株式市場では依然として、「GPU対TPU」や次世代チップの性能競争といった「AIバブル論」に焦点が当たりがちです。
しかし、CES2026でNVIDIAが語ったのは、チップの勝敗を超えたAIファクトリーのあり方だったのです。
今回は、NVIDIAジャンセン・ファンCEOとウォール街のアナリストたちの質疑応答から浮かび上がった、4つの重要な変化をプロのファンドマネージャーが読み解いていきます。
投資での資産形成をお考えの方も、既に投資を始められている方も、ご自身の知識と照らし合わせながらご覧ください。
(Fund Garage編集部）
NVIDIAが示したAI革命の現在地
2026年1月5日、ラスベガスで世界最大のテクノロジー・イベント「CES2026」が開催された。その熱気のただ中で、エヌビディアのジェンスン・ファンCEOが、ウォール街の主力アナリストたちと向き合ったアナリスト・ミーティング（質疑応答）が行われた。
その議事録を見てみると、株式市場が日々語っている「AI革命」と、現場で起きているビジネスの現実との間にはすでに大きなギャップができていることが明らかになった。
今回は、4つの大きな示唆を提示し解説していく。
示唆①常時推論における「トークン経済」とNVIDIAプラットフォームの強み
CES2026の質疑応答で最初に浮かび上がった示唆は、GPU対TPUという単体チップの比較では、もはやAIインフラの競争力を十分に測れないということだ。アナリストからは、「次世代基盤『Rubin』の推論性能をTPUと比較できるのか」、あるいは「Anthropicのようなモデル企業が、なぜTPUやTrainiumだけでなくNVIDIAの計算基盤を必要とするのか」といった質問が相次いだ。
これに対しジャンセンCEOは、「Rubin対TPU」という勝敗論は語らなかった。なぜならTPUのような特定のクラウド事業者内部で使われるシステムは、外部から同一条件で検証しにくく、比較表を作っても前提が揃わないからだ。むしろNVIDIAが評価軸として示したのは、チップ単体の処理速度ではなく、AIファクトリー全体がどれだけ多くのトークンを低コストかつ安定的に生産できるかという「トークン経済性」だった。
このトークン経済性が一段と重要になる背景には、Agentic AIの普及がある。Agentic AIは、一度質問に答えて終わるのではなく、「生成→修正→再生成」を高速で何度も繰り返す。このときもしトークン生成が遅ければ、そのたびにユーザーは待たされ、現場の仕事が止まり生産性は落ちてしまう。だからこそ、これからのAI推論の価値は「止まらない運用＝常時推論」に移るのだ。
さらにNVIDIAが強調したのは、特定のモデルだけに最適化された計算基盤（Google TPUやAWS Trainium）ではなく、オープンソースモデルまで含め幅広く動かせるプラットフォームの価値である。どのモデルやAIアプリケーションが主流になるか予測しにくい時代だからこそ、利用者は将来の選択肢を狭めない基盤を求めるはずだ。TPUやTrainiumは“劣っているから負ける”のではない。むしろ、CSPが自社最適で積み上げた内製設備としては強いと言える。しかし、エコシステム全体を巻き込む主戦場（つまりモデルが増え、推論運用が巨大化し、顧客が多様化する局面）では、「どこでも動く」「誰でも使える」「周辺ソフトと運用が揃っている」側に寄っていく。この”汎用性”にこそ、NVIDIAの強みがある。
したがって今のAI革命の焦点は、「GPU対TPU論争」から、変化するモデルに柔軟に対応できる「止まらない推論」を最も効率よく生産できるAIファクトリーの設計へと移行しているのだ。
示唆②Physical AIは完成品より先に、開発用AIファクトリーから収益化する
示唆④ NVIDIAは「GPUの会社」から「AIファクトリーの設計者」へ
CES2026の質疑応答から得られる示唆の四つ目は、NVIDIAが自らの事業を、GPUを販売する半導体メーカーではなく、AIファクトリー全体を設計する企業として捉えていることだ。Rubinの立ち上げや粗利益率、研究開発、買収、メモリ構成に関する回答にも、個別部品ではなくシステム全体から価値を考える姿勢が表れていた。
まず、Blackwellの次世代GPU、Rubinについて。ジャンセンCEOは、Rubinを「チップ世代」ではなく「史上最大の統合コンピュータ」として語る。Rubinで掲げられた「トークン10倍」も、GPUコアが10倍速くなるという意味ではない。これを象徴するように、ジャンセンCEOは「50%改善では、顧客は50Bドル（おおよそ８兆円）のAIファクトリーを建て替えない。10倍なら小切手を書く」と語っている。言い換えれば、AIファクトリーが吐き出せる成果物（トークン量）が10倍になって初めて、顧客に新たな投資を決断する合理性が生まれると言うことだ。
この考え方は、収益性にもつながる。ジャンセンCEOは粗利を「部品の原価と売値の差」ではなく、顧客に届ける価値の大きさに直結するものとして扱う。それは具体的に、AIファクトリー全体の生産性をどれだけ高められるかという価値である。今の勝負は「50Bドル級のAI工場を、来年の売上成長に繋げる設計ができるか」に移っている。
またNVIDIAは、AIファクトリーに必要な技術をすべて自社だけで開発するのではなく、自社開発と外部投資、提携、買収を使い分けている。NVLinkのように他社では代替しにくい技術は社内に持つ一方で、外部の力を活用できる領域は積極的に連携（たとえばデジタル・バイオロジー・ロボティクス・自動運転まで産業の縦方向にも投資）する。これは、「NVIDIAは必要なだけ大きく、可能な限り小さく」という発想で会社を無闇に肥大化させずに、AIファクトリー全体への投資を効率的に回す考えである。
メモリの選択も同様である。たとえばHBM・SRAM・GDDRは、それぞれ異なる速度・容量・コストを持つため、ボトルネックの場所が毎回変わるのだ。ある時はNVLinkに圧力がかかり、ある時はHBM帯域に圧力がかかり、ある時は全て同時に圧力がかかる。つまり“最適解”が固定できない世界に入っている。このように変化するモデルや処理内容に対応するには、計算・記憶・通信を組み替えられる柔軟性、つまり特定ワークロードに極端特化した設計ではなく、広い範囲を高い水準でこなせる設計が不可欠だとジャンセンCEOは指摘した。
したがって、NVIDIAの競争力というのは次世代GPUの性能だけでは語りきれない。この構造変化が、NVIDIAがGPUの供給者からAIファクトリーそのものを設計する企業へと導いたのである。
まとめ
いかがだっただろうか。
今回は、CES2026で行われた質疑応答から浮かび上がった4つの示唆についてまとめた。
- 常時推論AIでは「トークン経済」がものをいう： AIの競争単位はチップからAIファクトリーへ移っており、NVIDIAの強みは単体性能ではなく、工場全体の生産性・コスト・柔軟性を高める統合プラットフォームにある。
- Physical AIは完成品より先に、開発用AIファクトリーから収益化する： 自動運転車やロボットの量産前から、学習・シミュレーション・合成データ生成・安全性検証がデータセンター需要を生み、実装後は車載や現場側の推論需要へ広がっていく。
- AIファクトリーの拡大は、GPUではなく「供給・運用網」で決まる： メモリ・パッケージング・ネットワーク・電力・土地・クラウド運用までを一気通貫で整え、世界各地でAI基盤を継続的に増設・稼働できる体制そのものが競争力になる。
- NVIDIAは「GPUの会社」から「AIファクトリーの設計者」へ変わる： Rubinの統合設計や、内製・提携・投資・買収の使い分けを通じて、計算・記憶・通信・ソフトウェアを組み合わせ、AIファクトリー全体の生産性向上を収益へ変える企業へ進化している。
このミーティングを通して、市場が理解している世界観では追い切れない速度で、現場の設計思想と運用が更新されていることがお分かりいただけたと思う。何が主戦場で、どこにボトルネックが移り、何が収益の入口になっているのか。そこに関しては、投資家にとって十分すぎるほどのヒントが詰まっていたのではなかろうか。
編集部後記
