人工知能
NVIDIA（NVDA）スポットライト：グラフィックス巨人からAIタイタンへ
AIの巨人
If for more than a decade, the attention of tech investors has been on “Big Tech” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), 等), the last few years have seen a marked shift toward hardware over software. The first sign was the spectacular rise of Tesla (TSLA ) from a niche cult-like stock to one of the largest companies in the world.
しかし、ソフトウェアとハードウェアの境界に位置し、同等かそれ以上のリターンを得られる企業がありました： NVIDIA (NVDA ).
Now mostly viewed as an AI company with sudden success, NVIDIA has actually patiently built its unique technology and market position over 20-30 years. This might give it a strong position to stay a dominant actor in the world of tech for the years to come.
NVIDIAの成功への道筋
CPU と GPU
For a long time, NVIDIA was a successful but niche computer hardware company specializing in producing graphic cards or graphics processing units (GPUs). At the time, GPUs were seen as an important computing hardware element but secondary to the all-important central processing unit (CPU).
CPUは、順次実行が必要な非常に高速な計算を行うよう設計されており、複雑な計算に優れています。
対照的に、GPUはそれほど高性能ではありませんが、多数の並列計算を同時に実行できるよう設計されており、大量のデータ処理に適しています。
During this period from the 1990s to the 2010s, CPU producers like Intel (INTC ) reigned over the industry, while high-quality GPUs were mostly only used by gamers and graphic designers for high-end PC.
GPUビジネスの構築
Early on, NVIDIA founder Jensen Huang and his co-founders reasoned that the pace of computing would outstrip CPU capacity. Jensen was instrumental in developing the first GPUs for Sun Microsystems, today Oracle.
He would then become one of the co-founders of NVIDIA in 1993, embracing the PC revolution in the early 1990s.
“私たちは、3D グラフィックスが本当にクールなものになるかもしれないと考えていました。そして、初めてコンピュータでもあり、何にでも使えるプラットフォームが手に入ったのです。ゲームをプレイすることにも使えるでしょう。そこで、ゲームが可能になるチップを作る必要がありました。
私たちは誰も PC を見たことがありませんでした。だから PC を買いに行きました。Gateway 2000 を購入しました。誰も Windows や DOS のプログラミング方法を知りませんでした。DOS を見たこともありませんでした。そこで、分解して業界について学び始めたのです。
It’s funny to think that, in retrospect, gaming was not a very “serious” market at the time compared to more lucrative and larger enterprise-focused business models. The first cards were not a commercial success. Their 2nd generation GPU was better but turned suddenly obsolete when the market turned toward Microsoft’s DirectX architecture for videogames.
最終的に、NVIDIA が製品市場適合を見つけるまでに6年と3つの製品ラインが必要で、会社は何度も危機的状況に直面しました。
成功は Riva 128 によって訪れました：最初の4か月で100万台を販売しました。その後、GeForce シリーズを含む長い成功したグラフィックカードのラインが続き、現在でも AMD の Radeon と並んで市場の支配的プレーヤーです。
ソース： UBuy
CUDA と暗号通貨
In 2006, now a well-established GPU leader, NVIDIA released CUDA, a general-purpose programming interface for NVIDIA’s GPUs, opening the door for other uses than gaming. This was done because some researchers were already using GPUs to perform calculations instead of the usual supercomputers.
ソース： NVIDIA
“研究者は、GeForce と呼ばれるこのゲームカードを購入し、コンピュータに追加することで、実質的に個人用スーパーコンピュータを手に入れたことに気づきました。分子動力学、地震処理、CT 再構成、画像処理など、さまざまな分野で活用されています。”
This wider adoption of GPUs, and more specifically NVIDIA hardware, created a positive feedback loop based on network effects: the more uses, the more end users and programmers familiar with it, the more sales, the more R&D budget, the more acceleration in computing speed, the more uses, etc.
ソース： NVIDIA
現在、インストールベースには数億台の CUDA GPU が含まれています。
ソース： NVIDIA
Not only would this prove very useful to researchers, but a new technology would make great use of GPU parallel computing: blockchain and cryptos.
暗号通貨ブーム
Now getting a little sidelined by AI enthusiasm, crypto was the first large-scale application of GPU beyond gaming and scientific research. Many blockchains and crypto projects require a lot of computing power. Quickly, NVIDIA GPUs became the central hardware for performing these calculations.
これにより NVIDIA の売上が急増し、同時に暗号通貨ブームと連動して株価も 10 倍以上に上昇しました。
(NVDA )
暗号通貨ブームからの株価上昇は 2022 年にやや勢いを失いましたが、市場は NVIDIA が長年にわたり卓越した AI 戦略を構築していたことに気づきました。
AI
ニューラルネットワーク
From the early 2010s, researchers had started to deploy GPUs to study neural networks. These are a type of computing method that differs from usual programming and was awarded 2 different Nobel Prizes in 2024, in Physics and Medicine.
Neural networks are the technical basis for what is commonly referred to as “AI” today.
2009 年、当時の私の学生であり学部時代の Ian Goodfellow が、寮の部屋で GPU サーバーを構築するのを手伝ってくれました。そのサーバーが、私たちが最初のディープラーニング実験でニューラルネットワークを訓練するために使用したものとなりました。
GPU 上でニューラルネットワークを訓練する際、1,000 から 10,000 のタスクを並列に実行できるため、10 倍、さらには 100 倍の速度向上が見られました。
Andrew Ng – DeepLearning.AI 創設者兼 AI ファンドのマネージング・ジェネラル・パートナー、Sequoia へのインタビューで
This was before AlexNet, the first breakthrough in computer image recognition in 2012, and years before AlphaGo.
NVIDIA の AI への転換
NVIDIA realized AI’s potential early, ways before anybody, out of specialized researchers, cared about neural networks.
This was, at the time, a risky move into an unproven, barely existing sector, or as Jensen Huang put it:
“私たちはゼロ億ドル規模の市場に投資しています。”
In 2016 & 2017, NVIDIA released the Pascal and Volta architectures, respectively, the first GPU-based AI accelerator, while Volta introduced the Tensor Cores, which accelerated deep learning tasks by up to 12 times.
これは新たな方向への全面的な転換でした。その方向に舵を切ったとき、私たちは地球上のすべての AI 研究者にアプローチしました。
そして、私たちのプラットフォームが彼らに有用であることが、当時得られたポジティブなフィードバックでした。これが、私が世界中の優れた AI 研究者と友人関係にある理由です。
彼らは皆、将来の成功の早期兆候を提供してくれました。そして、私にとってはその小さな成功を大きく評価すべきです。
This would prefigure the building up of AI computing infrastructure, emerging massively into the public consciousness in 2023, with the release of popular LLMs (Large Language Models) like Chat GPT.
しかし、これは実際には 2016 年以降、NVIDIA が開発してきた、ますます強力な AI 専用 GPU の緩やかでしばしば忘れられがちな開発の上に築かれたものです。
ソース： NVIDIA
AI コンピューティング性能の進化に関するもう一つの注目すべき点は、CPU の比較的線形的なムーアの法則とは異なり、指数関数的な法則に従っていることです。これは、GPU ハードウェアが向上するだけでなく、ニューラルネットワークの訓練方法が根本的に改善されたことで、必要な処理能力が大幅に低減したためです。
さらに、利用可能なデータが増えることで訓練がより効率的になり、研究者は並列に作業できる多くの視点を得て性能を向上させています。
これにより、同じ GPT モデルを訓練する際のエネルギー消費は時間とともに劇的に減少し、8 年で 350 倍少なくなり、これらの LLM にリクエストを行う際に必要なエネルギーもさらに極端に削減されました。
ソース： NVIDIA
NVIDIA のパートナーシップ
NVIDIA has from its inception been a company deeply connected within the industry. Instead of a vertically integrated company, it seeks to establish deep ties with the best, while staying razor-focused on its own competitive advantages.
例えば、NVIDIA はいわゆる「ファブレス」ハードウェアメーカーで、設計とコンセプトに注力し、GPU の製造は世界有数の半導体ファウンドリである TSMC (TSM ) に委ねています。
自社で LLM や AI システムを開発しないことで、NVIDIA は事実上すべての「ビッグテック」や AI スタートアップにとって信頼できるパートナーとなり、競合ではなく不可欠な存在と見なされています。その結果、NVIDIA は販売規模を確保し、R&D に再投資し続け、技術面でトップに立ち続けることができます。
これは正しい選択であることが証明され、NVIDIA はテック業界史上最も印象的な資本支出（capex）ラッシュの最大の受益者となっています。
AI の capex は 2025 年に最大で 2,000 億ドルに達すると予想される、2016 年以降、世界最大手テック企業による累積 capex は増え続けています。
ソース： Sherwood
財務
NVIDIA’s growth just from 2023 to 2024 has been incredible for a company that size:
- 売上高は 126% 増加し、270億ドルから600億ドルになりました。
- 営業利益は 311% 増の 3 倍となり、90億ドルから 371 億ドルに達しました。
- 粗利益率は 59.2% から 73.8% に上昇しました。
Overall, the company is richly valued, but not even that much due to its earning growth. Still, with a P/E ratio above 60, and a dividend yield of just 0.03%, investors buying NVIDIA are assuming a lot of future growth to justify the current stock price.
ソース： NVIDIA
NVIDIA の未来
持続可能な成長？
NVIDIA の 3 桁成長率は驚異的で、株価にも反映されています。もちろん、良いことにも終わりはあり、投資家はこの成長が早期に終わるのではないかと懸念しています。
同様の懸念は、NVIDIA の売上が暗号通貨販売や AI ブーム初期に急増した際にもすでに大きく、悲観的になることが必ずしも賢明な投資戦略とは限りません。
BG2Pod ポッドキャストでのインタビューで、Huang は、世界は AI を取り入れ適応するために最大 1 兆ドル規模のデータセンターとコンピューティングを更新する必要があると説明しました。そして、現在までにその総額のうち 1,500 億ドルしか費やされていないと述べました。
したがって、彼によれば、既存のコンピューティング需要だけでも、NVIDIA が売上を伸ばす余地はまだ十分にあります。これは、AI のさらなる応用が主流になる前、たとえば 自動運転車 などです。
総需要に関するこのような懸念は、最終的にすべての産業が何らかの形で AI を多層的に導入し、医療など GDP の二桁パーセンテージを占めるセクターも含まれることを無視しています。
ソース： NVIDIA
Blackwell
In 2024年3月, NVIDIA released the Blackwell platform, “enabling organizations everywhere to build and run real-time generative AI on trillion-parameter large language models at up to 25x less cost and energy consumption than its predecessor.”.
ソース： NVIDIA
This is a very important step, as energy consumption is quickly becoming one of the main concerns of AI-focused companies, as illustrated by the recent Microsoft deal to re-open a whole nuclear power plant and use all its power output for the next 20 years at a pre‑agreed price.
社内設計
One risk for NVIDIA is that while it is a key partner to the world’s largest companies, it is also a very expensive and profitable one (70% gross margin). So when companies with the size and skill set of Alphabet/Google are spending hundreds of billions of dollars on AI chips, they are tempted to do it in‑house.
そして、これは単なる仮説ではなく、例えば Tesla が NVIDIA の競合 AMD からトップデザイナーを雇用して独自ハードウェアを開発したこと。2019 年まで、Tesla は Tesla が実際にロボタクシーを商業化することに非常に近づいているようです、このプラットフォームを使用していました。これは NVIDIA にとって大きな販売機会の喪失となり得ます。
同時に、Tesla のケースは例外的かもしれません。Tesla や Elon Musk の他の企業、例えば SpaceX は、常に垂直統合とハードウェアに対する強いコントロールを追求することで知られています。
ハードウェア経験が少ない、またはソフトウェアやマーケティングに重点を置く企業（Facebook や Microsoft など）は、最新かつ最高の NVIDIA 技術に依存して問題ないでしょう。
さらに、多くの AI モデルは現在、NVIDIA アーキテクチャ上で動作することを前提に構築・コーディングされており、AI プログラマーは NVIDIA のハードウェアに熟練しているため、これらは同社にとって価値ある事業の堀となっています。
AI 市場のリスク
The AI market as a whole may be a larger risk over which NVIDIA’s excellent management has less control. It is booming for now. However, there is a growing concern that the AI applications released have failed to transform into massive new revenues as the iPhone did for Apple back in the day.
これは、技術がまだ適切な位置を見つけ、市場を形成しつつあるサインに過ぎないと考えられます。
しかし、この状況が長く続くと、1990 年代後半のように、PC とインターネットの重要性に関する予測は正しかったものの、タイミングがやや楽観的すぎてドットコムバブルが崩壊したようなリスクがあります。
確かに、2024 年 6 月に Jensen Huang が女性の胸にサインしたことは驚くべきサインであり、AI に関する潜在的な金融熱狂を懸念する投資家にとってはやや不安材料です。
金融史が必ずしも繰り返されるわけではありませんが、投資家はこのリスクを適切に分析し、2000 年の通信・インターネットハードウェアメーカー Sun Microsystems（Jensen Huang の最初の雇用主）との類似点を検討したいでしょう。
売上の 10 倍で、10 年の回収期間を提供するには、10 年間連続で売上の 100% を配当として支払わなければなりません。これは株主からそれを得られると仮定しています。また、コンピュータ企業にとっては非常に困難な、売上原価がゼロであると仮定しています。さらに、従業員が 39,000 人もいる中で費用がゼロであると仮定しています。
では、これを実行した上で、皆さんは私の株を 64 ドルで買いたいですか？その基本的な前提がいかに馬鹿げているか、理解していますか？透明性は必要ありません。脚注も必要ありません。何を考えていたのでしょうか？
Scott McNealy – 当時の Sun Microsystems CEO
参考までに、NVIDIA の現在の P/S 比率は 35 です。
ソース： YChart
結論
NVIDIA は、PC グラフィックカードから新しい用途向けの CUDA のリリース、そしてニューラルネットワークの早期採用に至るまで、適切なタイミングで連続的に計算されたリスクを取ってきた企業です。このため、創業者の Jensen Huang は半導体・IT 業界のロックスターのような存在となっています。
同社の最近の業績は市場を驚かせ、近年 Tesla だけが享受できるような株式への熱狂を生み出しました。これは、Tesla の初期投資家がほぼ 10 年にわたり、同社とその株が「すぐにでも失敗する」と予想していた反対者に直面してきたことを知っているように、大きな機会をもたらします。
しかし、AI ブームはまだ現在の資本支出を正当化できるほどの収益を生み出しておらず、完全に確立された経済セクターになる前に低迷するリスクも伴います。
