The Thinking Machine
Jensen Huang, Nvidia, and the World’s Most Coveted Microchip
2025年刊
Stephen Witt著
著者の経歴
スティーヴン・ウィットは、米国の作家、ジャーナリストである。シカゴ大学で数学を学び、卒業後は金融業界で活動した。その後、テクノロジーと産業構造の変化を主題とするノンフィクション作家となり、The New Yorkerなどに寄稿した。本書では、NVIDIAの創業者ジェンスン・フアンをはじめ、経営幹部、半導体技術者、AI研究者らへの取材を通じて、AI革命を支える半導体産業の歴史と、技術革新を世界的な事業へ発展させた経営者の実像を描いている。
本書の内容
1.フアンの少年時代
ジェンスン・フアン（黄仁勲）は1963年に台湾で生まれ、幼少期を台湾とタイで過ごした後、兄とともに米国へ渡った。両親は息子たちに優れた教育を受けさせようと考えていたが、兄弟が送り込まれたケンタッキー州の学校は、問題を抱えた少年たちを受け入れる寄宿学校であった。フアンは年上の生徒たちによるいじめや厳しい生活環境に直面したが、その経験を通じて困難に耐える精神力と競争心を身に付けた。後に家族とともにオレゴン州へ移り住み、オレゴン州立大学で電気工学を学んだ後、スタンフォード大学で修士号を取得した。フアンはAMDで半導体技術に携わり、続いてLSI Logicで半導体設計と製品開発の経験を積んだ。この時期に、半導体産業では優れた技術だけでなく、製品開発の速度、顧客との関係、製造技術の選択が企業の成否を左右することを学んだ。ウィットは、フアンの経営者としての特徴を理解するためには、移民としての経験、厳しい競争環境、技術者としての専門知識、そして失敗を恐れずに挑戦する性格を考える必要があると描く。フアンにとって企業経営とは安定した組織を維持することではなく、常に新しい競争へ挑み、企業の存続を賭けて技術的な優位を追求する活動であった。
2.NVIDIAの創業
1993年、フアンはマラコウスキー、プリエムとともにNVIDIAを創業した。三人は、コンピューターの性能向上によって画像処理が重要な市場になると考え、特にゲームや三次元画像を高速に処理する半導体に事業機会を見いだした。当時、コンピューター産業の中心はIntelなどが製造するCPUであり、画像処理はその補助的な機能と考えられていた。しかし、三次元画像を滑らかに表示するためには膨大な数の計算を短時間で処理する必要があり、CPUとは異なる専用の計算装置が求められていた。NVIDIAはこの市場に参入したものの、創業直後から資金不足と技術開発の失敗に直面した。初期製品のNV1は市場の標準技術との適合性に問題があり、商業的な成功を収めることができなかった。フアンは会社の存続が危ぶまれる中で開発方針を転換し、業界標準に適合する新しい製品の開発へ経営資源を集中させた。1997年に投入したRIVA 128は成功を収め、NVIDIAは成長への足掛かりをつかんだ。ウィットは、この創業期を通じて、フアンの強みが最初から正しい技術を選択する能力ではなく、失敗を認め、組織を迅速に方向転換させ、限られた資源を次の勝負に集中させる能力にあったことを示している。
3.GPU市場の制覇
1990年代後半、パソコン向けゲーム市場の拡大によって、高性能な画像処理半導体への需要が急増した。NVIDIAは1999年にGeForce 256を発売し、画像処理に必要な計算を専用半導体で高速に実行するGPUという製品分野を強く打ち出した。GPUは多数の演算を同時に実行する並列処理に適しており、複雑な三次元画像を高速に描画することができた。しかし、当時の画像処理半導体市場には3dfx、ATI、Matroxなどの競合企業が存在し、技術開発と価格競争は極めて激しかった。特に3dfxはゲーム向け画像処理技術で先行していたが、NVIDIAは新製品の投入速度、ソフトウェアとの互換性、半導体設計の高度化によって競争力を高めていった。2000年には3dfxの主要資産を取得し、ゲーム用GPU市場における地位を強化した。ウィットは、NVIDIAの成功を単に優れた半導体を開発した結果としてではなく、競争相手より速く製品を改善し、技術標準の変化に対応し続けた結果として描いている。また、フアンは製造設備を自社で大量に保有するのではなく、半導体設計に経営資源を集中させ、製造を外部企業へ委託する事業モデルを採用した。この戦略によって、NVIDIAは巨額の工場建設費を負担せずに技術開発へ投資することが可能となり、後の急成長を支える経営基盤を築いた。
4.並列計算への挑戦
フアンがNVIDIAの将来を大きく変えたのは、GPUを単なる画像処理用半導体ではなく、幅広い計算に利用できる装置へ発展させようと考えたことである。従来のCPUは複雑な命令を順番に処理する能力に優れていたが、大量の類似した計算を同時に実行する場合には効率が制約されることがあった。一方、GPUは多数の演算器を利用して同じ種類の計算を並行して処理できるため、科学技術計算、物理シミュレーション、金融計算などにも応用できる可能性があった。しかし、GPUを画像処理以外に利用するためには、専用のプログラミング技術が必要であり、一般の研究者や開発者にとって利用することは難しかった。フアンは、この問題を解決すればGPUの市場がゲーム産業から科学研究や産業全体へ広がると考えた。当時、この構想がどれほど大きな市場を生み出すのかは不明であり、社内外には巨額の研究開発費を投入することへの懸念もあった。それでもフアンは、半導体の将来はCPUの性能向上だけに依存するのではなく、計算処理の方法を変えることにあると判断した。ウィットは、この決断をNVIDIAの歴史における最も重要な転換点の一つとして描き、後のAI革命を支える技術的基盤が、AI市場が本格的に成立する以前から準備されていたことを明らかにする。
5.CUDAという革命
2006年、NVIDIAはGPUを汎用計算に利用するためのソフトウェア基盤CUDAを発表した。CUDAは、研究者やプログラマーがGPUの並列計算能力を比較的容易に利用できるようにする開発環境であり、画像処理以外の用途へGPUを広げるための重要な技術となった。それまでGPUを科学計算に利用するには、画像処理用の仕組を無理に応用する必要があったが、CUDAによって開発者は一般的なプログラミング言語に近い方法でGPUを利用できるようになった。これにより、物理学、化学、医学、金融、工学などの研究者がGPUの計算能力を活用できるようになり、NVIDIAの製品はゲーム用部品から高性能計算の基盤へ変化し始めた。しかし、CUDAの開発には長期的な投資が必要であり、当初はその投資に見合う市場が十分に存在していなかった。フアンは短期的な利益よりも将来の計算技術における優位性を重視し、CUDAの開発を継続させた。ウィットが強調するのは、CUDAが単なる補助的なソフトウェアではなく、NVIDIAの競争優位を長期にわたって維持するための戦略的な基盤となったことである。開発者がCUDAを利用してプログラムを作成し、研究成果を蓄積するほど、NVIDIAのGPUを使い続ける利点が大きくなり、競合製品へ移行する負担も増加した。NVIDIAは半導体の性能だけでなく、ソフトウェアと開発者の蓄積によって競争力を確立した。
6.深層学習との出会い
2010年代初頭、人工知能研究ではニューラルネットワークを利用した深層学習が再び注目され始めていた。ヒントンらの研究者は、人間の脳の神経回路を参考にした計算モデルによって画像や音声を認識する技術を長年研究していたが、その実用化には膨大な計算能力が必要であった。従来のCPUだけでは大規模なニューラルネットワークの学習に長い時間がかかり、研究の進展を妨げていた。しかし、GPUは大量の数値計算を並列処理することに適しており、深層学習の計算を高速化できることが明らかになった。2012年、トロント大学のクリジェフスキー、サツケバー、ヒントンらが開発したAlexNetは、NVIDIAのGPUを利用して大規模な画像認識競技会で画期的な成果を上げた。この成功は、深層学習が従来の画像認識技術を大きく上回る能力を持つことを示し、人工知能研究の方向性を変えた。フアンは、この成果が単なる学術研究の進歩ではなく、GPUに対する新しい巨大市場の誕生を意味すると理解した。ウィットは、深層学習の研究者がGPUの能力を発見したことと、フアンがその可能性を企業戦略へ転換したことが結び付き、NVIDIAの将来を決定したと描いている。
7.AIへの全面投資
AlexNetの成功後、フアンは深層学習が将来のコンピューター産業を根本から変えると考え、NVIDIAの研究開発をAI向けの計算基盤へ大きく振り向けた。当時、深層学習はまだ研究者の間で評価が分かれる技術であり、AI向けGPUの市場がどれほど拡大するかを正確に予測することはできなかった。しかし、フアンはニューラルネットワークの性能向上には大量の計算が必要であり、AI研究が発展すればGPUへの需要が急増すると判断した。NVIDIAはGPUの計算能力を高めるだけでなく、CUDA、数値計算ライブラリ、AI開発用ソフトウェアを整備し、研究者が同社の製品を利用しやすい環境を構築した。更に、複数のGPUを高速に接続する技術や、大規模な計算を効率的に実行するシステムの開発にも投資した。こうした取り組みは短期的には巨額の費用を必要としたが、フアンは既存のゲーム市場だけに依存する企業から脱却するためには不可欠だと考えた。ウィットは、この時期のフアンを、まだ十分に成立していない市場へ企業の将来を賭ける経営者として描く。重要なのは、NVIDIAがAI市場の急成長を見てから参入したのではなく、その市場が成立する前から必要な技術と事業基盤を準備していたことである。
8.AIスーパーコンピューター
NVIDIAはGPU単体の性能向上にとどまらず、多数のGPUを組み合わせた大規模な計算システムの開発へ進んだ。深層学習のモデルが大型化すると、単一のGPUでは処理できない膨大な計算が必要となり、複数のGPUを高速に接続して一体的に動作させる技術が重要となった。NVIDIAは2016年にDGX-1を発表し、AI研究者が高度な計算環境を利用できる統合型システムを提供した。この製品は複数のGPUと高速通信技術、専用ソフトウェアを組み合わせたものであり、AI開発に必要な計算基盤を一つの製品として提供するという新しい事業モデルを示した。更に、NVIDIAはGPU間の高速通信技術NVLinkや、データセンター向けのネットワーク技術を発展させ、大規模なAIシステムの性能向上を進めた。これによってNVIDIAは、半導体を販売する企業から、AIスーパーコンピューターの設計と運用を支える企業へ変化していった。ウィットは、この事業転換を、単なる製品の高性能化ではなく、顧客が必要とする計算環境全体を提供する戦略として描く。NVIDIAの競争力は個々のGPUの性能だけでなく、それらを接続し、制御し、効率的に利用するソフトウェアとシステム技術によって支えられるようになった。
9.生成AIの爆発
2022年11月にOpenAIがChatGPTを公開すると、生成AIに対する世界的な関心が急速に高まり、NVIDIAの事業環境は劇的に変化した。ChatGPTの基礎となる大規模言語モデルは、膨大な文章データを利用して学習するため、従来のAIモデルをはるかに上回る計算能力を必要とする。Microsoft、Google、Meta、Amazonなどの巨大企業は、生成AIの開発と運用のために大規模なデータセンター投資を開始し、高性能GPUへの需要が急増した。NVIDIAは長年にわたってGPU、CUDA、高速通信技術、AI開発用ソフトウェアを整備していたため、この需要拡大に最も有利な立場で対応することができた。特にH100などのAI向けGPUは、大規模言語モデルの学習と推論において重要な役割を果たし、NVIDIAの収益を急速に拡大させた。2024年6月には、NVIDIAは一時的に世界最大の時価総額を持つ企業となった。ウィットは、この急成長を偶然の成功としてではなく、長年にわたる技術投資と市場形成の結果として描く。生成AIの世界的な普及によって、NVIDIAは半導体産業の有力企業から、世界のAI開発を支える中心的なインフラ企業へ変貌した。
10.半導体産業の国際分業
NVIDIAの成功を理解するためには、半導体産業の国際分業構造も重要である。NVIDIAは半導体の設計とソフトウェア開発を中心とするファブレス企業であり、最先端半導体の製造は主に台湾のTSMCに委託している。TSMCは世界最高水準の半導体製造技術を保有し、微細化された半導体を大量に生産する能力を持つ。NVIDIAが設計する高性能GPUは、こうした製造技術がなければ実現できず、更にHBMと呼ばれる高帯域幅メモリー、先端パッケージング、基板、電力供給、冷却設備など、多数の企業の技術に依存している。ウィットが描くNVIDIAの成長は、米国企業の独力による成功ではなく、米国の半導体設計技術、台湾の製造能力、世界各地の部品供給と研究開発が結び付いた結果でもある。この国際分業は効率的な生産を可能にする一方、特定の企業や地域に依存するという脆弱性も生み出している。特に台湾海峡をめぐる地政学的な緊張は、世界のAI産業にとって重大な供給上のリスクとなる。NVIDIAが世界のAI産業を支える程、その製品の供給網は企業経営の問題を超えて、国家安全保障と国際政治に関わる問題となっていく。
11.米中半導体覇権
人工知能が経済成長だけでなく軍事、安全保障、科学技術の競争力を左右する技術となるにつれて、NVIDIAの半導体は米中対立の中心的な戦略物資となった。米国政府は、中国が高度なAI計算能力を軍事技術や監視システムなどに利用することを警戒し、先端半導体や半導体製造装置の対中輸出規制を強化した。NVIDIAの高性能GPUも規制の対象となり、中国市場への販売には制約が生じた。一方、中国はAI開発を国家的な戦略分野として位置付け、国内半導体産業の育成と独自の計算基盤の構築を進めていた。フアンにとって中国は重要な市場であったが、米国企業として輸出規制に従う必要があり、商業的利益と国家安全保障政策の間で難しい経営判断を迫られた。NVIDIAが世界市場で成功する程、その技術が国家間の競争を左右する戦略的な資源となり、企業の経営判断が政治的な制約を受けるようになった。かつて半導体産業の競争は企業間の価格、性能、技術開発を中心としていたが、AI時代には最先端の計算能力をどの国家が確保できるかという問題へ拡大した。NVIDIAのGPUは、単なる電子部品ではなく、21世紀の経済力と軍事力を支える重要な技術基盤となった。
12.フアンの経営哲学
本書で印象的なのは、ジェンスン・フアンの独特な経営手法である。フアンは極めて長時間働く経営者として知られ、技術開発から製品戦略、組織運営まで細部に関与する。また、階層の少ない組織を好み、多数の経営幹部から直接報告を受けることで、社内の情報が経営トップへ迅速に届く仕組を重視している。彼は社員に対して高い成果を要求し、会議では厳しい質問や激しい叱責を行うこともある。こうした経営手法は社員に強い緊張感を与える一方、技術的な課題を曖昧にせず、迅速に意思決定する企業文化を形成してきた。しかし、著者はフアンを理想的な経営者として一方的に称賛している訳ではない。強烈な競争心や怒りを伴う指導方法は、組織の成果を高める反面、社員に大きな心理的負担を与える。フアン自身は、企業が成功によって慢心すれば技術革新の速度が低下し、競争相手に追い抜かれると考えている。そのため、NVIDIAが世界的な成功を収めた後も、会社が常に危機に直面しているという意識を持ち続けることを重視する。ウィットは、フアンの成功を優れた技術的判断だけでなく、組織全体を長期的な目標へ集中させる強い指導力によって説明する一方、その強烈な個性が持つ危うさも描き出している。
13.AI革命の未来
本書の終盤では、NVIDIAの技術が人工知能の発展をどこまで加速させ、人間社会をどのように変えるのかという問題が提起される。フアンは、AIがコンピューターの利用方法を根本から変え、産業革命に匹敵する経済的変化をもたらすと考えている。従来のコンピューターは人間が記述した命令に従って処理を実行していたが、AIを中心とする新しい計算システムでは、大量のデータから学習したモデルが文章、画像、音声、映像を生成し、複雑な問題の解決を支援するようになる。更に、ロボット、自動運転、創薬、科学研究、製造業などの分野でも、AIの計算能力が技術革新を加速させる可能性がある。しかし、AIの能力向上には莫大な計算資源が必要であり、データセンターの電力消費、設備投資、半導体の供給能力が重要な制約となる。また、AIが人間の仕事をどの程度代替するのか、社会的な利益がどのように分配されるのかという問題も残されている。ウィットは、フアンがAIの可能性を強く信じる一方、AIによる雇用への影響などの批判的な質問に対して激しい反応を示す場面も描いている。NVIDIAの成功は単なる一企業の成長物語ではなく、世界の計算基盤が変化する歴史的な転換を象徴している。AI時代の競争力は、優れたアルゴリズムを開発する能力だけでなく、それを実行する計算資源と技術基盤を確保できるかどうかによっても決定される。
本書が言いたかったこと
NVIDIAの成功は、AIブームという偶然に恵まれた結果ではなく、将来の計算技術の変化を予見し、長期的な投資を続けた経営判断の成果である。フアンは、ゲーム用画像処理半導体として発展したGPUを汎用計算へ転換し、CUDAというソフトウェア基盤を構築することで、半導体の性能だけでは模倣できない競争優位を確立した。更に、深層学習がまだ研究段階にあった時期からAI向けの計算基盤に投資し、生成AIの普及によって世界的な需要が生まれた時には、他社が容易に追随できない技術と事業体制を完成させていた。重要なのは、優れた半導体を開発することだけでなく、ソフトウェア、研究者、データセンターを結び付ける産業基盤全体を構築したことである。一方、その成功は巨大な計算資源の集中、国際的な供給網への依存、米中技術対立という新たな問題も生み出した。本書は、技術革新を事業として成功させるには、長期的な構想、失敗を恐れない投資、技術と市場を結び付ける経営能力が不可欠であることを示している。