エヌビディアが時価総額世界一になった本当の理由と、次に来る「水と電力」の奪い合い

2024年、NVIDIAの時価総額が一時Microsoftを抜いて世界首位になった、というニュースは記憶に新しい。ゲーム用グラフィックカードを作っていた会社が、なぜここまで来たのか。改めて調べてみたら、面白い軌跡が見えてきた。

そしてNVIDIAの話を深掘りしていくと、「次に来るのは電力と水の問題かもしれない」という話に辿り着いた。AIブームの裏で見えてきた、エネルギーと資源をめぐる動きをまとめてみたい。

NVIDIAはゲーム会社だった

1993年創業のNVIDIAは、もとはゲーマー向けのGPU（グラフィックス処理ユニット）メーカーだった。GeForceシリーズでゲーム市場での地位を確立し、2000年代には「ゲーマーの必需品」という存在感があった。

転機として語られるのが2006年。NVIDIAはCUDA（Compute Unified Device Architecture）という開発プラットフォームを発表した。GPUをゲーム以外の用途——科学計算や物理シミュレーションなど——に使えるようにするための開発環境だ。当時の市場反応は冷淡だったらしく、「ゲーム会社が何をやっているんだ」という雰囲気だったという話も残っている。

それから6年後の2012年、深層学習の歴史に残る出来事が起きる。Geoffrey Hintonの研究グループが画像認識コンペ「ImageNet」で、NVIDIA GPUで訓練した「AlexNet」を使って従来の手法を大幅に上回る精度を達成した。AI研究の世界で「GPUが深層学習に使える」という認識が一気に広がった瞬間だ。

CUDAが本当の「強み」だったという話

NVIDIAの強さの核心はGPUの性能だけではなく、CUDAというプラットフォームにある、という見方が広く共有されている。

GPUは元来、映像の並列処理に特化したプロセッサだ。1フレームの映像を構成する膨大なピクセルを同時に計算するために、数千の小さな計算コアが並列で動く。この構造が、深層学習で行われる大量の行列演算と相性が良かった。

CUDAはこのGPUをより使いやすくするための開発環境で、C言語に近い文法でGPU向けの並列計算プログラムが書けるようにした。これがAI研究者に広まり、TensorFlowやPyTorchといった主要なAIフレームワークがCUDAを前提に最適化されていった。

そうなると、研究者も企業もスタートアップも、AIを開発するならNVIDIAのGPUを使うのが自然な選択になる。IntelやAMDが代替品を開発しても、長年積み上げてきたライブラリやエコシステムを短期間で追い越すのは難しい。この「乗り換えコストの高さ」がNVIDIAの大きな強みになっている、という分析をよく見る。ゲームで言うならプラットフォームを押さえた、という感じだろうか。

H100の品薄と「GPUを取り合う」現実

2023年から2024年にかけて、NVIDIAのAI向けGPU「H100」の品薄が深刻化した。定価は1枚あたり約3〜4万ドル（450〜600万円ほど）。需要が供給を大幅に上回り、転売市場ではさらに高い価格がついたという。

Metaが「今年中にH100を35万枚調達する」と宣言したり、Googleが自社のTPU（専用AI処理チップ）と並行してNVIDIAのGPUも大量調達したりという動きが報じられた。AI開発の上流をどれだけ確保できるか、という文脈でGPUが語られるようになってきた。

製造はTSMC（台湾）が担っているが、先端プロセスの製造ラインはApple・AMD・Qualcommとも取り合いで、物理的な増産には限界がある。この供給制約も半導体をめぐる地政学的な議論と絡み合っていて、なかなか単純に解決しない問題だ。

「ChatGPTはGoogleの10倍電力を使う」という話

ここから少し別の角度の話になる。AIが普及するにつれて、電力消費の問題が注目されるようになってきた。

ChatGPTへの1回の質問は、Googleの通常検索と比べて約10倍の電力を消費するという推計がある（試算によって数字は変わるが、桁違いに多いことは概ね共通している）。AIの「推論」（学習済みモデルを動かして回答を生成する処理）が、従来のウェブ検索より計算集約的だからだ。

Googleは2024年に「データセンターの電力消費増加で、カーボンニュートラル目標の達成が難しくなっている」と報告した。マイクロソフトも同様で、AI投資を拡大しながら温室効果ガス削減を実現するのは矛盾をはらんでいる、という問題が出てきている。

AI企業がサステナビリティの目標を掲げながら電力消費を急増させている、というギャップは今後も議論になり続けるだろうと思う。

冷却のための「水」という問題

あまり話題に上らないけれど、データセンターの冷却に大量の水が必要というのも興味深い問題だ。

H100のようなGPUを数千枚並べたAIクラスターは大量の熱を発生する。空冷では追いつかないため、大規模データセンターは水冷システムを使っている。Googleのアリゾナ州データセンターは1日あたり数百万リットルの水を消費するという報告がある（数字は施設によって異なる）。

アリゾナ州の水源の一つはコロラド川だが、このコロラド川はすでに過剰な取水で水位が下がり続けている。AIデータセンターの水需要が、既に逼迫している水資源に追加の圧力をかけているという構図だ。「データが集まる場所に水が要る」という現実は、データセンターの立地選択と切り離せない問題になってきている。

日本はどう関わるだろう

この「電力と水」の問題を日本の文脈で見ると、いくつかの角度が見えてくる。

日本は水資源に比較的恵まれており、地熱や洋上風力といった再生可能エネルギーのポテンシャルも高い。北海道や東北は気温が低く、データセンターの自然冷却に向いている条件がある。実際に北海道にデータセンターを置いている事業者もある。東アジアのAIインフラのハブになれる条件は、地理的には悪くないかもしれない。

一方で課題もある。原子力の再稼働が進まないと、AIブームで増加する電力需要を再生可能エネルギーだけで賄うのは難しい。電力インフラの整備が、今後のデータセンター誘致にも影響してくるだろう。

NVIDIAの話から始めて電力と水の話に辿り着いたけれど、改めて感じるのは「技術の話と資源の話はつながっている」ということだ。GPUを誰が作るか、電力をどこから調達するか、水はどこから確保するか——AIの未来は、こういう「地味だけど根本的な問題」と不可分だ。

NVIDIAがCUDAというプラットフォームで市場の中心に立ったように、次の時代に「どのプラットフォームが中心になるか」は分からない。ただ、電力と水の安定供給という条件が、その選択に大きく関わってくる可能性はかなり高いと思っている。引き続き気にして見ていきたいテーマだ。