エヌビディアCEOジェンスン・フアンが、AI革命の最前線から見た過去・現在・未来を包括的に語る。1993年の創業時に抱いた「アクセラレーテッドコンピューティング」のビジョンから、グラフィックス市場の創造、CUDAによる汎用化、ディープラーニングへの賭け、そして現在のAI工場構想に至るまでの道のりを詳述する。さらに、エージェンティックAIと物理AIという2つの巨大市場の可能性、ソブリンAIの重要性、AI時代のセキュリティ、そして「生成型コンピューティング」という新たなパラダイムについて、第一原理からの思考に基づいた洞察を展開する。投資家向けのセッションでありながら、技術革新の本質と未来のビジネス機会を語る貴重な記録である。
エヌビディア創業の原点とビジョン
おはようございます。私の名前はコンスタンティン・ビューラーで、Sequoia CapitalでAI投資を担当しているパートナーです。エヌビディアとCitadel Securitiesには実は多くの共通点があります。どちらも例外的なビジネスであり、非常に優れた経営がなされ、非常に優秀なリーダーがいます。例外的に良く運営されています。どちらもコンピューティング革命によって力を得て、それぞれの業界でテクノロジーのリーダーとなっています。また、あまり知られていない事実として、どちらの場合も最初の外部投資家がSequoia Capitalでした。1993年にエヌビディアに100万ドルを投資したのです。それだけの価値がありました。本当に100万ドルという大金を思い切って投じたのです。Citadelへの投資は少し多めでしたが。
このカンファレンスでAIについて話すよう依頼されたとき、世界で最もふさわしい人物が誰かは極めて明白でした。それは、このAI革命全体の基盤となるインフラを構築し、その上に全てのAIが成り立っている人物であり、世界で最も価値ある企業を築いた人物です。ジェンスン・フアンをお迎えしましょう。
ありがとうございます。このような形で目を覚ますのは素晴らしいですね。
あなたは何時間も働いていましたよね。
はい、そうです。さて、ジェンスン、この会場には世界最高峰の機関投資家の方々が集まっています。彼らは何兆ドルもの運用資産を管理し、常にエッジを探し求めています。あなたは常にエッジを持っている人物であり、私たちの会話のたびに、未来がどのようになるかについて説得力のある洞察を披露してくれます。
次の60分間で、私たちは野心的な予定を組んでいます。エヌビディアの創業当初のエッジの物語から、AI革命の中心への躍進、そしてエヌビディアとAIの次なる展開について、大部分の時間を費やす予定です。
分かりました。では、最初から始めましょう。1993年のことです。あなたは30歳でした。エヌビディアを創業するエッジを与えてくれた洞察は何だったのですか。
私たちは基本的にPC革命とCPUの革命を経験していました。ムーアの法則の時代でした。集積マイクロプロセッサ、インテル、ムーアの法則、トランジスタのスケーリング、トランジスタのスケーリング法則、それが話題の中心であり、シリコンバレーのコンピュータ業界における投資資金のほぼすべてがそこに向かっていました。
そして私たちは少し違うことを観察しました。私たちはこう考えました。CPUの利点の一つは汎用性ですが、汎用技術の根本的な問題は、非常に困難な問題に対して極めて優れた性能を発揮しない傾向があるということです。そこで私たちは2つのことを推測しました。1つは、より特定のドメインに焦点を絞った、よりターゲットを絞ったアクセラレータを使えば解決できる問題があり、それらの問題を解決することは興味深いだろうということです。そして、汎用技術、つまりトランジスタの縮小化はいずれ限界に達するだろうと観察しました。トランジスタのサイズを縮小し続け、この技術でスケーリングできるというアイデアは、デナードスケーリングと呼ばれるヒューリスティックスの集合です。デナードスケーリングとミード・アンド・コンウェイが、ムーアの法則の背後にある基本原理を考案しました。それらに立ち返れば、トランジスタをどこまで縮小できるかには限界があり、いつか収穫逓減に達することが分かるでしょう。そして、大規模なコンピューティング問題が存在します。私たちは、解決できるコンピューティング問題は規模においてほぼ無限であると信じていました。
ですから、いつか新しいタイプのコンピューティングアプローチが登場するだろうと。私たちは、汎用コンピューティングを補完・補強するアクセラレーテッドコンピューティングと呼ばれるこの技術に会社を集中させました。それが本当に観察したことでした。
あなたは先ほど、エヌビディアが常に時代を先取りしていることについて触れましたね。多くの場合、物事を第一原理から推論すれば、今日非常にうまく機能していることについて、その第一原理がどのような基盤の上に構築されているのか、それが時間とともにどう変化するのかを自問することで、角を先回りして見ることができるのです。
グラフィックスからCUDAへの進化
グラフィックスアクセラレータを構築したとき、あなたはパーティーに早く到着しすぎましたが、その後何百もの競合他社が出現しました。最終的にはその市場で勝利を収めました。2000年代初頭、あなたは「この技術は汎用化できるかもしれない」と言いました。CPUの汎用化について話していましたが、おそらくGPUもより多くの処理のために汎用化できるのではないか、と。CUDAについて話しましょう。それはどのようにして生まれたのですか。その洞察はどこから得たのですか。研究者たちからだという話がありますが、彼らの研究を読んで、GPUが汎用コンピューティングデバイスになり得ると結論づけたのはどのようにしてですか。
まず、エヌビディアの構築が困難だった理由は、新しい技術を発明し、市場を発明しなければならなかったからです。1993年当時、新しいコンピューティングプラットフォームを作るには大きな市場が必要でした。当時3Dグラフィックスを手がけていたSilicon Graphicsの市場は、新しいコンピューティングプラットフォームを可能にするには小さすぎました。新しいアーキテクチャを作りたければ大きな市場が必要でしたが、その大きな市場はアーキテクチャが存在しないから存在しませんでした。鶏と卵の問題です。
そこでエヌビディアが得意になったことは、現代の3Dグラフィックスビデオゲーム市場に大きく貢献したことです。Sequoia Capitalがエヌビディアへの資金提供の原則について抱いた大きな懸念は、私たちが技術と市場を同時に発明しなければならなかったことでした。その確率はほぼ0%でした。ピッチをしたときのことを今でも覚えています。当時のドン・バレンタインがこう言いました。「ジェンスン、キラーアプリはどこにあるんだ?」私は答えました。「ああ、Electronic Artsという会社があります」と。私はドンがElectronic Artsに投資したばかりだと知りませんでした。私は言いました。「Electronic Artsですか? 彼らは3Dグラフィックスゲームを作る予定で、私たちがその市場を作り出すのを手伝います」すると彼は言いました。「ジェンスン、知っておいてほしいんだが、我々はElectronic Artsに投資した。彼らのCTOは14歳で車で送り迎えされているんだ。それが君のキラーアプリだと言うのか?」
とにかく、私たちは現代の3Dグラフィックスゲームエコシステムを作り上げました。ご存知の通り、それは世界最大のエンターテインメント産業の一つです。3Dグラフィックスの根本的な問題は、基本的に現実をシミュレートすることです。第一原理に立ち返れば、それは現実を再現しようとしているのです。フォトリアリスティックな画像と動的な世界を再現する数学は、根本的に物理シミュレーションです。ですから、線形代数は明らかに非常に重要です。
私たちはそのコンセプトを実現しました。そして問題は、非常に特化したものに汎用性をどう持ち込むかということです。それが私たちの会社の偉大な発明でした。私たちは技術を発明し、市場を発明し、非常に垂直に焦点を絞った業界から最終的により汎用的になるまで体系的に成長するための道筋を発明しました。そのようなことはほとんど起こりませんし、その道筋を実現するのは困難でしたが、残りの時間を使ってそれを説明したくはありません。
CUDAの発明は、GPUをどのように汎用化できるかという観察による技術の発明の一部ですが、その多くは新製品の発明、市場への持ち込み方法、市場に採用してもらうための新しい戦略の発明、そして最終的にコンピューティングプラットフォームを実現するフライホイールを作り出すエコシステムの発明に関するものです。私たちはこれらすべてを発明しました。すべてが全く新しいものです。一歩下がって考えてみてください。ARMとx86以外に、ほぼ全員が使う別のコンピューティングプラットフォームが世界に存在するでしょうか。存在しません。新しいコンピューティングプラットフォームの発明はめったに起こりません。私たちの場合、それには約30年かかりました。
ディープラーニング革命への参入
つまり、あなたはこの非常に特化した極めて高性能なアクセラレーションデバイスを汎用化することができ、世界中の研究者や学者が処理をはるかに高速に実行できるようになりました。彼らが直面していたムーアの法則の限界が劇的に緩和されたのです。では、2010年代初頭に話を進めましょう。当時、ディープラーニングは一種の学術的な傍流でした。ニューラルネットワークのアイデアは冬の時代を経験していました。そして2012年、AlexNetとコンピュータビジョンで画期的な進展がありました。それはすべてエヌビディアのGPU上でアクセラレートされました。それがAI革命が現実のものになりつつあることを実感した瞬間でしたか。もしそうなら、それを活かすために何をしましたか。エヌビディアをこの革命の中心にするエッジは何だったのですか。
2つの偶然の出会いと、ディープラーニングについての優れた第一原理的な観察がありました。偶然の出会いは、私がコンピュータビジョンを解決しようとしていたことから始まりました。さまざまな理由でコンピュータビジョンを解決したかったのですが、とにかくコンピュータビジョンを解決したかったのです。コンピュータビジョンは非常に脆弱で、汎用化が非常に困難で、多くのトリックの集まりでした。私は業界の進化の仕方が本当に嫌いで、進捗に非常にフラストレーションを感じていました。
一方で、アーキテクチャを民主化するという私たちの主要な戦略の一つは、高等教育の科学者に私たちのプラットフォーム、CUDAを使ってもらうことでした。それで地震処理、分子動力学、素粒子物理学、量子化学から始めました。エヌビディアのCUDAをあらゆるところに持っていきました。
実際、社内には「CUDA Everywhere」という戦略がありました。それは文字通り、ジェンスンがCUDAを世界中に売り込むという意味でした。世界中の大学に行き、研究者たちと会いました。CUDAを高等教育や世界中の研究者に届けるという取り組みによって、2011年から2012年にかけて、何人かの研究者が私たちに連絡を取ってきました。ジェフ・ヒントン、アンドリュー・アン、ヤン・ルカンがコンピュータビジョンを解決しようとしていました。フェイフェイ・リーが主催するImageNetというコンテストが開催される予定だったからです。私もコンピュータビジョンを解決しようとしていたので、ある問題を解決しようと自然に試みているときに、これらの興味深い人々が同様の問題を解決しようとしていると、注意を引きます。これが偶然の出会いです。
素晴らしい観察は、彼らのために新しいタイプのソルバーを作れるということでした。それはcuDNNと呼ばれるもので、ストレージコンピューティングにおけるSQLのようなものです。私たちはcuDNNを発明しました。これはネットワーク内コンピューティングとでも言えるものです。その計算方法、cuDNNと呼ばれるこのライブラリによって、彼ら全員がCUDAをうまく使えるようになりました。
しかし重要なのは、私は他の人と同じ結果を見たということです。誰もがコンピュータビジョンの有効性における大きな飛躍を見ました。しかし、私たちがさらに進んだのは、推論したことです。これはコンピュータビジョンにこれほど優れているが、なぜそうなのか、他に何に優れているのだろうか、と。ディープニューラルネットワークが非常に深くなれる能力、つまり各層が他の層とは独立して訓練され、損失関数から入力まで逆伝播できることで、ほぼあらゆる関数を学習できるという結論に達しました。これは汎用関数近似器だと結論づけました。
そしてそこに状態を加えることができれば、CNNは2次元の多次元パターン認識器の一種でしたが、RNNはその中に状態機械を与え、LSTMはさらに優れた状態機械を与え、トランスフォーマーは究極の状態機械を与えます。ほぼあらゆる関数を学習できる汎用関数近似器を持てるというアイデアです。
では、どんな問題を解決できるのでしょうか。質問を逆にすると、私たちが解決したかった問題のほとんどに、ディープラーニングのコンポーネントを持たせることができるという結論に達しました。そこで、ディープラーニングが今から10年後、20年後にどこにあるかを推論しようと決めました。計算問題を分解し、コンピューティングスタックのすべてのチップ、すべてのシステム、すべてのソフトウェア、すべての層を再発明できるという結論に達しました。そして、それに取り組むという決断は、おそらく歴史上最も優れた決断の一つでした。
AI工場という概念の誕生
私は当時スタンフォードでAI研究をしていましたが、主な制約は常にコンピュートでした。これらのアルゴリズムを実行するためのクラスターは限られていました。エヌビディアが入ってきて、そのコンピュートを緩和しただけでなく、CUDAインフラストラクチャで可能にしました。これが大部分あなたの歴史です。あなたはより多くのコンピュートを可能にし続けています。
2016年、あなたは非常に有名なことに、世界初のAI工場、DGX-1を作りました。実際にOpenAIのイーロン・マスクに手渡しで届けました。
私はこの真新しいコンピュータを作りました。それは世界がこれまで見たことのないような見た目で、世界がこれまで見たことのないような動作をします。GTCで発表したときのことを覚えています。文字通り聴衆はこのような反応でした。誰も私が何を話しているのか分かりませんでした。それは冗談でした。まさに同じくらいの拍手で発表したのです。
それで、このことを発表して、みんなが「えっ?」となりました。そのGTCで、私はイーロンを招待して自動運転車について話しました。私たち2人は自動運転車に取り組んでいました。それで彼がステージに上がり、「ジェンスン、あのコンピュータは何だ?」と言いました。私は「DGX-1です。この理由で作りました」と答えました。彼は「1台使えそうだ」と言い、ついに発注をもらいました。そして彼は「非営利団体を持っている」と言いました。私は「ああ、何か全く新しいものを作ったとき、最初の顧客が非営利団体だと聞くのは最後に聞きたいことだ」と思いました。
とにかく、私は配達しました。コンピュータのDoor Dash配達員になって、このコンピュータをサンフランシスコまでDoor Dashしました。その会社がOpenAIでした。
非常に収益性の高い非営利団体、あるいは収益規模の大きい非営利団体です。
私たちは長い間一緒に仕事をしてきました。すべてのモデルは以来エヌビディア上で構築されています。
これは物理的に巨大です。ジェンスンがコンピュータについて話すとき、私たちは巨大なデバイスについて話しています。エヌビディアのGPU。GPUと言うと、人々は小さなGPUを想像します。私たちのGPUは、1つのGPUが今やラックスケールです。2トン、120,000ワット、約300万ドルです。それが1つのGPUです。ジェフ・ヒントンが使ったような小さなGPU、PCに差し込んでビデオゲームやAIなどに使える1,000ドル、500ドルのものも販売しています。しかし、より大きなGPUもあります。
そして1ギガワットのAI工場GPUは約500億ドルです。
これらのAI工場について教えてください。小さいものはAIブレンダーかもしれませんが、本当に大きなもの、これらのAI工場について、あなたは2016年に全力を注ぎ始め、世界はAI工場を必要とするだろうと言い始めました。どのようにしてそのエッジ、その確信を得て、それについて推論したのですか。
推論しなければなりませんでした。最初のもの、DGX-1を作りました。それは世界がこれまで見た中で最も高価なコンピュータでした。1ノードあたり30万ドルで、それほど成功しませんでした。そこで、十分に大きくしなかったという結論に達し、より大きなものを作りました。2番目のものは大成功しました。
そして問題は、どれくらい大きくするか、どれくらい強力に計算を推進するかです。物事がこれほど速く動いている理由は、エヌビディアの製品サイクルと、私たちがイノベーションを行い、設計する方法です。私たちはチップを設計しているのではなく、インフラ全体を一度に設計しています。今日世界で唯一、建物と電力と白紙の紙を渡せば、その中のすべてを作り出せる会社です。すべてのネットワーキング、すべてのスイッチ、すべてのCPU、すべてのGPU、その工場全体の中のすべての技術を構築でき、すべてがエヌビディアからの同じソフトウェアスタック上で動作します。
このように統合できるので、非常に速く動くこともできます。来年を再設計し、その次の年も再設計できます。毎年、すべてがソフトウェア互換性があります。ソフトウェア互換性の利点は速度です。PCが非常に速く動けた理由は、すべてがWindows互換だったからです。したがって、スタックに準拠していれば、好きなだけ速くチップを構築できます。私たちは今、物理的に可能な限界で、好きなだけ速くAI工場を構築しています。
私たちは非常に大規模なイノベーションを行っており、共同設計をしています。つまり、アルゴリズムを変更し、ソフトウェアを変更し、ネットワーキングとCPUとGPUをすべて同時に変更しています。ご存知のように減速しているムーアの法則の限界から抜け出します。世代ごとに、約10倍のパフォーマンスレベルを導入します。毎年、市場に提供する驚異的なレベルのパフォーマンスです。
そうする理由は、地平線のすぐ先に、より大きなコンピュータ、より速いコンピュータを必要とする非常に大きな問題があると信じているからです。一方で、同じ電力でパフォーマンスを向上させると、コストを下げています。
私たちは信じられないほど速くコストを下げており、それによって顧客はより大きなことができ、同じ工場からより多くの収益を生み出すことができます。今日のエヌビディアの採用理由は、私たちが最高のパフォーマンスであり、最大規模であり、巨大なシステムが必要な場合にそれができ、最低コストだからです。私たちのパフォーマンスは非常に高いのです。
たとえば、データセンターが1ギガワットの場合、それ以上は得られません。1ギガワットです。したがって、エネルギー単位あたりのパフォーマンス、使用されるエネルギー単位あたりのエネルギーパフォーマンスが3倍であれば、あなたの会社はその工場で3倍の収益を生み出すことができます。だから私はそれを工場と呼んでいます。データセンターではありません。工場です。彼らはそこからお金を稼いでいます。
これらのAI工場は規模を拡大し続けたいのです。収益を拡大し続けたいのです。スループットを拡大し続けたいのです。だから私たちはこれほど速くイノベーションを行っているのです。私たちに追いつくのは困難です。それが私たちが成功している理由も説明しています。
プラットフォーム戦略とAI産業の成長
ジェンスン、あなたはコンポーネントからプラットフォーム全体へと移行しました。それがAI工場のコンセプトです。投資家の聴衆のために、プラットフォームに何が含まれるかを分解し、プラットフォームが次にどのように見えるかについても話し始めてください。
CPU、GPU、ネットワークプロセッサがあります。3種類のスイッチがあります。1つのラックを1つのコンピュータ全体に変えるスケールアップスイッチがあります。私たちはラックスケールコンピューティングを発明しました。それはスケールアップと呼ばれます。これらのラックをたくさん接続してスケールアウトします。そのスイッチとネットワーキングには多くのソフトウェアがあります。これらすべての上にソフトウェアがあります。
そして、この建物のサイズの1つの巨大なシステムを作ります。この建物はおそらく約100メガワットでしょう。1ギガワットは数千エーカーです。そして、すべてのデータセンターがさらにネットワーキングで一緒に接続され、すべてのデータセンターが一緒に考えられるようにします。それが私たちが一緒に構築したものです。それが今日私たちが構築したものです。
インフラストラクチャがこれほど速く構築されている理由はいくつかあります。バブルや2000年と比較することについて、いくつかの疑問が浮上しています。比較するために、2000年当時、インターネット企業は存在しませんでした。Hospital.comやPets.comがありました。ほとんどのインターネット企業は収益を上げておらず、インターネット業界全体の規模は約200億から300億ドルでした。
今日、最初に観察する必要があることは、AIは単にOpenAIやAnthropicなどの真新しい企業についてだけではないということです。AIはハイパースケーラーが仕事をする方法を変革しています。たとえば、検索は今やAIによって動かされています。レコメンダーシステム、広告やニュースやストーリーの見方、映画がAI、レコメンダーによって生成されています。ユーザー生成コンテンツ。基本的にGoogleのビジネス、Amazonのビジネス、Metaのビジネス、数千億ドルの収益がすべてAIによって動かされています。
OpenAIやAnthropicがなくても、このハイパースケール業界全体がAIによって動かされています。最初に観察すべきことは、そのすべてが古典的なCPUと古典的な機械学習から、今やディープラーニングとAIへ移行する必要があるということです。その移行だけで数千億ドルです。理解できますか。
もちろんです。それが1つです。2つ目は、私たちには今この新しい市場があるということです。この新しい市場はAIと呼ばれ、新しい産業があり、彼らはAIを生産します。OpenAI、Anthropic、xAI、GoogleのGemini、そしてMetaもAIメーカーになるでしょう。このAIモデルメーカーの層全体もAI工場を構築しており、これらのAIが次世代の新しい機会を動かすことになります。
ここにHarvey、Open Evidence、Cursorなどが登場します。こうしたAIネイティブ企業が見られ、彼らはAIモデルに接続され、歴史上初めて、これまで対処できなかった産業、つまり労働産業に取り組むことになります。それはデジタル労働、デジタル認知であり、エージェンティックAIと呼ばれ、企業市場を補完し、増強することになります。
たとえば、エヌビディアでは既に今日、ソフトウェアエンジニアの100%、チップ設計者の100%を使っています。今日の全エンジニアはCursorによって増強されています。私たちは社内で主にCursorを使用しています。私たちは今、全エンジニアのためのAIを持っています。生産性の向上、私たちが行う仕事ははるかに優れています。
新しい産業が出現しているのも見えます。それは物理AIと呼ばれます。企業AIがあり、物理AIがあり、労働を増強しています。たとえば、ロボタクシーは本質的にデジタル運転手ですよね。私たちは今、動くものすべてに組み込まれるAIを持つことになります。
ロボタクシーの場合、それはハンドルと車輪ですが、ピックアンドプレースアームも持つことになります。1本のアーム、2本のアーム、3本の脚、あらゆる種類の異なる具現化があります。これら2つの産業は、世界経済の約100兆ドルを表しています。
そして初めて、それを増強できる技術を持っています。だから人々は次の波のAIについて非常に興奮しているのです。
AIの実証済みROIと今後の投資
前の波について少し話しましょう。あなたはAIが既にROIを提供していることに言及しました。投資家の聴衆にとって、Metaの例は素晴らしいケーススタディだと思います。2022年第4四半期に、AppleはMetaからアトリビューションデータを基本的に削除しました。数千億ドルの時価総額が減少するのを見ました。Metaチームは「どう修正するか」と言いました。彼らはエヌビディアのGPUによって動かされるAIでそれを修正しました。
その通りです。
彼らはアトリビューションを元のレベルまで回復させました。それによって数千億ドル、最安値から1兆ドル以上高くなっています。それはすべて、本当にあなたのGPUによって動かされたROIです。
Metaだけでなく、最も複雑なソフトウェアシステムの1つは、レコメンダーシステムと呼ばれるものです。いくつかの基本的な技術があります。1つは協調フィルタリングと呼ばれ、私がやっていることに基づき、他の人がやっていることを見ます。似たようなパターンがあれば、同じ映画、買い物リストの次のアイテム、本、動画などを推薦するかもしれません。
もう1つはコンテンツフィルタリングと呼ばれます。私が誰で、私の好みと、その本が実際に何であるかに基づいて、その本を私に推薦できるかもしれません。
そのレコメンダーシステムは世界最大のソフトウェアエコシステムです。そのエコシステムは非常に大きく、非常に迅速にAIへ移行しています。山のようなGPUが必要になります。これらのシステムは数十年前のNetflixチャレンジで有名になりました。今、Netflixの推薦はすべてAIによって動かされています。
Amazonでも、何かを購入するとき、かなりの数がAI、検索からAIへ、検索をAIに移行するレコメンダーシステムによるものです。これらすべてが今動かされています。TikTokもAIに、Google ShortsもAIです。それなしでは、今やパーソナライズされた広告はすべてAIに向かっています。AIの量は信じられないほどです。
そして、それは古典的なユースケースのことに何の関係もないことに気付いてください。私が説明したのは古典的なユースケースの束です。量的取引はAIに移行するでしょう。かつて人間が設計した特徴抽出がAIに向かうでしょう。それは実際にCitadel Securitiesが過去20年間先駆けてきた分野だと思います。それが古典的なAIです。
Citadelは素晴らしい顧客です。ありがとうございます。
それは古典的な例であり、投資家の聴衆にAIのROIについて話すと、それは既に兆ドルの時価総額という形で存在しています。次の支出について話しましょう。2025年の見積もりは5,000億ドルものAI投資になる可能性があります。ここからどこへ行くのでしょうか。これは年間数兆ドルの投資カテゴリーになりますか。
AIの製造、ファウンドリ部分は、モデルメーカーです。彼らはウェーハメーカーのようなものだと考えてください。その応用と、AIについて考える1つの方法は、大規模言語モデルです。それはいわば現代のコンピュータのオペレーティングシステムです。これらのAIモデルの上にアプリケーションを構築します。1つのAIモデルだけでなく、AIモデルのシステムです。
アプリケーションには、さまざまなAIのコレクションがあり、それらを接続します。問題は、その上のアプリケーション空間は何かということです。私たちが持っているどんなアプリケーションもAIによって改善されるという話をしてきたこととは別に、その上のアプリケーション空間について考える最も理にかなった方法は、単にデジタル人間です。
デジタルソフトウェアエンジニア、AIコーディングです。おそらく数兆ドルの市場機会になるでしょう。AIデジタルナース、AI会計士、AI弁護士、AIマーケターなど。私たちはそれをすべてエージェンティックAIと呼んでおり、その技術は非常にうまく進化しています。
初めて、技術はもはや会計士が使うツール、ソフトウェアエンジニアが使うツールだけではなく、デジタルソフトウェアエンジニアになるのです。いくつかをライセンスし、いくつかを雇用しても驚かないでしょう。品質と深い専門知識によって、企業の将来の労働力は人間とデジタル人間の組み合わせになるでしょう。
一部はOpenAIベースで、一部はHarveyベースまたはOpen EvidenceやCursorやReplitやLovableなどです。一部はサードパーティで、一部は自社で育てます。私たちは多くの独自のAIを自社で育てています。保護したい独自の知識とデータがたくさんあるからです。時間が経つにつれて、より多くの人々が独自のデジタルAIを育成できるようになります。それがより簡単になるからです。
企業のエージェンティックAI、労働力の増強は、明らかに数兆ドルの機会です。以前のソフトウェアと比較してAIについて独特なことは、AIは考える必要があるということです。事前にコンパイルしてバイナリに入れ、ダウンロードして使用することはできません。常に処理し続けなければなりません。
処理し続けなければならない理由は、あなたのコンテキストを取得し、あなたがやってほしいことについて考え、出力を生成する必要があるからです。考えて、考えて、生成しています。機械が必要です。それを行うためにコンピュータが必要です。
だからAI工場が存在するのです。これらのAI工場はクラウドにあるでしょう。オンプレミスかもしれません。世界中にあるでしょう。それはAIインフラストラクチャの一部ですが、これらを生産するために多くの思考、トークンと呼んでいますが、基本的に知能を生産するための多くの思考があるでしょう。それが認知AI、デジタル労働力です。
ロボティクスとフィジカルAIの未来
2つ目はロボティクスです。初めてのことなので、思考実験をさせてください。ロボティクスがなぜこれほど近いかです。AIにプロンプトを出すと、ジェンスンがボトルを手に取り、開けて一口飲む様子を生成できることはご存知でしょう。私がボトルを開けて一口飲む動画を生成するでしょう。
それをすべて生成できるなら、なぜロボットを操作してそれをさせることができないのでしょうか。あなたの思考実験は、それがおそらく非常にありそうだということを示唆するでしょう。車を運転できるデジタル運転手を設計できるなら、なぜ物理的なロボット、車を運転する物理的なロボットを持てないのでしょうか。
物理的なロボットが車さえ運転できるように具現化できるなら、なぜピックアンドプレースアームやあらゆるタイプのロボティクスを具現化できないのでしょうか。私たちにはほぼあらゆるものを具現化する能力があることに気付いてください。
ナイフとフォークを拾い、それが体の延長になり、何らかの形でそれを操作します。野球のバットを拾い、体の延長として使用できます。これらの物理的な延長を具現化します。将来のAIは、車、ロボットアーム、人間型ロボット、手術ロボットなどを具現化し、操作できるようになるでしょう。
これら2つの市場はAIの手の届く範囲内にあると思います。最後に、1つの例を挙げると、1つのことの観察を見るときは常に、残りはエンジニアリングにすぎません。私たちは今、1つの優れたものの証拠を見ました。それはAIソフトウェアコーダー、デジタルAIソフトウェアコーダーです。だから私たちはそれを非常に多く使用しています。
AIソフトウェアコーダーを持てるなら、なぜそのAIソフトウェアコーダーがマーケティングキャンペーンになるソフトウェアを書いたり、会計その他何でもあなたが望むことを解決するのを助けるソフトウェアを書いたりできないのでしょうか。その存在は、残りはエンジニアリングだと言っています。
そして、私たちには今ロボタクシーがあります。ハンドルと車輪を制御する具現化されたロボットです。それが存在するなら、なぜそれを汎用化できないのでしょうか。残りはエンジニアリングにすぎません。それが第一原理から推論する良い方法だと思います。この技術が産業や社会全体に広がる可能性がどの程度あるかです。
次に推論しなければならないことは、どのようにスケールアウトするかです。どのようにこの知能をこれらすべての異なるアプリケーションに提供するかです。AI工場が必要です。
ロボティクスについてもう少し話しましょう。あなたには例外的なロボティクスチームがあり、ロボティクスを運営する幹部の1人が今日ここにいます。以前の会話で、ロボティクスがどのように展開するかについていくつかの洞察を共有してくれました。単一のヒューマノイドプロジェクトになるのでしょうか。オープンソースプロジェクトになるのでしょうか。それらのオープンソースプロジェクトはどのように結びつくのでしょうか。ロボティクスが実際に物理世界でどのように現れると思いますか。どのようなタイムラインで。
ロボタクシーは今ここにあります。市から市へと汎用化する能力は本当に速くなっています。その理由は、同じ基本技術を経てきたからです。私たちは同じ旅を経験しました。部屋にいるアルゴリズム取引、量的取引の人々はみな、人間が設計した特徴の機械学習から、より多くのディープラーニングを使用し、特定のモダリティを組み込み、マルチモダリティモデルを使用し、今や主にエンドツーエンドになりました。
その理由は、この旅でより汎用化可能になり、マルチモーダルになったからです。自動運転車に使用するAIモデルと、人間型ロボットに使用するAIモデルは非常に似ています。異なる具現化にあるだけです。それを確実に知っている理由は、私は車を運転でき、体を操作できるからです。それは同じ知能です。
ナイフとフォークを拾うことができ、何らかの形で私は外科医であるかのように、ステーキに手術をしているかのようにできます。それは異なる具現化における同じAIであることに気付くでしょう。それがAIが向かっている方向です。
ロボティクスはますます汎用化可能なAI、マルチエンボディメントのAIに向かっています。マルチモダリティです。マルチエンボディメントです。この未来を作るためには、3つのものが必要です。話していたAI工場が必要で、そこでモデルを訓練する必要があります。
そして、AIがすぐに世界に出ることなく、AIになる方法を学べる場所が必要です。仮想世界の中で何兆もの異なる反復を試すことができます。その仮想世界はビデオゲームに似ています。AIは基本的にビデオゲームのキャラクターのように仮想世界の中でゲームをプレイしています。
物理法則に従い、優れたビデオゲームプレーヤーになる方法を学び終えたとき、シミュレーターが本当に優れているため、シミュレータギャップは非常に低くなります。私たちはそれをOmniverseと呼んでいます。
そのOmniverseコンピュータは、ロボットがその仮想世界から出てくることができ、この世界がプレイしてきた仮想世界のもう1つのバージョンになり、物理世界に入ってきます。物理世界に入ってくるときも、コンピュータが必要です。
3つのコンピュータが必要です。AI訓練コンピュータ、シミュレーション、ラボ、仮想世界コンピュータ、そしてロボットが実際に動作する脳のコンピュータが必要です。エヌビディアはこれら3つのコンピュータすべてを提供しており、私たちはほぼすべてのロボティクス企業、自動運転車企業、さまざまな具現化のロボティクスと協力しています。
これはおそらくすべての中で最大の市場の1つになるでしょう。
次のフロンティア市場とヘルスケア
エヌビディアは今や技術のほぼすべてに触れています。あなたが過去に言ったように、ゼロ億ドルの市場から始めて、それらを兆ドルの市場に変えるのを手伝ってきました。ロボティクスは次のフロンティア市場の1つです。特に興奮している他の次のフロンティア市場はありますか。さきほどヘルスケアに言及しました。それは情熱を持っているものですか。投資家が注目すべき他のものはありますか。
ヘルスケアに必要な技術は本当に複雑です。私たちは急速に進歩しています。単語の意味、文字の連なりを理解できるなら、仮想世界のような構造の意味を理解できるかもしれません。動画を生成できる理由は、世界の仮想世界を理解しているからです。世界の表現である画像を生成するためです。
動画を生成できるなら、世界を理解しているに違いありません。世界を理解できるなら、構造を持つタンパク質や化学物質を理解できる可能性がありますか。答えはイエスです。私たちはますますタンパク質の意味を理解することに近づいています。AlphaFoldなどです。
細胞の意味を理解できます。私たちは最近、ARCとパートナーシップを結び、EVO 2は細胞表現のための基盤モデルの最初の例の1つです。今やそれに話しかけて、「これらの特性を持つ他の細胞を生成してほしい」と言えます。または細胞に話しかけて、「あなたの特性は何ですか。何に結合できますか。代謝、何を活性化できますか」と言えます。チャットボットに話すように細胞に話しかけられます。
タンパク質の意味を理解することなど、とにかくそこには多くの進歩があります。リストは続きます。AIを通信に持ち込むために私たちが行っている仕事に興奮しています。5Gと6GはAIによって革命を起こされるでしょう。
量子コンピュータとの協力に興奮しています。量子GPUハイブリッドコンピューティングシステムを作成することで、量子コンピュータのスケジュールを約10年前倒しできます。エラー訂正を行い、量子コンピュータを制御し、後処理を行います。CUDA Qと呼ばれる新しいアーキテクチャがあり、CUDAを量子に拡張します。それが信じられないほどの採用を得ています。
以前は解決が困難だった多くの問題を今や解決できます。
ソブリンAIとグローバル戦略
ソブリンAIについて少し話しましょう。マリオ・ドラギがステージにいました。彼は欧州連合にとっての技術への新しい投資の重要性について話していました。もちろん大規模なAIも含みます。この革命は大きく異なり、政府が規制の可能性だけでなく、AI工場の購入にも高度に関与しています。
ソブリンAI、国々が独自のAIシステムを持つことと、輸出入、米国がAIで世界とどのようにインターフェースすべきかの両方について、前進する道は何だと思いますか。
どの国も、自国のすべてのデータをアウトソースして、自国の知能を自分自身に輸入し戻すことはできません。第一原理として、それは理にかなっていないと思います。
しかし、誰もすべてを自分で構築する必要はありません。購入することも、輸入することもできます。しかし、自国の知能の生産を諦めるべきではありません。今日、技術はかなり困難ですが、非常に速く、非常に迅速に簡単になっています。オープンソースの能力が膨大にあります。
自分のソブリンAIを構築することを諦めません。持っているデータを取り、それから自国の知能を作り出すことを諦めません。世界中の国々が今そうしています。ソブリンAIはおそらくすべての国が、一部を輸入し、一部を購入し、一部を構築する可能性があります。それを行うための多くの能力があります。ソブリンAIに関して多くの勢いが見られます。
英国はそれを行っています。フランスにいました。私たちはMistralという会社をサポートしています。英国にはNscaleという会社があります。Nibbius(Nebius)という会社があります。イタリアにはいくつかの会社があります。スペインにはいくつかの会社があります。ドイツにはいくつかの会社があります。日本にも会社があり、韓国にも会社があります。ソブリンAIが世界中で出現しています。
よく話題に上がる国の1つは中国です。AI工場の中国への輸出に関して、米国にとって正しいことは何ですか。
AIは新しい技術であり、最終的にどのように規制するかについて慎重に考える前に、よく考える必要があります。米国はもちろんAI競争に勝ちたいと思っています。政策立案者全員が正しいことをしたいと思っており、アメリカに勝ってほしいと思っています。
しかし、中国に害を与えることが、しばしばアメリカにも害を与え、さらに悪いことさえあり得ることに注意することが重要です。他の人々に有害な政策に飛びつく前に、一歩下がって、アメリカに役立つ政策は何かを考えてみてください。
おそらく第一原理に戻らなければなりません。AIの場合、AIと任意のコンピューティング、任意のソフトウェア産業について最も重要なことは、開発者が極めて重要だということです。開発者を獲得することが、将来のプラットフォームを作り出します。私たちは世界がアメリカの技術の上に構築されることを望んでいます。
エヌビディアは誇り高いアメリカ企業であり、もちろん、世界がその上に構築されるアメリカの技術を作り出せることを願っています。AI研究者の多くが中国にいます。中国には世界のAI研究者の約50%がいます。素晴らしい学校、AIへの素晴らしい焦点、AIへの多くの情熱があります。
それらの研究者がアメリカの技術、アメリカの技術スタックの上でAIを構築しないことは、第一原理として間違いだと思います。問題は、どのようにバランスを取るか、一方でリードを保ち、他方で世界がアメリカの技術スタックの上に構築することを確保するかです。それがバランスであり、バランスを取るためには微妙さが必要です。
おそらくすべてか無かではなく、時間とともに変化する微妙な戦略、米国がリードし続けることを可能にしながら、世界中の研究者を獲得し続けることを可能にする微妙な戦略がおそらく正しいバランスです。それが私が現時点で提唱することです。
私たちは中国から100%撤退しており、中国は0%です。95%の市場シェアから0%になりました。政策立案者が、私たちが実施したどんな政策が、アメリカが世界最大の市場の1つを0%に失う原因となったことが良いアイデアだと考えているとは想像できません。
しかし、とにかく、すべての予測で、もし株主がいるなら、すべての予測で、私たちは中国をゼロと仮定しています。中国で何か起これば、それはボーナスになります。しかし、それは大きな市場です。中国は世界で2番目に大きなコンピュータ市場です。活気あるエコシステムです。米国が参加しないのは間違いだと思います。
うまくいけば、説明し、情報提供し続け、政策の変更への希望を持ち続けるでしょう。
AIセキュリティの未来
ジェンスン、あなたは最近、私たちが開催していたAIカンファレンスのために私たちのオフィスにいました。AIセキュリティの未来とその重要性について、本当に素晴らしい洞察を持っていました。やや関連しています。AIに干渉する可能性のある国家主体がいます。AIを誤って使用する可能性のある個々のユーザーがいます。AIセキュリティの未来はどのようなものだと思いますか。
将来のAIセキュリティは、サイバーセキュリティに少し似たものになるでしょう。私たち全員がコミュニティとして協力する必要があります。
おそらくご存知でしょう。すべてのサイバーセキュリティ、セキュリティ責任者は、私たち全員が1つの大きなコミュニティです。誰かが侵入を発見したとき、私たちは全員と共有します。脆弱性を発見するたびに、全員と共有します。AIセキュリティの未来はサイバーセキュリティのようになる可能性が非常に高いです。
第二に、知能の限界費用、AIの限界費用がゼロになるなら、AIの限界費用がゼロになるなら、なぜセキュリティに焦点を当てたAIの限界費用もゼロにならないのでしょうか。それは非常に明確です。すべてのAIが、それを見守る多くのサイバーセキュリティAIに囲まれる可能性が非常に高いです。
何千、何百万ものAI保護者が社内、社外にいるでしょう。それがAIの未来です。AI自体が良いものでなければならないというアイデアは良いですが、それに頼るべきではないと思います。
ソフトウェアが適切に機能すべきだというアイデアは好きですが、バグがあったり、ウイルスだったり、侵入者である可能性があることを想定しなければなりません。AIをできるだけ安全に前進させるつもりです。しかし、私たち全員がAIを多くのセキュリティAIで囲むつもりです。
物理世界では100人の普通の人に対して1人のセキュリティ担当者がいるかもしれないという、本当に物理世界のダイナミクスが切り離されているという洞察を共有してくれました。AI世界では逆転する可能性があります。
たとえばサイバーセキュリティのようなものです。サイバーセキュリティに取り組んでいる社内の人数よりも、はるかに多くのサイバーセキュリティエージェントがいます。
また、将来はレンダリングされた計算だけでなく、すべてが生成されることになるというアイデアも共有してくれました。その予測が何であり、エヌビディアにとって何を意味するか、展開してもらえますか。
その最良の例をいくつか挙げましょう。Perplexityです。質問をしたときにPerplexityで見るすべてのものは完全に生成されています。100%です。見るものすべて100%が生成されています。
しかし、Perplexity以前の過去には、何かを入力するとリストが表示され、それをクリックすると、そのコンテンツはすべて誰かによって事前に書かれたり、誰かによって作成されたりしたものでした。検索はストレージベースのコンピューティングです。検索ベースのコンピューティングです。あなたが自分で消費するための情報を取得しています。
PerplexityまたはAIは生成型です。すべてのコンテンツを読み、あなたのために生成します。Perplexityは、ファイルを取得して読む古典的なコンピュータアプローチから、AIベースの生成型アプローチPerplexityへの素晴らしい例です。
もう1つは、今日私たちが見る動画を見てください。Soraはもちろん、Nana Bananaはもちろん、それらのピクセルはすべて生成されています。あなたによって条件付けられ、プロンプトされています。何かの初期シードを与えて、「コンスタンティンとジェンスンが炉辺談話をしている動画を生成してほしい」と言うかもしれません。そして、「この炉辺談話ではクレイジーなことについて話すつもりだ」とプロンプトします。
オンラインの方々のために言っておきますが、これは実際に本物です。
そしてSoraがそれを生成します。すべてのピクセル、すべての動き、すべての言葉が生成されます。将来の計算方法はおそらく生成型になるでしょう。最後のアイデアを1つ挙げさせてください。
あなたと私が経験したことの100%が生成されています。あなたが私に尋ねたすべての質問、私はオフィスに走って戻って何かを取得し、あなたのところに持ってきて、「これがあなたの意図したことですか、コンスタンティン?」と言ったわけではありません。そして、あなたがそれをみんなに聞こえるように読み上げる。それは昨日のコンピュータです。
今日のコンピュータは、私たちはただやり取りしているだけです。私たちはここで起こっているコンテキスト、聴衆、世界中で起こっていることに基づいて、リアルタイムですべてを生成しています。すべてをリアルタイムで生成しています。それが未来のコンピュータです。
将来のコンピュータは、あなたの前にいるCEO、アーティスト、詩人、ストーリーテラーであり、それと協力してあなた自身のためのユニークなコンテンツを作成します。
計算の未来は100%生成型であり、その背後にはAI工場が必要です。だから私は100%確信しています。私たちはこの旅の始まりにいます。数千億ドル、非常に小規模です。おそらく毎年何兆ドルものインフラストラクチャが構築されることになるであろうことに対して、私たちは数千億ドルのインフラストラクチャしか構築していません。
それが考え抜く最も簡単な方法です。そして、その計算パラダイムは人間の心にはるかに似ています。
考えています。考えているのです。
ライトニングラウンド – 重要な洞察
もしよろしければ、いくつかのライトニングラウンドの答えを生成しましょうか。
わかりました。
最後の数分間で。フライドチキンが答えだと確信しています。それに対する質問が何かはわかりませんが。
では始めましょう。ウォール街がAI工場の未来において過小評価している1つのKPIは何ですか。
エネルギー単位あたりのスループットが顧客の収益を支配します。より良いチップを選択することだけではありません。収益がどうなるかを決定することです。実際、すべてのCSP(クラウドサービスプロバイダー)を振り返って見てみると、正しく選択した者は収益成長を見ており、減速した者はその後正しく選択しました。
それが展開されているのを見ることができ、人々はそれを理解し始めています。工場のエネルギー単位あたりのスループット、トークンと呼ばれています、トークン生成レートがあなたの収益です。
エヌビディアのプラットフォームで最も過小評価されている部分は何ですか。ほとんどの人がCUDAについて話し、CUDAは非常に重要ですが、CUDAの上にあるライブラリのスイートがあります。今日早くに1つ言及しました。それはcuDNNと呼ばれます。
それはおそらく人類の歴史の中でこれまでに作られた最も重要なライブラリの1つです。以前のものはSQLと呼ばれていました。これがcuDNNです。他にもいくつかあります。半導体製造リソグラフィに使用されるCUDA Lithoです。これらのライブラリは約350あり、これらのライブラリがエヌビディアの宝庫です。
非常に過小評価されていると思う1つの技術と、過大評価されているかもしれないと思う1つは何ですか。
過小評価されているもの。わあ。物理AIが良い物理AIになることを学ぶための仮想世界だと思います。私たちはそれをOmniverseと呼んでいますが、理解するのは難しいですが、深く過小評価されています。人々がそれを使わないからではなく、まだそれが必要だとわかっていないだけです。
しかし、今Omniverseはロボティクス業界全体に広がっており、みんなが今それを理解しています。ロボットを作り始めると、約10年前に私たちがOmniverseに取り組み始めたことがどれほど先見の明があったかに気づき始めます。Omniverseは本当に重要です。
あなたのビジネスとリーダーシップの哲学を最も形作った本は何ですか。
お気に入りの本の1つは、みんなの最初の微積分の本でした。それは、数学が動いていることに気づいたときでした。それは良い本でした。クレイ・クリステンセンのすべての本、彼は亡くなりましたが良い友人でした。彼のすべての本は素晴らしかったです。
アル・ライズの『ポジショニング』の本は本当に良い本です。もしまだ機会がなければ。もちろん、『サピエンス』はいつも良いです。ジェフリー・ムーアの『キャズムを超えて』の本も良い本です。しかし、クリステンセンのすべての本、すべて読んでください。
お気に入りのコンフォートフードは。
そこに来ました。フライドチキン。
そこに来ました。わかりました、入りました。では、最後の質問です。もしあなたが聴衆のCIOで、今後数年間にAIに割り当てる100億ドルがあったら、何に投資しますか。
すぐに独自のAIを構築する実験をします。事実として、私たちは従業員のオンボーディングに誇りを持っており、そのやり方、彼らを会社に持ち込む文化、会社を今のものにする哲学、運営方法、実践について誇りを持っています。
時間をかけて具現化してきたデータと知識のコレクションを彼らがアクセスできるようにします。それが過去の会社を定義するものです。未来の会社にはもちろんそれが含まれますが、AIのためにそれを行う必要があります。デジタル従業員、AI従業員をオンボーディングする必要があります。
AI従業員をオンボーディングする方法論があります。私たちはそれをファインチューニングと呼んでいますが、基本的に彼らに知識、スキル、評価方法を教えています。エージェンティック従業員全体のフライホイールは、あなたが行って学ぶ方法を学ぶ必要があるものです。
私は私たちのCIO、会社のIT部門に伝えています。彼らは将来、エージェンティックAIのHR部門になるでしょう。将来のデジタル従業員のHR部門になり、それらのデジタル従業員はもちろん生物学的従業員と協力することになります。それが将来の私たちの会社の形です。もしそれを行う機会があるなら、すぐにそれを行います。
ありがとうございます、ジェンスン。
素晴らしいストーリーを聞きました。本当に、エヌビディアの物語は例外的な汎用化の物語です。アクセラレーテッドグラフィックスプロセッサから、今日世界のすべてのAIを動かす技術へ。コンポーネントと世界初のGPUから、プラットフォーム内のすべてのコンポーネントと世界のAI工場へ。
サービスがこの新しい革命のベースラインであること、ロボティクスが私たち全員の未来にあることについて話しました。外交政策をカバーしました。フライドチキンにも触れました。あなたはすべてをやり遂げました、ジェンスン。本当にありがとうございました。
ありがとうございます。よくやりました。ありがとうございます。
コメント