FG Free Report　NVIDIA Rubinを読み解く——GTC2026が示したAIファクトリーの設計図（3月23日号抜粋）

AI需要の中心が「学習」から「推論」へ移ったことが最大のポイント

例年同様、エヌビディアが主催するAIカンファレンス「GTC2026」が2026年3月に開催された。今回は、ジャンセンCEOによる基調講演の内容から、次世代プラットフォーム「Rubin」が持つ意味を読み解いていこう。

結論から言うと、GTC2026で最も重要だったのは、ジャンセンCEOがAI需要の中心をかなり明確に「学習」から「推論」へと言い換えたことだ。

しかもそれは、「学習は一巡し、これからは推論も大事になる」といった穏当な言い方ではなかった。むしろ講演全体を通して、推論こそがいま最も重要で、しかも最も難しい仕事であり、企業の売上そのものを駆動する活動になりつつあるという認識が、繰り返し示されていた。

この転換を理解するには、ジャンセンCEOがAIの進化をどう捉えていたかを見ると分かりやすい。講演では、ここ数年の変化として、第一に生成AI、第二に推論AI、第三にAgentic AIが挙げられた。生成AIは、従来の検索的な計算から生成的な計算へと世界を変えた。だが、その次に来た推論AIは、単に答えを返すだけではなく、問題を分解し、自分で考え、手順を踏み、必要に応じて調べながら処理する能力を持ち始めた。さらにその先のAgentic AIは、ファイルを読み、コードを書き、コンパイルし、テストし、評価し、やり直すというように、実際の作業工程そのものに入り込んでいく。

この進化によって大きく変わるのが、必要な計算量だ。1回の応答で扱う入力トークンが増えるだけでなく、AIが途中で「考える」ために生成する出力トークンも増えていく。その結果、推論に必要な計算量は従来よりはるかに大きくなるのだ。

これまで、AIインフラ需要の持続性を考えるとき、最大の論点は「学習が一巡した後に需要が鈍るのではないか」という懸念だった。しかし、ジャンセンCEOが描いているのは、その先の世界なのである。企業活動の中でAIが常時呼び出され、考え、読み、比較し、判断し、作業するようになれば、推論は単発の処理ではなく、毎日繰り返し発生する業務そのものになる。

つまり、AI需要の中心は、一度きりの「学習」から、企業活動の中で継続的に回り続ける「推論」へ移り始めているということだ。この構図をエヌビディアは今回かなり明示的に語った。

そして推論が企業の本番業務へ入り込むほど、次に問われるのは、その膨大な計算をどれだけ効率よく、採算の合う形で回せるかという問題だ。そしてRubin以降の設計思想も、Groq LPUの組み込みも、OpenClawやNemoClawの提示も、すべてこの転換の上に乗っている。今回のGTCを読み解く出発点は、「AI需要の中心がすでに学習から推論へ移っている」という一点にあるのだ。

競争軸は「GPUの速さ」ではなく「tokens per watt」へ変わった

推論中心、とりわけAgenticAIが加速する時代において次に問われるのは、「どれだけ多くのトークンを、どれだけ賢く、どれだけ速く、どれだけ安く生み出せるか」という問題だ。

今回のGTC2026でジャンセンCEOが全面に出したのは、従来のような「何TFLOPS出るのか」「前世代比で何倍速いのか」「どのプロセスを使っているのか」といったチップ単体の性能比較だけでは、もはやAIインフラの競争力は測れないという考え方だった。

この発想の転換は、講演中の「1ギガワットの工場は決して2ギガワットにはならない」という言葉にも端的に表れている。これはどういうことかと言えば、すべてのAIファクトリーは、土地・建屋・送電能力・冷却といった物理的制約を受ける。だから1ギガワットのデータセンターを持つ事業者にとって重要なのは、限られた電力の中でどれだけ多くのトークンを生み出せるか——つまりtokens per wattという考え方なのだ。

さらに、その隣にはcost per tokenという考え方がある。tokens per wattは、限られた電力からどれだけ多くの生産物を生み出せるかという「物理的な生産性」を示す。一方で、cost per tokenは、そのトークンを最終的にどれだけ低いコストで生産できるかという「経済的な採算」の話になる。

ジャンセンCEOは、Grace Blackwell NVLink 72が前年比で35倍の perf per watt （＝Performance per Watt、ワット当たりの性能）を実現したと説明し、さらに「cost per token は世界最安だ」とも強調した。これは決して、「我々のGPUはすごい」ということではない。AIインフラの競争軸が、「最速のGPUを作る競争」から、「限られた電力で最も多くのトークンを、最も低いコストで生産する競争」へ移り始めたということだ。

そして、この競争軸の変化こそが、なぜRubinが「次のGPU」の一言では終わらず、CPU rack、AI-native storage、Spectrum-X、co-packaged optics、さらにはGroq系のLPU rackまで含めた巨大な設計として提示されたのかを説明してくれる。

Rubinの本質は「次世代GPU」ではなく「次世代AIファクトリー」だった

今回のGTC2026で、市場が最も読み違えやすいのは、おそらくRubinという言葉そのものだろう。

多くの投資家にとって、Rubinはまず「Blackwellの次に来る次世代GPU」の名前として映る。実際、決算カンファレンスでもRubinへの関心は高く、次の製品サイクルとしてどう位置づけるべきかを知りたがる質問が出ていた。

しかし、今回の基調講演を見れば分かるように、その理解だけでは本質を捉えきれない。今回エヌビディアが見せたRubinは、「次世代チップ」という枠にはとどまらない、Agentic AI時代に最適化されたラックスケールの統合システム全体だったのである。

そのことを最も端的に示したのが、講演内の “seven chips, five rack-scale computers, one revolutionary AI supercomputer for agentic AI” という言葉だ。ここでは、Rubinは1個のGPUの名前としてではなく、7つのチップ群と5つのラックスケール計算機を束ねた巨大なプラットフォームとして提示されている。

実際、講演内で紹介された中身を見ても、中心にある Vera Rubin NVLink 72 だけでは終わらない。Vera CPU rackがあり、STX rackとしてのAI-native storageがあり、Scale-outを担うSpectrum-Xとco-packaged opticsがあり、さらにGroq 3 LPX rackという低遅延推論向けの追加アクセラレータまで含まれている。しかもジャンセンCEOは、その全体をソフトウェアまで含めて、“vertically integrated completely with software extended end to end optimized as one giant system（ソフトウェアと完全に垂直統合され、エンドツーエンドで一つの巨大なシステムとして最適化されている）“と明言した。

⇩説明箇所はこちら⇩

ここには、エヌビディアが競争の単位を自ら引き上げたことが表れている。

かつてHopperの時代であれば、一つのチップを示して「これが次世代です」と説明できた（ジャンセンCEO自身も、以前はHopperのチップを持ち上げればよかったと講演で振り返っている）。

しかしRubinではそうはいかない。なぜなら「This is Vera Rubin」と言って示されたのは、チップ単体ではなくシステム全体だったのだから。

推論、そしてAgentic AIの時代になると、競争は一つの半導体の性能だけでは決まらない。GPUがどれだけ速くても、ストレージが追いつかなければデータは詰まる。ネットワークが細ければノード間通信がボトルネックになる。低遅延が求められる推論では、演算速度だけでなく応答性も重要になる。

だからこそ、CPU・GPU・メモリ・ストレージ・ネットワーク・光接続・低遅延推論アクセラレータまで含めて、システム全体を最適化する必要があるのだ。

前章で見たように、AIファクトリーの競争では、限られた電力からどれだけ多くのトークンを、どれだけ低コストで生産できるかが問われる。ならば、一つのGPUだけを速くするのではなく、工場全体のボトルネックを取り除かなければならない。

その考え方を具体的に示した数字が、35倍のthroughput per megawattだ。これは単純に「Rubin GPUが35倍速い」という意味ではない。Vera Rubin NVLink 72を中心に、CPU、ストレージ、ネットワーク、光接続などを統合した新しいプラットフォーム全体として、1メガワット当たりの処理量を大きく押し上げるという話になる。

つまり、Rubinが象徴しているのは製品世代の更新というより、AIファクトリーの設計単位そのものの変化なのであり、競争の単位は、チップからシステムへ、さらにシステムから工場へと移っているということだ。

Groq LPUが示したもの──GPU一本足打法の終わりではなく、異種混成化の始まり

今回のGTC2026で、Rubinの話と並んで、投資家が特に注意深く読むべきだったのがGroq系LPUの組み込みである。エヌビディアが自社プラットフォームの中に、GPUではない別種の推論アクセラレータを入れたと聞けば、「エヌビディアは自前では作れなかったのか」「GPUだけでは足りないのか」といった見方がすぐに出てくる。しかし、その理解はやや浅い。今回のGroq LPUは、エヌビディアの弱さの告白というより、推論の世界で最適化の単位が細かく分解され始めたことを示す材料として読む方が本質に近い。

<FG Free Report では割愛>

OpenClawとNemoClaw──Agentic AIは「賢いモデル」ではなく「安全に働く運用基盤」で決まる

今回のGTC2026で、RubinやGroq LPUの話と並んで、実は極めて重要だったのがOpenClawとNemoClawである。ここは、半導体やデータセンターの話に比べると一見すると地味に見えるかもしれない。だが、もし今回のGTCを「AIが本当に企業の中で働く段階に入った」という文脈で読むなら、このパートは決して脇役ではない。むしろ、Agentic AIが実際に普及するかどうかを決める最大のボトルネックが、ここにあると言ってよい。

<FG Free Report では割愛>

まとめ

GTC2026で明らかになったのは、Rubinの本質は「Blackwellの次のGPU」ではなく、Agentic AI時代のAIファクトリー全体の設計思想を指す言葉へ変わっているということであった。

その背景にあるのは、AI需要の中心が学習から推論へ、さらに常時稼働し続けるAgentic AIへと移り始めたことである。講演の中でジャンセンCEOは、データセンターを「AIファクトリー」と呼び、その工場の生産物は「トークン」だと定義した。そして重要なのは、限られた電力と空間の中で、どれだけ多くのトークンを、どれだけ安く、どれだけ速く生産できるかである。つまり競争軸は、GPU単体の速さから、tokens per wattとcost per tokenで測るAIファクトリー全体の生産性と採算へ移りつつあるのだ。

だからRubinも、GPUだけではなく、CPU、ストレージ、ネットワーク、光接続などを含めた統合システムとして設計された。競争の単位は、チップからシステムへ、さらにシステムから工場へ。

つまりRubinとは、次世代半導体の名前というより、推論時代にAIを産業としてどう回すか。その問いに対するエヌビディアの「AIファクトリーの設計図」そのものとして捉えるべきなのである。