※本記事は、Jensen Huang氏（NVIDIA 社長兼CEO）とLaurence D. Fink氏による対談セッション「Conversation with Jensen Huang, President and CEO of NVIDIA」の内容を基に作成されています。本セッションは、2026年1月に開催された第56回世界経済フォーラム年次総会（ダボス会議2026）において行われました。動画はWorld Economic ForumのYouTubeチャンネルにて公開されており、詳細については公式ウェブサイト http://www.weforum.org/ をご覧いただけます。本記事では、セッションの内容を要約しております。なお、本記事の内容は登壇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。世界経済フォーラムは公民連携のための国際機関であり、政治・ビジネス・文化などの各分野のリーダーが集い、グローバル・地域・産業アジェンダの形成を目的としています。第56回年次総会には100以上の政府、主要国際機関、フォーラムパートナー企業1000社のほか、市民社会リーダー、専門家、若者代表、社会起業家、報道機関が参加しました。
1. オープニング：ジェンセン・ファンの登壇とNVIDIAの軌跡
Fink： 本日は、私が深く尊敬し、テクノロジーとAIへの理解を深める旅において師と仰いできた人物をご紹介できることを、大変光栄に思います。Jensen HuangがいかにしてNVIDIAを率いてきたか、その歩みを見てきた者として、一つ比較をご紹介したいと思います。NVIDIAが上場したのは1999年のことです。実は同じ年にBlackRockも上場しています。それ以来、NVIDIAの株主総利回りは年率複利で37%を記録しています。これがどれほど驚異的な数字か、IPO時からNVIDIAに投資していた年金基金がどれほどの恩恵を受けていたかを想像してみてください。一方、BlackRockの年率総利回りは21%です。金融サービス業としては決して悪い数字ではありませんが、NVIDIAと比べると見劣りしてしまう。これはJensenのリーダーシップと、NVIDIAという会社の戦略的なポジショニングを示す何よりの証拠です。そして世界がNVIDIAの未来に対していかに強い信頼を寄せているかを如実に表しています。Jensenさん、この素晴らしい旅路に敬意を表します。そしてこれからも長い旅が続くことを確信しています。
Huang： ありがとうございます。ただ、一つだけ後悔していることがあります。IPO後、両親に何か良いものを買ってあげたくて、NVIDIAの株を売ったのです。当時の時価総額は3億ドルでした。その売却益でメルセデスのSクラスを買いました。今となっては、あれは世界一高い買い物だったと言わざるを得ません。
Fink： ご両親はまだその車をお持ちなのですか？
Huang： ええ、もちろん今でも持っていますよ。
2. AIはプラットフォームシフトである：構造的変化の本質
2-1. PC・インターネット・モバイルクラウドに続く第四のプラットフォーム転換
Fink： AIがこれほどまでに重要な経済成長のエンジンになり得ると信じる理由は何でしょうか。そして、過去のテクノロジーサイクルと比べて、この技術のこの瞬間が何を異なるものにしているのでしょうか。
Huang： ChatGPT、Gemini、Anthropic Claudeなど、さまざまな形でAIと触れ合っているとき、それが何をしているのかを根本的な原理から考えてみることが重要です。これはプラットフォームシフトです。プラットフォームとは、その上にアプリケーションが構築されるものです。PCへのプラットフォームシフトでは、新しい種類のコンピューターの上に新しいアプリケーションが開発されました。インターネットへのプラットフォームシフトでは、新しいコンピューティング基盤がさまざまな新しいアプリケーションを生み出しました。モバイルクラウドへのプラットフォームシフトでも同様です。これらのプラットフォームシフトそれぞれにおいて、コンピューティングスタック全体が再発明され、新しいアプリケーションが生まれました。今起きていることもまさにそういうことです。ChatGPT自体はアプリケーションですが、その上にさらに新しいアプリケーションが構築されていく。Anthropic Claudeの上にも新しいアプリケーションが構築されていく。そういう意味でのプラットフォームシフトが今まさに起きています。
2-2. 構造化情報処理（SQL）から非構造化情報のリアルタイム処理へ
Huang： AIが何をできるかを理解すれば、その意味はずっとわかりやすくなります。かつてのソフトウェアは、事前に記録されたものでした。人間がアルゴリズム、つまりコンピューターが実行するレシピを記述していたのです。そしてそのソフトウェアが処理できたのは、構造化された情報だけでした。名前、住所、口座番号、年齢、居住地といった情報を、あらかじめ決められた形式のテーブルに入力し、SQLと呼ばれるデータベースエンジンで検索していました。SQLは人類が生み出した中で最も重要なデータベースエンジンであり、これまでほぼすべてのシステムがSQLの上で動いていました。
しかし今、私たちは非構造化情報を理解できるコンピューターを手にしています。画像を見てその意味を理解し、テキストを読んでその内容を把握し、音声を聞いてその意味と構造を理解し、次に何をすべきかを推論することができます。
2-3. 「事前記録型」から「文脈理解・意図推論型」へのコンピューティングの根本的変容
Huang： 決定的に重要なのは、このAIが事前記録型ではなく、リアルタイムで処理するという点です。つまり、状況の文脈、環境情報、与えられた情報を受け取り、その情報の意味を推論し、あなたの意図を理解して、タスクを実行することができます。意図は、どんな形で表現しても構いません。私たちはそれをプロンプトと呼んでいますが、好きなように表現すればいい。AIがあなたの意図を理解できる限り、それに応じてタスクを実行してくれます。これはかつてのコンピューターには不可能だったことです。この根本的な変化こそが、今のAIを単なるソフトウェアの進化ではなく、コンピューティング全体の再発明として捉えるべき理由です。
3. AIの五層構造と史上最大のインフラ建設
3-1. エネルギー・チップ・クラウド・モデル・アプリケーションの五層レイヤーケーキモデル
Huang： AIとは何かを考えるとき、多くの人はAIモデルのことを思い浮かべます。しかし産業的な観点から見れば、AIは実質的に五層構造のレイヤーケーキです。最下層はエネルギーです。AIはリアルタイムで処理を行い、リアルタイムで知性を生成するため、そのためのエネルギーが必要です。第二層は私が身を置いている層、チップとコンピューティングインフラです。その上にあるのがクラウドインフラ、クラウドサービスの層です。さらにその上がAIモデルの層で、ほとんどの人がAIと聞いて思い浮かべるのはここです。しかしこれらのモデルが機能するためには、その下にあるすべての層が必要であることを忘れてはなりません。そして最上層、これが今まさに重要性を増している層ですが、アプリケーション層です。昨年がAIにとって驚異的な年だったのは、AIモデルが飛躍的な進歩を遂げたことで、その上に構築されるアプリケーション層が現実のものになり始めたからです。このアプリケーション層は金融サービスでも、ヘルスケアでも、製造業でも構いません。経済的な価値が生まれるのは究極的にはこの層においてです。
3-2. 数兆ドル規模に達する世界同時多発的なインフラ建設の実態
Huang： このコンピューティングプラットフォームはすべての下位層を必要とするがゆえに、史上最大のインフラ建設が始まっています。皆さんが目の当たりにしていることがまさにそれです。現時点ですでに数千億ドルの投資が行われていますが、Larry と私はさまざまなプロジェクトで協力する機会がありますが、構築されるべきインフラは数兆ドル規模に上ります。これは理に適っています。AIがアプリケーション層を動かすための知性を生成するためには、膨大なコンテキストをリアルタイムで処理し続ける必要があり、そのための基盤全体を整備しなければならないからです。
Fink： まさにその通りですね。
Huang： エネルギーセクターは今、驚異的な成長を見せています。チップセクターではTSMCが新たに20のチップ工場を建設すると発表しました。FoxconnはWistronやQuantaと協力して30の新しいコンピューター工場を建設し、それらがAIファクトリーへと供給されます。チップ工場、コンピューター工場、AIファクトリーが世界中で同時に建設されているのです。
Fink： メモリも忘れてはいけませんね。
Huang： おっしゃる通りです。MicronはアメリカでAI関連のインフラに2000億ドルの投資を開始しました。SK HynixもSamsungも目覚ましい成長を見せています。チップ層全体が今日、驚くほどの勢いで拡大しています。
3-3. VC投資の動向：2025年は「AIネイティブ企業」への投資が史上最大規模
Huang： モデル層にも多くの注目が集まっていますが、それより上のアプリケーション層が実に素晴らしい動きを見せていることは特筆すべきです。その指標の一つがVCの投資先です。2025年はVC投資として過去最大級の年の一つでしたが、その投資の大半が向かったのは「AIネイティブ企業」と呼ばれる企業群です。これらはヘルスケア、ロボティクス、製造業、金融サービスといった世界の主要産業に属する企業です。なぜかと言えば、初めてモデルが十分な水準に達し、その上にアプリケーションを構築できるようになったからです。これまでモデルはあったけれど、その上に本格的なサービスを構築するには力不足でした。今はそうではない。だからこそ、これらの産業への大規模な投資が始まっているのです。
4. 2025年のAI技術における三大ブレークスルー
4-1. 推論能力の向上とAIエージェントシステムへの進化
Fink： AIの物理世界への展開、つまり分散についてもう少し掘り下げて話していただけますか。ヘルスケアはわかりやすい例ですが、輸送や科学といった分野ではどのような変革の機会があるとお考えですか。
Huang： 昨年、AIの技術層、つまりモデル層において三つの大きなことが起きたと言えます。まず一つ目は、モデルそのものの進化です。当初、これらのモデルは興味深くはあったものの、ハルシネーション、つまり事実に基づかない出力が多く見られました。しかし昨年、私たちは合理的にこう言えるようになりました——これらのモデルはより確かな根拠に基づいて動作するようになった、と。モデルはリサーチを行い、学習していない状況についても推論できるようになりました。問題をステップバイステップの推論過程に分解し、計画を立て、質問に答えたり、タスクを実行したりするようになったのです。こうして昨年、私たちは言語モデルがAIシステムへと進化するのを目撃しました。私たちはこれをエージェンティックAI、エージェント型AIと呼んでいます。
4-2. オープンモデルの台頭：DeepSeekが示した産業的転換点
Huang： 二つ目の大きなブレークスルーはオープンモデルの台頭です。一年ほど前、DeepSeekが登場しました。多くの人がDeepSeekに対して大きな懸念を示しましたが、実際のところDeepSeekは世界中のほとんどの産業、ほとんどの企業にとって非常に大きな出来事でした。なぜなら、それは世界初のオープンな推論モデルだったからです。それ以降、多くのオープン推論モデルが次々と登場しています。オープンモデルの登場によって、企業、産業、研究者、教育者、大学、スタートアップがこれらのモデルを出発点として活用し、自分たちのニーズに特化したドメイン固有の、専門化されたモデルを作り上げることができるようになりました。これは産業界にとって根本的な転換点です。
4-3. フィジカルAI（物理的知性）の飛躍——タンパク質・物理・創薬への応用
Huang： 三つ目の領域は、フィジカルインテリジェンス、物理的AIという概念において昨年、驚異的な進歩がありました。言語だけでなく、自然界を理解するAIです。物理世界を理解するAIと言ってもいいでしょう。タンパク質を理解するAI、化学物質を理解するAI、物理法則——流体力学、素粒子物理学、量子物理学——を理解するAI。これらのAIはそれぞれ異なる構造、異なる「言語」を学んでいます。タンパク質は本質的に一種の言語です。こうしたAI群が今、驚くほどの進歩を遂げており、製造業から創薬に至るまでの産業企業が大きな成果を上げ始めています。
その好例が、私たちがEli Lillyと結んだパートナーシップです。彼らはAIがタンパク質の構造や化学物質の構造を理解する能力において、これほどまでに非凡な進歩を遂げていることに気づきました。タンパク質に対して、私たちがChatGPTと対話するのと同じように語りかけることができるようになりつつあります。これによって、創薬の分野で本当に大きなブレークスルーが生まれるでしょう。
5. AIと雇用：「仕事の目的」と「仕事のタスク」を区別するフレームワーク
5-1. インフラ建設がもたらす大規模な技能職雇用創出と給与の急騰
Fink： これだけ多くのブレークスルーが起きると、人間の要素に対する懸念が高まります。AIが雇用を奪うという懸念は非常に大きい。しかしJensenさんは一貫してその逆を主張されています。史上最大のインフラ建設が始まるということは、エネルギー、産業、インフラ層で雇用が生まれるということでもありますね。では、AIとロボティクスが仕事をなくすのではなく、仕事の性質を変えるという点について、もう少し詳しく聞かせてください。
Huang： まず第一に、これは史上最大のインフラ建設です。それだけで膨大な雇用が生まれます。そして素晴らしいことに、その雇用は職人的な技能に関わるものです。配管工、電気工、建設作業員、鉄鋼労働者、ネットワーク技術者、機器の設置・据付を行う作業員——こうした仕事がアメリカ国内でも急速に増えています。給与はほぼ倍増しており、チップ工場、コンピューター工場、AIファクトリーを建設する人材は六桁の年収を得ています。そしてこの分野では深刻な人手不足が続いています。コンピューターサイエンスの博士号がなくても、十分に豊かな生活を送れる。そのことを多くの国の多くの人々が認識し始めていることを、私は大変喜ばしく思っています。
5-2. 放射線科医の事例：AI完全普及にもかかわらず従事者数が増加したメカニズム
Huang： タスクの自動化が雇用に与える影響について、私はいくつかの実例をご紹介したいと思います。これは実際に起きたことです。10年前、最初に消えると言われた職業の一つが放射線科医でした。その理由は、最初に人間を超えた能力を持つAIがコンピュータービジョンであり、その最大の応用の一つが放射線科医によるスキャン読影だったからです。10年後の今、AIが放射線科学のあらゆる側面に完全に浸透・普及したのは事実です。放射線科医がAIを使ってスキャンを読影しているのも事実です。影響は100%、完全に現実のものとなっています。しかし、驚くべきことではありませんが——第一原理から考えれば驚くことではないのですが——放射線科医の数は増えているのです。
Fink： それはAIへの信頼の欠如からですか？それとも、AIの結果と人間のインタラクションによってより良いアウトカムが生まれるからですか？
Huang： まさに後者です。放射線科医の仕事の目的は、疾患を診断し患者を助けることです。それが仕事の目的です。スキャンを読影するのは、その目的を達成するためのタスクに過ぎません。スキャンを非常に速く読めるようになったことで、患者との対話に、疾患の診断に、他の医療スタッフとの連携に、より多くの時間を使えるようになりました。さらに、診察できる患者数が増えたことで病院の収益が上がり、病院はより多くの放射線科医を採用するようになりました。スキャンを待っている患者が大勢いたわけですから、処理能力が上がれば自ずとそうなります。
5-3. 看護師の事例：記録業務の自動化が生んだ逆説的な採用増と人手不足の深刻化
Huang： 全く同じことが看護師にも起きています。アメリカでは現在500万人の看護師が不足しています。AIを使ってカルテ記録や患者訪問の文書化を自動化することで、看護師の業務がどう変わったか。看護師は勤務時間の半分をチャート記録、つまり文書作業に費やしていました。私たちのパートナー企業であるAbridgeが、この領域で素晴らしい仕事をしています。AIによる記録支援によって、看護師は患者のそばにいる時間を増やすことができるようになりました。人間的な触れ合いです。そして患者をより多く診られるようになったことで、病院の経営が改善し、病院はより多くの看護師を採用するようになりました。AIが生産性を高め、その結果として病院が成長し、より多くの人を雇用するという構造が生まれているのです。
5-4. 「タイピスト」の比喩——タスクの自動化と仕事の本質目的を混同する危険性
Huang： ある仕事にAIがどんな影響を与えるかを考える最も簡単な方法は、その仕事の「目的」と「タスク」を分けて考えることです。もし私たちを外から観察したら、私たちは二人ともタイピストに見えるでしょう。私は一日中タイピングをしています。だからAIが文字予測を自動化してくれたら、私たちは仕事を失うということになる。しかしそれは明らかに違います。タイピングは私たちの目的ではなく、目的を達成するためのタスクに過ぎないからです。放射線科医も看護師も、その目的は人々を care することであり、タスクが自動化されることでその目的はより効果的に果たされるようになります。仕事の目的と仕事のタスクを区別して考えること——これが、AIが雇用に与える影響を正しく理解するための有効なフレームワークです。
6. 途上国・新興国へのAI普及と格差是正の可能性
6-1. AIはインフラである：各国が自国で構築すべき国家的基盤という考え方
Fink： 先週末、Anthropicのレポートを読みました。それによれば、AIの利用は現在、高学歴層に著しく偏っており、しかも各社会の中でも教育水準の高い層がより多く活用しているという。また、そのデータはAnthropicの自社モデルに基づいているため、バイアスがかかっている可能性もあります。AIをかつてWi-Fiや5Gが新興国にもたらしたような変革的技術にするためには、どうすればよいでしょうか。新興国や途上国においてAIが雇用や経済成長にどのような影響を与えるか、そしてどうすれば格差ではなく経済の拡大につなげられるか、お聞かせください。
Huang： まず根本的なことから言えば、AIはインフラです。電力があり、道路がある。AIもそれと同様に、各国のインフラの一部として整備されるべきものです。世界中のどの国も、AIを自国のインフラとして持つ必要があると私は思います。もちろん、AIを外部から輸入するという選択肢もあります。しかし今日、AIを構築することはかつてほど難しくありません。オープンモデルが数多く存在する今、そうしたオープンモデルに自国の専門知識を組み合わせることで、自国のニーズに役立つモデルを作ることができます。すべての国が積極的に関与し、AIインフラを構築し、自国のAIを開発すべきだと私は強く信じています。
6-2. オープンモデルと自国の言語・文化を活用した国産AI構築の戦略
Huang： 各国が持つ最も根本的な天然資源は何か。それは言語と文化です。自国の言語と文化を活かしてAIを開発し、継続的に洗練させ、その国独自のAIエコシステムを国家的インフラの一部として築いていく。これが私が各国に勧めるアプローチです。自国のAIを持つことは、単に技術的な優位性を得るためだけではありません。言語、文化、歴史、価値観を体現したAIを持つことは、その国のアイデンティティそのものに関わることです。オープンモデルの台頭はこの文脈において非常に重要な意味を持ちます。以前であれば、高度なAIモデルを一から構築するには膨大なリソースが必要でした。今はオープンモデルを起点にして、そこに自国の知識や文化的文脈を積み重ねることができます。これは新興国にとって大きなチャンスです。
6-3. AIの圧倒的な使いやすさがデジタルデバイドを縮小しプログラミングを民主化する
Huang： AIがデジタルデバイドを縮小する可能性があると私が楽観的に考える最大の理由は、AIが歴史上最も使いやすいソフトウェアだからです。だからこそ、これほど急速に普及しているのです。わずか二、三年で利用者数はほぼ10億人に近づきつつあります。開発途上国であっても、AIはアクセスしやすく、使いやすく、非常に豊富に提供されています。AIを使いこなす能力は、人を管理したりリードしたりするスキルと何ら変わりません。AIをどう指示するか、どうプロンプトするか、どう管理するか、どうガードレールを設けるか、どう評価するか——これらのスキルは、私たちが日常的に行っている人材マネジメントと本質的に同じです。将来的には、炭素ベースのAI、つまり生物学的な人間とともに、シリコンベースのデジタルなAIが私たちのデジタルワークフォースの一部となります。私たちはそれらを管理していくことになります。
そして特に重要なのは、プログラミングの民主化です。かつては、コンピューターを使いこなすためにプログラミングを学ばなければなりませんでした。しかし今は、コンピューターにどうプログラムするか聞けばいいのです。AIの使い方がわからなければ、AIに向かって「AIの使い方がわからない、どう使えばいい？」と聞けばいい。AIが説明してくれます。自分のウェブサイトを作るプログラムを書きたければ、そう言えばいい。AIがどんなウェブサイトを作りたいかを質問し、そのコードを書いてくれます。コンピューターサイエンスの学位がなくても、誰でも開発者になれる時代が来ています。AIの普及が新興国の発展を後押しする可能性について、私はかなり楽観的です。
7. ヨーロッパの競争機会、AIバブル論への反論、そして投資の展望
7-1. 欧州の製造業基盤はソフトウェア時代を飛び越えてフィジカルAI・ロボティクスへ跳躍できる
Fink： 私たちが話してきた企業を振り返ると、アメリカ企業とアジア企業ばかりです。ここヨーロッパにいる私たちにとって、AIの成功とヨーロッパの未来はどう交差するのでしょうか。NVIDIAはそこでどんな役割を果たせるとお考えですか。
Huang： NVIDIAはインフラ層の深いところにいるため、世界中のすべてのAI企業と協力できるという恵まれた立場にあります。言語のAI、生物学のAI、物理学のAI、製造やロボティクスに関わるワールドモデルなど、あらゆるAIを支えています。その観点からヨーロッパを見たとき、非常に胸が躍ります。ヨーロッパの産業・製造業の基盤は非常に強固です。これはソフトウェアの時代を飛び越えるチャンスです。アメリカがソフトウェアの時代をリードしました。しかしAIはソフトウェアを書く必要がないソフトウェアです。AIはプログラムするものではなく、教えるものです。だからこそ今すぐ参入し、ヨーロッパが誇る産業力・製造力と人工知能を融合させることができれば、フィジカルAI、つまりロボティクスの世界へと踏み込むことができます。ロボティクスはヨーロッパ諸国にとって一世代に一度の機会です。私がここで訪問する国々はどこも産業基盤が非常に強い。さらに、ヨーロッパでは基礎科学が今なお非常に強く、その深い科学的土台に人工知能を適用することで、発見を加速させることができます。ただし、そのためには一つの前提条件があります。エネルギー供給を本気で増やすことに取り組み、インフラ層への投資を可能にし、ヨーロッパに豊かなAIエコシステムを築く必要があります。
7-2. GPUレンタル価格上昇と製薬R&D予算シフトが示すAIバブル論への反証
Fink： Jensenさんのお話を聞いていると、AIバブルとは程遠い、むしろ問うべきは「十分に投資できているか」という問いだと聞こえます。バブルを懸念する声が非常に多い中で、あなたはどうお考えですか。
Huang： AIバブルかどうかを判断するための良いテストがあります。NVIDIAは現在、クラウド上に数百万台のNVIDIA GPUを持っており、あらゆるクラウドに存在し、あらゆる場所で使われています。そして今、NVIDIA GPUをレンタルしようとすると、非常に難しい状況です。GPUレンタルのスポット価格は上昇しています。最新世代だけではありません。二世代前のGPUのスポット価格も上がっています。なぜかというと、新しく生まれているAI企業の数、R&D予算をAIにシフトしている企業の数が増え続けているからです。Eli Lillyはその好例です。三年前、彼らのR&D予算のほぼすべてはウェットラボに使われていました。しかし今、大型のAIスーパーコンピューターとAIラボへの投資に注目してください。R&D予算はますますAIへとシフトしています。投資が大きいのは、AIのすべての上位層を支えるために必要なインフラを構築しなければならないからです。それは理に適っています。バブルではなく、実需に基づいた投資拡大です。
7-3. 年金基金・一般市民がAI成長の恩恵を受けるための投資参加の必要性
Huang： 機会は本当に非常に大きい。誰もが関与すべきです。エネルギーが必要です。土地、電力、建屋が必要です。技能職の労働者も必要です。実はこの労働者層は、ヨーロッパでは今なお非常に強い。アメリカはこの分野で過去二、三十年の間に多くを失いましたが、ヨーロッパではまだ非常に強い。これは非常に大きなチャンスです。ぜひ活かしてほしい。
Fink： LarryとJensenが働く分野では投資機会が見えており、投資規模は拡大しています。2025年はVC投資として史上最大の年で、世界中で1000億ドルを超え、その大半がAIネイティブ企業に向けられました。これらのAI企業はアプリケーション層を構築しており、インフラへの投資が必要です。世界中の年金基金にとって、このAIの世界とともに成長していくことは素晴らしい投資機会になると私は信じています。これが多くの政治リーダーへの私のメッセージでもあります。一般の年金受給者、一般の貯蓄者がこの成長の恩恵を受けられるようにしなければなりません。彼らがただ傍観しているだけでは、取り残されたと感じることになってしまいます。
Huang： インフラへの投資は素晴らしい投資選択肢です。これは人類史上最大のインフラ建設です。ぜひ参加してください。