CESカンファレンス期間中、NVIDIAが新たに発表したRubinアーキテクチャが最近の市場議論の中心となっています。MOEアーキテクチャ以外にもう一つの大きなブレークスルーは何か、Agentic AI時代に適応したものなど、私は詳しく調べてみると、老黄の「自己革命」の匂いを感じました。 1) かつてNvidiaはGPUハードウェアの優位性に依存し、主要なAI大手が大規模モデルのトレーニングに必死に計算能力を買い込んでいた配当期間を踏み切っていました。 当時のロジックは非常にシンプルで、グラフィックカードが多い方が最良のモデルを訓練できるというものでした。 しかし今やAI戦争は「計算能力」の戦場から「推論」へと移行し、特にエージェント時代の到来以降、AIは高頻度、多段階、超長時間の文脈推論に対処しなければなりません。 現時点でモデルのパラメータは数兆に及び、データスループットは非常に大きく、GPUがどれだけ速くてもメモリデータが十分に速くなければGPUはアイドル状態にしなければならず、これが「ストレージ壁」となります。つまり、グラフィックカードはもはや問題を解決できず、それでも高いビデオメモリと帯域幅が必要です。 それがルービンが解決しようとしていたことだった。 2) したがって、Rubinの最初のHBM4は第4世代の高帯域幅メモリをサポートし、帯域幅は22TB/sに達する可能性があります。 しかしそれ以上に重要なのは、NVLink 6技術(ラック内で260TB/sの帯域幅)と連携していることで、これにより72枚のカードが論理的に「巨大なチップ」に変わるということです。 これはどういう意味でしょうか? かつてはグラフィックカードを買うと独立した部品を買い、カード間のデータ伝送は複数の転送ステーションを通過する宅配便のようなものでした。 現在、Rubinは極めて高密度の相互接続を用いて、ほとんど物理的な距離を持たないGPU間でデータフローを行い、72人の作業員が別々に働くのではなく、脳を共有しています。 これがルービンの本当の致命的な一手だと思います。ハードウェアパラメータを重ねるだけでなく、システム全体のデータフローをリファクタリングするのです。 3) MOE(ハイブリッド・エキスパート・モデル・アーキテクチャ)がDeepSeekのような新星によるNvidiaの「暴力的な積み重ねカード」ビジネスモデルに対する次元削減の打撃であるなら、Rubinはどの角度から見ても老黄の戦略的な反撃です。 もちろん、この手法はNvidiaが暴力的なカードスタッキングの旧モデルに別れを告げることも意味します。 ラオ・ホアンは別の計算をすると、もしエージェント時代が本当に何千もの産業に浸透するなら、トークンコストという壁を越えなければならない。これはNvidiaが維持できない一般的な傾向である。 ラオ・ホアンの見解では、GoogleやMeta、その他の大手メーカーに市場に侵入されるのを待ったり、DeepSeekなどのモデルに覆されるのを待つよりも、ゲームを壊す側から自ら行動を起こした方が良いのです。 4) 問題は、自己革命の後、Nvidiaはどのように自らを扱うのかということです。 また、その道筋も非常に明確で、「グラフィックカードを販売する」から「システムを販売する」へ、いくつかの大手メーカーにサービスを提供する段階からAIを本当に普及させる段階へと進みます。 過去にH100を購入した際、Nvidiaはグラフィックカードから利益を得ていましたが、Rubinは将来こう言います。NVL72ラックのフルセットを購入しなければならないということです。72枚のGPU、NVLinkスイッチ、フルの液冷システム、キャビネット、さらにはサポートソフトウェアスタックまで、すべてパッケージで販売しなければなりません。 老黄のそろばんも非常に明確で、パッケージ化されたハードウェアのコストは高くつつも、極端な推論効率が加わることで購入者のAIの単価が下がり、自然と市場シェアを失わないということです。 しかし、小規模・中規模のプレイヤーにとっては、そのハードルもさらに高いです。 大手メーカーやクラウドサービスプロバイダーだけが参加可能であり、それが計算能力の独占をさらに悪化させるでしょう。 現在の競争状況では、HBM4の量産に問題が生じれば、AMDやGoogle TPUなどの代替手段に置き換えられ、ウィンドウをつなぐため、Nvidiaのシステム販売の夢は簡単には実現できないかもしれません。