[CES 2026] エヌビディアのジェンスン・フアンCEO「当社はもはや単なるチップメーカーではない」

[비즈한국] 「当社はチップを作る会社として知られていますが、今のエヌビディアはシステム全体を作っています。そしてAIは、単一の機能ではなく全段階（フルスタック）を網羅する構造になりました」

1月5日（現地時間）米国ラスベガスのフォンテーヌブロー・ホテルで開催されたCES 2026のエヌビディア・カンファレンスにて、ジェンスン・フアンCEOはエヌビディアの現在とAIの未来をこのように定義しました。この日のステージは、AIがプラットフォームとなった時代において、エヌビディアがどのような会社へと変貌を遂げているのかを如実に示す場となりました。フアンCEOは、AI時代の競争とはより速いチップを作る戦いではなく、AIが稼働する全体構造を誰が設計するのかという問題である、というメッセージを明確にしました。

エヌビディアのジェンスン・フアンCEOはCES 2026の基調講演で、AI時代の本質を「プラットフォーム転換」と定義し、エヌビディアのアイデンティティも根本的に変わっていることを明確にした。写真=エヌビディアのYouTube映像キャプチャー

コンピューティング産業、再び「プラットフォーム転換」の岐路に立つ

ジェンスン・フアンCEOは、コンピューティング産業の変化を「プラットフォーム転換」というキーワードで説明しながら講演を始めました。メインフレームからPCへ、PCからインターネットへ、インターネットからクラウドやモバイルへと移り変わった流れのように、今もまた一つの転換点に到達したと診断しました。

彼が強調したのは、今回の転換の性質です。単なる性能向上ではなく、アプリケーションが構築され実行される方式そのものが変わっているという点です。第一に、これからのアプリケーションはAI上で構築されるということ。これにより、AIは単一の機能ではなく、すべてのサービスの基盤となります。第二に、ソフトウェア開発方式も変わりました。コードを書いてプログラムを作る時代から、データを学習させてソフトウェアを作る時代へと移行し、その中心もCPUからGPUへと移ったという説明です。

フアンCEOは、こうした変化によって過去10年間に構築された膨大なコンピューティング・インフラと企業の研究開発（R&D）予算が、AI中心に再編されていると説明しました。AIはもはや特定の産業の技術ではなく、ほぼすべての産業における核心的な投資対象になっていると切り出しました。

自動運転やロボット、工場自動化のように現実と相互作用するAIを実現するため、エヌビディアはシミュレーション、デジタルツイン、ワールド・ファウンデーション・モデルを組み合わせた構造を提示した。写真=エヌビディアのYouTube映像キャプチャー

AI、「答える存在」から「働く存在」へ進化

講演の中盤で、フアンCEOは近年のAI進化の核心として「推論（reasoning）」と「エージェントAI（agentic AI）」を挙げました。AIはもはや質問に即座に答えるだけのツールではなく、情報を探し、道具を使い、計画を立てて実行する存在へと変わっているという説明です。

この変化は、AIの活用範囲を大きく広げました。ソフトウェア開発、文書分析、データ探索などにおいて、AIは補助手段を超え、実際に業務を遂行する主体となっています。オープンソースAIモデルの普及は、この流れをさらに加速させています。

この時点で、フアンCEOの発表は自然と「フィジカルAI」へと移りました。AIの次の舞台は画面の中の対話ではなく、現実世界であるという説明です。自動運転車やロボット、工場自動化がその代表例です。問題は、現実世界が極めて複雑だという点です。重力や摩擦、慣性のように、人間にとっては常識的な物理法則でさえ、AIにとっては学習されていない領域だからです。

エヌビディアが公開した自動運転AI「アルパマヨ（Alpamayo）」は、カメラ入力から操舵・加速・制動までを一つのモデルで学習し、単に「どのように運転するか」を超えて、なぜそのような判断をしたのか説明できる推論型AIを目指している。写真=エヌビディアのYouTube映像キャプチャー

フアンCEOが提示した解決策はシミュレーションです。現実で発生しうる数多くの状況を仮想空間で先に作り出し、AIを学習させる方式です。そのために3種類のコンピュータが必要だと説明しました。AIを学習させるコンピュータ、現場で推論を実行するコンピュータ、そして現実を再現するシミュレーション・コンピュータです。

エヌビディアのデジタルツイン・プラットフォーム「オムニバース（Omniverse）」とワールド・ファウンデーション・モデル「コスモス（Cosmos）」が、こうしたシミュレーションの役割を担います。演算をデータに変える構造を通じて、実際には経験しにくい数多くの例外状況をAIが事前に学習するようにするという戦略です。

この流れの中で、自動運転はフィジカルAIの最初のマス市場として提示されました。エヌビディアが公開した自動運転AI「アルパマヨ（Alpamayo）」は、単に車両を制御するモデルではなく、なぜそのような判断を下したのかを説明できるAIを目指しています。すべての走行状況を事前に経験することはできませんが、状況を小さな常識単位に分解して推論すれば対応できるというアプローチです。アルパマヨは、カメラ入力から操舵・加速・制動までを一つのモデルで学習するエンドツーエンド構造に基づき、人間の運転データとコスモスが生成した膨大な合成走行データを組み合わせて訓練されました。

特に、車両を制御するにとどまらず、どのような行動を選択したのかとその理由、走行軌跡まで説明できる「推論可能な自動運転」を目指す点が核心です。フアンCEOは、アルパマヨベースの自動運転スタックと従来の伝統的なAVスタックを二重に運用して安全性を確保しており、このシステムを適用したメルセデス・ベンツの車両が最高水準の安全認証を取得し、2026年から地域別に量産・発売される予定だと明らかにしました。これはエヌビディアがチップサプライヤーを超え、モデル、ソフトウェア、システムまで網羅する完全な自動運転AI構造を初めて実際の道路に送り出す事例であるという点で、格別な意味を持ちます。

AI演算急増の解決策、「チップ」を超えて「フルスタック」へ

講演の後半で、フアンCEOは再びコンピューティングの根本的な問題へと立ち返りました。AIモデルは毎年巨大化し、推論過程で生成されるトークン数は幾何級数的に増加しています。その一方でトークン価格は急速に下落しています。これは演算効率を劇的に向上させなければ、競争で生き残ることは難しいという意味です。この時点で彼は「チップ一つの性能改善だけでは、もはや限界を超えることはできない」と強調しました。

ベラ・ルービンはGPU一つの性能向上ではなく、CPU・GPU・ネットワーク・メモリ・ストレージ・セキュリティを一つとして設計した統合システムであり、ブラックウェル（Blackwell）に比べて学習と推論性能を数倍に引き上げ、電力効率まで改善した。写真=エヌビディアのYouTube映像キャプチャー

エヌビディアの次世代AIアーキテクチャ「ベラ・ルービン（Vera Rubin）」は、こうした問題意識から出発しました。ベラ（CPU）とルービン（GPU）は、単一GPUの性能向上を超え、CPU・GPU・ネットワーク・メモリ・ストレージ・セキュリティを一つの構造として再設計した統合型AIシステム・アーキテクチャです。フアンCEOはこれを「AI工場（AI Factory）のための設計」と表現しました。チップ一つを超え、フルスタック構造を備えた初のAIアーキテクチャです。

性能指標はその変化を如実に示しています。ベラ・ルービン・アーキテクチャは、前世代のブラックウェルに比べ、AIモデルの学習性能が約3.5倍、推論性能は最大5倍向上しました。これに対してトークン生成コストは約10分の1水準にまで下がりました。フアンCEOは、こうした性能向上が単なる演算能力の増加ではなく、電力当たりの処理量を劇的に改善した結果だと説明しました。

彼が講演を通じて強調したメッセージは一貫していました。AI競争の本質は、誰がより速いチップを先にリリースするかという戦いではなく、AIが現実世界で機能するようにするための全体構造を誰が設計するのかという問題へと変わっているということです。AIは今やプラットフォームとなり、画面の中の対話を超えて、道路や工場、ロボットや産業現場へと拡張されています。この変化の中でエヌビディアは、チップサプライヤーを超え、システム、インフラ、シミュレーション、モデルまで網羅する「フルスタックAI企業」として、自らを再定義しました。