CES大会期間、英偉達が新たに発表したRubinアーキテクチャは、最近の市場議論の焦点となっています。MOEアーキテクチャ以外のもう一つの大きな突破、エージェントAI時代に特化した設計などについて深く見てみると、やはり老黄（ジェン・スン）氏の「自己革命」の匂いを感じざるを得ません。

1）かつて英偉達はGPUハードウェアの優位性に依存し、多くのAI大手が大規模モデルの訓練のために算力を狂ったように購入していた好機に乗っていました。その時のロジックは非常にシンプルで、GPUの数が多いほど最良のモデルを訓練できるというものでした。

しかし今やAI戦争は「算力」から「推論」へと移行し、特にエージェント時代の到来により、AIは高頻度、多段、多長のコンテキストを処理する推論を必要としています。

この時、モデルパラメータは万億単位に達し、データのスループットも非常に高くなっています。GPUの計算速度がいくら速くても、メモリのデータ伝送速度が追いつかなければGPUはアイドリング状態になり、これが「ストレージ・リミット（存力壁）」です。言い換えれば、GPUの数だけでは問題は解決せず、高いメモリ容量と帯域幅が必要となります。Rubinが解決しようとしているのはこの問題です。

2）そこで、Rubinの初搭載のHBM4は、第四世代の高帯域メモリを支え、帯域幅は22TB/sに到達します。しかし、より重要なのは、これがNVLink 6技術（ラック内帯域幅260TB/s）と組み合わさることで、72枚のカードが論理的に「一つの巨大なチップ」に変わる点です。

これが何を意味するか？従来はGPUを個別のコンポーネントとして購入し、カード間のデータ伝送は宅配便の中継のように複数の中継点を経由していました。今やRubinは、極めて高密度なインターコネクトにより、異なるGPU間のデータ流通を物理的距離をほとんど感じさせずに行えるようにしています。72枚のGPUはもはや個々に働くのではなく、共有された「一つの大脳」となっています。

これこそがRubinの真の切り札：単なるハードウェアのパラメータ積み重ねではなく、システム全体のデータフローの再構築です。

3）もしMOE（混合専門家モデルアーキテクチャ）が、DeepSeekなどの後発勢による英偉達の「暴力的なGPU積み重ね」ビジネスモデルへの次元削減攻撃だとすれば、Rubinは明らかに老黄の戦略的反撃です。誰よりも省GPUを競うのではなく、AIの利用コストそのものを根本から再構築しようとしています。もちろん、この奇策は英偉達が従来の「暴力的GPU積み重ね」モデルとさよならを告げることも意味します。

老黄は別の計算をしています。エージェント時代を本格的に実現するには、トークンコストの壁を越える必要があり、これは英偉達が守りきれない大きな流れです。

老黄の見解では、GoogleやMetaなどの大手企業が自社開発のチップで市場を侵食し続けるのを待つよりも、DeepSeekなどのモデルを用いた供給側の市場を覆す破壊者となる方が良いと考えています。

4）問題は、自己革命を経た英偉達が今後どうやって自分たちの立ち位置を保つかです。道筋は非常に明確で、「GPU販売」から「システム販売」へと変わり、少数の大手企業向けのサービスから、AIの本格的普及を目指す方向へとシフトしています。

以前はH100を買えば、英偉達はそのGPUの販売利益だけを得ていましたが、今後のRubinは、あなたに対して「NVL72ラック一式」を販売します。72枚のGPU、NVLinkスイッチ、液冷システム、ラック、さらには付属のソフトウェアスタックまでをパッケージとして提供します。

老黄の計算も明確です。パッケージ化されたハードウェアのコストは一見高くなるかもしれませんが、推論効率の極致を付加し、AI利用の単位コストを引き下げることで、市場シェアを失わずに済むと見ています。

しかしながら、この戦略は中小プレイヤーにとってはハードルがさらに高くなることも意味します。大手企業やクラウドサービス事業者だけがこの戦略を採用でき、算力の寡占を一層加速させるでしょう。現状の競争環境においては、まさに大博打です。HBM4の量産に問題が生じた場合、AMDやGoogleのTPUなどの代替案に取って代わられる可能性もあり、その場合、英偉達のシステム販売の夢は容易には実現しなくなるかもしれません。