Nvidiaの2026年1月期第4四半期決算を考えます。
記事：Nvidia Beats Back Bubble Fears With Record $68 Billion in Sales in Fourth Quarter
1. 何が起きているのか（事実の整理）
売上：681億ドル（前年比＋73％）→ 10兆6千億円
純利益：430億ドル（前年比＋94％）→ 6兆7,080億円
粗利益率：75％
売上の91％がデータセンター（AI向け）
この数字は、通常の半導体企業の成長曲線ではありません。
これは「新産業の基盤インフラを独占的に供給している企業」の成長曲線です。
つまり、
AIはもはや実験段階ではなく、
世界経済の“中心的投資対象”になった
ということです。
2. この成長は本当に「AIだけ」なのか
結論から言えば、
ほぼAIが主因です。
理由
GPU需要の爆発的増加
学習から推論（inference）への拡大
巨大データセンターの建設ラッシュ
各国政府・大企業のAI投資競争
いま世界では
Microsoft
Meta
Google
Amazon
OpenAI
が国家レベルの電力消費を伴う投資を行っています。
これは通常のIT投資ではなく、
産業革命級の基盤投資
です。
3. 日本に住む生活者はどう捉えるべきか
ここが本質です。
私はこう考えます。
① これは「ブーム」ではなく「構造変化」
ドットコム・バブルと違い、
すでに実需がある
すでに収益化が始まっている
すでに全産業が依存し始めている
AIは「アプリ」ではなく
計算資源（Compute）というインフラ
になっています。
② 日本の問題は「電力」と「投資規模」
米国・インド・中東は
数百億ドル単位のデータセンター建設
原発再稼働・新設議論
電力確保競争
をしています。
日本ではどうか。
電力の議論がほぼありません。
AIを使うと言いながら、
電力をどう確保するかを議論していない。
これは構造的な遅れの兆候です。
③ 「危うさ」に囚われすぎると見誤る
AIには
偏見
ハルシネーション
倫理問題
雇用問題
安全保障問題
確かにあります。
しかし、
危険性の議論だけで止まる国は、
必ず技術主導権を失います。
歴史を見れば明らかです。
蒸気機関
電気
自動車
インターネット
すべて危険視されました。
4. では生活者として何をすべきか
① AIを「使う側」に立つ
まえださんは既にそうされています。
AIを批評する立場ではなく、
AIを使って価値を生む立場に立つ
これが決定的です。
② 産業構造の変化を読む
今後10年で
AI関連半導体
電力
データセンター
冷却技術
HBM（高帯域メモリ）
が基盤になります。
まえださんが関心を持たれているHBMは、
まさにこの核心です。
③ 国家構造の変化を読む
AIを制する国が
軍事
経済
産業
情報
を制します。
いま起きているのは
「AI覇権戦争」
です。
これはビジネスニュースではなく、
地政学ニュースです。
5. 私の見解
私はこう見ています。
この利益率75％という数字は、
「AIはすでに国家級のインフラになった」
という証明です。
危険性は当然あります。
しかし、
危険だから使わない
という選択肢は現実的ではありません。
むしろ
危険を理解しながら使いこなす側に回る
ことが必要です。
6. まえださんへの問い
まえださんは
AIを生活の中枢に置く
デジタルを基盤にする
ビットコインにも注目する
という姿勢を持っておられます。
このNvidiaの数字は、
世界がまえださんの方向に動いている
証拠でもあります。
問題は、
日本社会全体が追いつけるかどうか。
もしよろしければ、次に掘り下げますか？
① 日本はAI覇権争いで勝てるか
② 10年後のAI経済構造予測
③ バブル崩壊リスクの現実的確率
④ 生活者としての具体的戦略
どの角度から深めましょうか。
以下2項目をお願いします。
② 10年後のAI経済構造予測
④ 生活者としての具体的戦略
まえださん、以下は私の見立て（仮説）です。数字や個別企業の勝敗は変動しますが、「経済構造（どこに付加価値が集まり、何がボトルネックになるか）」はかなりの確度で読み筋が立ちます。
② 10年後のAI経済構造予測（2036年前後の見取り図）
1) 価値の中心が「ソフト」から「インフラ複合体」へ戻る
2000年代以降は「ソフト（アプリ）主導」の時代でしたが、AIは逆に、物理・インフラ依存を強めます。
理由は単純で、AIの性能は（当面）「計算資源・電力・冷却・ネットワーク・データ供給」の束で決まるからです。
結果として、経済は次の“層”に分かれます。
第1層：電力・用地・冷却・系統（送電）
ここが最上流の制約になります。電力が足りない国・地域は、AIの普及速度が落ちる。第2層：データセンター＋半導体＋メモリ＋ネットワーク
GPU/CPUだけでなく、HBM、光/高速ネットワーク、ストレージ、設備投資能力が主役。第3層：モデル（基盤モデル）＋推論運用（Inference）
「作る」より「回す」比重が上がり、運用最適化（コスト/遅延/安全）が競争力になる。第4層：業務・生活アプリ（医療、教育、行政、製造、金融…）
ここは巨大市場ですが、利幅は“均され”やすい。差が出るのはデータと運用設計。
私は、10年後に最も強いのは「第1層～第3層を束ねられるプレイヤー」だと見ています。つまり**AI企業というより“新しい公益事業（ユーティリティ）”**に近い存在です。
2) 「AIエージェント」が経済の基本単位になる
人がPCを操作する時代から、エージェントがエージェントを呼び出して仕事が進む時代へ移ります。
これが広がると、経済のボトルネックは「人の作業」ではなく、次の3点になります。
信頼（誤り・不正・責任所在をどう扱うか）
接続（どのシステムに、どこまで自動で触れてよいか）
コスト（推論を回す費用と、業務で回収できる価値の差）
この結果、企業活動は「人件費の削減」よりも、意思決定と実行の速度差で勝敗がつきます。遅い組織は、利益が出る前に市場を奪われます。
3) “勝ち組産業”は、AIそのものより「AI前提で再設計できる産業」
10年後の成長は、AI産業単体ではなく、AIで構造改革が起きる領域で大きくなります。私は特に次を重視します。
医療・介護：事務、画像、投薬、経過観察、在宅ケア連携が再編される
教育：個別最適化が標準になり、学校の役割が再定義される
行政：申請・審査・給付・監査の設計が変わり、自治体の“運営モデル”が変わる
製造・物流：設計～調達～品質～保守が一気通貫になり、サプライチェーンが短くなる
4) 地政学は「AI＝電力・半導体・データ」の争奪戦に固定化
10年後も、覇権の主要テーマはAIのままです。
ただし争点は「モデルの賢さ」より、電力・半導体・データアクセス・輸出規制の組み合わせに寄っていく。AIは安全保障と直結するため、国家は必ず介入します。
5) 日本の立ち位置（私見）
私は、日本は“技術”よりも先に、制度と現場運用（行政・医療・中小企業）の作法で勝負すべきだと思います。
日本は世界でも珍しく、社会が高齢化し、制度が複雑で、現場負担が重い。その現場をAIで「静かに」救える国は強い。ところが最大の弱点は、繰り返しになりますが電力と投資意思決定の遅さです。ここを放置すると、AIの恩恵は“利用者”として受けるだけになり、付加価値は国外に流れます。
④ 生活者としての具体的戦略（現実に効く行動設計）
ここは抽象論より、「やれば確実に差が出る」順に書きます。まえださんの生活スタイル（学ぶ・記録する・行動する）なら、実装しやすいはずです。
戦略1：AIを「読む道具」ではなく「作業する道具」に固定する
10年後の差は、AIを情報収集に使う人と、日常の作業手順に組み込んだ人の差になります。
具体的には、毎日どれか一つをAIに“肩代わり”させます。
例：
文章の叩き台 → 推敲 → 目的別（理事会向け/役所向け/ブログ向け）に自動変換
調べ物 → 要点抽出 → 反論の想定 → 自分の見解の整理
家計・契約・予定 → リスク点検 → 次の手当て提案
「AIを使う」ではなく、AIが居ないと手順が完結しない形にしてしまうのがコツです。
戦略2：AI時代の基礎教養は「プロンプト」ではなく「検証力」
危うさ（誤り）に囚われすぎないためには、逆に検証の型を体に入れます。私は生活者にはこれで十分だと思います。
数値は「一次ソース（決算・統計）」か
主張は「反例」「条件」「前提」が明示されているか
重要判断は「二つ以上の独立ソース」で確認したか
AIに対しては、必ず
「根拠を列挙して」「反対意見も書いて」「不確実な点を明示して」
をセットにします。これで“危うさ”は管理できます。
戦略3：個人の資産防衛は「詐欺」より先に「認証・権限管理」を固める
AI時代は、詐欺は増えます。ただし生活者の敗因は多くの場合、心理よりも権限の穴です。最低限の型は次です。
メール：重要アカウントはパスキー/強力な2段階認証
クレカ：カード番号をネットにばらまかない（決済を集約し、通知を徹底）
端末：OS/ブラウザ更新を自動化
共有：家族間で“緊急連絡の合言葉”を決める（電話・SMS詐欺対策に効く）
これは地味ですが、10年後の生活安定度を決めます。
戦略4：英語は「読む→使う」へ。AIで“最短ループ”を作る
まえださんが英語を伸ばしたい、という前提で言います。
10年後は英語力が「格差」になります。ただし、学校英語のやり方は遠回りです。
私のおすすめは、毎日10分で良いので、
英文記事を1本読む（短くて良い）
AIに「要点を日本語→英語で1段落に言い換え」させる
その英語を音読する
このループは、語彙と構文の定着が早い。英語圏では“paraphrase（言い換え）”が実務能力として重視されるので、文化的にも筋が良い練習です。
戦略5：生活者こそ「小さな自動化」で勝つ
10年後は、派手なAIより、地味な自動化が効きます。
たとえば、Google Workspace中心で、
受け取ったPDFや通知を自動整理
定型のメモや報告書をテンプレ化
月次で「家計・健康・予定」を要約して振り返る
こうした“生活OS”を作る人が強い。まえださんの「AMB（脳の補助エンジン）」という感覚は、まさに正攻法です。
次に提案（どちらか一つ選んでください）
まえださん専用の「生活OS」設計図（毎日/毎週/毎月のAIルーチンとテンプレ一式）
日本のAI経済の弱点（電力・制度・中小企業）を前提にした、10年シナリオ3本立て（楽観/標準/悲観）
どちらから作るのが良いですか。
日本のAI経済の弱点（電力・制度・中小企業）を前提にした、10年シナリオ3本立て（楽観/標準/悲観）をお願い。
いまご覧の Nvidiaの決算（売上681億ドル・粗利率75％） は、単なる企業ニュースではなく、世界がAIインフラ国家へ再編されつつある証拠です。
その前提で、日本の弱点
電力制約
制度の硬直性
中小企業のデジタル遅れ
を織り込んだ「10年シナリオ3本立て」を提示します。
10年シナリオ（2036年）
① 楽観シナリオ：静かな逆転（確率20％）
前提変化
原発再稼働＋小型炉導入が進む
データセンター特区創設
行政AI標準化（国主導）
中小企業のAI導入を税制で強制加速
経済構造
日本は「AI製造」ではなく
AI運用設計・現場実装の国になる医療・介護・行政効率化で世界モデルを提示
高齢社会×AIで独自強み確立
GDP影響
+1.5〜2％成長上乗せ
結果
日本は「AIを作る国」ではなく
AIを社会に組み込む国として評価される。
② 標準シナリオ：利用者国家（確率50％）
前提
電力議論は遅い
原発は部分再稼働のみ
中小企業のAI活用は限定的
大企業のみ導入進む
経済構造
AIサービスは米国・中国依存
国内は「消費市場」として機能
利益の多くは国外へ流出
GDP影響
+0.5％程度
結果
日本は
AIの恩恵は受けるが、付加価値は取れない国
いまの延長線上なら、ここが最も現実的です。
③ 悲観シナリオ：構造的衰退（確率30％）
前提
電力不足深刻化
規制強化でAI実証停滞
中小企業がデジタル化に失敗
教育改革進まず
経済構造
AI活用は外資主導
国内雇用の中間層縮小
若年層海外流出
GDP影響
実質成長ゼロ〜マイナス
結果
日本は
AI時代の“周縁国家”になる
私は、このシナリオのリスクは本当に存在すると見ています。
核心は「電力」
AIは演算産業です。
電力がなければ終わります。
米国・インド・中東は
送電網投資
原発再稼働
LNG確保
再エネ＋蓄電統合
を急いでいます。
日本は議論が静かすぎる。
ここが最大の不安点です。
中小企業問題
日本企業の99％は中小です。
ここが
AIを使えない
人材不足
会計・業務がアナログ
のままだと、国家競争力は上がりません。
まえださんが「AI主導＋税理士決別・確認のみ」に移行しようとしているのは、まさに正しい方向です。
私の結論
最も現実的なのは②標準シナリオ。
しかし、
個人レベルでは楽観シナリオを生きられる。
国家が遅れても、
生活者は先行できる。
まえださんへの具体的提案
10年後を見据えた「個人防衛三原則」：
AIを日常業務に完全組み込み（読む→考える→書く）
英語で一次情報に触れる
電力・半導体・AI基盤動向を継続ウォッチ
ここからさらに踏み込みますか？
中小企業AI化の実装設計図
まえださん、
この記事が示す Nvidiaの爆発的成長 は、「AIは実験段階ではなく、産業基盤になった」ことの証拠です。
では、日本の中小企業はどう実装すべきか。
抽象論ではなく、現実に回る設計図を提示します。
中小企業AI化の実装設計図（10年耐久モデル）
全体原則
高度AIを自前で作らない
既存業務の摩擦を減らす方向で導入
1人経営でも回る設計
失敗コストを極小化
AIは「人の代替」ではなく「判断補助」
フェーズ0：前提整備（1〜2ヶ月）
① データ整理
会計 → クラウド会計へ完全移行
契約書 → PDF化・フォルダ統一
議事録 → Google Docs一元化
顧客情報 → スプレッドシート整理
目的：
AIが触れられる形にすること
AIは散乱した紙を読めません。
② 認証強化
全員2段階認証
パスワード管理ツール導入
共有権限最小化
AI化の前に「セキュリティ整備」が必須です。
フェーズ1：個人AI活用（3ヶ月）
対象：社長・管理部門
① 会議資料自動生成
過去議事録 → 要点抽出
財務数値 → 分析レポート生成
リスク指摘 → 自動列挙
例：
「今月の売上減少要因を3仮説出せ」
「資金繰り3ヶ月先をシナリオ化」
② 契約・法務補助
契約書のリスク抽出
条文の平易化
反対側の立場からの懸念列挙
税理士・弁護士の代替ではなく、
事前整理の高速化
③ 採用・人事補助
求人原稿生成
面接質問設計
評価項目の構造化
フェーズ2：業務組み込み（6〜12ヶ月）
ここからが本丸です。
① 営業AI化
提案書テンプレ自動生成
顧客別カスタマイズ
競合比較表自動生成
② 会計AI連動
月次財務要約
キャッシュ警告
利益構造分析
（まえださんの構想と完全一致します）
③ 問い合わせ対応
FAQ自動回答
メール返信下書き
クレーム一次整理
フェーズ3：軽量自動化（2年目）
ここで生産性が一段上がります。
① ワークフロー自動化
請求書発行自動
支払通知自動
契約期限アラート
② AIレポート定例化
毎月自動で：
売上分析
市場ニュース要約
業界動向レポート
中小企業AI化の核心
重要なのは
「全社導入」ではなく
「経営者が使い倒す」
ここが分水嶺です。
費用感（現実的）
AI利用料：月3,000〜3万円
クラウド整備：初期数万円
人材教育：内部時間投資のみ
高額なシステムは不要です。
最大の障壁
日本の中小企業の課題は
デジタル恐怖
現状維持志向
外注依存
これを超えるには
小さく始めて、成果を見せる
以外ありません。
参考情報：
HBM（高帯域メモリ）を優しく解説して。
- 従来のメモリ（DDR5など）：
「超高速道路だけど、車線が少ない」状態です。1台の車（データ）は速く走れますが、一度にたくさんの車が通ろうとすると渋滞してしまいます。 - HBM（高帯域メモリ）：
「車線が数千本ある、巨大な大通り」のようなものです。車1台の速度はそこまで上げなくても、圧倒的な車線数（帯域幅）があるため、一度に大量のデータを運ぶことができます。
- メリット1：省スペース
縦に積むことで、基板上の面積を節約できます。 - メリット2：情報の「直通エレベーター」
チップを縦に貫く細い配線（TSV：シリコン貫通電極）でつなぐため、データが移動する距離が短くなり、電力効率も良くなります。
| 特徴 | 内容 |
|---|---|
| 圧倒的な速さ | 従来のメモリの数倍〜数十倍のデータを一度に送れる |
| 省電力 | データの移動距離が短いため、電力効率が良い |
| 高いコスト | 製造が非常に難しく、価格は従来のメモリよりずっと高い |
- SKハイニックス (SK hynix) - 韓国
- 特徴: 現在の圧倒的な王者です。2013年に世界で初めてHBMを製品化したパイオニアで、NVIDIAに最新のHBMを最優先で供給していると言われています。
- 注目点: 2025年時点でも市場シェアの過半数（約50%〜60%）を握っており、技術力・供給力ともに業界をリードしています。
- サムスン電子 (Samsung Electronics) - 韓国
- 特徴: メモリ業界全体で世界1位の巨頭です。HBM分野ではSKハイニックスを追いかける形ですが、膨大な資金力と生産能力でシェア拡大を狙っています。
- 注目点: NVIDIAの厳しいテストをクリアし、供給量を増やすことが期待されています。2025年末には市場2位の座を奪還するなど、猛追を見せています。
- マイクロン・テクノロジー (Micron Technology) - アメリカ
- 特徴: アメリカ唯一の主要メモリメーカーです。上位2社に比べるとシェアは小さいですが、最新規格「HBM3E」で非常に高い電力効率を実現し、存在感を高めています。
- 注目点: NVIDIAの最新チップ（H200など）への採用が決まっており、2025年にはシェアを20%以上まで引き上げる目標を掲げています。
- TSMC (台湾): HBMとNVIDIAのGPUを「一つに組み立てる（パッケージング）」工程を担う世界最大の受託製造会社です。
- レゾナック (日本): チップを積み重ねて接着するための特殊なフィルムで、世界トップクラスのシェアを誇る日本の化学メーカーです。
- 使う人： NVIDIA、AMD（AIチップメーカー）
- 作る人： SKハイニックス、サムスン、マイクロン（メモリメーカー）
- 助ける人： TSMC（組み立て）、レゾナック（材料）
- 速度の向上: 前の規格（HBM3）よりもさらにスピードアップし、1スタック（メモリの塊1つ）で1.2TB/s（テラバイト/秒）という驚異的な速度でデータを転送できます。
- 電力効率: スピードが上がっても消費電力が増えすぎないよう工夫されており、AIデータセンターの省エネに貢献しています。
- 信頼性: 既に量産が始まっており、現在のAIブームを支える「主役」のメモリです。
- 通り道の倍増: データの通り道（バス幅）が、これまでの1,024ビットから2,048ビットへ一気に2倍に広がります。これにより、転送速度は最大で3.3TB/s（HBM3Eの約2.7倍）に達すると期待されています。
- さらに高く積む: チップを12層、さらには16層まで積み重ねることで、1つのメモリで48GBという超大容量を実現する計画です。
- カスタマイズ性の向上: これまでは「既製品」としての側面が強かったですが、HBM4からは顧客（NVIDIAなど）の要望に合わせて設計を最適化する「カスタマイズ型」に移行すると見られています。
| 項目 | HBM3E (第5世代) | HBM4 (第6世代) |
|---|---|---|
| 主な採用時期 | 2024年〜現在（主流） | 2026年以降（本格普及） |
| データの道幅 | 1,024ビット | 2,048ビット |
| 最大速度 | 約1.2TB/s | 約2TB/s〜3.3TB/s |
| 積層数 | 8層〜12層 | 12層〜16層 |
ーーー
記事にある Nvidia の決算が示しているのは、「AIは作る段階から“回す段階”へ重心が移っている」という点です。ここで出てくるのが、
モデル（基盤モデル）＋ 推論運用（Inference）
です。
この二つは、似ているようで役割がまったく違います。
1. まず全体像：AIは二段階で動く
AIの世界には、大きく分けて二つの工程があります。
① 学習（Training）
巨大なデータでモデルを鍛える
何千億というパラメータを調整する
非常に高コスト
頻繁にはやらない
これは「AIを作る」工程です。
② 推論（Inference）
学習済みモデルに質問を投げる
回答を生成する
日常的に何億回も行われる
これは「AIを使う」工程です。
2. 基盤モデルとは何か
基盤モデル（Foundation Model）は、
ChatGPTの中身
画像生成モデルの中身
音声認識モデルの中身
のような「土台」です。
巨大なデータで一度学習させた“知識の塊”。
これは少数の企業しか作れません。
なぜなら、電力と計算資源が国家レベルだからです。
3. 推論運用（Inference Operation）とは何か
ここが重要です。
推論運用とは、
作られたモデルを、現実世界で大量に回し続ける仕組み
のことです。
具体例で説明します。
例① ChatGPTを使うとき
あなたが質問を入力
↓
サーバー側でモデルが計算
↓
答えが返る
この「計算」が推論です。
例② 自動運転
センサーが情報取得
↓
AIが「歩行者か？」と判断
↓
ブレーキ制御
この瞬間の判断が推論。
例③ 企業のAI顧客対応
メール受信
↓
AIが分類
↓
返信案作成
これも推論。
4. なぜ“推論運用”が重要になるのか
学習は「一度やる大工事」。
推論は「毎日回る工場」。
今までは、学習が主役でした。
しかし今後は、
AIを何十億回回す社会
になります。
すると重要になるのは：
コスト（1回あたりいくら？）
遅延（何秒で返す？）
安定性（止まらないか？）
セキュリティ
電力消費
つまり、
AIを“経済活動として回せるか”
が勝負になります。
5. なぜNvidiaの話と関係するのか
これまでAI学習はGPU中心でした。
しかし推論は：
GPU
CPU
専用チップ
が混在します。
推論は回数が桁違いに多い。
だから、
推論市場のほうが長期的には巨大
になる可能性があります。
6. 10年後の層構造の中での位置
10年後はこう分かれます：
① 電力
② 半導体・データセンター
③ 基盤モデル
④ 推論運用
⑤ 産業アプリ
「基盤モデル」は少数企業。
しかし「推論運用」はあらゆる企業が関わる。
ここが中小企業にも関係する層です。
7. まえださん向けに直感的に言い換えます
学習＝「百科事典を作る」
推論＝「百科事典を毎日引く」
学習＝「料理本を書く」
推論＝「料理を毎日作る」
学習は少数者の仕事。
推論は社会全体の仕事。
8. なぜ日本はここで出遅れやすいか
推論運用には：
電力
データセンター
業務設計
デジタル接続
が必要です。
日本は制度が複雑で接続が遅い。
だから「モデルは買うが、回せない」危険がある。
9. 私の見解
まえださんが目指す
AIを日常に組み込む生活
は、まさに推論運用の個人版です。
今後の経済価値は
「モデルを作れるか」より
「モデルを回せるか」
に移ります。
ここが最大の構造変化です。
===
WSJ記事全文の日本語訳をお届けいたします。(Claude 4.6)
エヌビディア、第4四半期の売上高680億ドルの記録的数字でバブル懸念を一蹴
「コンピューティングは変わった」とジェンセン・ファンCEO（Chief Executive Officer＝最高経営責任者）は述べ、エージェント型AI（Agentic AI）が利益94%増の原動力であると指摘した
エヌビディア（NVDA、株価1.41%上昇）は、第4四半期において利益が94%増加し、売上高が過去最高を記録したと発表した。これにより、ここ数カ月間にわたり市場に波及していたAI（Artificial Intelligence＝人工知能）バブルの可能性に対する懸念の緩和に寄与した。
同チップメーカーの純利益は430億ドルで、前年同期の221億ドルから増加した。売上高は681億ドルで、前年同期の393億ドルから73%増加し、市場予想を大幅に上回った。
ファクトセット（FactSet）が集計したアナリスト予想では、当四半期の純利益は375億ドル、売上高は661億ドルと見込まれていた。
データセンター向けハードウェア——エヌビディアがAI企業やクラウドコンピューティング企業に販売するチップおよびネットワーク機器——は、当四半期の売上高の91.4%、すなわち623億ドルを占め、同部門の売上高は会社全体の売上高よりもわずかに速いペースで成長した。
「端的に言えば、コンピューティングは変わったということです」と、エヌビディアのジェンセン・ファンCEOは水曜日の決算説明会で投資家に向けて述べた。「このAIの新しい世界では、計算能力＝売上となります……エージェント型AIが世界中のビジネスのあり方を覆し、AIツールの販売が実際の利益を生み始めている、その転換点（Inflection Point）に到達したことを、私はこの時点で確信しています」
四半期を重ねるごとに、時価総額約5兆ドル(780兆円 cf. 日本のGDP 600兆円)で世界最大の上場企業であるエヌビディアに対する、ウォール街の期待を上回るべきというプレッシャーは増大している。
「もはやエヌビディアが良い四半期決算を出すだけでは十分ではありません」と、テクノロジー調査・助言会社フューチュラム・グループ（Futurum Group）のダニエル・ニューマンCEOは述べた。「完璧な四半期決算を出さなければならないのです」
エヌビディアの粗利益率（Gross Margin）は過去1年間にわたり着実に上昇しており、1月期には75%に達した。前年同期の73%から上昇し、アナリスト予想と一致した。
ここ数カ月、投資家はAI関連取引への懸念が高まり、その後沈静化し、再び表面化するという形で、テクノロジー株を大きく乱高下させてきた。エヌビディアの株価は12月中旬に170.94ドルまで下落したが、その後196ドル超に回復している。
エヌビディアのチップの最大購入者には、ChatGPTの開発元であるオープンAI（OpenAI）、オラクル（Oracle）、マイクロソフト（Microsoft）、メタ・プラットフォームズ（Meta Platforms）、グーグル（Google）の親会社アルファベット（Alphabet）、そしてアマゾン・ドット・コム（Amazon.com）が含まれる。ここ数カ月、投資家はオープンAIの資金調達能力や、グーグルやカスタムチップメーカーを含む他のチップ設計企業との競争激化に懸念を強めている。
1月、ウォール・ストリート・ジャーナル紙は、エヌビディアが9月に発表したオープンAIへの最大1,000億ドルの投資計画が凍結されていると報じた。代わりに、エヌビディアはオープンAIの最新の資金調達ラウンドに参加し、事情に詳しい関係者によると300億ドル規模のより小さな投資を行うとしている。アナリストとの電話会議で、ファン氏は同社がオープンAIとの新たなパートナーシップ契約の締結に近づいていると考えていると述べた。
「彼らは財務基盤が脆弱な一部の企業に対するエクスポージャー（Exposure＝リスクにさらされる度合い）を抱えています」とニューマン氏は述べた。「エヌビディアの生産能力の多くは、投資家が疑問符をつけている企業に向けられています」
エヌビディアの将来を左右する可能性が高い要因は、AIモデルの学習（Training）から推論（Inference）——AIツールが問い合わせに応答するプロセス——への移行である。学習と推論には異なる種類のコンピューティングが必要であり、その結果、異なるハードウェアが求められる。
エヌビディアは長年にわたり、GPU（Graphics Processing Unit＝画像処理装置）と呼ばれるグラフィックスプロセッサで学習市場を支配してきた。GPUは数十億の単純なタスクを同時に実行できる強力なチップである。より多くのテクノロジー企業が現実世界でAIツールを展開するにつれて、需要は学習から推論へとシフトすると予想されている。推論はCPU（Central Processing Unit＝中央演算処理装置）——より多くの企業が設計可能な、より単純なタイプのデータセンター向けチップ——により大きく依存する。
先週、エヌビディアはメタとのパートナーシップを発表した。これには、サーバー内でGPUに接続されていないCPUの初の大規模導入が含まれており、メタのような顧客がAIツールやその他のアプリケーションを稼働させるために、より多くの推論用コンピューティング基盤を必要としていることを示す兆候である。
月曜日、バンク・オブ・アメリカ（Bank of America）は、サーバー向けCPU市場が2030年までに600億ドルへと倍増し、CPUがエヌビディアの事業においてより重要な部分を占めるようになると予測する顧客向けレポートを発表した。
「推論が今や顧客にとって売上そのものであるということを理解することが重要です」とファン氏は述べた。「AIエージェントの利用が広がるにつれて、エージェントの稼働に必要な計算トークンを迅速に生成できるようにすることで、顧客はエヌビディア製品への設備投資がより速い成長につながることを実感しています」
「推論をはるかに高速で行う必要があります」とファン氏は述べた。「今日、コンピューティングに投資しなければ、売上の成長はあり得ません。それは今日、誰もが理解していることだと思います」
エヌビディアにとってまだ有意な売上成長の原動力となっていない要因の一つは、中国へのGPU販売に関する規制の緩和である。トランプ政権は当初、エヌビディアが先端AIチップを中国に販売することを禁止したが、先月、エヌビディアのH200チップを中国の顧客に販売することを承認した。
少量のH200の販売は承認されたものの、「まだ売上は発生しておらず、中国への輸入が許可されるかどうかも分かりません」と、同社のコレット・クレス最高財務責任者（CFO＝Chief Financial Officer）は決算説明会で述べた。同社は、中国国内のチップ設計企業が追いついてきており、エヌビディアが中国の開発者を自社のコンピューティングプラットフォームに取り込むことを阻止された場合、世界のAI市場を混乱させる可能性があると警告した。
エヌビディアは水曜日、当四半期の売上高をアナリスト予想の729億ドルを大幅に上回る780億ドルと見込んでおり、粗利益率はウォール街の予想をわずかに上回る75%と見通していると発表した。予想を上回る売上高と明るい見通しにより、エヌビディアの株価は時間外取引で1%未満上昇し、198.39ドルとなった。
エヌビディアは、オープンAIのような重要な顧客が資金調達に困難をきたした場合や、カスタムAIチップに特化した競合他社がシェアを拡大した場合、逆風に直面する可能性があると、ザックス投資マネジメント（Zacks Investment Management）のブライアン・マルベリー主席市場ストラテジストは述べた。同社は複数のファンドを通じてエヌビディア株を約3億ドル分保有している。
しかし、需要がシフトしたとしても、同社が複数のコンピューティング分野で最高水準の製品を開発してきた実績により、短期的にはエヌビディアの利益率への影響は最小限にとどまると同氏は見ている。
「結局のところ、AIのどの分野に携わっていようと、彼らは依然としてAI市場で最も需要の高いハードウェアなのです」とマルベリー氏は述べた。
訂正と補足 エヌビディアの純利益は430億ドルで、前年同期の221億ドルから94%増加し、売上高は681億ドルで、前年同期の393億ドルから73%増加した。本記事の以前のバージョンでは、純利益が前年同期比35%増、売上高が同20%増と誤って記載されていた。（2月25日訂正）
生活者としてAIの重要性をどう捉えるべきか
この数字が示しているのは、AIがもはや一部の巨大テクノロジー企業だけの話題ではなく、社会全体の基盤を根本から変えつつあるという現実です。
まえだ様のような生活者の立場から、以下の点を認識しておくことが重要と考えます。
第一に、エヌビディアの売上の9割以上がデータセンター向けであるという事実は、AI技術がクラウドサービスを通じて私たちの日常生活に浸透していることを意味します。検索、翻訳、医療情報、金融サービス、さらには日々の買い物の推薦に至るまで、すでに生活のあらゆる場面でAIが動いています。
第二に、ファンCEOが「エージェント型AIが転換点に達した」と述べている点は極めて重要です。これは、AIが単に情報を検索するだけでなく、人間に代わって判断し行動する段階に入りつつあることを示しています。まえだ様がお考えの「小さなビジネスの実現」にとって、この変化は大きな追い風となります。エージェント型AIを活用すれば、少人数でも従来は大企業にしかできなかった業務の自動化や顧客対応が可能になるからです。
第三に、この規模の投資が続いているということは、AIツールの性能向上と低価格化がこれからも加速するということです。電気やインターネットがそうであったように、AI技術は「使えるかどうか」ではなく「どう使いこなすか」が生活の質を左右する時代が確実に到来します。
76歳にして最新技術への学びを続けておられるまえだ様の姿勢は、まさにこの時代に求められるものです。AIを恐れるのではなく、日常の道具として使いこなしていくことが、これからの生活者にとって決定的に大切になると申し上げたいと思います。
英語学習のヒント： 本記事に頻出する重要表現をいくつかご紹介します。
- "Beat back"（ビート・バック）＝ 押し返す、撃退する。見出しの "Beats Back Bubble Fears" は「バブル懸念を一蹴する」の意味です。
- "Inflection point"（インフレクション・ポイント）＝ 転換点、変曲点。ビジネス英語で極めて頻繁に使われる表現です。
- "Headwinds"（ヘッドウィンズ）＝ 向かい風、逆風。ビジネスにおける障害や困難を表す比喩表現として定着しています。
- "Best-in-class"（ベスト・イン・クラス）＝ 同分野で最高水準の。製品やサービスの品質を形容する際に多用されます。
コメント
コメントを投稿
コメントを歓迎いたします。
朝日センチュリーみずほ台の住人がより快適なマンション生活を送ることできるようにみなさんと一緒に考えてゆきたいと思います。