは前世代のコンピューティングのインフラでしたが、これから完全に再発明されようとしています。その基地局は今、基地局という単一の機能だけを果たしていますが、将来はAIインフラプラットフォームになります。AIはエッジで動作するようになるでしょう。この分野での私たちのプラットフォームはAerialと呼ばれ、NokiaやT-Mobileをはじめ多くのパートナーと大規模な提携を結んでいます。
5. CUDA-Xライブラリ群とAIネイティブ企業の台頭
5.1 GTCで発表される100ライブラリ、70ライブラリ、40モデル規模
Jensen Huang： 私たちのビジネスの中核には、これまで申し上げたコンピューティングプラットフォームがあり、そして非常に重要なものとしてCUDAライブラリがあります。CUDAライブラリはアルゴリズムであり、NVIDIAが発明するアルゴリズムです。私たちはアルゴリズム企業であり、それこそが私たちを特別な存在にしているものです。だからこそ私はあらゆる産業に入り込み、未来を想像し、世界最高のコンピュータサイエンティストたちに問題を記述させ、解決させ、リファクタリングさせ、再表現させ、そしてそれをライブラリへと変えることができるのです。今回のショーだけでも非常に多くのライブラリを発表します。100のライブラリ、70のライブラリ、そしておそらく40のモデルを発表する予定です。これはあくまでこのショーだけの話で、私たちはこれらを常にアップデートし続けています。
5.2 「ライブラリは企業の宝石」というアルゴリズム企業の自己定義
Jensen Huang： ライブラリは私たちの会社の至宝です。それこそが、コンピューティングプラットフォームというものを、問題解決とインパクトの創出のために活性化できるものにしているのです。
5.3 cuDNNがモダンAIのビッグバンを起こしたという歴史認識
Jensen Huang： 私たちが作り上げた最大かつ最も重要なライブラリの一つがcuDNN、すなわちCUDAディープニューラルネットワークです。これは人工知能を完全に革新し、現代のAIのビッグバンを引き起こしました。
5.4 NVIDIA Foundational Technology Montage
ナレーター（Jensen Huang）： 20年前、私たちはCUDA、すなわちアクセラレーテッドコンピューティングのための単一アーキテクチャを構築しました。今日、私たちはコンピューティングを再発明しました。1,000のCUDA-Xライブラリが、科学と工学のあらゆる分野で開発者がブレイクスルーを起こすのを助けています。意思決定最適化のためのcuOpt、計算リソグラフィのためのcuLitho、直接スパースソルバーのためのcuDSS、幾何学を考慮したニューラルネットワークのためのcuEquivariance、AI RANのためのAerial、微分可能物理のためのWarp、ゲノミクスのためのParabricksなどです。その基盤にあるのはアルゴリズムであり、それらは美しいものです。
5.5 「すべてシミュレーション、アニメーションなし」という主張
Jensen Huang： 皆さんがご覧になったものはすべてシミュレーションです。一部はプリンシパルソルバー、基礎物理ソルバーによるものでした。一部はAIサロゲート、AI物理モデルによるものであり、また一部はフィジカルAIのロボティクスモデルによるものでした。すべてがシミュレーションであり、アニメーションは一切なく、関節などのアーティキュレーションも一切ありません。すべて完全にシミュレートされたものなのです。これが根本的にNVIDIAが行っていることです。
5.6 NVIDIAは垂直統合×水平開放のコンピューティングカンパニーであるという定義
Jensen Huang： アルゴリズムの理解とコンピューティングプラットフォームをつなぎ合わせることで、これらの機会を切り拓くことができるのです。NVIDIAは、世界に対して水平に統合され開かれた、垂直統合型のコンピューティングカンパニーです。それがCUDA-Xです。先ほど多くの企業をご紹介しました。Walmart、L'Oreal、JP Morgan、Roche、そしてToyotaのような、今日の社会を定義してきた企業、世界最大級の企業も登壇しています。
5.7 AIネイティブ企業群
Jensen Huang： 一方で、皆さんが聞いたこともないような企業もたくさんあります。私たちはそれらをAIネイティブと呼んでいます。小さな企業がたくさんあり、リストは膨大です。今回はもっと見せるかもっと減らすかを決めかねたので、あえてどの企業名も見えないようにしました。これで誰の気分も害さずに済みます。しかしこのリストの中には、皆さんもいくつかはお聞き及びの全く新しい企業群が含まれています。OpenAIやAnthropicなどです。他にも様々な企業があり、それぞれが異なるバーティカルにサービスを提供しています。
5.8 過去1年で1,500億ドルのベンチャー投資
Jensen Huang： ここ2年、特にこの1年で何かが起こりました。私たちはAIネイティブと長く協業してきましたが、この1年で爆発的に伸びました。理由を説明しましょう。この産業には1,500億ドルのベンチャー投資がスタートアップに流れ込み、これは人類史上最大です。また、投資規模が数百万ドル、数千万ドル単位から、数億ドル、数十億ドル単位へと変化したのも史上初めてのことです。
5.9 投資規模が数億〜数十億へシフトした理由：トークンを必要とする構造変化
Jensen Huang： その理由は、これらの企業すべてがコンピュート、しかも膨大な量のコンピュートを必要とする、史上初の事態だからです。彼らはトークンを、それも大量のトークンを必要としています。彼らはトークンを生成して提供するか、あるいはAnthropicやOpenAIなどが生成したトークンに価値を付加するかのいずれかです。だからこの産業は様々な意味でこれまでと違うものになっています。しかし非常に明らかな一つの事実は、彼らがもたらしているインパクトと提供している驚くべき価値が、すでに非常に明白なものとして現れているということです。
5.10 PC・インターネット・モバイル/クラウド革命と同様の新たなプラットフォームシフト
Jensen Huang： 私たちがコンピューティングを再発明したからこそ、AIネイティブ企業が生まれているのです。PC革命のときに新しい企業が次々と生まれ、インターネット革命のときに新しい企業が次々と生まれ、モバイル・クラウド時代にも新しい企業が次々と生まれ、それぞれが独自の標準を持っていました。今、その重要な標準の一つが生まれつつあり、それは信じられないほど重要なことです。この世代においても、私たちは数多くの非常に特別な企業を擁することになります。私たちがコンピューティングを再発明した以上、極めて重要な企業群が新たに生まれてくるのは道理にかなっています。前回のコンピューティングプラットフォームシフトの結果として誕生したGoogle、Amazon、Metaのような、世界の未来にとって極めて重要な企業群です。私たちは今、新たなプラットフォームシフトの始まりに立っているのです。
6. 推論変曲点の到来：生成AI・推論AI・エージェントAIの3段階
6.1 過去2年で起きた3つの出来事の整理
Jensen Huang： では、ここ数年で何が起こったのでしょうか。皆さんもご存じの通り、私たちは深層学習とAIに長年取り組んできました。現代のAIのビッグバンの瞬間、私たちはまさにその現場にいて、この分野をかなり長い間進めてきました。しかし、なぜここ2年なのでしょうか。この2年で何が起こったのか。三つの出来事がありました。
6.2 ChatGPT＝生成AI時代の幕開け
Jensen Huang： もちろん、ChatGPTが生成AIの時代を切り拓きました。それは単に知覚したり理解したりするだけでなく、翻訳し、ユニークなコンテンツを生成することができるものです。生成AIとコンピュータグラフィックスの融合をお見せして、コンピュータグラフィックスに命を吹き込んだのも先ほどの話の通りです。世界中の誰もがChatGPTを使うべきです。私自身も毎朝使っており、今朝もたっぷり使ってきました。ChatGPTは生成AIの時代を象徴するものでした。
Jensen Huang： ここで注意すべきは、これは「生成的コンピューティング」が従来のコンピューティングのあり方とは違うということです。生成AIはソフトウェアの一機能ではありますが、コンピューティングの行い方を根本的に変えました。コンピューティングはこれまで検索ベースでしたが、今や生成ベースになったのです。この考え方を頭に置いておいてください。後で具体的な話をする際に、なぜ私たちが行うあらゆることがコンピュータのアーキテクチャ、コンピュータの提供方法、コンピュータの構築方法、そしてコンピューティングそのものの意味を変えていくのかが分かっていただけると思います。
6.3 O1／O3＝Reasoning AI
Jensen Huang： 生成AIが2022年末から2023年にかけて登場し、次に推論AIが登場しました。O1から始まり、O3で本格的に離陸しました。推論によってAIは内省し、自分自身で考え、計画を立て、問題を分解できるようになりました。理解できない問題を、理解できるステップや部分へと分解できるようになったのです。研究によって自らをグラウンディング、すなわち真実に接地できるようにもなりました。O1は生成AIを信頼できるものに、真実に根ざしたものにしました。それによってChatGPTは一気に普及しました。これは非常に大きな瞬間でした。
Jensen Huang： 推論を生み出すために必要な入力トークンと、推論のために生成される出力トークンの量によって、モデルは少し大きくなりました。もちろんさらに大きなモデルを持つこともできますが、O1は少しだけ大きくなった程度でした。しかしコンテキストのための入力トークン使用量と思考のための出力トークン使用量が増えたことで、必要な計算量は途方もなく増加したのです。
6.4 Claude Code＝最初のエージェント型モデル
Jensen Huang： そして次にClaude Codeが登場しました。これは最初のエージェント型モデルで、ファイルを読み、コードを書き、コンパイルし、テストし、評価し、戻ってきて反復することができます。Claude Codeはソフトウェアエンジニアリングを革新しました。
6.5 NVIDIA社内の経験談：100%のエンジニアがAI補助を使用
Jensen Huang： ご存じの通り、NVIDIAの100%がClaude Code、Codex、Cursorの組み合わせを、しばしば三つすべてを使っています。今日、AIエージェントの支援を受けずにコーディングしているソフトウェアエンジニアはNVIDIAに一人もいません。Claude Codeはこの新しい変曲点を完全に革新するものです。
6.6 AIの進化段階：知覚→生成→推論→実行
Jensen Huang： そして初めて、AIに対して「何を」「どこで」「いつ」「どのように」と尋ねるのではなく、「作れ」「やれ」「構築せよ」と命じるようになりました。ツールを使えと頼み、コンテキストを取り込ませ、ファイルを読ませる。AIは問題を分解し、それについて推論し、内省することができます。問題を解決し、実際にタスクを実行できるのです。知覚できるAIが生成できるAIになり、生成できるAIが推論できるAIになり、推論できるAIが今や実際に仕事をこなせるAI、非常に生産的な仕事をこなせるAIになったということです。
6.7 「考えるためには推論、行うためには推論、読むためには推論」
Jensen Huang： この2年間のコンピュート量、この部屋にいる誰もが知っているように、NVIDIA GPUに対するコンピュート需要は天井知らずです。スポット価格は急騰しており、GPUを探そうとしても見つからない状態です。それなのに私たちはとてつもない量のGPUを出荷しており、需要はさらに上がり続けています。理由は、この根本的な変曲点にあります。
Jensen Huang： ついにAIが生産的な仕事をこなせるようになり、そのため推論の変曲点が到来したのです。AIは思考するためには推論しなければならず、行うためには推論しなければならず、読むためには推論しなければなりません。推論するためには推論する必要があるのです。AIのあらゆる部分、あらゆる時、それが思考しなければならない、推論しなければならない、行わなければならない、そのたびにトークンを生成し、推論しなければなりません。もはや訓練の話ではありません。今は推論の領域に入っており、推論の変曲点が到来したのです。
6.8 過去2年で計算需要が100万倍増加したという観察
Jensen Huang： この2年間で、必要なトークン量とコンピュート量はおおよそ10,000倍に増えました。私がこの二つを掛け合わせると、過去2年間で仕事に必要なコンピュート需要が10,000倍になり、使用量自体が100倍ほど増えたことになります。私はずっと、過去2年間でコンピュート需要は100万倍に増えたと言ってきました。それは私たち皆が抱いている感覚であり、あらゆるスタートアップが抱いている感覚です。
6.9 OpenAI／Anthropicの正のフライホイール状態
Jensen Huang： これはOpenAIが抱いている感覚であり、Anthropicが抱いている感覚でもあります。もしもっとキャパシティが手に入れば、彼らはもっとトークンを生成でき、収益は増え、より多くの人が使うようになり、AIはより高度に、より賢くなれます。私たちは今、その正のフライホイールシステムの中にいるのです。私たちはその瞬間に到達しました。変曲点、すなわち推論の変曲点が到来したのです。
7. 推論成長の加速と2027年1兆ドル需要見通し
7.1 昨年GTCでの5,000億ドル発言の振り返り
Jensen Huang： ちょうど1年前のこの時点で、私はこう申し上げました。あのとき私が立っていた時点で、Blackwell と Rubin について 2026年までに非常に高い確度の需要および注文が約 5,000 億ドル見えていると。昨年そう申し上げたわけです。皆さんが同じように感じておられるかは分かりませんが、5,000 億ドルというのは膨大な金額です。にもかかわらず、誰一人として驚いた様子はありませんでした。
7.2 「2027年まで少なくとも1兆ドル」という上方修正
Jensen Huang： なぜ皆さんが驚かなかったのか、その理由は分かっています。皆さんは皆さんで記録的な年を迎えられたからです。さて、昨年の GTC からほんの数か月後、ちょうど 1 年経った今、私が立っているこの場所からお伝えします。私は 2027 年までに少なくとも 1 兆ドルが見えています。
7.3 「コンピュート需要はそれよりさらに高くなる」という確信
Jensen Huang： これは意味のある数字なのか。残りの時間をかけてそれをお話ししていきます。実のところ、私たちは供給不足になります。コンピュート需要はそれよりさらに高くなると私は確信しています。理由があるからです。
7.4 2025年がNVIDIAの「推論の年」だった理由
Jensen Huang： 第一に、私たちはこの1年間で多くの仕事を行いました。ご存じの通り、2025 年は NVIDIA にとっての推論の年でした。私たちは、訓練と事後訓練に強いだけでなく、AIのあらゆる段階で信じられないほど優れているということを確実にしたかったのです。そうすれば、私たちのインフラに投じられた投資は、皆さんが使い続けたい限りスケールアウトでき、NVIDIA のインフラの有用寿命は長くなり、コストは極めて低くなります。長く使えば使うほどコストは下がるのです。
Jensen Huang： NVIDIA のシステムは、世界における AI インフラとして最も低コストのインフラであることに私は何の疑いも持っていません。昨年の前半はすべて推論のためのAIに費やされ、それがこの変曲点を生み出しました。
7.5 Anthropic、MSL（Meta SL）の獲得
Jensen Huang： 同時に、昨年は Anthropic が NVIDIA に来てくれたこと、MSL すなわち Meta SL が NVIDIA を選んでくれたことを大変嬉しく思いました。そしてこれらをひとまとめの集団として見れば、世界の AI コンピュートの 3 分の 1 を代表していることになります。
7.6 オープンソースモデルがフロンティアに肉薄
Jensen Huang： オープンソースモデルはフロンティアに肉薄するレベルに到達し、文字通りどこにでも存在するようになりました。
7.7 NVIDIAがあらゆるドメインで唯一動作する単一プラットフォーム
Jensen Huang： そして NVIDIA は、ご存じの通り、AI のあらゆるドメインを、これら全ての AI モデルにわたって走らせられる、今日世界で唯一のプラットフォームです。言語、生物学、コンピュータグラフィックス、コンピュータビジョン、音声、タンパク質、化学物質、ロボティクス、エッジでもクラウドでも、どんな言語でも対応します。NVIDIA のアーキテクチャはそのすべてに対応可能であり、そのすべてにおいて私たちは突出しているのです。
Jensen Huang： これによって私たちは、最も低コストかつ最も信頼性の高いプラットフォームでいられます。なぜなら、こうしたシステムを構築するとき、先ほども申し上げたように1兆ドルというのは膨大なインフラだからです。投じた1兆ドルが活用され、性能を発揮し、極めてコスト効率が高く、見渡せる限り有用寿命があるという完全な確信を持つ必要があります。NVIDIA 上で行うインフラ投資なら、完全な確信を持って行えます。今や私たちは、世界中のどこに行って構築しても完全な確信を持てる唯一のインフラであることを証明しました。クラウドに置きたい、それも結構です。オンプレミスに置きたい、それも歓迎です。どの国に置きたいといっても、喜んでサポートします。私たちは今、すべての AI を動かすコンピューティングプラットフォームなのです。
7.8 売上構成60%トップ5ハイパースケーラー、40%が多様な領域
Jensen Huang： 私たちのビジネスはすでにそれを示し始めています。私たちのビジネスの 60% はハイパースケーラー、上位 5 社のハイパースケーラーです。しかしその上位 5 社の中でさえ、その一部は社内 AI 消費です。社内 AI 消費は本当に重要な仕事で、たとえばレコメンダーシステムはこれまでテーブルと協調フィルタリングやコンテンツフィルタリングに依存していましたが、今や深層学習と大規模言語モデルへと移行しつつあります。検索も深層学習と大規模言語モデルへと移行しています。これらのハイパースケールのワークロードはほぼすべて、NVIDIA GPU が極めて得意とするワークロードへとシフトしているのです。さらに私たちはあらゆる AI ラボと協業し、あらゆる AI モデルを加速し、私たちが連携する AI ネイティブの大規模なエコシステムをクラウドにもたらせる立場にあります。だから、どれほど大規模でどれほど急いだ投資でも、そのコンピュートは消費されていきます。これがビジネスの 60% を占めています。残りの 40% は本当に至るところです。リージョナルクラウド、ソブリンクラウド、エンタープライズ、産業、ロボティクス、エッジ、大規模システム、スーパーコンピューティングシステム、小型サーバー、エンタープライズサーバー。システムの数も信じられないほどです。
7.9 「AIの多様性こそレジリエンス」
Jensen Huang： AIの多様性はその回復力でもあります。AIの到達範囲の広さこそがそのレジリエンスです。これが単一アプリの技術ではないことに疑いの余地はありません。今やこれは根本的なものであり、間違いなく新しいコンピューティングプラットフォームのシフトなのです。
7.10 Hopper全盛時にNVLink 8からNVLink 72への完全再設計
Jensen Huang： 私たちの仕事は技術を進歩させ続けることです。昨年申し上げた中で最も重要なことの一つは、2025 年が NVIDIA にとっての推論の年だということでした。私たちはそこにすべてを賭けました。私たちは大きなチャンスを取り、Hopper が絶頂期で素晴らしい状態にあった時に再発明を行ったのです。Hopper アーキテクチャ、NVLink バイ 8、これを次のレベルへ引き上げる必要がある、私たちはシステム全体を完全に再設計し、コンピューティングシステムを完全に分離（disaggregate）させ、NVLink 72 を作り上げました。
Jensen Huang： その構築方法、製造方法、プログラミング方法のすべてが完全に変わりました。Grace Blackwell NVLink 72 は途方もない賭けでしたし、誰にとっても容易ではありませんでした。会場におられる多くのパートナーの方々、皆さんが行ってくださった懸命な仕事に感謝申し上げます。本当にありがとうございました。
7.11 NVFP4でロスレス推論かつ訓練も実証
Jensen Huang： NVLink 72 と NVFP4、これは単に FP4 精度というだけのものではありません。FP4 はまったく異なるタイプのテンソルコアであり計算ユニットです。私たちは NVFP4 で精度を損なうことなく推論できることを今や実証しました。性能とエネルギー効率は飛躍的に向上しています。また NVFP4 を訓練にも使えるようにしました。NVLink 72、NVFP4、Dynamo や TensorRT-LLM の発明、新しいアルゴリズムの数々があります。
7.12 DGX Cloudで数十億ドルの自社投資
Jensen Huang： さらに私たちは、自分たちのカーネルやスタック全体を最適化するために、自前のスーパーコンピュータまで構築しました。これを DGX Cloud と呼んでいます。私たちは推論を可能にするカーネルとソフトウェアを作るために、数十億ドル規模のスーパーコンピューティング能力に自ら投資しました。
Jensen Huang： 結果として、すべてが結実しました。人々はかつて私にこう言ったものです。「Jensen、推論は簡単だよ」と。しかし推論こそが究極の難題であり、究極に重要なものでもあります。なぜならそれが皆さんの収益を駆動するからです。
8. 最低トークンコストの実現：50倍perf/wattと35倍コスト削減
8.1 SemiAnalysisによる史上最大規模のAI推論ベンチマーク結果
Jensen Huang： その成果がこれです。これは SemiAnalysis によるもので、これまで行われた中で最大かつ最も包括的な AI 推論のベンチマークスイープです。
8.2 トークン/ワット（縦軸）とインタラクティビティ（横軸）というAIファクトリー評価軸
Jensen Huang： こちらの左側、この軸が「トークン・パー・ワット」です。トークン・パー・ワットが重要な理由は、すべてのデータセンター、すべての工場は定義上、電力で制約されているからです。1ギガワットの工場が2ギガワットになることは絶対にありません。これは物理的に制約されており、原子の法則、物理性の法則によって決まっています。だからこそ、その1ギガワットのデータセンターでは、最大のトークン数、すなわちその工場の生産物を引き出さなければなりません。したがって、この曲線の上に位置していたいわけです。X 軸はインタラクティビティ、すなわち推論の速度、一回の推論の速さです。推論が速ければ速いほど、応答も速くなりますが、何より重要なのは、推論が速ければ速いほど、より大きなモデルを扱え、より多くのコンテキストを処理でき、より多くのトークンで思考を巡らせられるということです。
8.3 「1ギガワットの工場は決して2ギガワットにはならない」という制約認識
Jensen Huang： この軸はAIの賢さと同じです。これがAIのスループット、そしてこれがAIの賢さということになります。AIが賢くなるほどスループットは下がります。理にかなった話です。考える時間が長くなるからです。この軸が速度です。ここに戻ってきます。これは重要で、皆さんを苦しめる部分ですが、あまりに重要なのです。世界中のあらゆる CEO は、今後ご自身のビジネスを、まさに私がこれから説明する通りに研究することになるでしょう。これが皆さんのトークン工場であり、皆さんの AI ファクトリーなのです。
Jensen Huang： これが将来の皆さんの収益であり、これに疑いの余地はありません。だからこそ、これがスループットで、これが知性、与えられた電力ごとのデータセンターあたりのワット単位の知性です。スループットが大きいほど、生産できるトークン数が多くなります。こちら側はコストです。NVIDIA は世界で最高性能であり、それに驚く人はいないでしょう。
8.4 ムーアの法則なら1.5倍程度のはずが35倍を達成
Jensen Huang： 皆さんが驚かれるのは、1世代で達成したという事実の方でしょう。ムーアの法則ならトランジスタによって 50%、つまり 2 倍を与えるはずでしたが、Hopper 世代から1.5 倍程度の性能向上が期待される程度だったわけです。誰も 35 倍などとは予想していなかったのです。
8.5 Dylan Patelからの「サンドバッギング」批判
Jensen Huang： 私は1年前のこの時期、NVIDIA Grace Blackwell NVLink 72 は 35 倍のパフォーマンス・パー・ワットだと申し上げました。誰も信じませんでした。そして SemiAnalysis が結果を出し、Dylan Patel がコメントを出しました。彼は私に対してサンドバッギングしている、つまり実力を低く見せていると非難したのです。Jensen はサンドバッグしていた、と。彼によれば、実際には 50 倍だと。そして彼は間違っていません。彼は間違っていないのです。
8.6 「アーキテクチャが間違っていれば無料でも安くない」
Jensen Huang： だから私たちのトークン当たりコストは世界最低です。これを上回ることはできません。私は以前にも申し上げてきましたが、間違ったアーキテクチャなら、たとえ無料でも十分に安いとは言えません。なぜなら、何があってもギガワットのデータセンター、ギガワットの工場を建てなければならないからです。その1ギガワットの工場を 15 年で償却すると、その工場だけで約 400 億ドルかかります。何も載せなくても 400 億ドルです。それなら最良のコンピュータシステムを載せて、最良のトークンコストを実現するのが当然です。NVIDIA のトークンコストは世界クラス、現時点では実質的に手の届かないレベルにあります。それが事実である理由は、極端な共同設計（extreme co-design）にあります。だから Dylan が私たちの名を挙げてくれたのは大変嬉しいことでした。あの中にはモンキーキング、トークンキングがいたのです。
8.7 InferenceMAX King：推論サービスプロバイダーの100倍成長
Jensen Huang： さて、私たちはあらゆるソフトウェアを、先ほど申し上げたように、垂直統合する一方で水平に開放しています。垂直統合と水平開放のもとで、すべてのソフトウェアとテクノロジーを統合できる限り統合し、世界の推論サービスプロバイダーへとパッケージ化して提供しています。これらの企業は猛烈に伸びています。本当にものすごく伸びています。Fireworks、Lin もここに来てくれています。Together もそうです。彼らはこの1年で 100 倍に成長しました。彼らはまさにトークンファクトリーであり、そのファクトリーの効果性、性能、トークンコスト生産能力は、彼らにとって何よりも重要なのです。
8.8 ソフトウェア更新だけで7倍向上
Jensen Huang： そしてこれがその成果です。同じシステムのまま、私たちが彼らのソフトウェアを更新しました。トークン速度に注目してください。NVIDIA がすべてを更新する前、アルゴリズム、ソフトウェア、私たちが持ち込むすべてのテクノロジーを更新する前、平均で約 700 トークン/秒だったものが、ほぼ 5,000 トークン/秒に達しました。約 7 倍です。これが極端な共同設計の圧倒的な威力なのです。
8.9 NVIDIAが大規模AI推論のグローバル標準
Jensen Huang： NVIDIA は大規模 AI 推論のグローバルスタンダードです。垂直に統合され、水平に開かれ、あらゆる推論サービスプロバイダーに統合されているという、この立ち位置こそが、私たちが今、推論のグローバルスタンダードと呼ばれる根拠なのです。
9. AIファクトリーは新時代の産業インフラ：10年のインフラ革新史
9.1 データセンターからトークン生成工場への概念転換
Jensen Huang： 先ほど工場の重要性について触れました。これがデータセンターの工場としての重要性です。データセンターはかつてファイルのためのデータセンターでしたが、今やトークンを生成するための工場になっています。
9.2 土地・電力・シェルが制約となる時代の到来
Jensen Huang： 皆さんの工場は、何があっても制約されています。誰もが土地と電力とシェル、すなわち建屋を探し求めています。一度それを建てれば、その電力に制約されたインフラの中で動くことになります。その制約された電力の中で、推論こそが皆さんのワークロードであり、トークンこそが皆さんの新しいコモディティであり、コンピュートこそが皆さんの収益なのですから、アーキテクチャが将来にわたって可能な限り最適化されていることを確実にしなければなりません。
9.3 すべての企業のCEOがトークン工場効率性を考えるようになるという未来予測
Jensen Huang： 今後はあらゆる CSP、あらゆるコンピュータ会社、あらゆるクラウド会社、あらゆる AI 会社、ピリオド、つまりあらゆる会社が、自社のトークン工場の効果性を考えるようになります。これが将来の皆さんの工場です。なぜそう断言できるかというと、この部屋にいる全員が、インテリジェンスによって動かされているからです。そして将来、そのインテリジェンスはトークンによって増強されることになります。それでは、ここまでどう辿り着いたのか、お見せしましょう。
9.4 2016年DGX-1：8 Pascal GPU、170テラフロップス、世界初のAI研究者向けコンピュータ
ナレーター（Jensen Huang）： 10年前の2016年4月6日、私たちは DGX-1 を発表しました。これは深層学習のために設計された世界初のコンピュータでした。8基の Pascal GPU が初代 NVLink で接続され、170 テラフロップス、それが1台のコンピュータの中に詰め込まれた、AI 研究者のために設計された世界初のコンピュータです。
9.5 Volta／NVLink Switch：16 GPU全対全
ナレーター（Jensen Huang）： Volta では NVLink Switch を導入し、16基の GPU をフル全対全帯域で接続し、1基の巨大な GPU のように動作させました。これは大きな前進でしたが、モデルサイズは増大し続けました。
9.6 2020年DGX A100 SuperPod：Mellanox、NVLink 3、ConnectX 6、Quantum InfiniBand
ナレーター（Jensen Huang）： データセンターを1つのコンピューティング単位にする必要があったため、Mellanox が NVIDIA に加わりました。2020年、DGX A100 SuperPod が初の GPU スーパーコンピュータとなり、スケールアップとスケールアウトのアーキテクチャを結合させました。スケールアップには NVLink 3、スケールアウトには ConnectX 6 と Quantum InfiniBand を使いました。
9.7 Hopper：FP8 Transformer Engineで生成AI時代を起動
ナレーター（Jensen Huang）： その後、Hopper が登場します。これは FP8 Transformer Engine を備えた初の GPU で、生成 AI 時代の幕を開けました。NVLink 4、ConnectX 7、BlueField-3 DPU、第2世代 Quantum InfiniBand。これがコンピューティングを革新しました。
9.8 Blackwell：NVLink 72で再定義、3つのスケーリング則とAgentic
ナレーター（Jensen Huang）： Blackwell は AI スーパーコンピューティングシステムアーキテクチャを再定義しました。NVLink 72 によって 72 基の GPU を NVLink Spine で接続し、毎秒 130TB の全対全帯域でつなぎます。コンピュート、トレース、統合された Blackwell GPU、Grace CPU、ConnectX 8、BlueField-3。スケールアウトは Spectrum-X Ethernet 上で動作します。事前訓練、事後訓練、推論、そしていまや Agentic システムという3つのスケーリング則がフル稼働している中で、コンピュート需要は指数関数的に伸び続けています。
9.9 Vera Rubin：3.6エクサフロップス、260TB/秒NVLink帯域、Groq 3 LPXとの密結合
ナレーター（Jensen Huang）： そして今、Vera Rubin の登場です。Agentic AI のすべての段階のために設計されており、CPU、ストレージ、ネットワーキング、セキュリティを含むコンピューティングのすべての柱を進化させます。Vera Rubin、NVLink 72、3.6 エクサフロップスのコンピュート、毎秒 260TB の全対全 NVLink 帯域。これが Agentic AI 時代を加速するエンジンであり、Vera CPU ラックはオーケストレーションと Agentic ワークフローのために設計されています。
ナレーター（Jensen Huang）： Stat ラックは AI ネイティブなストレージで、BlueField でスケールアウトされ、Spectrum-X の Co-Packaged Optics で構築され、エネルギー効率と回復力を高めます。そしてここに、信じられないほどの新メンバーである Groq 3 LPX ラックが加わります。これは Vera Rubin と緊密に接続され、Groq の LPU が持つ大規模なオンチップ SRAM がトークンアクセラレータとして機能し、もともと非常に高速な Vera Rubin と組み合わせることで、メガワットあたり 35 倍のスループットを実現します。
ナレーター（Jensen Huang）： 新しい Vera Rubin プラットフォームは、7つのチップ、5つのラックスケールコンピュータからなる、Agentic AI のための革命的な AI スーパーコンピュータです。10 年でコンピュートが 4,000 万倍になりました。
10. NVIDIA Vera Rubin：Agenticシステム向けに設計されたシステム
10.1 「Hopperの頃はチップを持ち上げて見せたが、Vera Rubinはシステム全体」
Jensen Huang： 古き良き時代、私が Hopper と言えばチップを掲げて見せたものでした。あれはあれで愛らしいものです。しかし、これが Vera Rubin です。Vera Rubin を語るとき、私たちはシステム全体を考えます。ソフトウェアとともに完全に垂直統合され、エンド・トゥ・エンドで1つの巨大なシステムとして最適化されたものです。
10.2 Agenticシステム設計の理由：思考、メモリ、ツール使用、KVキャッシュへの強い要求
Jensen Huang： これがなぜ Agentic システムのために設計されたのか、その理由は非常に明確です。エージェントにとって最も重要なワークロードは思考だからです。大規模言語モデルはますます大きくなっており、より多くのトークンをより素早く生成して、より速く思考できるようにしなければなりません。同時にメモリにもアクセスしなければなりません。KV キャッシュ、構造化データ、非構造化データ、cuVS にも激しくアクセスすることになりますし、ストレージシステムも激しく叩かれることになります。だからこそ私たちはストレージシステムを再発明したのです。
10.3 AIはツールに対し人間より遅延に厳しいという観察
Jensen Huang： さらに AI はツールを使うことになります。人間は比較的遅いコンピュータでも我慢できますが、AI は違います。AI はツールができる限り速いことを求めます。これらのツール、Web ブラウザや、将来であればクラウド上の仮想 PC のようなものも含めて、それらは可能な限り高速でなければなりません。
10.4 LPDDR5を使用する世界唯一のデータセンターCPU
Jensen Huang： だから私たちは、極めて高いシングルスレッド性能、極めて高いデータ出力、データ処理に極めて優れ、極端なエネルギー効率を備えた、まったく新しい CPU を作りました。これは LPDDR5、繰り返しますが LPDDR5 を使用する、世界で唯一のデータセンター CPU です。そのシングルスレッド性能とパフォーマンス・パー・ワットは比類なきものです。これら Agentic 処理のためのラック群に組み合わせるために、まさにそのために構築したのです。
10.5 100%液冷化、ケーブル撤廃で設置時間が2日から2時間へ短縮
Jensen Huang： これが Vera Rubin システムです。前回からの変化として、100% 液冷で、ケーブルがすべて消えています。これまで設置に2日かかっていたものが、今では2時間で済むようになりました。製造のサイクルタイムが劇的に短縮されることになります。
10.6 45℃温水冷却によるデータセンター冷却負荷の軽減
Jensen Huang： これは 45℃ の温水で冷却されるスーパーコンピュータでもあります。データセンター冷却にかかる圧力を取り除き、そのコストとエネルギーを、システム自体のために回せるようになるのです。
10.7 第6世代NVLink Switching System
Jensen Huang： これが秘伝のソースです。NVIDIA は世界で唯一、第6世代のスケールアップスイッチングシステムを構築した会社です。これは Ethernet でも InfiniBand でもありません。これは NVLink、第6世代の NVLink です。これを上手くやることは恐ろしいほど難しいし、そもそもやること自体が恐ろしいほど難しい。チームには本当に誇りを感じています。NVLink は完全に冷却されています。
10.8 Groq LP30：第3世代、生産開始
Jensen Huang： これがまったく新しい Groq システムで、もう少し詳しくお見せします。このシステムには 8 基の Groq チップが入っています。これが LP30 です。世界がこれまで見たものは V1 でした。これは第3世代であり、今や量産に入っています。詳しくはまた後ほどお話しします。
10.9 世界初CPO Spectrum-Xスイッチ：TSMCと共同開発したCOOPプロセス
Jensen Huang： これが世界初の CPO Spectrum-X スイッチです。これもフル生産に入っています。Co-Packaged Optics の光学部品が、このチップに直接搭載され、シリコンに直接インターフェースします。電子が光子に変換され、このチップに直接接続されるのです。プロセス技術自体は TSMC と共同で発明しました。COOP と呼ばれるもので、完全に革命的です。NVIDIA は今日、それを唯一フル生産しています。NVIDIA は Spectrum-X のフル生産に入っているのです。
10.10 Vera CPU：他CPUの2倍の電力効率、想定外のスタンドアロンCPU事業
Jensen Huang： こちらが Vera システムで、今日世界中のあらゆる CPU の 2 倍のパフォーマンス・パー・ワットを誇ります。これも量産に入っています。私たちは正直なところ、CPU をスタンドアロンで販売することなど考えていなかったのですが、スタンドアロンの CPU をかなりの量、販売しています。これは間違いなく、私たちにとって数十億ドル規模のビジネスになります。だから私は CPU アーキテクトたちに本当に満足しています。革命的な CPU を設計してくれました。
10.11 CX9＋Vera CPU＋BlueField-4 STX
Jensen Huang： そしてこちらが CX9、Vera CPU を搭載したもの、そして BlueField-4 STX です。私たちの新しいストレージプラットフォームでもあります。さて、これら4つがそのラックであり、それぞれが接続されています。それぞれのラック、NVLink ラック、これは以前にもお見せしましたが、非常に重く、毎年さらに重くなっているように感じます。中のケーブルが毎年増えているからでしょう。これが NVLink ラックです。そして私たちは、このケーブルシステム、構造化ケーブルでデータセンターを構築することが非常に効率的だったため、その技術を Ethernet にも適用することにしました。これが Ethernet 256 ノード液冷を1つのラックに収めたものです。同じ素晴らしいコネクタで接続されています。
10.12 Rubin Ultra Kyberラック：144 GPUをNVLinkドメインに接続
Jensen Huang： Rubin Ultra をお見せしましょう。これが Rubin Ultra のコンピュートノードです。水平にスライドして差し込む Rubin と違って、Rubin Ultra はまったく新しいラックに収まります。それが Kyber です。Kyber によって、144 基の GPU を1つの NVLink ドメインで接続できるようになります。この Kyber ラックは、持ち上げようとすれば持ち上げられると思いますが、やめておきます。かなり重いです。これがコンピュートノードのひとつで、Kyber ラックに垂直にスライドして差し込まれます。そして上部にある4つの NVLink コネクタが、これに差し込まれてミッドプレーンに接続され、それでひとつのノードになります。
Jensen Huang： これらのラックそれぞれが異なるコンピュートノードになります。ここからが驚くべき部分で、これがミッドプレーンです。ミッドプレーンの背面には、もはやケーブルシステムではなく、銅ケーブルがどこまで伸ばせるかという物理的な限界に縛られず、144 基の GPU をつなぐためのこの仕組みが入っています。これが新しい NVLink です。これも垂直に立てられ、背面のミッドプレーンに接続されます。前面にコンピュート、背面に NVLink スイッチ。それで全体がひとつの巨大なコンピュータになります。これが Rubin Ultra です。
11. トークン経済の階層構造と収益最大化シミュレーション
11.1 全CEOが追跡すべき「ISO電力下でのスループット×トークン速度」チャート
Jensen Huang： さて、皆さんは昨年も同じスライドをご覧になっています。NVIDIA のキーノートでだけ、昨年のスライドが再び登場するわけです。なぜそうするかと言うと、昨年お伝えしたことが極めて重要で、もう一度お伝えする価値があるからです。これはおそらく AI ファクトリーの将来にとって唯一最も重要なチャートです。世界中のあらゆる CEO がこれを追跡し、深く研究することになります。実際にはもっと複雑で多次元的なものですが、皆さんは ISO 電力下での AI ファクトリーのスループットとトークン速度を、ずっと研究することになります。なぜなら、それが皆さんが持つすべての電力だからです。スループットとトークン速度こそが、皆さんの工場にとって永続的に重要な指標なのです。
Jensen Huang： その分析は皆さんの収益に直結します。今年皆さんがすることが、来年そのまま皆さんの収益として現れます。すべてはこのチャートに集約されます。縦軸はスループット、横軸はトークンレートです。
11.2 トークン入力長と出力長が共に増大する傾向
Jensen Huang： 今日、新たにこちらをお見せできるのは、私たちがトークン速度を引き上げられるようになったからであり、また異なるアプリケーション用途のグレードに応じて、モデルサイズが大きくなり、コンテキスト長が伸び続けているからです。10万トークン規模の入力長から、数百万トークンへと拡大しつつあります。入力トークン長も増えていますし、出力トークン長も増えています。これらすべてが、将来のトークンの売り方と価格設定に効いてきます。
11.3 トークンの商品化：無料層、$3／$6／$45／$150 per million tokensといった階層構造
Jensen Huang： トークンは新しいコモディティであり、あらゆるコモディティと同様に、ひとたび変曲点に達して成熟、もしくは成熟しつつある段階に入ると、複数の階層へと分かれていきます。高スループット低速度の層は無料ティアに使えます。次の層はミディアムティアで、より大きなモデル、おそらくより高い速度、より大きな入力コンテキスト長となり、これは別の価格帯に翻訳されます。各種サービスを見れば、こちらは無料ティア、最初の有料ティアは100万トークンあたり3ドル、次は100万トークンあたり6ドルといった具合に分かれています。
Jensen Huang： その境界はさらに押し広げていきたいところです。モデルが大きいほど賢く、入力コンテキスト長が長いほど関連性が高くなり、速度が速いほど長く考え、反復することができ、より賢いAIモデルになります。これは要するに、より賢いAIモデルの話なのです。より賢いAIモデルを持てれば、それぞれの段階で価格を上げていけます。これが45ドルです。そしていつか、極めて高速なトークン速度のプレミアムサービスを提供するプレミアムモデルが出てくるかもしれません。なぜならクリティカルパスにいる場合や、本当に長時間のリサーチを行う場合、100万トークンあたり150ドルでも問題にならないからです。
11.4 1日5,000万トークン使用研究者という具体例
Jensen Huang： これを実例に翻訳してみましょう。仮にリサーチャーとして1日に5,000万トークンを使うとします。100万トークンあたり150ドルです。実際のところ、リサーチチームとしてみれば、それは大した話ではないことが分かります。だから私たちは、これがAIの行きたい方向、未来の姿だと信じているのです。今この場所からスタートしなければなりませんでした。価値を確立し、有用性を確立し、徐々に良くしていく必要があったのです。将来、ほとんどのサービスはこの全領域を包含するようになるでしょう。
11.5 Hopper→Grace Blackwell→Vera Rubinの各階層でのスループット改善
Jensen Huang： これが Hopper です。スタート地点で、ここをグラフ上で動かしています。50がここ、100がここ。Hopper はこういう形をしています。次の世代である Hopper よりは高くなって当然ですが、誰もがそれほど高くなるとは予想していなかったでしょう。これが Grace Blackwell です。Grace Blackwell が何をしたかというと、無料ティアではスループットを大幅に引き上げ、皆さんが主に収益化するティアにおいてはスループットを 35 倍にしました。これはどの企業の製品でも同じことで、上位ティアほど品質が高く、性能が高く、その分ボリュームや容量は下がる、それはどんなビジネスでも変わりません。
Jensen Huang： つまり今、私たちはこのティアを 35 倍引き上げることができ、新たなティアまで導入できました。これが Grace Blackwell の Hopper に対する大きな飛躍であり、その恩恵です。そしてこれが Vera Rubin です。先ほどのを少しリセットしましょう。これが Vera Rubin です。ちょっと考えてみてください。たった今、何が起きたか。すべてのティア、すべてのティア、すべてのティアでスループットが上昇しました。そしてもっとも価値が高く、最も高いASPの最も価値あるセグメントで、私たちはこれを 10 倍引き上げました。これは並大抵のことではありません。ここでこれを実現するのは本当に難しいのです。これが NVLink 72 の恩恵、極端な低レイテンシの恩恵、そしてエリア全体を上にシフトできる極端な共同設計の恩恵なのです。
11.6 1ギガワットを4階層に25%ずつ配分する収益シミュレーション
Jensen Huang： さて、お客様の視点で見ると、これは何を意味するでしょうか。これを全部取って、掛け合わせるとします。仮に電力の 25% をフリーティアに、25% をミディアムティアに、25% をハイティアに、25% をプレミアムティアに割り当てるとしましょう。私のデータセンターは 1 ギガワットしかありません。私はその配分を決めることができます。フリーティアではより多くの顧客を惹きつけ、ハイティアでは最も価値ある顧客にサービスを提供する。これらの組み合わせ、その積が、つまり皆さんの収益、生み出せる収益となります。
Jensen Huang： この単純化された例で言えば、Blackwell では 5 倍の収益、Vera Rubin ではさらに 5 倍の収益が生み出せることになります。
11.7 「Vera Rubinに早く到達すべき：トークンコスト低下、スループット向上」という結論
Jensen Huang： ですから Vera Rubin にはできるだけ早く到達すべきです。理由は、トークンのコストが下がり、スループットが上がるからです。しかし、私たちはさらにもっと求めています。先ほどのチャートに戻ります。私が申し上げたように、このスループットには膨大な FLOPS が要りますし、このレイテンシ、このインタラクティビティには膨大な帯域が要ります。コンピュータは極端な FLOPS と極端な帯域を同時に好みません。どんなシステムでもチップに使える表面積には限りがあるからです。高スループットの最適化と低レイテンシの最適化は、実のところ互いに敵同士なのです。だからこそ、ここで Groq との統合という話につながっていきます。
12. 極端な性能のプロセッサ統合：NVIDIA Groq 3 LPXとパートナー発表
12.1 高スループットと低レイテンシは互いに敵という物理的トレードオフ
Jensen Huang： Groq の素晴らしさは、ここから先の領域、つまり NVLink 72 だけでは到達できない領域へとチャートを押し広げる点にあります。NVLink 72 は、毎秒400トークンを供給するワークロードでは抜群に強いのですが、もし毎秒1,000トークンを供給するサービスを提供したいとなった瞬間、NVLink 72 は急に息切れし、そこには到達できなくなります。単純に帯域が足りなくなるのです。そこで Groq が登場し、その境界を外側へと押し広げてくれるわけです。
12.2 1チップ500MB対1 Rubinチップ288GBという対比
Jensen Huang： Groq が私にとって魅力的だった理由は、彼らのコンピューティングシステムが決定論的なデータフロープロセッサだからです。静的にコンパイルされ、コンパイラがスケジュールします。つまり、コンピュートをいつ行うかをコンパイラが決め、計算とデータが同じタイミングで到着するように、すべて事前に静的にスケジューリングされる。動的スケジューリングは存在しません。アーキテクチャは膨大な SRAM を持つよう設計されており、推論というたった1つのワークロードのために設計されています。
Jensen Huang： そしてこの1つのワークロードこそが AI ファクトリーのワークロードなのです。世界がより高速なトークン、よりスマートなトークンをより多く生成したいと求める中で、この統合の価値はさらに高まります。これら2つは極端なプロセッサです。Groq の1チップが 500MB、Vera Rubin の1チップは Rubin チップで 288GB ものメモリを持ちます。Rubin の持つパラメータサイズ、それに付随する KV キャッシュなどを保持するには、Groq のチップが大量に必要になるわけです。これが、Groq がこれまでメインストリームに到達し、本当の意味で離陸する妨げになっていました。
12.3 Dynamoによる分離推論：プリフィルとデコードの役割分担
Jensen Huang： しかし、私たちは素晴らしいアイデアにたどり着きました。Dynamo というソフトウェアを使って、推論を完全に分離したらどうなるか、というアイデアです。推論パイプラインの構築方法を再アーキテクトし、Vera Rubin で行うのが理にかなった処理は Vera Rubin で行い、低レイテンシかつ帯域制約のあるデコード生成の部分は Groq にオフロードする。こうして私たちは、極端に性能の異なる2つのプロセッサ、高スループット用と低レイテンシ用を1つに統合したのです。
Jensen Huang： とはいえ、メモリが大量に必要だという事実は変わりません。だから Groq のチップをたくさん追加して、メモリ容量を拡張します。1兆パラメータのモデルなら、それを Groq チップに格納します。そして隣には NVIDIA Vera Rubin があり、そこにはエージェント型 AI システムの処理に必要な KV キャッシュを大量に保持できる。これが分離推論という考え方の根幹です。プリフィルを行うのは簡単です。しかし私たちはデコードも密に統合しました。
12.4 アテンションはVera Rubin、フィードフォワードはGroq、Ethernetの専用低遅延モードで結合
Jensen Huang： デコード処理におけるアテンション部分は、計算量が必要なので NVIDIA Vera Rubin 上で行います。一方、デコードのフィードフォワードネットワーク部分、つまりトークン生成部分は Groq チップ上で行います。この2つは Ethernet で密結合され、レイテンシを約半分に削減する特別なモードを使っています。この機能によって、これら2つのシステムを統合できるようになります。
12.5 35倍の性能向上
Jensen Huang： その上で、AI ファクトリーのための信じられないオペレーティングシステムである Dynamo を走らせ、性能が35倍になります。35倍の向上です。これに加えて、世界がまだ見たことのないトークン生成の新たな性能階層が生まれることになります。これが Groq です。Vera Rubin システムと Groq の融合です。
12.6 Groq買収・ライセンス、SamsungによるGroq LP30製造、2026年Q3頃出荷予定
Jensen Huang： Groq チップを担当するチームを買収し、技術をライセンスしました。今、私たちは協力してシステムを統合しています。Groq LP30 チップを製造してくださっている Samsung には感謝しています。今や全力で生産してくれていて、本当にありがたく思います。Groq チップは量産に入り、後半、第3四半期あたりには出荷する予定です。これが Groq LP です。
12.7 決定論的データフロープロセッサ、静的コンパイル、推論専用設計
Jensen Huang： Vera Rubin について言うと、これ以上の顧客を想像するのが難しいくらいです。Grace Blackwell の初期サンプリングは NVLink 72 と一緒に立ち上げるという事情で本当に複雑でしたが、Vera Rubin のサンプリングはとてもうまく進んでいます。
12.8 Microsoft Azureで初のVera Rubinラックが稼働開始（Satyaのテキスト報告）
Jensen Huang： 実際、Satya がすでにテキストでくれたのですが、最初の Vera Rubin ラックが Microsoft Azure ですでに稼働しているとのことです。彼らのことを心から嬉しく思います。
12.9 週数千ラック、月数ギガワットAIファクトリー規模のサプライチェーン
Jensen Huang： 私たちはこれをどんどん作り続けます。すでにサプライチェーンを整備しており、これらのシステムを週に数千台製造できる体制にあります。私たちのサプライチェーン内では、月に複数ギガワット規模の AI ファクトリーを生み出していることになります。
12.10 GB300ラックとVera Rubinラックの並行フル生産
Jensen Huang： だから私たちは Vera Rubin ラックを次々と作り出しながら、同時に GB300 ラックも次々と作り続けるのです。フル生産体制にあります。
12.11 ストレージ業界100%がVera CPU＋CX-9＋BlueField-4スタックに参加
Jensen Huang： Vera CPU は非常に成功しています。理由は、AI がツール使用のために CPU を必要としており、Vera CPU はまさにそのスイートスポットに設計されているからです。次世代のデータ処理のためには、Vera CPU は理想的です。Vera CPU プラス CX-9 が BlueField-4 スタックに接続される。世界のストレージ業界の 100% がこのシステムに加わってくださっています。彼らがまさに同じものを見ているからです。
12.12 cuDF、cuVS、KVキャッシング加速ストレージ
Jensen Huang： ストレージシステムは激しく叩かれることになります。これまではストレージシステムを人間が使っていました。SQL も人間が使っていました。これからは AI がこれらのストレージシステムを使うことになり、しかも cuDF 加速ストレージ、cuVS 加速ストレージ、そして非常に重要な KV キャッシングを格納することになります。それが Vera Rubin システムです。
13. Vera Rubinのロードマップとエクストリーム協調設計
13.1 2年で1ギガワット工場のトークン生成速度が350倍向上
Jensen Huang： 驚くべきは、わずか2年で、1ギガワットの工場において、先ほどお見せした数式に基づき、トークン生成速度を200万から7億へと引き上げられたという事実です。350倍の向上です。これはムーアの法則ならばトランジスタ数を数段階分増やしてくれて、フロップス数を倍にし、帯域を倍にしてくれる程度のものでしたが、このアーキテクチャによってトークン生成速度を350倍にすることができました。これがエクストリーム協調設計の力です。垂直に統合し最適化しながら、水平方向には皆さんがその恩恵を享受できるよう開放する。これこそ私が申し上げている統合と最適化の意味なのです。
13.2 ロードマップ全体像：Blackwell→Rubin→Rubin Ultra→Feynman
Jensen Huang： これが私たちのロードマップです。手短にご紹介しますと、Blackwell は現在ここにあります。Oberonシステムです。Rubinの場合もOberonシステムを採用しています。私たちは常に後方互換性を保っていますので、何も変えずにそのまま新しいアーキテクチャに移行したい方は、それが可能です。これまでの標準ラックシステムであるOberonは引き続き利用できるのです。
13.3 銅と光（CPO）両方を継続採用するという明言
Jensen Huang： Oberonは銅によるスケールアップですが、Oberonでは光学スケールアップ、失礼、光学スケールアウト、いえスケールアップを用いてNVLink 576まで拡張することもできます。NVIDIAは銅でスケールアップするのか、光でスケールアップするのかという議論がよくありますが、答えは両方です。Kyberとともに NVLink 144、そしてOberonとともに NVLink 72、それに光を加えて NVLink 576まで到達します。次世代のRubinはRubin Ultraとなります。Rubin Ultraチップが控えており、現在テープアウトの段階にあり、まったく新しいチップであるLP35が登場します。LP35では初めてNVIDIAのNVFP4コンピューティング構造を取り入れ、さらに数倍の高速化をもたらします。これがOberon NVLink 72で、光スケールアップを採用したものです。Spectrum-6を使用しており、これは世界初の共パッケージング光学技術です。これらすべてが本番稼働しています。
13.4 Feynman世代：新GPU、LP40、Rosa CPU、BlueField-5、SuperNIC-10、Kyber Cu／CPO両構成
Jensen Huang： ここから次の世代はFeynmanです。Feynmanはもちろん新しいGPUを搭載しますし、新しいLPUも備えます。LP40で大きなステップアップとなります。素晴らしい、まったく新しい技術であり、NVIDIAとGroqチームのスケールが結集して構築されるものです。LP40は本当に素晴らしいものになります。さらにRosa、Rosalineの略ですが、まったく新しいCPUと、CPUと次のSuperNIC-10を接続するBlueField-5も登場します。Kyberは銅によるスケールアップを実現し、同時にKyberはCPOによるスケールアップも実現します。
Jensen Huang： 初めて、私たちは銅と共パッケージング光学の両方でスケールアップを行うことになります。Jensenさん、銅は今後も重要ですか、と多くの方からよく聞かれます。答えはイエスです。Jensenさん、光でスケールアップしますか。イエスです。光でスケールアウトしますか。これもイエスです。私たちのエコシステムの皆さんには、もっと多くのキャパシティが必要だと考えています。それが鍵なのです。銅にもより多くのキャパシティが必要で、光にもより多くのキャパシティが必要で、CPOにもより多くのキャパシティが必要です。だからこそ、この成長レベルのための基盤を皆さんと一緒に築くべく協力してきたのです。Feynmanはそのすべてを備えることになります。
13.5 チップ企業からAIファクトリー企業への変貌
Jensen Huang： 何か漏れていないかどうか確認させてください。これで全部です。毎年、まったく新しいアーキテクチャを出していくのです。NVIDIAは非常に速いペースで、チップ企業からAIファクトリー企業へ、つまりAIインフラ企業、AIコンピューティング企業へと変貌しました。これらのシステム、そして今、私たちはAIファクトリー全体を構築しているのです。
13.6 「電力が浪費される」問題への対処
Jensen Huang： これらのAIファクトリーでは、膨大な電力が無駄遣いされています。AIファクトリーが可能な限り最良の形で設計されてまとまっていくことを、私たちは確実にしたいのです。
13.7 ベンダー同士がデータセンターで初めて出会う旧弊への批判
Jensen Huang： ここに集まっているコンポーネントの多くは、これまで互いに出会うこともなかったものです。技術ベンダーである私たちの多くは、今ではお互いを知っていますが、過去には実際のデータセンターに到着するまで誰とも顔を合わせたことがなかったのです。それは起きてはならない事態です。私たちは超複雑なシステムを構築しているのですから、別の場所で仮想的に互いに出会わなければなりません。そこで私たちはOmniverseを作り、Omniverse DS Worldを作りました。これは私たち全員が集まってこれらのギガファクトリー、ギガワット規模のAIファクトリーを仮想空間とシステム内で設計できるプラットフォームです。
14. NVIDIA DSX AIファクトリープラットフォームと宇宙データセンター
14.1 Omniverse DS Worldでギガワットファクトリーをバーチャル協働設計
Jensen Huang： Omniverseは世界中のデジタルツインを保持できるよう設計されており、地球そのものから始まり、あらゆるサイズのデジタルツインを収容することになります。私たちには本当に素晴らしいパートナーエコシステムがあります。皆さんに感謝申し上げます。ここに名を連ねている企業のすべては、私たちの世界にとってまったく新しい仲間です。ほんの数年前まで、皆さんの多くを私たちは知りませんでした。それが今では、世界がこれまで見たことのない最大級のコンピュータを、惑星規模で一緒に構築するために、これほど密接に協業しているのです。
14.2 ラック・機械・熱・電気・ネットワーキング統合シミュレーション
Jensen Huang： 私たちはラックのためのシミュレーションシステムを持っています。機械、熱、電気、ネットワーキング、これらすべてに対応するシミュレーションシステムです。それらのシミュレーションシステムは、信じられないほど優れたツール企業をはじめとするエコシステムパートナー全員と統合されています。
14.3 グリッド連動、Max-Qによる電力・冷却ダイナミック最適化
Jensen Huang： さらに、グリッドにも接続されているので、互いにやり取りし、情報を送り合うことができます。それによってグリッド側の電力とデータセンター側の電力を相応に調整し、エネルギーを節約できます。そしてデータセンター内部では、Max-Qを使うことで、電力と冷却とその他様々な技術にまたがってシステムをダイナミックに調整できます。皆で一緒に取り組んでいるすべての技術にわたって、無駄にされる電力を一切残さず、最も最適なレートで稼働させ、膨大な量のトークンスループットを実現するのです。
14.4 「全体で2倍のファクターがあり、この規模では巨大」という見立て
Jensen Huang： ここには2倍のファクターが眠っていると私は確信しています。私たちが話している規模で2倍というのは、途方もない大きさです。
14.5 ハードウェア・ライブラリ・エコシステムの3層構造
Jensen Huang： 私たちはこれをNVIDIA DSXプラットフォームと呼んでいます。私たちのすべてのプラットフォームと同じく、ハードウェアレイヤーがあり、ライブラリレイヤーがあり、エコシステムレイヤーがあります。まったく同じ構造です。お見せしましょう。
14.6 「AIファクトリー売上＝トークン×ワット、未使用ワットは失われた売上」という原則
ナレーター（Jensen Huang）： 史上最大のインフラ構築が進行中です。世界はチップ、システム、AIファクトリーの建設を競っており、1か月の遅れが数十億ドルの売上損失を意味します。AIファクトリーの売上はトークン・パー・ワットに等しく、電力制約があるため、使われない1ワットは失われた売上なのです。
14.7 DSXMの物理／電気／熱／ネットワークシミュレーション
ナレーター（Jensen Huang）： NVIDIA DSXは、最大のトークンスループット、レジリエンス、エネルギー効率を実現するためにAIファクトリーを設計・運用するためのOmniverseデジタルツインのブループリントです。開発者はいくつかのAPIを通じて接続します。DSXMは物理、電気、熱、ネットワークのシミュレーションを担います。
14.8 DSS Exchange、DSS Flex（グリッド連動）、DSS Max-Q（スループット最大化）
ナレーター（Jensen Huang）： DSS Exchangeはオペレーション側のAIファクトリーデータを扱い、DSS Flexはグリッドとの間で安全かつダイナミックな電力管理を行い、DSS Max-Qはトークンスループットをダイナミックに最大化します。
14.9 PTC、Dassault、Jacobs、Siemens、Cadence、eTap、Procoreなどパートナーツール群
ナレーター（Jensen Huang）： すべてはNVIDIAおよび設備メーカーから提供されるSIM-readyアセットから始まり、PTC Windchill PLMで管理されます。次にモデルベースシステムズエンジニアリングが、Dassault Systemes 3DEXPERIENCE上で行われます。Jacobsはそのデータをカスタム化したOmniverseアプリに取り込み、設計を確定させます。リーディングなシミュレーションツールを使ってテストされ、外部熱解析にはSiemens STAR-CCM+、内部熱解析にはCadenceのリアリティ、電気解析にはeTap、ネットワークシミュレーションにはNVIDIAのDSX Airが用いられます。そして建設期間を短縮するためにProcoreを通じて仮想コミッショニングが行われます。
14.10 デジタルツインがオペレーターになる：Phaedraエージェント、Emerald AIエージェント
ナレーター（Jensen Huang）： サイトが稼働を始めると、デジタルツインがそのままオペレーターになります。AIエージェントはDSS Max-Qと連携し、インフラをダイナミックにオーケストレーションします。Phaedraのエージェントは冷却と電気系統を監視し、Max-Qに信号を送って計算スループットとエネルギー効率を継続的に最適化します。Emerald AIエージェントはリアルタイムのグリッド需要やストレス信号を解釈し、ダイナミックに電力を調整します。DSXによって、NVIDIAとそのエコシステムパートナーは、極端なレジリエンス、効率、スループットを保証するAIインフラを世界中で構築すべく競い合っているのです。
14.11 Space-1 Vera Rubin Module：Thor基盤の放射線対応衛星実装、宇宙データセンター構想
Jensen Huang： ここからはあまり時間をかけませんが、私たちは宇宙にも進出していきます。実はすでに宇宙には進出していまして、Thorは放射線対応の認可を受けており、衛星に搭載されています。皆さんが衛星から撮像を行うようなものです。将来的には宇宙にもデータセンターを建設します。これは明らかに非常に複雑な仕事です。パートナーと共に新しいコンピュータに取り組んでおり、それをVera Rubin Space Oneと呼んでいます。これが宇宙に出ていき、宇宙にデータセンターを設置することになります。
14.12 「対流がなく放射のみ」という宇宙環境の特殊性
Jensen Huang： もちろん宇宙には接続もありません。対流もなく、放射だけが存在する世界です。だから宇宙でどうやってこれらのシステムを冷却するか、その方法を見つけなければなりません。素晴らしいエンジニアたちが取り組んでくれています。
15. OpenClawとNemoClaw：自律エージェントのChatGPTモーメント
15.1 Peter Steinberger登壇、OpenClawの紹介
Jensen Huang： さて、新しいことについてお話しさせてください。本日この場にはPeter Steinbergerさんがお越しになっています。彼は OpenClaw というソフトウェアを書いた人物です。
15.2 「人類史上最も人気のあるOSSプロジェクト、Linuxが30年で達成したものを数週間で超えた」
Jensen Huang： 彼自身、これがどれほど成功するか分かっていたかは分かりませんが、その重要性は計り知れません。OpenClaw は人類の歴史上最も人気のあるオープンソースプロジェクトです。それをわずか数週間で達成しました。Linux が30年かかって成し遂げたものを超えてしまったのです。それほど重要なものなのです。本当にそれほど重要なのです。
15.3 簡易デモ：コンソールに1行入力でAIエージェントが構築される様子
Jensen Huang： 私たちは OpenClaw への支援を発表します。簡単に説明しますと、皆さんはコンソールにこれをタイプ入力するだけです。タイプ入力すると、OpenClaw がオンラインに出ていき、見つけてきてダウンロードし、AIエージェントを構築してくれます。そしてあとは、必要なことを何でも伝えればよいだけです。映像をご覧ください。
15.4 Andrej Karpathyの新OSS発表、研究を委ねて一晩で100実験
ナレーター映像： あるオープンソースプロジェクトが公開されました。Andrej Karpathy が新しい何かを発表しました。リサーチに関しては大きな話です。AIエージェントにタスクを与えて寝ている間に、一晩で100の実験を走らせ、何が効いて何が効かないかを残してくれます。
15.5 60歳の父親がBluetoothでビール製造、ロブスター発注ウェブサイト自動化、深圳の事例
Peter Steinberger： 私のものが、あの人物に対してこのようなことを可能にしているということが、本当に好きなのです。60歳のお父さんとして導入したという方がいて、ビールを醸造し、その装置を Bluetooth で OpenClaw に接続しました。そして、ウェブサイト全体まで含めてすべてを自動化し、ロブスターを注文してもらえるようにしたのです。深圳ではロブスターを買おうとして数百人が行列を作りました。
ナレーター映像： OpenClaw を使って OpenClaw を構築したいか。誰もが OpenClaw の話をしています。
15.6 ClawConコミュニティの存在
ナレーター映像： しかし、OpenClaw とは何なのか。信じられないかもしれませんが、すでに ClawCon まで存在しているのです。
15.7 OpenClawの構造解説：リソース管理、スケジューリング、問題分解、サブエージェント呼出、マルチモーダルIO
Jensen Huang： 驚くべきことです。本当に驚くべきことです。私は事実上、OpenClaw が何であるかをこういう形でご説明しました。それで皆さんがご理解いただけるようにしたわけですが、ここで起きたことを考えてみましょう。OpenClaw とは何でしょうか。それは接続するものです。これはエージェント型のシステムであり、大規模言語モデルを呼び出して接続します。
Jensen Huang： ですから、まず最初に、OpenClaw には管理対象のリソースがあります。ツールにアクセスでき、ファイルシステムにアクセスでき、大規模言語モデルにアクセスできます。スケジューリングを行い、cron ジョブを実行できます。皆さんが与えたプロンプトという問題をステップ・バイ・ステップに分解できます。サブエージェントをスポーンして呼び出すこともできます。IOも備えています。あらゆるモダリティで話しかけることができます。手を振っても理解してくれますし、どんなモダリティでも語りかけることができます。そして、メッセージを送り返してきます。テキストでもメールでも送ってきます。つまり IO を備えているということです。他に何があるかと言えば、こうした性質に基づいて、実のところそれはオペレーティングシステムだと言うことができます。
15.8 「OpenClawは事実上、エージェント型コンピュータのOS」「WindowsがPCを可能にしたように、OpenClawは個人エージェントを可能にする」
Jensen Huang： 私はちょうど、オペレーティングシステムの分野で使うのと同じシンタックスでこれを描写していたわけです。OpenClaw は事実上、エージェント型コンピュータのオペレーティングシステムをオープンソース化したのです。Windows が私たちにパーソナルコンピュータの誕生を可能にしたのと、なんら違いはありません。今度は OpenClaw がパーソナルエージェントを生み出す可能性を私たちにもたらしたわけです。その含意は計り知れません。本当に計り知れない含意があります。
15.9 全企業がオープンソース戦略・エージェントシステム戦略を必要とする時代
Jensen Huang： まず第一に、その採用ペース自体が、それ自体で何かを物語っています。しかし最も重要なのは、これです。あらゆる企業、本当にあらゆる企業、すべてのソフトウェア企業、すべてのテクノロジー企業の CEO にとって、いま問うべきは「あなたのオープンソース戦略は何か」ということなのです。私たちが Linux 戦略を持つ必要があったように、インターネットを始動させた HTTP や HTML の戦略を持つ必要があったように、モバイルとクラウドの実現を可能にした Kubernetes の戦略を持つ必要があったように、今や世界中のすべての企業はオープン戦略、エージェント型システム戦略を持たなければなりません。これが新しいコンピュータなのです。
15.10 SaaS→Agaas（Agentic-as-a-service）へのIT産業転換
Jensen Huang： ここからが面白いところです。これが OpenClaw 以前のエンタープライズITです。先ほども申し上げたとおり、エンタープライズITの仕組みはこうでした。データセンターと呼ばれる理由は、これらの大きな部屋、大きな建物が人々のデータを、つまりファイルを保持していたからです。ビジネスの構造化データが、ツールやレコードシステムやワークフローを規程化したソフトウェアを通って、人間が、デジタルワーカーが使うツールへと変わっていきました。これが旧来のIT産業です。ソフトウェア企業がツールを作り、ファイルを保存し、もちろん GSI、つまりコンサルタントがこれらのツールの使い方を企業に教え、統合を手伝っていました。これらのツールはガバナンス、セキュリティ、プライバシー、コンプライアンスのために信じられないほど重要です。それは引き続き真であり続けます。
Jensen Huang： ただし、OpenClaw 以後、エージェント以後の世界は、これとは違う姿になります。これこそが並外れた部分です。あらゆるIT企業、あらゆる企業、あらゆる SaaS 企業が、Agaas 企業、すなわち Agentic-as-a-Service 企業になります。間違いなくそうなります。あらゆる SaaS 企業が、Agentic-as-a-Service 企業になるのです。そして驚くべきことに、OpenClaw が産業に必要なものをまさに必要なタイミングで提供してくれたのです。Linux が必要なタイミングで産業に必要なものを与えたのと同じように、Kubernetes が必要なタイミングで現れたのと同じように、HTML が現れたのと同じように、OpenClaw が現れたおかげで、産業全体がこのオープンソーススタックを掴み取って何かを成し遂げられるようになったのです。
15.11 エージェントが「機密情報アクセス・コード実行・外部通信」できる危険性
Jensen Huang： ただし1つだけ落とし穴があります。企業ネットワーク内のエージェント型システムは、機密情報にアクセスでき、コードを実行でき、外部とコミュニケーションできます。声に出してみましょう。機密情報へのアクセス、コードの実行、外部とのコミュニケーションです。考えてみてください。従業員情報にもアクセスでき、サプライチェーン、財務情報、機密情報にアクセスでき、それを外部に送信できる、つまり外部と通信できるわけです。当然、これを許すわけにはいきません。
15.12 「OpenShell」技術によるエンタープライズ秘匿・セキュア化
Jensen Huang： そこで私たちは Peter と協力し、世界最高峰のセキュリティとコンピューティングの専門家を集め、Peter と一緒に OpenClaw をエンタープライズで安全かつエンタープライズでプライベートに使えるものに仕上げました。これが私たちの NVIDIA OpenClaw リファレンス、open Nemo claw、OpenClaw のリファレンスです。あらゆるエージェント型 AI ツールキットが含まれます。そしてその最初の部分が、OpenShell と呼ばれる技術であり、これは OpenClaw に統合されています。これで OpenClaw はエンタープライズで使える状態になりました。
15.13 NemoClawリファレンス：ポリシーエンジン、ネットワークガードレール、プライバシールータ
Jensen Huang： これが NemoClaw と呼ばれるリファレンススタックです。皆さんはこれをダウンロードして触ってみることができ、世界中のあらゆる SaaS 企業のポリシーエンジンに接続できます。皆さんのポリシーエンジンは極めて重要で、極めて価値のあるものですから、それを NemoClaw、つまり OpenShell を備えた OpenClaw に接続することで、そのポリシーエンジンを実行できるようになります。ポリシーがあり、ネットワークガードレールがあり、プライバシールータがあるのです。結果として、私たちはこのクローを企業内で安全に実行できるよう保護できます。さらに、私たち自身のクロー、つまりカスタムのクローを持てるよう、システムにいくつかの要素も追加しています。これによってカスタムモデルを持てるようになるのです。
16. NVIDIA Nemotronとオープンモデル戦略・Nemotron連合
16.1 NVIDIA独自フロンティアモデル群
Jensen Huang： これが NVIDIA のオープンモデルイニシアティブです。私たちはあらゆる AI モデルのドメインのフロンティアに立っています。言語のための Nemotron、世界の基盤モデルである Cosmos、汎用ロボティクスとヒューマノイドロボティクスのモデルである GR00T、自動運転車のための Alpamayo、デジタルバイオロジーのための BioNeMo、AI物理学のための Earth-2、これら一つ一つでフロンティアに立っているのです。
16.2 「世界は多様、単一モデルではすべての産業に応えられない」
ナレーター（Jensen Huang）： 世界は多様です。あらゆる産業に応えられる単一のモデルは存在しません。オープンモデルは世界最大級にして最も多様な AI エコシステムの一つです。
16.3 OSS AIエコシステムの300万モデル、NVIDIAは最大級OSS貢献者
ナレーター（Jensen Huang）： 言語、ビジョン、生物学、物理、自律システムにわたるほぼ300万のオープンモデルが、専門領域向けの AI 構築を可能にしています。NVIDIA はオープンソース AI への最大級のコントリビューターの一つです。
16.4 6ファミリのオープンフロンティアモデル、訓練データ・レシピ・フレームワーク提供
ナレーター（Jensen Huang）： 私たちは6つのオープンフロンティアモデルファミリーを構築・公開しており、開発者がカスタマイズして採用できるよう訓練データ、レシピ、フレームワークもあわせて提供しています。あらゆるファミリーで、リーダーボードのトップに立つ新しいモデルが次々とリリースされています。中核に位置するのは言語推論モデルの Nemotron で、視覚理解、RAG、安全性、音声を担います。物理 AI 向けの世界生成・理解のフロンティアモデルが Cosmos です。世界初の思考と推論ができる自動運転車 AI が Alpamayo です。汎用ロボットのための基盤モデルが GR00T、生物学、化学、分子設計のためのオープンモデルが BioNeMo、気象と気候予測のための AI 物理学に根ざしたモデルが Earth-2 です。NVIDIA のオープンモデルは、研究者と開発者が独自の専門領域に向けた AI を構築・展開するための基盤を提供しています。
Jensen Huang： 私たちのモデルは、皆さんに対して価値があるものです。なぜなら、まず第一にリーダーボードのトップに位置しており、世界クラスだからです。しかし最も重要なのは、私たちがこれを諦めずに毎日取り組み続けるという点です。Nemotron 3 の次は Nemotron 4 を出しますし、Cosmos 1 の次は Cosmos 2 が続きました。GR00T もすでに第2世代に入っており、これら一つ一つを継続的に進化させていきます。垂直統合と水平的なオープンネス。これによって誰もが AI 革命に参加できるようにするのです。リサーチ、音声、世界モデル、汎用ロボティクス、自動運転車、推論にわたってリーダーボードのトップにいます。
16.5 NemotronのOpenClawでのリーダーボードトップ3占有
Jensen Huang： そして最も重要なものの一つがこれです。Nemotron 3 を OpenClaw 上で動かしたものです。Nemotron 3 と OpenClaw です。トップ3を見てください。世界最高の3つのモデルが並んでいます。私たちはフロンティアに立っているのです。
16.6 Nemotron 3 Ultra：「史上最良のベースモデル」になる予定
Jensen Huang： 同時に、皆さんがファインチューニングしポストトレーニングして、必要なインテリジェンスへと正確に仕上げられる、基盤モデルを作り出すことも目指しています。これが Nemotron 3 Ultra です。これは世界がこれまでに作り出した中で最良のベースモデルになります。
16.7 ソブリンAI支援、ドメイン特化の必要性
Jensen Huang： これによって、私たちはあらゆる国がソブリン AI を構築するのを支援できます。多くの企業と協業しています。本日私が発表する最も興奮することの一つが、Nemotron Coalition です。私たちはこれに全力で取り組んでいます。AI に必要なコアエンジン、推論やその他のあらゆるライブラリ、そして世界のあらゆる産業を活性化するための AI モデルを開発するため、AI インフラに数十億ドルを投資してきました。大規模言語モデルはもちろん重要です。人間の知性ですから当然です。しかし、世界中の異なる産業、異なる国々では、自分たち独自のモデルとドメインをカスタマイズする能力を持つ必要があるのです。生物学、物理学、自動運転車、汎用ロボティクス、そしてもちろん人間言語まで、モデルのドメインは大きく異なります。私たちはあらゆる地域と協力して、それぞれのドメイン固有のソブリン AI を作り出す能力を持っています。本日、Nemotron 4 をさらに素晴らしいものにするべく、私たちと連携するコアリションを発表します。
16.8 Nemotron連合発表：Black Forest Labs、Cursor、LangChain、Mistral、Perplexity、Reflection、Sarvam、Thinking Machines
Jensen Huang： この連合にはすごい企業群が集まっています。画像企業の Black Forest Labs、有名なコーディング企業の Cursor、私たちもたくさん使っています。カスタムエージェント構築のために10億ダウンロードを達成した LangChain、Mistral、Arthur Mensch、彼は今日ここに来ていると思います。素晴らしい、素晴らしい企業です。Perplexity、これも素晴らしいです。彼らの検索エンジンは間違いなく使っています。皆さん使うべきです。本当に素晴らしいマルチモーダルなエージェント型システムです。Reflection、インドの Sarvam、Mira Murati のラボである Thinking Machines。これら信じられないほどの企業が私たちに加わってくれます。ありがとうございます。
16.9 「すべての企業はオープンソース戦略・エージェント戦略を持たねばならない」
Jensen Huang： 私が申し上げたように、世界中のあらゆるエンタープライズ企業、あらゆるソフトウェア企業はエージェント型システム、すなわちエージェント戦略を必要とします。オープンソース戦略を持たなければなりません。
16.10 2兆ドル産業から多兆ドル産業への再生
Jensen Huang： そして彼ら皆、合意してくれていますし、私たちと一緒に Nemo、NemoClaw リファレンスデザイン、NVIDIA エージェント型 AI ツールキット、そしてもちろんすべてのオープンモデルを統合するパートナーになってくれています。次から次へと企業が加わっています。本当にたくさんいます。私たちは皆さんとパートナーしており、心から感謝しています。これは私たちの瞬間です。これは再発明であり、ルネッサンス、エンタープライズ IT のルネッサンスなのです。これまで2兆ドル規模だった産業から、多兆ドル規模の産業へと生まれ変わろうとしています。
16.11 「将来エンジニアにはトークン予算が支給される」という未来の人事制度提案
Jensen Huang： これは単に人々が使うツールを提供するだけでなく、皆さんが専門知識を持つ非常に特殊なドメインに特化したエージェントを、私たちがレンタルできるようにするものです。私は将来、私たちの会社のすべてのエンジニアが年次のトークン予算を必要とするようになると、心から想像できます。彼らは年間ベースで数十万ドルの基本給を受け取ることになるでしょう。私はその上に、おそらくその半額分をトークンとして与えて、10倍に増幅されるようにします。当然そうします。
16.12 シリコンバレーのリクルーティング指標「年間トークン量」
Jensen Huang： それは今やシリコンバレーのリクルーティングツールの一つになっています。仕事と一緒にどれだけのトークンが付いてくるか、というわけです。理由は非常に明確で、トークンにアクセスできるエンジニアは生産性がより高くなるからです。そしてそれらのトークンは、皆さんもご存じのとおり、皆さんと私たちがパートナーとして構築する AI ファクトリーによって生み出されることになります。
Jensen Huang： つまり、今日のあらゆるエンタープライズ企業はファイルシステムとデータセンターの上に成り立っていますが、未来のあらゆるソフトウェア企業はエージェント型になり、彼らはトークンメーカーになります。自社のエンジニアにとってはトークンユーザーであり、すべての顧客にとってはトークンメーカーになるのです。それらのトークンは、もちろん皆さんと私たちがパートナーとして構築する AI ファクトリーによって生み出されます。
16.13 「OpenClawイベントはHTML／Linuxに匹敵する」
Jensen Huang： OpenClaw、そして OpenClaw イベントの意味は、軽く扱うわけにはいきません。これは HTML と同じくらい大きな出来事です。これは Linux と同じくらい大きな出来事です。私たちは今、世界中のあらゆる人がオープンコア戦略を構築するために使える、世界クラスのオープンで巨大なフレームワークを手にしました。
16.14 Nemo＝最適化済・パフォーマント・安全・セキュアなリファレンスデザインの提供
Jensen Huang： そして私たちは Nemo というリファレンスデザインを作りました。皆さんがお使いいただけるもので、最適化されており、パフォーマンスが高く、安全でセキュアです。
17. フィジカルAIとロボティクス：自動運転からヒューマノイドまで
17.1 物理具現化エージェントとしてのロボット
Jensen Huang： エージェントの話に触れたところで、エージェントとは皆さんご存じのとおり、知覚し、推論し、行動するものです。これまでお話ししてきた世界中のほとんどのエージェントはデジタルエージェントで、デジタル世界で行動します。彼らは推論し、ソフトウェアを書きます。すべてはデジタル空間でのことです。しかし、私たちは物理的に具現化されたエージェントについても長い間取り組んできました。それを私たちはロボットと呼んでいます。そして彼らに必要なAIはフィジカルAIです。
17.2 GTCに集まる110ロボット
Jensen Huang： ここで大きな発表をいくつかしたいと思います。会場にはロボットが110台来ています。ロボットを作っている世界中のほぼあらゆる企業がNVIDIAと協業しているといっても過言ではありません。
17.3 3つのコンピュータ：訓練／合成データ生成・シミュレーション／ロボット搭載
Jensen Huang： 私たちは3つのコンピュータを擁しています。トレーニングコンピュータ、合成データ生成およびシミュレーションコンピュータ、そしてもちろんロボット本体に搭載されるロボティクスコンピュータです。それを実現するために必要なソフトウェアスタックすべてと、皆さんを支援するAIモデルがあります。そしてこれらすべてが世界中のエコシステムに統合されています。
17.4 Siemens、Cadenceなどパートナー
Jensen Huang： SiemensやCadenceなど、あらゆるパートナーが私たちと協業しています。そして今日、まったく新しいパートナーを多数発表します。
17.5 ロボタクシ対応プラットフォームの新パートナー：BYD、Hyundai、Nissan、Geely
Jensen Huang： 皆さんご存じのとおり、私たちは長らく自動運転車に取り組んできました。自動運転車のChatGPTモーメントが到来したのです。今や私たちは、自動運転を成功裏に、自律的に行えることを把握しています。そして今日、NVIDIAのロボタクシ対応プラットフォームに4社の新パートナーが加わることを発表します。BYD、Hyundai、Nissan、Geelyです。これらを合わせて年間1,800万台の自動車を生産しており、以前からのパートナーであるMercedes、Toyota、GMに加わることになります。将来のロボタクシ対応車両の数は信じられないものになるでしょう。
17.6 Uberとの複数都市展開パートナーシップ
Jensen Huang： そしてUberとのパートナーシップも発表します。複数の都市にわたって、これらのロボタクシ対応車両を彼らのネットワークに展開・接続していきます。実に多くの新しい車両が登場することになります。
17.7 ABB、Universal Robotics、Kuka、Caterpillar、T-Mobile
Jensen Huang： ABB、Universal Robotics、Kuka、その他多くのロボティクス企業が会場におり、彼らと協業して私たちのフィジカルAIモデルをシミュレーションシステムに統合し、これらのロボットを世界中の製造ラインに展開できるようにしています。Caterpillarも来ていますし、T-Mobileも来ています。
17.8 「無線塔はNVIDIA Aerial AI RANによるロボティクス無線塔に」という未来像
Jensen Huang： T-Mobileがここにいる理由は、将来、かつての無線塔がNVIDIA Aerial AI RAN基地局になるからです。これはロボティクスの無線塔になり、交通について推論し、ビームフォーミングをどう調整すればできるだけ多くのエネルギーを節約しつつ忠実度を高められるかを判断できるようになります。
Jensen Huang： 会場にはヒューマノイドロボットも多数いますが、私のお気に入りの一つはDisneyのロボットです。それでは、まずいくつか映像をご覧いただきましょう。
17.9 NVIDIA Alpamayoでの推論搭載車両：レーン変更を自然言語で解説、二重駐車回避、音声指示で加速
ナレーター（Jensen Huang）： 物理AIの最初のグローバルな大規模展開がここに到来しました。NVIDIA Alpamayoによって、自動運転車はあらゆるシナリオで安全かつ知的に動作するための推論能力を備えるようになりました。私たちは車に自分の行動をナレーションするよう求めました。
車両： 私はルートに従うために右車線に変更しています。
ナレーター（Jensen Huang）： 車は意思決定の際の思考も説明します。
車両： 自分の車線に二重駐車している車両があります。私はそれを避けて通ります。
ナレーター（Jensen Huang）： さらに指示にも従います。
ドライバー： ねえMercedes、もう少しスピードを上げてくれない？
車両： 了解、スピードを上げます。
17.10 「現実世界データだけでは決して十分にならない、AI・シミュレーション生成データが必要」
ナレーター（Jensen Huang）： これがフィジカルAIとロボティクスの時代です。世界中で開発者があらゆる種類のロボットを構築していますが、現実世界は途方もなく多様で、予測不能で、エッジケースに満ちています。あらゆるシナリオに対応するために、現実世界のデータだけでは決して足りないのです。ロボットのためにはAIとシミュレーションによって生成されたデータが必要です。
17.11 Isaac Lab、Newton、Cosmosワールドモデル、GR00T
ナレーター（Jensen Huang）： コンピュートこそがデータです。開発者はインターネット規模の動画と人間によるデモンストレーションを用いて世界基盤モデル（World Foundation Model）を事前学習し、モデルの性能を評価して事後学習に備えます。古典的シミュレーションとニューラルシミュレーションを使って、大規模な合成データを生成し、ポリシーをスケールでトレーニングして開発を加速させます。NVIDIAはロボット訓練と評価、シミュレーションのためにオープンソースのIsaac Labを構築しました。拡張可能でGPUアクセラレートされた微分可能物理シミュレーションのためのNewton。ニューラルシミュレーションのためのCosmosワールドモデル。ロボットの推論と行動生成のためのオープンなロボティクス基盤モデルGR00Tです。十分なコンピュートがあれば、世界中の開発者がフィジカルAIのデータギャップを埋めていけます。
17.12 顧客事例：Peritas AI、Skild AI、1X Humanoid、Hexagon Robotics、Foxconn、Noble Machines、Disney Research
ナレーター（Jensen Huang）： Peritas AIは手術室アシスタントロボットをNVIDIA Isaac Lab内で訓練し、NVIDIA Cosmosワールドモデルを使ってデータを増殖しています。Skild AIはIsaac LabとCosmosを使ってSkild AIブレインの事後学習データを生成しています。強化学習を用いて、数千通りのバリエーションにわたってモデルを頑健化しています。1X HumanoidはIsaac Labを使って全身制御と操作のポリシーを訓練しています。Hexagon RoboticsはIsaac Labを訓練とデータ生成に使っています。FoxconnはIsaac Lab内でGroupモデルをファインチューニングしており、Noble Machinesも同様です。Disney ResearchはKamino物理シミュレータをNewtonとIsaac Lab内で使い、彼らのキャラクターロボットのポリシーをあらゆるユニバースにわたって訓練しています。
18. オラフ登場とキーノート締めくくり
18.1 Disney／DeepMindと共同開発したNewton solver（NVIDIA Warp上）の実演
Jensen Huang： 皆さん、Olafです。
Olaf： 通りますよー。
Jensen Huang： Newtonが動いた。すごい。Omniverseが動いた。Olaf、調子はどう？
Olaf： 会えてとっても嬉しいよ。
Jensen Huang： そうだろうね。だって僕が君にコンピュータをあげたんだから。Jetsonだよ。
Olaf： 何それ?
Jensen Huang： 君のお腹の中に入っているんだよ。
Olaf： それってすごいことになりそう。
18.2 Omniverse内でのオラフの歩行学習
Jensen Huang： そして君はOmniverseの中で歩き方を学んだんだ。
Olaf： 僕、歩くの大好き。トナカイに乗るよりずっといいよ。美しい空を見上げながらね。
Jensen Huang： それはね、物理のおかげなんだ。NVIDIA Warpの上で動くNewton solverを使ってね。これはDisneyとDeepMindと一緒に共同開発したものなんだ。それのおかげで、君は物理世界に適応できるようになったんだよ。見てみて、君はそんなに賢いんだ。
Olaf： 僕は雪だるまであって、雪だるま百科事典じゃないよ。
18.3 「将来のディズニーランドはロボットキャラクターが歩き回る」というビジョン
Jensen Huang： これを想像してみてください。ディズニーランドの未来です。こうしたロボットたち、こうしたキャラクターたちが、みんな辺りを歩き回っているのです。あ、でも正直に言うと、もっと背が高いと思っていたよ。こんなに小さい雪だるまは正直見たことがないなあ。
Olaf： ううん、こんなもんだよ。
18.4 主要トピックの総括
Jensen Huang： じゃあちょっと、僕を助けてくれないかな。
Olaf： やったー！
Jensen Huang： 普段、普段ね、僕はキーノートを締めくくるときに、これまでお話ししたことを振り返って締めくくるんだ。今日は推論の変曲点について話しました。AIファクトリーについて話しました。今まさに起きているオープンコア・エージェント革命について話しました。
18.5 友人達と共に締め括る映像演出、「Have a great GTC」での閉幕
Jensen Huang： そしてもちろん、フィジカルAIとロボティクスについても話しました。でも、ちょっと違うことをしましょう。何人かの友達に手伝ってもらって締めくくるというのはどうでしょうか。
Olaf： もちろん！
Jensen Huang： よし、再生して。さあ行こう。
Jensen Huang： はい、それでは。素晴らしいGTCをお過ごしください。