TechFlow Logo
ログイン/ 登録
ETHガス
Gwei
恐怖
gas
ポッドキャストノート|ジェンスン・ホアン:若者はAIへの問い方を学ぶべきだ、エヌビディアに残したいのはゲームとチップだけではない

ポッドキャストノート|ジェンスン・ホアン:若者はAIへの問い方を学ぶべきだ、エヌビディアに残したいのはゲームとチップだけではない

2026.11.09
共有先
「いつかは、何らかのものを信じる選択をせねばならない。」

構成&翻訳:TechFlow

TechFlow解説:今回の長尺63分インタビューでは、著名なテッククリエイターのCleo Abramが従来の財務決算数値や株価の喧騒を避け、エンビディア(NVIDIA)創設者兼CEOであるJensen Huangと計算の基盤進化と人類のテクノロジーの未来の本質的な対話を繰り広げた。30年前にゲーム向けGPUで市場に切り込み、ウォール街からの10年以上の疑念を跳ね返してCUDAを構築し、2012年にAlexNetの登場でディープラーニング革命の火付け役となった瞬間を見据え、Jensen Huangはエンビディアがどのように65年間続いた現代のコンピューティング技術スタックを再構築してきたかを詳細に分解した。

生成AIから物理AI(Physical AI)への飛躍という質的転換点を前にし、Jensen HuangはCosmosとOmniverseが構築する「ワールドモデル+物理シミュレーション」を基盤とした技術について詳しく説明し、「万物がロボットの形態を持つ」という、そしてすべての人が生涯共にするR2-D2型のロボットを手に入れるという10年後のビジョンを描いた。同時に、チップアーキテクチャの専用化 versus 汎用化に関する哲学的対立に対して毅然と答え、デジタルバイオロジーや気候予測などの最前線の賭けを分析し、若年層に対して問いを立てる芸術を擁護する核心的な提案を行った。将来、人類にどう記憶されてほしいかと問われると、最も素朴でありながら壮大な回答を与えた。「非常にシンプルです:彼らは卓越した影響を残した。」

【ゲスト】 エンビディア(NVIDIA)創設者兼CEO Jensen Huang

【ホスト】 Cleо Abram(著名なテック動画クリエイター、Huge If True チャンネル主宰)

【ポッドキャストソース】 Huge If True(https://www.youtube.com/watch?v=7ARBJQn6QkM)

【原題】 NVIDIA CEO Jensen Huang's Vision for the Future

【公開日】 2025年1月27日

主なポイント

  • 完璧なコンピュータは逐次処理と並列処理の両立が必須: ほとんどの複雑なプログラムにおいて、約10%のコアコードが99%の計算負荷を占め、これはGPUによる大規模並列処理で加速させるのに極めて適している。残りの90%の制御ロジックはCPUによって効率的に逐次処理される。エンビディア設立の初衷は、従来のコンピュータが突破できなかった超高負荷問題の解決だった。
  • ゲーム業界は基盤開発のための最強の資金エンジン: 3Dバーチャルワールドのリアルタイムレンダリングは本質的に並列計算を必要とし、さらに重要なのは、電子ゲームが極めて巨大な消費財市場を有しており、政府助成金や科研費に依存することなく、数十億ドル規模のハード・ソフト基盤研究開発を継続的に自己資金で賄えることだ。
  • CUDAの本質は並列計算の大衆化: 初期の研究者は物理・数理問題をシェーダプログラムに偽装してGPUを呼び出さなければならなかった。エンビディアはCUDAを創造し、開発者が一般的なC言語を使ってGPU演算力を直接操作できるようにした。この大胆な挑戦は高コストゆえにウォール街から10年以上冷遇と疑問を抱かれたが、後に爆発的なディープラーニングの到来を支える道を開いた。
  • AlexNetがきっかけとなりエンビディアは基盤計算スタックを全面再構築: 2012年にIlya Sutskever、Alex Krizhevsky、Geoffrey Hintonによって開発されたAlexNetは、GeForce GTX 580を2枚使用するだけで従来型画像分類アルゴリズムを圧倒した。Jensen Huangはこの瞬間、ソフトウェアが「人手によるルール記述」から「データに基づく自律学習」へと移行するのを感じ取り、直ちにエンビディア全体をAIに注ぎ込み、チップ、インターコネクト、アルゴリズムライブラリ、システムアーキテクチャを全面的に再構築した。
  • 生成AIの中核はマルチモーダル対応のユニバーサル翻訳器: この輪のAIブームが前例がないのは、Transformerなどのアーキテクチャがあらゆるモダリティ(テキスト、画像、音声、3D空間、マニピュレータ軌跡)のデータを理解し相互に変換できるためであり、人間の知識とデジタル世界の間の壁を破壊したからである。
  • 物理AIは「ワールドモデル+物理シミュレーション」の二重推進が必須: 大規模言語モデルは幻覚を生じやすく、検索とコンテキストにより実体を固定する必要がある。一方、物理世界ではロボットに重力、慣性、摩擦力、物体的永続性といった物理的法則の常識が不可欠だ。エンビディアはCosmosを物理世界向け基本モデルとして公開し、ニュートン力学に従うOmniverseシミュレーションエンジンで現実的な合成データを生成することで、ロボットが物理世界に進出する前に数百万回に及ぶ極限条件下での訓練を完了させる。
  • 今後10年で万物がロボット化: 自動運転車、スマートビルド、無人芝刈り機、ヒューマノイドロボットを問わず、これからの移動体はすべてロボティクス機能を搭載するようになる。誰もが独自のライフタイムデジタルパートナー(R2-D2)を持ち、ユーザーの成長と共に進化し続け、メガネ、スマホ、PC、車、家庭用ハードウェアなどあらゆる形態を貫く。
  • 専用ASICの罠を拒否し、計算の柔軟性を堅持: Transformerを専用チップ(ASIC)に完全に硬化させる意見に対し、Jensen Huangはイノベーションが特定のアルゴリズムアーキテクチャで止まることはないとの見解を示す。コンピュータを単一の目的に固定することは、コンピュータを電子レンジ化することに等しい。エンビディアは一貫して柔軟にプログラミング可能なアクセラレーションアーキテクチャの構築を堅持し、FlashAttentionや階層型アテンションなどより効率的な新アテンション機構を探求し続ける学术界を支援している。
  • ゲームで育った会社から人類最前線科学の嵐の中心へ: RTX 50シリーズにおいて、4K画面上の800万画素のうち50万画素のみが従来パイプラインのレイトレーシング計算対象であり、残り750万画素はすべてAIによって正確に予測され補完されている。このパラダイムによって科学者やエンジニアは貴重な精力をコア部分に集中させ、AIが生産性を人間離れさせたものへと増幅する。デジタルバイオロジー、タンパク質言語解析、微気候予測から未来のロボットまで、エンビディアの究極的な歴史ビジョンは「卓越した影響を残すこと」である。

注目すべき発言

  • 技術的信念と先読み配置について:「ある時点で、あなたは何かを信じなければならない。もしそれを建てれば、人々は来ないかもしれないが、建てなければ、人々が来る機会は永遠に来ない。私たちの戦略は希望に基づいているが、それは熟考された理性的な希望です。」
  • 逐次処理と並列処理の役割分担について:「プログラムの中で恐らく10%のコードが99%の計算処理を占め、その99%は並列実行可能ですが、残りの90%のコードは依然として順番通りに逐次実行されなければなりません。真に完璧なコンピュータは二者択一ではなく、卓越した逐次処理能力と並列処理能力の両方を同時に備えているものです。」
  • CUDA誕生の原動力について:「多くの偉大な革新は同じく複合的な状況から生まれます:一部分は壮大な志とインスピレーションから、もう一部分は完全に追い詰められた自己救済からのものです。私たちはボストンのマサチューセッツ総合病院の研究員がゲーム用GPUでCT断層画像を再構築するのを見ており、同時に私たちがゲーム内で水流や爆発、粒子衝突を描画する際に全く進歩できないのを感じていました。これらの内外の要因が交錯し、CUDAの誕生をもたらしました。」
  • 計算アーキテクチャの専用化への議論について:「Transformerは人類の研究者が発見する最後のAIアルゴリズムアーキテクチャになるのでしょうか?決してありません。コンピュータサイエンスの歴史を振り返れば、どのアルゴリズムも永遠に全てを支配したことはありません。仮に10年前に当時のアルゴリズムをチップのハードウェアに完全に固定していたら、コンピュータは電子レンチになり、後の革新は語る余地もありませんでした。」
  • AIと人間の仕事の関係について:「4Kディスプレイの約800万画素のうち、実際には光線追跡で計算したのは50万画素のみであり、残りの750万画素はすべてAIの予測と完全な補完によっています。これがAIによって人間が超人のように変化する生きた比喩なのです:人間は貴重な精力と注意を最も重要な核心部分に集中させることができ、他の負担の多い長いプロセスをAIに委ねることで、生産性が百倍に跳ね上がります。」
  • 若年世代の生き方指南について:「もし私が学生に戻れるなら、まずやるべきことはAIを学ぶことです。AIとどう付き合うか、つまり質問が非常に得意な人間になるように学ぶことです。ただ適当に乱雑に聞くのではなく、AIをアシスタントとして使うにはプロンプトのスキルと芸術をマスターする必要があります。法学、医療、化学、生物学のいずれを学んでも、常に自分に問いかけ続けるはずです:AIを使って私の仕事をどう改善できるか?」
  • 人生の終点と歴史継承について:「非常にシンプルです:『卓越した影響を残した(They made an extraordinary impact)。』次の世代の人々にエンビディアがゲームプレイと共に育った会社であることを知ってもらうだけでなく、デジタルバイオロジー、材料科学、ロボティクス、自動運転の変革の嵐の中心に立ち、中核の信念を堅持してきたのがまさにこの会社であると見てもらえることを望んでいます。」

本文

異種計算の誕生:なぜ10%のコードに独立したGPUが必要なのか?

Cleo Abram: 今日の対話では、経済ニュースで頻繁に見られる四半期の決算や株価の数値を避け、より本質的な問題、つまりあなたたちは実際に何を構築しているのか、コンピュータは過去数十年を経てどのように今日に至ったのか、そして未来の技術がどのような形で一般市民の生活を作っていくのかについて語ってみたいと思います。

Jensen Huang: 素晴らしいですね、このような交流を大変楽しみにしています。実はある時点で、あなたは何かを信じなければなりません。私たちが現在行っていることは、本質的には数十年続いてきた現代の計算アーキテクチャを彻底的に再構築することにあります。

Cleo Abram: 今世界中の注目を集めるAI時代を理解するには、90年代に遡らなければなりません。当時ゲーム開発者はよりリアルで没入感のある3D映像を作りたかったのですが、当時の伝統的なハードウェアでは膨大なピクセルのリアルタイム計算を追いつけることができませんでした。なぜ当時のコンピュータはグラフィックスに対応できなかったのですか?またGPUはどのように誕生したのですか?

Jensen Huang: これはコンピュータプログラムの根本特性に起因しています。あるソフトウェアコードの中には通常、10%の重要な命令だけが全体の99%の演算量を占めている場合があります。この99%の密集計算は高い反復性を持っており、数万の小さなタスクに分割して並列実行するのに非常に適しています。残りの90%のコードは主にシステムの制御、分岐、スケジューリングのロジックであり、先後の順序に従って段階的に逐次処理されなければなりません。

当時の伝統的なコンピュータは完全に中央演算処理装置(CPU)に主導されていました。CPUは高速な逐次論理処理を得意とするために設計されていましたが、膨大なピクセルの同時レンダリングという大きな並列ニーズの前では無力でした。私たちは鋭敏に観察していました:本当の意味で理想的なコンピュータは、逐次処理能力だけでもなく並列処理能力だけでもあらず、両方を同時に具備していなければならないのだと。

そこで私たちはエンビディアを創業し、従来のコンピュータが到達できなかった問題を解決する専用アクセラレーションプロセッサを作成することを誓いました。これがグラフィックスプロセッシングユニット(GPU)の誕生原点です。

Cleo Abram: それを思い出させます、十数年前にエンビディア公式が発表した非常に有名な科普動画『ミシック・バスターズ(Mythbusters)』チームが制作したロボットの話。それは単一のノズルで彩色弾を一発ずつ噴射してCPUがタスクを処理する方法を示し、その後巨大な機械配列を発表し、数千のノズルが0.001秒以内に同時に彩色弾を発射し、瞬時にモナ・リザの完全な肖像を仕上げました。これは非常に生々しくGPUの並列加速力を示しました。

Jensen Huang: そのデモンストレーションは両者の根本的な違いを非常に直接的に示していました。ゲームこそがこの大規模並列演算力に対して極端な渇望を生んだ最初の領域です。

ゲームでの打開:大衆消費市場でハードコア基盤研究を裏打ちする

Cleo Abram: なぜ当初エンビディアは科研計算ではなく、電子ゲーム分野を最初に切り開く選択をしたのですか?

Jensen Huang: まず第一に、私たちはこのアプリケーションを心から愛しているからです。3Dビデオゲームは現実世界やファンタジーワールドのデジタルシュミレーションです。誰がリアルで壮大なバーチャルワールドに入りたいと思わないでしょうか?

ただし商業戦略の観点から見ると、ここにはもっと深い決定的な考量があります。私たちは電子ゲームが全人類最大の消費型娯楽市場の一つになる可能性を予見していました。トップクラスの半導体チップを開発するには想像を絶する研究開発資金が必要です。もしそれがマイナーな高性能科研計算ラボのためだけにあるのであれば、政府の科研助成金や高額のカスタム契約に頼らざるを得ず、持続的な巨額の技術アップデートを維持することは到底不可能です。

ところが電子ゲームは無類に巨大な消費市場を提供してくれました。何千万人ものプレイヤーがよりスムーズで華麗な画質のために代金を払います。これにより私たちは世界的に最大規模の並列プロセッサメーカーとなりました。膨大な出荷規模が我々に絶え間ないかつ自己造血機能を持つ研究開発資金をもたらし、結果として数十年後までにこの並列アーキテクチャを極限の物理限界まで押し上げることができました。

CUDA構築への全資源投入:医療画像のインスピレーションから汎用並列計算プラットフォームへ

Cleo Abram: 2000年代初頭になると、鋭敏な学者や開発者はGPUがゲームのテクスチャ描写だけでなく、物理衝突シミュレーションにも使え、外部の科学者らが複雑な科学計算にも応用できることに気づき始めました。しかし私の理解では、当時それを行うのは非常に苦痛を伴い、科学者は行列演算を三角形ピクセルやテクスチャに偽装し、グラフィックカードを騙して計算させていたようです。その後あなたたちは非常に大胆な決定をし、CUDAプラットフォームをリリースしました。当時の背景を教えていただけますか?

Jensen Huang: よく勉強されていますね、非常に正確な理解です。多くの偉大な革新は必ずしも異なる複数の要素が複雑に絡み合った状態から生まれます:一部分は壮大な志とインスピレーションから、もう一部分は完全に窮地に立たされた自己救済からです。

当時外部において私たちがGPUを汎用アクセラレーションに使用した最初の事例の一つはボストンのマサチューセッツ総合病院(Mass General)からのものでした。そこらの数名の研究員がゲーム用GPUを使ってCT断層画像の再構築を行い、これにより我々に大きなインスピレーションを与えました。

一方、エンビディア内部でもボトルネックに直面していました。ゲーム内の水が実際の水体のように流れるようにしたい、爆発で発生する数万の破片が空気力学の法則に従うようにしたい、煙が自然に拡散するようにしたいと考えました。それにはGPUが描画に加え、粒子物理学や流体力学のシミュレーションを同時に走らせなければなりませんでした。もしGPUのハードウェアパイプラインが伝統的なコンピュータグラフィックスワークフローに硬く固定されていたなら、これらを達成することは不可能でした。

そこで私たちは決心し、専用グラフィックパイプラインの束縛を完全に打破し、それを汎用の並列計算アーキテクチャへと改造し、統一計算アーキテクチャ(CUDA)を創造しました。CUDAにより世界中のエンジニアや科学者が、すでに熟知しているC言語を用いてコードを自由に記述し、GPU内の数万の計算コアを自在に呼び出すことができるようになりました。

Cleo Abram: 今日の視点から振り返ってみると、CUDA構築は非常に先見性ある大胆賭けでした。当時エンビディアは全ての財産をCUDAに投じ、出荷されるすべてのゲーム用GPUに汎用計算論理を強制的に追加することで、チップ面積の大幅増加、コスト高騰、粗利率圧迫を招き、10年以上にわたりウォール街から厳しい批判と疑問を受けることになりました。

Jensen Huang: 全く新しい革新的な技術を創造するとき、批評家はいつも言います:「あなたがそれを造っても、人々は使おうとしないかもしれません。」しかし楽観主義の立場から言えば、我々の信念はこうでした:「だが、あなたたちがそれを造らなければ、人々が使う機会はずっと来なくなります。」

我々はこの技術が秘める膨大な物理的可能性を熟知しており、消費型GeForce GPUの巨大市場を通じて、この先進的な並列計算アーキテクチャを世界中のすべてのギークや研究者のデスクに普及できると信じていました。まさにこの合理的な確信に基づく強い希望が、その長く孤独な年月を乗り越える支えとなりました。

2012年 AlexNet による閃電の瞬間:65年間続く現代計算体系の再構築

Cleo Abram: それから時は流れ2012年を迎え、テクノロジー史上極めて画期的な戦いが幕を開けます:ImageNet画像認識コンペティションです。Alex Krizhevsky、Ilya Sutskever、そして彼らの指導教官であるGeoffrey HintonはAlexNetという深層神経ネットワークモデルを提出し、従来型のコンピュータビジョンアルゴリズムをすべて圧倒し、誤率を大幅に下回りました。彼らはちょうど消費級のGeForce GTX 580カード2枚を使用してこの時代のモデルを訓練したのです。当時エンビディア内でこの結果を目にした際、あなたの第一印象は何でしたか?

Jensen Huang: それは世界史の軌道を根底から変えてしまった瞬間でした。当時エンビディア内のコンピュータビジョン研究チームは従来型のアルゴリズムライブラリを用いて画像認識の問題に取り組んでおり、多大な障害と挫折に直面していました。AlexNetが登場した時、私たちは震撼するとともに、強い共鳴を抱きました。この新しいアルゴリズムは完全に人手によるルール記述の古い方法を放棄し、大規模なデータのみを使って重みを自律的に訓練し、能力においてこれまでかつてないレベルジャンプを実現したのです。

私たちは直ちに一段後ろに下がって、最も根本的な問いを自分自身に投げかけました:「もしこの深層学習アーキテクチャがコンピュータビジョンにおいてこれほど恐ろしい拡張ポテンシャルを発揮するなら、その限界は果たしてどこにあるのか?もし無限に拡大できるなら、それはコンピューティング業界と基盤ハード・ソフトアーキテクチャにとって何を意味するのか?」

私たちはそこで極めて重要な判断を下しました:ソフトウェアの開発パラダイムが根本的な層においてパラダイムシフトを起こしつつあると。1964年のIBM System/360によって現代汎用コンピュータのISAアーキテクチャが奠定されて以来、実に65年間、人類は細かく正確に命令を書き込むことでコンピュータに何をすべきかを指示し続けてきたのです。しかし深層学習の台頭は、コンピュータが自らの力で多量データから法則を学習する装置へと変貌していくサインでした。

ソフトウェアの本質が変わった以上、それを支えるハードウェア基盤と全体システムスタックもすべてひっくり返し、作り直す必要があります。私たちは直ちにAIへの全面ベットを決断し、単一チップアーキテクチャ、インターコネクトバス、ネットワーク通信、アルゴリズムライブラリ、分散システムに至るまで、計算スタック全体を一方的に再設計しました。その後のDGXスーパーコンピュータシステムはまさにこの閃電から誕生しました。

なぜ今なのか:すべてのデータモダリティを横断するユニバーサル翻訳器

Cleo Abram: なぜ最近になってようやく一般大衆がAIの爆発的な発展を実感できるようになったのですか?その背後にある本質的な技術的飛躍とは一体何なのでしょうか?

Jensen Huang: 過去10年間でコンピュータサイエンス分野のハードな課題が次々と克服されてきたからです。最初はコンピュータビジョンが完全に解決され、ついで音声認識が超人レベルに達し、さらにその後自然言語理解において質的な突破口が開かれました。

しかし全面転換を起こす最後のひと押しとなったのは、Transformerアーキテクチャと生成AIの成熟です。従来のAIモデルは主として単一タスク分類機であり、例えば画像の中に猫がいるかどうかを判定するようなものでした。一方、現在の生成AIはユニバーサルな「クロスモーダル翻訳システム」なのです。

それはテキストを理解し、別のテキストへと翻訳することができます。例えば段落の要約や国際言語間翻訳などがそれに当たります。また、テキストを画像へ、画像を3Dアセットへ、センサーデータをマニピュレータの回転角へと翻訳することも可能です。それはデジタル世界と物理世界の各表現形式の間を自在に行き来できるため、今日のAIがこれほど全能に見える理由となっています。

物理AIとワールドモデル:Cosmos が常識を付与し、Omniverse が物理法則を固定する

Cleo Abram: 次に、起きている最も重要な変化について深く掘り下げたいと思います。すなわち、デジタル世界における文字や画像から、物理世界における具身知能やロボティクスへの移行です。以前私たちはロボットを訓練するため、実際の工場に置いて一つ一つのステップを踏ませるか、人間にモーションキャプチャ服を着て非常に限られたデータを採取させました。機器は簡単に摩耗したり壊れたりし、データの収集は極めて高額で遅かった。現在は仮想世界でロボットの訓練を開始しています。エンビディアはCosmosとOmniverseをリリースしましたが、仮想世界でロボットの学習課題をどのように解決しているのでしょうか?

Jensen Huang: 物理AIを理解するための最も適切な参照系は、ChatGPTなどの言語モデルの発展パスにあります。

ChatGPTが初めて出現したとき、雖然(虽然)目を見張るパフォーマンスでしたが、致命的な弱点がありました:幻覚(ハルシネーション)です。もし延々と長大な文章を書き続けたり、訓練されていない盲点を語ったりした場合、事実真相(グラウンドトゥルース)に根ざしていないため、平気で嘘をつきます。その後業界は文脈ベースの情報検索強化(RAG)を導入し、モデルに権威あるPDFを喰わせたりネット検索に接続したりすれば、それらがモデルの基準事実となり、モデルの推論が確実に基づく地盤を得るようになりました。

現在、私たちは同じロジックを物理世界へ投影しています。ロボットが現実世界で自在に行動するには、まず物理的法則を備えた基本モデルが必要です。物理の常識とは何か。地球に重力があり、物体に慣性と摩擦力があることを知らねばなりません。幾何学や空間認知能力を備え、物体的永続性、つまり背を向けて戻ってきた時に机の上にカップがまだそこに存在する事を理解しなければなりません。因果律も理解せねばなりません。すなわち、もしカップを押せば水がこぼれるという事です。

AIにこの常識を注入するために、私たちはCosmosを構築しました。これは物理世界向けの基本言語モデルであり、物理世界の普遍法則を専門的に符号化しています。

しかしCosmosだけでは不十分です。絶対的な物理的真实基準(フィジカル・グラウンドトゥルース)を提供しなくてはなりません。ChatGPTに権威あるPDFを喰わせるのと同等のことです。その基準となるのがOmniverseです。Omniverseは普通のビデオゲームエンジンではなく、原理に基づいた厳格な物理シミュレーションシステムであり、その基盤となる数学モデルは厳密なニュートン力学、流体力学、電磁気学ソルバーです。

CosmosのワールドモデルとOmniverseの物理シミュレーションエンジンを組み合わせることで、デジタル空間内でロボットに対して無尽蔵かつ物理法則に完全に準拠した仮想環境と突発的状況を生成できます。急激な光の変化、路面の濡れ、障害物の遮蔽、機械の突発故障などです。ロボットは数時間で現実世界で数十年かかる極限訓練を完了し、その後そのモデルを実際のロボットにデプロイします。

未来10年のビジョン:万物がロボット形態となり、誰もが自身のR2-D2を持つ

Cleo Abram: この論理をさらに推計すると、10年後の物理世界はどのような姿になっているでしょうか。一般大衆はこれらの物理AIとどのように関わっていくのでしょうか?

Jensen Huang: 未来のあらゆる移動体はロボティクス機能を備えるようになり、しかもその日は大多数の人々が想像するよりも早くやってきます。

人々が今なお直射日光を浴びながら芝刈り機を押して庭を歩くなんて、今の視点ではすでに馬鹿げているでしょう。未来のあらゆる自動車は完全自律走行機能を持つロボットになります。未来のヒューマノイドロボットも工場や一般家庭へ流入していきます。これらすべてのロボットは、OmniverseとCosmosが構築したデジタルツインの世界で卒業した後、物理現実に進出していきます。

さらに興奮するのは、誰もが専属のライフタイムデジタルパートナーを持つようになることです。スター・ウォーズのR2-D2のようなものです。必ずしも丸っこい金属の桶である必要はなく、スマートグラスの中にあってもよく、スマートフォンの中にあってもよく、オフィスのPCの中にあってもよいし、あるいは車のナビゲーションとして座っており、帰宅後は何らかの物理ロボット形態であなたが出迎えることになります。

この専属のR2-D2は生涯あなたと一緒に過ごし、あなたの経験と共に成長し、あなたの喜怒哀楽、生活習慣、仕事のやり方を深く理解し、世界を感知し変容するための最強のエンドエクステンションとなります。

アーキテクチャ哲学的論争:なぜTransformerをチップに直接固化させてはいけないのか?

Cleo Abram: 今回のインタビュー準備にあたり、多くのエンジニアの友人と深く議論を行いました。彼らは必ず私にこれを尋ねてくれと言うので、あなたに質問します:Transformerアーキテクチャが現在大半の大規模モデルの基盤となった中で、多くのチップ会社がTransformerを完全にカスタマイズした専用チップ(ASIC)製造を試みています。専門性は確かに特定タスクにおける究極効率をもたらしますが、汎用的な柔軟性は失われます。エンビディアはこの専門最適化と汎用アーキテクチャのどちらを取るのでしょうか。百億円規模の死活問題となる重要技術ベットをどのように下されているのでしょうか。

Jensen Huang: そこはまさに我々が最も根源的に信奉する核心信念に触れる地点です。すなわち、Transformerが人類の研究者が発見し得る最後のAIアルゴリズムアーキテクチャであるかどうか。

もしあなたの答えが肯定であれば、もちろんTransformerの全数学演算を物理回路でシリコンウェハに直接焼き付けても良いでしょう。しかし我々の核心信念は、Transformerは決して終点ではなく、より高度なAI進化の階段に乗るための足場の一つに過ぎないということです。数年後の次世代最前線アーキテクチャは、おそらくTransformerの影すら感じさせなくなるでしょう。

人類コンピュータアルゴリズムと革新の歴史を振り返れば、どれほどの奇抜なアイデアが永遠に天下を独裁できたでしょうか。答えは一度たりともありません。コンピュータの本質的な魅力は、今日それが十年前に誰も夢にも思わなかった奇妙なプログラムを実行できる点にあります。仮に10年前当時のチップを明確に单一機能ハードウェアに固化していたら、コンピュータは電子レンジへ退化し、生態系全体の繁栄も突然途絶えていただろう。

Transformerの中核であるAttention Mechanismの例を出しましょう。その当初の意図は、各単語とコンテキスト内の他のすべての単語間の関連度を計算することでした。テキストが10語しかない場合、計算は全くの余裕です。しかしコンテキストウィンドウが数万語、百万トークン規模に拡大すると、全結合計算のコストは平方級で爆発し、物理ハードウェア上での実現は不可能になります。この難題を解決するため、過去数年間でFlashAttention、Hierarchical Attention、WaveAttentionなど次々と新たな数学的アルゴリズムが生まれました。

コンピュータサイエンスに終焉はない。AI研究者は探求を諦めない。エンビビア绝不会放弃(決して諦めません)。我々最重要的使命は、常に高いプログラミング柔軟性を備えたアクセラレーション計算体系を構築し、世界中で最も賢いアルゴリズム科学者がこの演算海洋の中で自由に探索し、次世代の人類未開の偉大なアルゴリズムを探り当てられるようにすることです。

チップ製造の限界と物理学的課題:ウェハーパッケージングから極限のエネルギー効率へ

Cleo Abram: 現在のトップチップは物理学的な根幹限界に近づいています。あなたたちがチップを設計し、TSMCなどのパートナー社がナノメートル規模で光刻・製造します。ムーアの法則の減速と消費電力のボトルネックに対処する際、エンビディアはどのように設計思考を展開しているのでしょうか。

Jensen Huang: 従来のムーアの法則とデナードスケーリング(Dennard Scaling)は物理的にほぼ終焉を迎えています。過去のようにトランジスタのサイズを縮小するだけで無料の算力度増と消費電力低下を得る時代は二度と戻りません。

そのため「チップ思考」から全面的に「データセンター思考」へと移行しなければなりません。単一ウェハーの光学的最大寸法(Reticle Limit)は固定されており、単一チップの物理限界を突破するためにCoWoS(Dual-Wafer Integrated Packaging)を採用し、超高帯域幅のチップ間インターコネクトリンク(NVLink)、および高密度オンチップHBメモリ(HBM)を搭載しています。

さらに重要なのは、並列アクセラレーション計算が全く異なる物理法則に従う点です。複雑なタスクを数千の高効率コアに並列処理させる方が、少数の高クロック汎用CPUコアに辛抱強く耐えるよりも、エネルギー利用効率が数十倍乃至数百倍向上します。アルゴリズム、チップ、ネットワーク、システムレベルで協調最適化を図ることで、ポストムーアの法則時代においても算力を指数的に牽引し続ける新たな道筋を切り開いています。

次の壮大なるベット:物理AI、デジタルバイオロジー、微気候シミュレーション

Cleo Abram: 過去を振り返れば、エンビディアはGPU、CUDA、深層学習、自動運転における全ての重大ベットは時間とともに正しかったと証明されました。前述のロボティクス以外に、今後の主要ベットはどのようなものですか?

Jensen Huang: 物理AIおよびヒューマノイドロボットのハード・ソフトツールチェーンに加え、非常に興奮している領域があります。それはデジタルバイオロジー(Digital Biology)です。

過去のコンピュータは0と1からなる人工コードを理解していましたが、現在のAIは人間の自然言語を理解しました。生物学の本質は分子、アミノ酸、タンパク質、生細胞の複雑な相互作用言語です。物理モデルで現実世界を理解するように、もしAIで生物大分子間の相互作用言語を深く解析し予測できれば、人体のデジタルツインを構築できます。それは新薬発見、遺伝子療法、疾患メカニズム研究が、従来の湿式試行錯誤から、コンピュータ上で高速に模擬反復可能な高精度科学へと変わることを意味します。

私が深く誇りに思う別領域は気候科学です。デジタルツイン技術を活用し、超高分解能の地域気象と異常気象予測システムを構築しており、頭上の1km範囲内の微気象変動を正確に模擬できます。

科学的ツールは本質的に人類が発明した「タイムマシン」です。科学者が未来を予測しようと必死になるのは、未来の展開軌道を事前に把握し、今最適な設計と介入を行って、最高の未来バージョンを創造するためです。

ニューラルレンダリングとパーソナルスーパーコンピュータ:RTX 50とDGXがもたらす生産性跳躍

Cleo Abram: 先日開催された家電展示会で最新のGeForce RTX 50シリーズと卓上設置型新一代DGXシステムを発表されました。一般のクリエイターや開発者にとって、これらの新ハードウェアは具体的に何を意味するのでしょうか。

Jensen Huang: そこには極めて魅力的な技術循環が潜んでいます:元来GeForceゲームGPUが現代AIを育み、Alex KrizhevskyとGeoffrey HintonのAlexNet訓練を支えました。そして本日強力成熟したAIがGeForce GPUへ逆輸入し、グラフィックスレンダリングの根本論理を徹底的に変革しました。

最新のRTX 50シリーズが提示する4K解像度画面(合計約800万画素)において、我々の物理的光線追跡パイプラインは実際にはそのうち50万画素のみを密集計算しており、残りの750万画素はすべて深層ニューラルネットワークにより、この50万画素の高品質基準を基盤にリアルタイムで推測し完璧に補完されたものです。

これがAIが人間生産性に恩恵を与える究極の比喩です。人間自身の精力、注意力、体力は極めて貴重かつ限定されています。もし細部まで網羅的に辛抱強く全てをこなそうとすれば、出力は必然的に極端に制限されます。しかしAIの汎化と推論能力を借りれば、人間は全力を最もコアで価値のある「50万画素」に注ぐだけで良くなり、AIが残りを補填してくれるため、人類全体が超人クラスの創造力を迸らせることができるのです。

一方で、我々は2016年にOpenAIに世界初DGXスーパーコンピュータを手渡しました。当時Elon Muskが自ら受け取りました。当時のスーパーコンピュータは巨大な体積を持ち価格は25万ドルに達し、一部のトップラボしか所有できませんでしたが、現在は3000ドル程度の個人用AIスーパーワークステーションへとマイクロ化され、学生やエンジニアの書斎に直接置けるようになりました。これは一人ひとりの普通学生やインディー開発者に専用のスーパー計算センターを手中にし、寮内で自分自身のAIモデルとR2-D2ロボットの訓練を行えることを意味します。

若年層への助言と人生の継承:プロンプトティングの芸術と非凡な時代影響力

Cleo Abram: 現在インタビューを観ている学生、若年世代、そしてこの時代に何かを成し遂げたいと願うすべての人々へ、私がここで聞かなかったけれども極めて重要だと考えるアドバイスはありますか?

Jensen Huang: 一番重要なアドヴァイスの一つはこうです。もし私が学生に戻れるなら、まずやるべきことは全力でAIを学ぶことです。

ChatGPT、Gemini Pro、Grokとどう対話するか学ぶ?AIと対話する方法を学ぶ本質は、質問が極めて得意な人間になることです。例えばあなたは質問が非常に得意ですが、AIへのプロンプトイング(Prompting)作成はこれと非常によく似ています。適当に乱暴に聞き出すのではなく、AIを得力なアシスタントにするにはプロンプトのスキルと芸術をマスターする必要があります。

だからもし私が学生の今日であれば、数学、科学、化学、生物学のいずれを学ぼうが、将来どの科学分野に進み、どのような職業につくにしても、常に自分に問いかけ続けるでしょう。AIを使って自分の仕事をどう改善できるか?

弁護士になりたいなら、AIを使ってより優秀な弁護士になるには?医者になりたいなら、AIを使ってより優秀な医者になるには?化学者になりたいなら、AIを使ってより優秀な化学者になるには?生物学者になりたいなら、AIを使ってより優秀な生物学者になるには?この問いがすべての人の思考に貫かれるべきです。

私の育った時代と同様に、我々は第一世代としてこの考えに向き合わなければなりませんでした。コンピュータを使って仕事をどう改善するか。我々の直前世代にはそもそもコンピュータがありませんでした。覚えておいてください、私が業界に入った頃はWindows 95より前で、1984年でした。オフィスには一台のコンピュータすらありませんでした。まもなくコンピュータが普及し、于是我不得不問いました:コンピュータをどう使って仕事を成し遂げるべきか。次の世代人はもうこの問いに戻る必要はありませんが、明らかに次なる命題に向き合わねばなりません:AIを使って仕事をどう改善すべきか。これこそが全ての起点であり終点です。

AIは理解の障壁、知識の障壁、知能獲得の障壁を徹底的に引き下げました。過去にパソコンを全く使ったことのない人の目の前に置いても、彼らは一日以内に使い方を習得できるはずがなく、誰かが手取り足取り教える必要がありました。ChatGPTに対してもし使い方が分からないなら、入力するだけで十分です:「ChatGPTの使い方が分かりません。教えてください」と。すると即座に返信し例を示してくれます。知能の最も素晴らしい点は、あなたが道を進む途中ずっと援助し、過程を通じてあなたをより強くすることにあります。

Cleo Abram: はい、もしお時間があれば最後に1つだけ質問があります。本来計画していませんでしたが、ここに訪れるまでの飛行中に私は実は若干の飛行恐怖症があります。確かに理性的ではないのでしょう。旅の途中で航空機が少し揺れ、非常に大きく揺れました。激しく振動する機室内で、自分が葬儀で何と言われているかを思わず考えてしまいました。

Jensen Huang: 「彼女はいつでも良い質問を投げてくれたものだ!」あなたの墓石にはきっとそのように刻まれているでしょう。

Cleo Abram: そうであって欲しいです!はい。夫や友達、家族を「深く愛した」こと以外に、人々に私の「楽観主義」について語ってもらいたいと思っています。私が努力して追求してきた目標を理解してほしいんです。私はとてもあなたに興味があります。この業界で多年深く携わり、前方ビジョンを描き続けています。皆様にあなたのご自身の事業のテーマをどのような形で評価してもらいたいとお考えですか?

Jensen Huang: 非常にシンプルです:『卓越した影響を残した(They made an extraordinary impact)。』

我々はとても幸運だと思います。というのも我々は昔にいくつかの核心信念を確立し、それらを常に堅持し、それを基盤に継続的に構築してきたおかげで、今日では世界中、さらには史上最も重要かつ影響力あるテックカンパニーの一つになったからです。

したがって我々は責任を非常に厳粛に捉えています。我々は創作した能力が大型企業だけでなく、利他性に関係なく規模の大小や知名度の有無を問わず各科学領域のインディー研究者や開発者にも開放されるよう全力で確保しています。我々が従事する作業の重大な意義、そして無数の人々に及ぼし得る深遠な影響を深く理解しているからこそ、我々はこのような能力を可能な限り隅々まで普及させたいのです。

確信しているのですが、数年後に見返った時、私は次の世代人に以下を見てもらいたいです:まず第一に、我々が構築したゲーム技術のおかげで我々を知ることになるでしょう。しかし私は確信しています。見返した時、デジタルバイオロジーと生命科学領域は既に徹底再構築されており、我々の材料科学に対する認識は完全に覆され、ロボットが多様な分野で危険かつ退屈な任務を引き受けて人間の協力者となっているはずです。運転したい時は自分で操縦でき、乗りたくない時は仮眠を取ったり、家庭用シアターとして車に乗って通勤中に静かに読書を楽しめます。その時にはあなたむしろ自宅から少し遠くに暮らしてさえ思いたくなるかもしれません。車の中でもう少し楽しむためです。

あなたが振り返り発見した時、ほぼすべてのこれらの変革の嵐の中心に立った一家会社が存在し、ちょうどそれがゲームプレイと共にあなたを育てた会社であることに気づくでしょう。これが次世代人がエンビディアを認知していく姿であることを私は望んでいます。

Cleo Abram: とても貴重な時間をいただきありがとうございます。これは本当に愉快な交流でした。

Jensen Huang: こちらこそありがとう。私も嬉しかったです。