NTTグループが「AIタイムマシン経営」を行うために不可欠なAI近未来歴史年表をSolで作成しました
AIデータセンターに関するセミナーを計6回やり、配布資料を少なくともA4で 500ページ作成したことで、AIについて何かを言う時には、それがBlackwell期のことなのか、Vera Rubin期のことなのか、タイムスケールを明確化してものを言うことが大事なんだな...ということを悟りました。
いま、NVIDIA CEOのジェンセン・フアンが来日していて、「官民一体で数年内に国内最大級のフィジカルAI用基盤モデルの開発を目指す」ということが多くのメディアで報道されていますが、これは以下のタイムスケールで言う「Feynman期」の話であって、ほとんどの日本企業が置かれている現実は「Blackwell期」よりもかなり前です。「Feynman期」の話でわーっと浮かれても、社内のAIプロジェクトはPoC止まりという会社が9割ではないでしょうか？
AIの技術はNVIDIA主導でカチッカチッと正確な時計のように進歩が進みます。
しかし日本の産業実装はそうは進まない。ではどうすればいいのか？
NTTグループのIOWNはどの時期から日本企業に売り込めるのか？
三菱地所が発表した兆円規模のAIデータセンターはどの時期から日本企業が買うのか？
ファナックや安川電機や川崎重工のフィジカルAIはいつから売れ始めるのか？等々。
まずは自社の立ち位置を正確に知るためのベンチマーク、米国のAI進展度合を基準にした「現在～近未来の歴史年表」が必要です。そこでリリースされたばかりのOpenAIのGPT-5.6 Solの優れた長考機能を使って、
NVIDIA AIコンピューティング・プラットフォーム世代による産業史区分
を作成しました。
これを使うと自社の「AI出遅れ度」をはっきりと理解することができます。
また、日本市場でAI戦略を仕掛ける際に、米国の近未来から現在の日本のAI現実に下ろしてきて、孫さんが昔言っていた「タイムマシン経営」ができるようになります。近未来年表に基づくアービトラージです。
今泉：
AIが米国のAI業界お呼関連の産業界に与える影響は（日本を除く、あえてAI先進国である米国中心で考える）、Hopper期、Blackwell期、Vera Rubim期、Feynman期という風に、NVIDIAの主力GPUの世代で区切って考えるのが現実的です。
GPT-5.6 Sol（5分強の長考の後...）：
はい。米国を中心にAIが産業界へ与える影響を分析するなら、暦年やGPTなどのモデル名ではなく、NVIDIAの主力コンピューティング世代で時代を区切る方法は、かなり現実的です。
ただし、表現は「GPU世代」よりも、次のようにした方が正確です。
NVIDIA AIコンピューティング・プラットフォーム世代による産業史区分
Blackwell以降は、GPU単体ではなく、CPU、GPU、NVLink、ネットワーク、DPU、ストレージ、電力、液冷、AIファクトリー設計までが一体化しているからです。Vera Rubinはすでに「7種類のチップ、5種類のラックスケール・システム、1つの巨大AIスーパーコンピューター」として設計されています。
今泉注：この"歴史認識"は正しい。Blackwell期から先は多数の要素を統合した「AIファクトリー」をデジタルツイン（NVIDIA Omniverse Blueprint for AI Factory: DSX）を使ってどう組むか？がカギになるので、AIサーバー単体や液冷モジュール単体を論じてもあまり意味がない。「AIデータセンター」と漠然と言っても、その人の頭の中にある概念的理解としての「AIデータセンター」を論じていることが多く、NVIDIAが敷いたレールから外れた時代遅れのものを議論していたりする。日本の部品メーカー等がサプライヤー戦略を考える際にも、正確な「AIファクトリー」の認識があることで市場で受け入れられる製品の戦略が立案できる。
私なら、米国AI産業を次の4期に区分します
| 時代区分 | おおよその産業上の中心期間 | AIの中心課題 | 米国産業への主要な影響 |
|---|---|---|---|
| Hopper期 | 2023～2024年中心 | 大規模基盤モデルの事前学習 | AI研究所、GPUクラウド、生成AIスタートアップの急成長 |
| Blackwell期 | 2025～2026年中心 | Reasoning、推論量拡大、AIエージェント | AIファクトリー建設、電力・液冷・ネットワーク投資、企業AI導入 |
| Vera Rubin期 | 2026年後半から、産業影響は2027年以降 | 常時稼働型エージェント、長文脈、強化学習、超大規模推論 | ホワイトカラー業務・ソフトウェア開発・研究開発プロセスの再設計 |
| Feynman期 | Rubin Ultra後。現時点では時期を暫定扱い | AIファクトリー全体のさらなる統合、超大規模エージェント、フィジカルAI | AIが個別ツールから産業の共通基盤・自律運用層へ移行する可能性 |
この区分で重要なのは、新しいGPUが出るたびに同じAIが速くなるのではなく、経済的に実行可能になるAIの種類そのものが変わる、ということです。
1．Hopper期
「大規模AIモデルを作れる企業が勝つ」時代
Hopperは2022年に発表・量産され、H100が2023年の生成AIブームを支える中心的な計算資源になりました。NVIDIA自身も、2023年にはクラウド各社がH100を提供し、OpenAI、Metaなどが次世代AI開発に利用すると発表していました。
この時代の中心は、ほぼ明確に事前学習＝Pretrainingです。
Hopper期に起きたこと
- OpenAI、Anthropic、Meta、Google、xAIなどによる基盤モデル競争
- H100不足とGPU調達競争
- CoreWeaveなどGPUクラウド企業の急成長
- 巨額のベンチャー資金がAIモデル企業へ集中
- 「AIモデルを持つ企業」と「持たない企業」の格差拡大
- 文章生成、画像生成、初期的なコーディング支援の普及
産業的には、AIの影響がまだ上流に集中していました。
Hopper期＝AI能力を作るための計算資源が希少だった時代
価値の中心は、モデル開発会社、クラウド、半導体、データセンターにありました。一般企業にとっては、AIはまだ「試験導入するソフトウェア」に近かったと整理できます。
2．Blackwell期
「AIを大量生産・大量提供する」時代
Blackwellは2024年3月に発表されましたが、本格的な産業影響は2025～2026年に現れています。BlackwellではGB200／GB300 NVL72のようなラックスケール設計が中心となり、GPU単体ではなく、72基のGPUを一体運用する「AIファクトリーの生産設備」が経済単位になりました。
さらにBlackwell Ultraは、Reasoning AI、test-time scaling、agentic AI、フィジカルAIを主要用途として明確に位置づけています。
Blackwell期の本質
Hopper期には、
「どれだけ大きなモデルを学習できるか」
が競争軸でした。
Blackwell期には、
「優秀なモデルに、どれだけ長く考えさせ、何億人に低コストで提供できるか」
へ競争軸が移ります。
つまり、Training中心から、Reasoning＋Inference中心への転換です。
米国産業への影響
Blackwell期には、AI産業の裾野が一気に広がります。
- 巨大AIデータセンター建設
- 原子力、天然ガス、再生可能エネルギー、送電網への投資
- 液冷、CDU、チラー、ドライクーラー市場の拡大
- HBM、先端パッケージ、光通信、スイッチ市場の拡大
- AIエージェント型SaaSの登場
- ソフトウェア開発、カスタマーサポート、営業、法務、金融分析への導入
- ロボット、自動運転、デジタルツインへの展開
ここではAIの影響が、AI企業だけでなく、電力、建設、不動産、通信、製造、金融へ波及します。
Blackwell期＝AIファクトリー建設と、推論トークン大量生産の時代
と定義できます。
3．Vera Rubin期
「AIエージェントが企業活動を実行する」時代
Vera Rubinは2026年3月時点で量産段階にあり、パートナー製品は2026年後半から提供される予定です。AWS、Google Cloud、Microsoft Azure、Oracle Cloud、CoreWeaveなどが導入予定とされています。したがって、設備納入は2026年後半からでも、本格的な産業影響は2027年以降と考えるのが妥当です。
Vera Rubinでは、単にGPU性能が上がるだけではありません。
- Rubin GPU
- Vera CPU
- NVLink 6
- ConnectX-9
- BlueField-4
- Spectrum-6（この記事で論じたNVIDIAの光電融合/CPOです）
- Groq 3 LPU
を統合し、事前学習、事後学習、test-time scaling、リアルタイムのagentic inferenceまでを一体運用します。
NVIDIAは、Blackwell比で、MoEモデルの学習に必要なGPU数を4分の1にし、推論スループット／ワットを最大10倍、トークン単価を最大10分の1にすると説明しています。ただし、これらはNVIDIAによる性能主張であり、実際のアプリケーション環境ではモデル、ネットワーク、稼働率などによって変わります。
Vera Rubin期に起こり得る本質的変化
Vera Rubin期には、AIは「質問に答える道具」から、
業務を継続的に観察し、考え、ツールを使い、結果を確認し、次の行動を決める主体
へ移っていきます。
影響を受ける米国産業
特に大きな変化が予想されるのは次の領域です。
ソフトウェア産業
コーディング支援から、設計、実装、テスト、セキュリティ確認、保守までを行うソフトウェア開発エージェントへ移行します。
専門サービス
法律、会計、金融分析、保険査定、コンサルティング、医療事務などで、AIが単発の文書を作るのではなく、案件単位で業務を遂行するようになります。
科学・研究開発
Vera RubinはAIだけでなく、シミュレーションやHPCにも対応します。NVIDIAは2026年6月、気候モデル、流体解析、量子化学、エネルギー探査などへの利用を発表しています。
企業組織
人間一人に一つのAIアシスタントではなく、
人間一人が複数のAIエージェント・チームを管理する
組織形態へ移る可能性があります。
したがって、
Vera Rubin期＝AIエージェントの産業化と、企業業務プロセス再設計の時代
と位置づけるのがよいでしょう。
4．Feynman期
「AIが産業の共通運用基盤になる」可能性
Feynmanは、2026年3月にNVIDIAがVera Rubinの次の主要アーキテクチャとして正式に言及しています。
現在公表されている構成には、
- Rosa CPU
- LP40 LPU
- BlueField-5
- ConnectX-10
- Kyberによる銅線・Co-Packaged Optics接続
- 光ネットワークによるスケールアウト
などが含まれます。つまり、FeynmanもGPU単体ではなく、計算、メモリ、ストレージ、ネットワーク、セキュリティを統合したAIファクトリー世代です。
ただし、Feynman期についてはVera Rubin期より不確実性が高いです。
GPU仕様、ラック構成、量産・提供時期、対応モデル、電力密度、顧客導入計画がまだ十分に固まっていません。そのため、現時点では企業ランキングや精密な売上予測には使わず、長期的な産業シナリオの区分として使うのが適切です。
Feynman期について現時点で描ける仮説は、
AIエージェントが企業内の個別業務を実行する段階から、企業・工場・物流網・ロボット群・データセンターを横断的に運用する段階へ移る
というものです。
つまり、
- Hopper：AIモデルを作る
- Blackwell：AI推論を大量生産する
- Vera Rubin：AIエージェントに仕事をさせる
- Feynman：AIに複数の産業システムを運用させる
という発展経路です。
この区分の最大の強み
NVIDIA世代で区切ると、次の要素を同じ時間軸上で分析できます。
- AIモデル能力
- トークン生成コスト
- データセンターCAPEX
- 電力・冷却需要
- クラウド事業者の設備投資
- AIスタートアップの事業モデル
- 企業へのAI導入
- 雇用・職務への影響
- ロボティクス・フィジカルAI
- 半導体・通信・電力・建設など周辺産業
これは、GPT-4、GPT-5、Claude、Geminiなど、特定企業のモデル名称で時代を区切る方法よりも、米国産業全体を説明しやすい枠組みです。
モデルは短期間で更新され、企業ごとに名称も異なります。一方、AIデータセンターはNVIDIAのプラットフォーム世代を前提に、電力、液冷、ネットワーク、建屋、資金調達まで数年単位で設計されます。
ただし「主軸」であって「唯一の軸」ではありません
この区分には、Google TPU、AWS Trainium／Inferentia、AMD Instinct、MetaやMicrosoftの独自ASICなどが直接は入ってきません。
したがって、最終的な分析では、
第1軸：NVIDIA AIプラットフォーム世代
第2軸：AIの産業実装段階
という二軸にすると強くなります。
第2軸は例えば、
- 基盤モデル開発
- 生成AIアプリケーション
- Reasoning AI
- Agentic AI
- Physical AI
- 自律産業システム
です。
最も端的な時代名称
私は次の名称を提案します。
Hopper期
生成AI・基盤モデル形成期
Blackwell期
Reasoning AI・AIファクトリー建設期
Vera Rubin期
Agentic AI・企業業務再編期
Feynman期
自律産業システム形成期
この4区分は、今後、米国のAI産業、データセンター、電力、SaaS、雇用、ロボティクス、資本市場への影響を一貫して分析するための、非常に強い「時代区分」になると思います。
さて。最後に今泉が再び顔を出しますw。
この時代区分は、実は、イーロン・マスクのスペースXが取り組んでいる世界最大級の半導体製造工場「Terafab」による耐放射線性能を持つ新型半導体「D3」を搭載した宇宙AIデータセンターが、MW当り初期投資額において、NVIDIAの地上AIデータセンターに"勝てるタイミング"がFeynman期当たりに来る...ということを論じるための近未来歴史年表でした。
ここまでのSolとの議論も日本企業にとって大変に意味があるので共有させていただく次第です。
日本の半導体製造装置・検査装置メーカー、半導体素材メーカー、AIサーバー部品メーカーなどが「タイムマシン経営」を行うためには、さらに一歩突っ込んで、スペースXの宇宙AIデータセンターを組み込んだ歴史年表の流れのなかで熟考する必要があります。