Nvidiaが最新AIチップとVera Rubinを発表設計不具合と市場シフトのはざまで - NewsTomo

米半導体大手Nvidiaが、米カリフォルニア州サンノゼで開いた年次開発者会議で最新のAI向けハードウェアとソフトウェアを発表しました。設計上の不具合による遅延リスクを抱えつつも、急速に変化するAI市場で主導権を握り続けられるのかが注目されています。

Nvidiaが狙うのは「ポスト学習」時代の主導権

今回の開発者会議では、GPU（画像処理半導体）だけでなく、ネットワーク製品やロボティクス向けフレームワークまで、AIインフラ全体をカバーする発表が並びました。背景には、巨大な生成AIモデルを育てる「学習」段階から、それらを実際のサービスで動かす「推論」段階へと、産業の重心が移りつつあることがあります。

CEOのジェンスン・フアン氏は、効率的なAI学習と推論を同時に実現する新しいチップ群とシステムを示すことで、Nvidiaがこの転換期でも中核プレーヤーであり続ける姿勢を打ち出しました。

Blackwell Ultra：巨大モデルに対応するメモリ強化GPU

発表の柱の一つが、新GPU「Blackwell Ultra」です。2025年後半に向けてリリースが予定されており、ポイントはメモリ容量の大幅な拡張です。より大きなAIモデルを1つのGPU、もしくは少ないGPU台数で処理できるようにする狙いがあります。

生成AIや大規模言語モデルでは、モデルそのもののサイズと扱うデータ量が急激に増え続けています。GPUのメモリが足りないと、モデルを複数のGPUに分割して載せる必要があり、その分だけソフトウェアが複雑になり、通信のオーバーヘッドも増えます。Blackwell Ultraが目指すのは、このボトルネックをメモリの「物量」で押し広げることです。

設計上の不具合で現在のBlackwellに製造遅延

一方で、現行のBlackwell製品には設計上の不具合があり、製造の遅れを招いているとされています。この設計上の問題が、Blackwellシリーズ全体の立ち上がりを難しくしている格好です。

AI向けGPUはクラウド事業者や大企業が長期的な投資計画を立てて導入するため、製造遅延は次のような影響を及ぼしやすくなります。

データセンターの増設計画やサービス開始時期の遅れ
他社製品や既存世代GPUへの一時的な乗り換え・併用
サプライチェーン全体のコスト増加と調達リスク

今回の発表は、こうしたリスクを抱えながらも、Nvidiaが中長期のロードマップを明確に示して市場の不安を抑えたいというメッセージでもあります。

Vera Rubinシステム：Blackwellを超える次世代AIコンピューティング

Nvidiaは、Blackwellのさらに先を行く新しい計算システム「Vera Rubin」も発表しました。これは、カスタム設計のプロセッサと次世代GPUを組み合わせたコンピューティングシステムで、Blackwellアーキテクチャを上回る性能をうたっています。

Vera Rubinの投入スケジュールは次のように示されています。

Vera Rubinシステム：2026年末に投入予定
Vera Rubin Ultra：2027年に登場予定
Feynmanアーキテクチャ：2028年に投入予定

天文学の先駆者であるヴェラ・ルービン氏の名を冠したこのシステムは、「超大規模（ハイパースケール）」なAIワークロードに照準を合わせています。

鍵は「チップ間通信」　巨大モデルをどうさばくか

Vera Rubinシステムで特に強調されたのが、チップ同士のデータ転送速度の向上です。巨大なAIモデルを学習・推論する際には、1台のGPUでは処理しきれず、多数のGPUを束ねて1つのコンピュータのように動かす必要があります。このとき、GPU同士やGPUと専用プロセッサの間で、いかに高速かつ効率よくデータをやり取りできるかが性能の決め手になります。

チップ間通信が遅かったり不安定だったりすると、計算そのものは速くても、データ待ちの時間が増えて全体としての処理速度が落ちてしまいます。Vera Rubinは、この「見えないボトルネック」を解消することで、複雑なAIモデルをよりスムーズに走らせることを目指しています。

AI市場の重心は「学習」から「推論」へ

今回のNvidiaの発表は、AI産業の関心がどこに向かっているのかを映す鏡でもあります。ここ数年は、大規模言語モデルなどの「学習フェーズ」に焦点が当たり、大量のGPUを使ったトレーニング競争が話題となってきました。

しかし現在は、すでに学習済みのモデルを実際のサービスや業務に組み込む「推論フェーズ」がより重要になりつつあります。企業やサービス事業者が求めているのは、例えば次のような条件です。

ユーザーの質問に即座に答えられる低遅延なAI応答
24時間動かし続けても抑えられる電力コスト
一つのデータセンターで処理できるユーザー数の最大化

Nvidiaの新GPUやVera Rubinシステムは、こうした「推論」環境での効率性も意識して設計されています。メモリ拡張やチップ間通信の強化は、単に速く計算するだけでなく、より少ない電力とハードウェアで多くのユーザーリクエストをさばくことにもつながります。

投資家・企業・開発者はどこに注目すべきか

2025年末時点で、Nvidiaは2028年まで見据えたAIチップとシステムのロードマップを示したことになります。一方で、Blackwellの設計不具合と製造遅延というリスクも表面化しています。

それぞれの立場から見ると、注目点は次のように整理できます。

投資家：短期的な製造遅延の影響と、中長期のロードマップ実現能力のバランス
企業・クラウド事業者：BlackwellからVera Rubin、Feynmanへと続く世代交代の中で、どのタイミングでどの世代のGPU・システムを採用するかという投資判断
開発者・研究者：メモリやチップ間通信を前提にした分散AIの設計、ソフトウェア最適化のスキルセット

AI計算インフラは、一度選ぶと簡単には入れ替えられません。だからこそ、設計上の不具合といったリスク情報も含めて、ハードウェアベンダーのロードマップを丁寧に読み解く必要があります。