原文のタイトル：Jensen Huang: NVIDIA - 4兆ドルの企業とAI革命 | Lex Fridman Podcast
原著者：Lex Fridman
翻訳：Peggy，BlockBeats

Editor's Note:

生成モデルAIの進化とAgentの実稼働への展開を背景に、業界の議論の焦点は「モデルの能力」から「システムの知能への適応」に移行しています。大規模モデルトレーニングが標準化される中、より基本的な問題が浮上しています：AIの持続的拡張を支えるのは、もはやアルゴリズムのみではなく、計算システム全体です。

この記事は、Jensen Huang（黄仁勋）とLex Fridmanの対談から編集されたものです。Lex Fridmanは著名なAI研究者兼テクノロジーポッドキャストホストであり、その番組は技術、産業、および将来のトレンドに重点を置いた深い議論を長期間提供してきました。この対談では、黄仁勋はモデルの能力に焦点を当てるのではなく、計算アーキテクチャと産業の進化から出発し、より構造的な判断を提示しています：AIは「チップの問題」から「システムエンジニアリングの問題」に進化しています。

この対談は、主に以下の5つの側面から理解できます。

コンピューティングが「チップ」から「工場」へ
対談の最初の中心的な判断は、AIの競争が単一の性能に焦点を当てるのではなく、システムの能力の競争に変わったことです。GPUからシステム全体、さらにデータセンター規模の「AI工場」まで、計算ユニットの境界が拡大し続けています。同時に、コンピュータの役割も変化しており、情報の保管と検索の「倉庫」からトークンの生成を継続する「生産システム」に移行しています。これは、AIがツールだけでなく、経済生産に直接関与するインフラストラクチャであることを意味します。

4つのスケーリングの重ね合わせ：AIがなぜますます「重く」なっているのか
さらに、AIの拡張パスも構造的に変化しています。成長は単一の事前トレーニングのスケーリングに依存するのではなく、事前トレーニング、後トレーニング、推論、エージェントの4種類のスケーリングが重なり合い、サイクルシステムを形成しました：エージェントがデータを生成し、データがトレーニングに入り、トレーニングが推論を支援し、さらに推論がより複雑なエージェントをサポートします。すべてのパスは最終的に1つの変数に収束します——計算能力です。最も重要な変化は、推論が計算消費の中心になりつつあり、その「考えること」が最もコストのかかる段階となっていることです。

AIのボトルネック：アルゴリズムからエネルギーへ
スケーリングの進展に伴い、問題はモデルのレベルからインフラストラクチャのレベルに移行しました。議論の一つの直接的な指摘は、AIの長期的なボトルネックがもはやデータやアルゴリズムではなく、電力とエネルギーシステムであるというものです。しかし、真の制約は単なる供給不足ではなく、電力ネットワークのスケジューリング、データセンターのアーキテクチャ、企業の「高可用性」への依存パスです。これにより、AIの問題は技術的な問題から、エンジニアリング、エネルギー、および制度の編成の包括的な問題に変わっています。

CUDAの本質：技術的優位性ではなく普及量
競争の観点から、議論は重要な視点を提供しています：NVIDIAのモートの堀は技術リードだけでなく、CUDAによって構築された普及量と開発者エコシステムです。CUDAをGeForceに埋め込み、短期利益を犠牲にして規模を拡大したことで、NVIDIAは実際には「計算プラットフォーム」を構築しています。規模、エコシステム、および実行速度が重なった後、技術自体は二次的な変数となります。これは、AIの競争がモデルの能力からプラットフォームとシステムの能力に移行していることを意味します。

注：CUDA（Compute Unified Device Architecture）は、NVIDIAが導入した並列計算プラットフォームであり、GPUをグラフィックスレンダリングだけでなく汎用計算に使用できるようにします。

AIは仕事を奪うか？そうではなく、仕事の定義を変える
アプリケーションのレベルで、議論は重要な指摘を示しています：AIは単純に職業を置き換えるのではなく、仕事の構造を変えます。タスクレベルの自動化により全体の効率が向上し、専門能力への需要が拡大します。仕事の中心はもはや「タスクの実行」ではなく、「問題の定義、ツールの利用、および問題の協力解決」です。知能はますます利用可能な能力となり、人間の違いは判断力と組織能力により顕著になります。

この議談が明確な切り口を提供したのは、AIを「モデル能力の競争」から、「システム的な問題」に転換した点です。計算が生産システムとなると、それを制約するものは技術そのものだけでなく、エネルギー、サプライチェーン、および組織形態となります。このような視点からすれば、問題はある技術経路の先行性にあるわけではなく、むしろ計算を中心としたインフラストラクチャ全体で世界が再編成されつつあることです。

以下は原文内容（読解しやすくするため、元の内容が若干編集されています）：

TL;DR

·AIは「より速いチップ」から「計算工場」に進化し、競争は単一の性能ではなく、計算能力、ネットワーク、電力、ソフトウェアの全体システム能力（コンピューティング、ネットワーキング、電力、ソフトウェア）の協調効率に移行しました

·CUDA の成功は技術にあるのではなく、導入数にある：NVIDIA は利益を犠牲にして規模を求め、ほぼ揺るぎない計算プラットフォームエコシステムを構築した

·AI の成長はもはや単にモデルの拡大に依存せず、事前トレーニング、推論、エージェントなど複数のスケーリングが同時に起こり、最終的にすべてが一つの変数に収束する：計算能力

·推論は計算能力消費の中核プロセスとなり、「考えること」が「トレーニング」よりもコストがかかるようになり、AI はオフラインモデルから継続的なシステム実行に移行している

·AI の真のボトルネックはアルゴリズムではなく、エネルギーとインフラストラクチャであり、電力のスケジューリング能力が次の段階での主要な制約となるだろう

·コンピュータは「情報倉庫」から「生産工場」へ移行しており、トークンは価格設定可能な商品となり、AI インフラストラクチャは直接経済生産に参加するだろう

·AI は単純に仕事を置き換えるのではなく、すべての職業の能力上限を引き上げるものであり、将来の主要能力は「タスクの実行」から「問題の定義と共同解決」に移行していく

インタビュー内容

Lex Fridman: 次は、Jensen Huang との対談をご覧ください。彼は NVIDIA の CEO であり、この企業は人類史上最も重要で影響力のある企業の一つと言えるでしょう。NVIDIA は AI 革命を推進する中核エンジンであり、その成功は Jensen がリーダー、エンジニア、イノベーターとして行った一連の重要な判断と大胆な決定に大きく起因しています。これは Lex Fridman Podcast です。皆さん、Jensen Huang へのご挨拶をお願いします。

「より速いチップ」から「AI ファクトリー」へ

Lex Fridman: あなたは NVIDIA を AI の新たな段階に導入しました。以前は GPU レベルの設計に焦点を当てていましたが、現在はラックレベルの設計に移行しています。私たちは、NVIDIA の過去の成功は、最強の GPU を構築することに大きく起因しており、あなたたちは今でもこれを行っていますが、それが極度の協調設計に拡張されています：GPU、CPU、メモリ、ネットワーク、ストレージ、電源、冷却、ソフトウェア、ラック自体、あなたがリリースしたポッド、さらにはデータセンター全体。それでは、「極度の協調設計」から話しましょう。これほど多くの複雑なコンポーネントと変数に直面する中で、システムの協調設計の中で最も難しい部分は何だと思いますか？

Jensen Huang: それは非常に良い質問です。ますます巨大な問題を解決する必要があるため、極度の協調設計が必要とされる理由は、もはや単一のコンピュータや GPU だけで加速できないからです。本当に必要なのは、コンピューティング速度の向上が、コンピュータの数を増やす速度を上回ることです。コンピュータを 10,000 台追加しましたが、パフォーマンスを 1,000,000 倍にしたいのです。この時点で、アルゴリズムを再度考えなければなりません。アルゴリズムを分割し、再構築し、パイプラインを分割し、データを分割し、モデルを分割する必要があります。問題をこのように分散させると、「スケール拡大」だけでなく、「問題の分散」となり、そこですべてがボトルネックとなります。

実際には、これは Amdahl's Law（アムダールの法則）の問題です：システム全体の加速度は、全体の作業の中で加速できる部分の割合に依存します。計算が問題全体の 50% を占める場合、計算速度を100万倍にしても、全体的な速度は2倍にしかなりません。そのため、単に計算を分散させるだけでなく、パイプラインの分割、ネットワーク接続の問題も解決する必要があります。なぜなら、すべてのこれらの計算機は相互に接続されるからです。このような規模の分散コンピューティングでは、CPU も問題であり、GPU も問題であり、ネットワークも問題であり、スイッチングも問題であり、負荷分散そのものも問題です。これは非常に複雑なコンピュータサイエンスの問題です。したがって、すべてのテクノロジーを総合的に活用する必要があります。そうしないと、線形拡張しかできず、またはムーアの法則に依存しなければならず、ムーアの法則自体も鈍化しています。

注：Amdahl‘s Law（アムダールの法則）は、バケツの効果を計算システムでの数学的な表現として捉えたものです。この記事では、これを用いて AI 計算は単に GPU の性能向上のみの問題ではなく、ネットワーク、ストレージ、スケジューリングなどがボトルネックとなり、システム全体を協調最適化する必要があることを示しています。

Lex Fridman：ここには明らかに多くの妥協があるはずで、その中には完全に異なる分野の専門家も含まれます。例えば、高帯域幅メモリ、ネットワーク、NVLink、ネットワークカード、光学、銅ケーブル接続、電源、冷却などです。これらの分野にはそれぞれ世界クラスの専門家がいます。それらをどのように協力させたのですか？

Jensen Huang：だから私たちのチームはこのように大きいのです。

Lex Fridman：このプロセスについて教えていただけますか？たとえば、専門家と全能者がどのように協力しているのか？これらのすべてを1つのラックに詰め込むとき、設計プロセス全体はどのようになりますか？

Jensen Huang：

この質問に答えるためには、3つの問題に分けることができます。最初の問題は、「究極の協調的設計」とは何か？これは本質的に、アーキテクチャ、チップ、システムからシステムソフトウェア、アルゴリズム、さらにはアプリケーションまでの全体的最適化を行うことです。これが第1のレイヤーです。第2のレイヤーは、さきほど触れたように、CPU、GPU、ネットワークチップだけでなく、スケールアップおよびスケールアウトのスイッチングシステム、電力および冷却も含まれます。なぜなら、これらのコンピュータシステムは非常に多くの電力を消費しているからです。それらは非常に効率的ですが、総合的にはまだ多くの電力を消費しています。

したがって、最初の問題は「それは何か」ということであり、2番目の問題は「なぜそれを行う必要があるのか」ということです。これについては、さきほど説明しましたが、作業負荷を分散させることで、コンピュータの数を単に増やす以上のメリットを得る必要があります。

3番目の問題は「どのようにして行うか」です。これはこの会社の最も素晴らしい部分です。コンピュータを設計するときはオペレーティングシステムが必要です。会社を設立する際も、ますます会社が何を生産するかをはっきりさせる必要があります。私は多くの会社の組織図を見てきましたが、どれもほぼ同じように見えます。ハンバーガーのような構造、ソフトウェア会社のような構造、自動車会社のような構造ですが、それは意味がありません。会社の目的は、製品を生産する機械となることです。それはメカニズムであり、システムであり、私たちが望む製品を継続的に生産するためのものです。

企業の組織構造は、その環境を反映すべきです。ある程度、これは組織がどのように機能すべきかも決定します。私の直属のチームにはおおよそ 60 人のメンバーがいます。私は彼らと一対一でコミュニケーションすることはありません。なぜなら、それは不可能だからです。60 人もの直属部下がいて仕事もしなければならない場合、一対一ではそれを達成することはできません。

Lex Fridman: でも、それでも 60 人の直属部下がいるんですか？

Jensen Huang: それ以上です。そして、これらの人々のほとんどはエンジニアリングのバックグラウンドを持ち、メモリエキスパート、CPU エキスパート、光学エキスパート、GPU エキスパート、アーキテクチャ、アルゴリズム、デザインエキスパートがいます。

Lex Fridman: それは驚異的です。

Jensen Huang: はい。

Lex Fridman: つまり、あなたは常に全体技術スタックに目を光らせており、全体設計に関わる深い議論に参加しているということですか？

Jensen Huang: そして、私たちは「一対一」の議論はしません。私たちは問題提起し、それから皆で解決します。なぜなら、私たちは協調設計を行っており、企業全体が毎日それを行っているからです。

Lex Fridman: 要するに、特定のコンポーネントについて議論しているにもかかわらず、すべての人が参加しているということですか？

Jensen Huang: はい、まったくその通りです。

Lex Fridman: すべての人が、「このアプローチはパワーには適していない」「これはメモリには適していない」と言えるんですか？

Jensen Huang: 正しいです。誰でも参加したいと思えば参加し、参加したくないと思えば退場します。しかし、チームの誰もがいつ参加するべきかを知っています。もし、ある問題に貢献すべきタイミングで参加しなかった場合、私はその人に声をかけて参加してもらいます。

Lex Fridman: それでは、NVIDIA は環境の変化にどのように適応してきたのでしょうか？最初はゲーム用 GPU を作ってから、ディープラーニングに進み、そして今では「AI ファクトリー」と呼ばれるまでの変化はどのようにして起こったのでしょうか？

Jensen Huang:

これは論理的に導き出すことができます。最初は、私たちはアクセラレータ企業でした。しかし、アクセラレータの問題は、その適用範囲が非常に狭いということです。その利点は、高度に最適化されていることであり、すべての特定のシステムと同様に、しかし問題は、専門化すればするほど、市場の範囲が狭くなるということです。これ自体が最も大きな問題ではありませんが、もっと重要なのは、市場の規模があなたの研究開発能力を決定し、最終的には計算分野での影響力を決定するということです。

したがって、私たちが最初にアクセラレータを作成したとき、それが最初のステップであることを知っていました。私たちは「加速計算」に向けた道を見つけなければならなかった。しかし問題は、コンピューティング企業になると、あまりにも汎用化され、専門能力が弱体化するということです。私は意図的にこの2つのトーンの異なる言葉を一緒に置きました：コンピューティング vs 専用。コンピューティング企業になればなるほど、専用システムになれず、専用になればなるほど、コンピューティング全体をカバーすることが難しくなります。

したがって、企業は非常に狭い道を見つけなければならず、計算能力の境界を段階的に拡大していく必要がありますが、同時に、最も核心的な専門能力を失うことはありません。

私たちの最初のステップは、プログラマブルピクセルシェーダーを発明することであり、これは「プログラム可能性」に向けた最初のステップでした。 2番目のステップでは、シェーダーにFP32を追加しました。つまり、IEEE標準に準拠した単精度浮動小数点数です。これは非常に重要なステップであり、多くのストリームプロセッサやデータフロー計算を行う人々が私たちに気づきました。彼らは、この非常に強力で標準準拠のGPUを、汎用計算に使用できる可能性があることに気付きました。そして、彼らは、元々CPU上に書かれていたソフトウェアをGPUに移行しようとし始めました。

その後、私たちはFP32にC言語を導入し、Cgを形成し、さらにCUDAに発展させました。CUDAをGeForceに配置することは、非常に重要な決定でしたが、当時、会社は実際にはそのコストを負担することができませんでした。私たちはそれを行った理由は、私たちがコンピューティング企業になりたいからです。そして、コンピューティング企業には一貫したコンピューティングアーキテクチャが必要であり、このアーキテクチャはすべてのチップで一貫していなければなりません。

会社を危うくした決定が、AI時代全体を支えました

Lex Fridman：その決定について話していただけますか？当時、コストを負担できないのに、なぜCUDAをGeForceに配置する必要があったのですか？

Jensen Huang：これは「生存か死か」に近い決定でした。私は言います、これは私たちの最初の「存続の脅威」に近い戦略的な決定でした。

Lex Fridman：理解していない人々に補足していただけますか。これは後に、会社の歴史で最も偉大な決定の一つと証明されました。CUDAは、AIインフラ全体の中核的な計算プラットフォームとなりました。

Jensen Huang：

はい、後にこれが正しい決定であることが証明されました。当時の論理は次のとおりです。私たちはCUDAを発明し、弊社のアクセラレータがカバーできるアプリケーション範囲を拡大しました。しかし問題は、どのように開発者を引き付けるかということでした。なぜなら、計算プラットフォームの中核は開発者であり、開発者はプラットフォームが「面白い」からではなく、普及率の高いプラットフォームを選択します。

導入数は最も重要な要素です。開発者は誰もが、自分のソフトウェアがより多くのユーザーに到達することを望んでいます。したがって、導入数は成功の決定的要素です。1つの設計は非難されるかもしれませんが、例えば x86 は優雅でないと考えられていますが、それでも今日の主流設計です。なぜなら、その導入数が最も多いからです。

逆に、多くの RISC アーキテクチャは非常に優雅に設計され、最高のコンピュータサイエンティストによって作られましたが、最終的に失敗しました。これは1つを示しています：導入数が設計を定義し、それ以外はすべて二次的です。

当時、CUDA は OpenCL などと競合していました。私たちが下した重要な決定は次のとおりです：導入数が最も重要であるという点から、この新しいアーキテクチャが市場にできるだけ早く参入するようにする方法を考える必要があります。

その当時、GeForce は非常に成功しており、毎年何百万もの GPU が出荷されていました。したがって、私たちは決定しました。CUDA をすべてのGeForceに組み込み、それをすべてのPCに普及させます—ユーザーが使用しているかどうかにかかわらず。これが導入数を最も速く確立する方法でした。

同時に、大学を訪れ、教材を作成し、コースを開講し、CUDA をどこにでも持っていきました。その時代はPCが主要な計算プラットフォームであり、まだクラウドは存在していませんでした。実際、私たちは「スーパーコンピュータ」をすべての学生や研究者の手に持って行ったと言えます。

しかし問題は、これによりGPUのコストが大幅に上昇し、ほぼ会社のすべての粗利益を飲み込みました。当時、会社の時価総額はおそらく60〜70億ドルで、CUDA を発表した後、コストが上昇したため、時価総額は一時的に約15億ドルまで落ちました。私たちはその段階で非常に困難な状況にありましたが、最後まで耐え抜きました。

私は常に言っています、NVIDIA は GeForce によって建てられた家です。なぜなら、正確に GeForce がCUDAを広めたからです。研究者、科学者、エンジニアはすべて、GeForceを介してCUDAを発見しました。多くの人々は元々ゲーマーであり、彼らは自分でPCを組み立て、ラボでPCコンポーネントを使用してクラスターを構築し、これがCUDAの出発点でした。

Lex Fridman: それが深層学習革命の基盤となった。

Jensen Huang: はい、それは非常に重要な観察です。

Lex Fridman: 当時、「生と死の境界」に近づいた瞬間について、内部でどのように議論されたか覚えていますか？

Jensen Huang: 取締役会に私たちが何をしているのかを説明しなければならず、経営チームも利益が大幅に減少することを理解していました。想像してみてください。GeForce はCUDAのコストを負担しましたが、ゲーマーはその請求書を支払うつもりはありません。彼らは固定料金しか支払いたくないのです。したがって、コストが上昇しても余分なお金を払うつもりはありません。

コストを50%上昒げ、会社自体の粗利益率が35%しかない状況で、これは非常に困難な決定でした。しかし、将来を見据えることができました。CUDA はワークステーションやスーパーコンピュータに参入し、これらの分野でより高い利益を得る可能性があります。論理的には、自分自身を説得し、このことが可能であると確信することができますが、実現するには10年かかりました。

Lex Fridman: しかし、それはむしろ取締役会へのコミュニケーションですね。個人として、そのような「未来を賭ける」決定をどのように下したのでしょうか？NVIDIA は常に未来を予測し、未来さえ定義してきた大胆な決定を行ってきました。それをどのように実現してきたのですか？

Jensen Huang: 最初に、私は非常に好奇心が強いです。それから、非常に確信を持てる論理的プロセスがあり、特定の結果を確信することができます。私が本当に何かを信じるようになると、その未来は非常に明確になり、実現しない可能性はほとんどありません。その過程で多くの苦痛を味わいますが、信じる必要があります。

Lex Fridman: つまり、まず頭の中で未来を構築し、その後、エンジニアリング的に実現するのですね。

Jensen Huang:

はい。そこに到達する推論を行い、なぜそれが存在しなければならないのかを理解します。我々は推論を繰り返し、経営陣も参加し、多くの時間を費やしてこのプロセスに従事します。

次に、非常に重要なスキルが必要です。多くのリーダーは最初は沈黙し、学び、そしてある日突然「宣言」を発表します。例えば、新年に大幅な調整、大規模な人員削減、組織再編、新しいミッション、新しいロゴなどです。私はそうしません。

何か重要なことに気づくとすぐに周囲の人に伝えます。そのことが重要であり、影響を与えると説明します。段階的に説明します。多くの場合、私はすでに決定を下していますが、常に、新しい情報、新しい洞察、新しい技術の進歩など、あらゆる機会を活用して、人々の認識を形成しています。

私は毎日それをやっており、取締役会、管理陣、従業員に対して同じようにしています。彼らの信念体系を形成し続けています。その結果、「私たちは Mellanox を買収する」と言った時、誰もがそれが明らかな決定であると感じるようになります。

「私たちは深層学習に全力を注ぐ」と言った時、実際には長い間準備をしていました。私が本当にアナウンスする時には、多くの人が「なぜ今まで言わなかったのか？」と言うことさえあります。

ある意味では、これは「後方からのリーダーシップ」のように見えますが、実際には一貫して合意形成しています。皆が一緒に進むことで、理解されない決定を突然発表するのではなく、共有された方向性が形成されています。

Lex Fridman：そして、あなたは企業内で認識を築くだけでなく、業界全体を築いています。

Jensen Huang：

実際、私たちは直接コンピュータを販売しておらず、クラウドも直接販売していません。私たちはコンピューティングプラットフォーム企業です。私たちは各層で縦方向の統合設計を行っていますが、同時に各層でオープンにし、他の企業がそれを自社の製品、サービス、クラウド、およびスーパーコンピュータに統合できるようにしています。

したがって、私がまず業界全体を説得できなければ、私の製品は立ち上がりません。これが GTC が非常に重要である理由でもあります — これは 「未来を予演すること」 です。私たちが本当に製品をリリースするとき、皆が言うでしょう：「なぜ今頑張るの？」

AI なぜますます「お金を燃やす」のか？スケーリングの 4 つの重ね合わせ

Lex Fridman：あなたは長年にわたりスケーリング法則を信じてきましたが、今も信じていますか？

注：スケーリング法則とは、特定の重要な変数を持続的に拡大すると、システムのパフォーマンスが比較的安定して予測可能な規則に従って向上することを指します。AI では、通常、モデルが大きくなるほど、データが多くなるほど、パワーが強くなるほど、モデルの能力が向上するという意味です。

Jensen Huang：もちろん、そして今ではさらに多くのスケーリング法則があります。

Lex Fridman：以前に、あなたは 4 つのものに言及しました：プレトレーニング、ポストトレーニング、推論段階、およびエージェンティックスケーリング。将来を展望すると、短期的にも長期的にも、どの潜在的な「ボトルネック」が本当に心配ですか？解決する必要があると考える問題は何ですか、それで眠れなくなる可能性がありますか？

Jensen Huang：過去に考えられていた「ボトルネック」を振り返ってみることができます。

最初は、プレトレーニングのスケーリングで、高品質のデータが限られているため、AI の知能向上が制限されると考えられていました。Ilya Sutskever はさえ「もはやデータがなくなる寸前だ」と述べたことさえあり、業界全体が一時的にパニックに陥りました。しかし、実際には、この考えは成り立たないということが証明されました。私たちはデータソースを拡大し続け、そのうちの大部分は合成データになります。実際に、人間同士が伝達する情報は本質的に「合成的」です。あなたがコンテンツを作成し、私が消費し、それを処理し、再度伝播します。今や AI は実際のデータから出発し、多くのデータを拡張、強化、生成することができます。したがって、ポストトレーニング段階は引き続き拡大しています。将来、モデルトレーニングの制限はもはやデータではなく、計算リソースとなるでしょう。

注：Ilya Sutskever は OpenAI の共同創設者兼前首席科学者であり、ディープラーニング領域の中心的存在であり、AlexNet などの重要なブレークスルーに関与し、大規模モデルと AI スケーリングの方向に大きな影響を与えました。

接下来は推論段階です。以前、多くの人々は推論が非常に簡単で、難しいのはトレーニングだと考えていました。しかし、実際にはこれは不合理です。なぜなら、推論は本質的には「考える」ことであり、「読む」よりもはるかに難しいからです。トレーニングはむしろ記憶とパターン認識に似ており、推論は推論、計画、探索、問題の分解を必要とし、これには多大な計算が必要です。実際には、最初の見積もりが正しかったことが証明されました。推論計算は非常に集中しています。

さらに進むと、agent scaling になります。私たちはもはや単なるモデルではなく、「エージェントシステム」であり、ツールの呼び出し、データベースへのアクセス、サブエージェントの生成が可能です。単一の人の能力を向上させるよりも、能力を拡張するにはチームを増やす方が簡単です。AI も同様であり、迅速に複製および拡張できます。したがって、これは新しいスケーリングの法則です。

これらのプロセスはループを形成します：エージェントがデータを生成し、そのデータが事前トレーニングに戻り、次にポストトレーニングに進み、推論に進み、エージェントシステムに進み、そしてこれが継続的に繰り返されます。最終的に、知的成長は1つの核心変数、つまり計算能力に帰結します。

Lex Fridman：ただし、ここに困難があります。これらの変化を予め予測する必要があります。なぜなら、異なる段階では MoE アーキテクチャ、スパーシティなど異なるハードウェアが必要になります。ハードウェアサイクルは数年ですから、いつでもその都度調整できるわけではありません。

Jensen Huang：確かに。AI モデルアーキテクチャはおおよそ6か月ごとに変化し、システムアーキテクチャとハードウェアはおおよそ3年ごとに変化します。ですので、将来を予測するには2〜3年は前もって計画する必要があります。私たちの方法には3つあります：第1に、独自の研究を行い、基礎研究と応用研究を含み、独自のモデルを開発します。第2に、ほとんどすべての AI 企業と協力し、彼らの課題を理解します。第3に、CUDAなどの十分に柔軟なアーキテクチャを構築します。

MoEなどが登場した後、我々は NVLink 72 を導入し、1兆パラメータのモデルを1つのGPUとして実行できるようにしました。たとえば、Grace Blackwell ラックと Vera Rubin ラックは、完全に異なる設計であり、前者はLLMの推論向けに、後者はエージェントシステム向けに設計されています。

注：Grace Blackwell ラックは、NVIDIAが導入した大規模モデルのトレーニングと推論を対象とした統合AIコンピューティングシステムであり、Grace CPUとBlackwell GPUを高帯域接続で深く結合させ、「AIファクトリー」のコア計算ユニットとして機能します。Vera Rubin ラックは、Blackwellの次世代AIインフラストラクチャアーキテクチャであり、より複雑なエージェントシステムおよび大規模推論シナリオを対象とし、システムレベルの協調とより高いエネルギー効率を強調します。

Lex Fridman：しかし、これらの設計は Claude Code、Codex、OpenClaw が登場する以前に完了していました。どのように予測しましたか？

Jensen Huang：実際、それほど難しくありません。推論するだけです。LLM が「デジタル従業員」として機能するには、実際のデータにアクセスし、調査を行い、ツールを使用する必要があります。したがって、I/O システムを持ち、ツールを呼び出すことになるでしょう。AI がソフトウェアを置き換えると言う人がいますが、それは違います。まるでロボットのように、それは手をハンマーやメスに変えるのではなく、ツールを使用します。最初はうまくいかなくても問題ありません、説明書を読んで学ぶことができ、すぐに習得します。したがって、これらの能力は必然です。

このように推論すると、実際にはコンピューターを再発明していることに気づきます。2年前に私がGTCで語ったエージェントアーキテクチャは、今日ではほぼ完全にOpenClawに対応しています。OpenClawがエージェントにとって持つ意味は、ChatGPTが生成型AIにとって持つ意味と同等です。

Lex Fridman：確かに特別な瞬間です。

Jensen Huang：はい。

Lex Fridman：しかし、技術が非常に強力になると、安全上のリスクも引き起こされます。我々は個人として、そして社会として、バランスを見つけようと努力しています。

Jensen Huang：はい、私たちはこの問題を研究するためにすぐに多くのセキュリティ専門家を投入しました。OpenClawに統合されたOpenShellというシステムを作成しました。同時に、NVIDIAもNemoClawを発表しました。

Lex Fridman：はい、そのインストールは非常に簡単であり、システムのセキュリティを確保できます。

Jensen Huang：我々は原則を提唱しました：任意の時点で、3つの機能のうちの2つしか持つことができず、機密データへのアクセス、コードの実行、外部通信。3つの機能を同時に持っていると、リスクが発生します。したがって、この「2選3」の方法でセキュリティを確保しています。同時に、企業レベルのアクセス制御やポリシーエンジンを導入し、企業が独自の権限体系に基づいて管理できるようにしています。OpenClawをより安全で管理しやすいものにすることに努めています。

AI の最終目標はアルゴリズムではなく、電力です

Lex Fridman：あなたはさきほど、かつてはボトルネックと考えられていたが後に突破された多くのことを語りました。では、今見てみると、エージェントが至るところに存在する未来において、本当のボトルネックは何でしょうか？

ジェンセン・ファン：電力は問題ですが、唯一の問題ではありません。これが、私たちがエクストリーム・コ・デザインに多くの労力を費やす理由でもあります — 我々は一貫して、「ワットあたりのトークン数」の効率を向上させています。過去10年間、ムーアの法則により計算能力が約100倍向上しましたが、我々はシステム全体での拡張により、計算能力を100万倍に向上させました。今後も同様の取り組みを続けます。効率は企業の収入に直接影響し、また「AIファクトリー」の収益にも影響します。ハードウェア価格は上昇していますが、トークンの生成効率がより速く向上しているため、トークンのコストは実際に毎年1桁下がっています。

レックス・フリドマン：つまり、効率を向上させる方向と、より多くの電力を確保する方向があります。例えば、小型原子炉などです。供給チェーンへの懸念はありますか？例えばASMLのEUVリソグラフィマシン、TSMCの先進パッケージング、SK Hynixのハイバンド幅メモリなどはどうでしょうか？

ジェンセン・ファン：私はこれらの問題に日々取り組んでおり、継続的に対処しています。私たちのように高速成長しながら加速成長している企業は他にはないと言っても過言ではありません。それを理解するのは難しいでしょう。AIコンピューティング市場では、私たちのシェアが着実に拡大しているため、サプライチェーンの上流と下流は非常に重要です。私はこれらの企業のCEOと多くの時間を費やし、将来何が起こるか、成長の動力はどこにあるかを伝えています。GTCで見たCEOたち、ほぼ全てのIT上流企業とインフラストラクチャ下流企業が含まれています。私は彼らに現在のビジネス状況、将来の成長ポイント、次に起こることを伝え、それに基づいて投資判断を行うようアドバイスしています。

私は彼らに直接会いに行き、次の数四半期、来年、数年後に何が起こるかを伝えます。例えば、3年前にDRAM業界について話しました。ハイバンド幅メモリ（HBM）がデータセンターの主流メモリになると。当時は非現実的に聞こえたかもしれませんが、いくつかのCEOは信じ、投資を始めました。もう1つの例は、スマートフォン用の低消費電力メモリ（LPDDR）をデータセンターに導入するように促しました。現在、これらの技術は大きな成功を収めています。

レックス・フリドマン：ですので、あなたはNVIDIAを築くだけでなく、サプライチェーン全体の未来も築いていると言えますね。

ジェンセン・ファン：はい、上流、下流全てが一緒になっています。

レックス・フリドマン：ただ、このサプライチェーンは非常に複雑で、深い科学、エンジニアリング、製造が関わり、何百ものサプライヤーが関わり、非常に脆弱に感じます。

ジェンセン・ファン：確かに非常に複雑です。1つのラックには約130万個のコンポーネントがあり、200以上のサプライヤーが関わっています。これは非常に複雑なシステムです。

Lex Fridman：しかし、あなたはサプライチェーンを最も心配すべきボトルネックとは見ていないようですね？

Jensen Huang：それは私がこれらの問題を一つ一つ解決しているため、私は安心して眠ることができます。私たちはファーストプリンシプルから推論する：システムアーキテクチャの変化は何を意味するのか？ソフトウェアはどのように変化するのか？エンジニアリングプロセスはどのように変化するのか？そしてサプライチェーンはどのように変化するのか？例えば、NVLink 72 ラックでは、スーパーコンピュータの統合をデータセンター内からサプライチェーンの端に移しました。以前は部品がデータセンターに運ばれてから組み立てられていましたが、今ではサプライチェーン内で直接システム全体が組み立てられ、それから運ばれます。

これはサプライチェーン自体がより強力な製造能力を備えている必要があることを意味します。たとえば、大規模な電力テストをサポートする必要があります。私たちはこれらのシステムをテストするためにギガワットレベルの電力能力さえ必要とします。したがって、私は自らサプライヤーとコミュニケーションを取り、彼らに将来のニーズを伝え、何十億ドルもの資本投資を行うよう促します。彼らは私を信頼し、私も彼らにこれらの変化を理解するための十分な情報と時間を提供します。

Lex Fridman：では、特定のボトルネックを心配することはありますか？例えば、EUV やパッケージング能力などですか？

Jensen Huang：いいえ、心配しません。なぜなら、私は彼らに必要なものを伝え、彼らも私に彼らの対応策を伝えてくれたからです。私は彼らを信頼しています。

Lex Fridman：それでは、再び電力の問題に戻りましょう。あなたはエネルギーの問題をどのように考えていますか？

Jensen Huang：私はみなさんに注意を喚起したいと思います：私たちの電力ネットワークは、「最悪の場合」に基づいて設計されています。たとえば、極端な天候時のピーク需要です。しかし、実際には、99% の時間はそのピークに達しておらず、ほとんどの場合は60% 前後で動作しているかもしれません。つまり、ほとんどの時間、電力ネットワークには大量の余剰容量がありますが、その容量は存在していなければなりません。なぜなら、病院や空港などのインフラストラクチャには常に電力が必要だからです。

ですから私が考えているのは、電力ネットワークがフル負荷を必要とするとき、データセンターは消費電力を削減し；ほとんどの時間はこの余剰電力を利用することができる仕組みを設計することができるかどうか、ということです。例えば、データセンターはピーク時に性能を低下させたり、タスクを移動したり、一時的にサービスをダウングレードしたりすることができます。これにより、電力ネットワークをより効率的に活用できるようになります。

ただし、現時点での問題は三つあります：第一に、顧客はデータセンターが100% 利用可能であることを要求しています；第二に、データセンターの設計はこのようなダイナミックなダウングレードをサポートする必要があります；第三に、電力会社もより柔軟な電力供給モードを提供する必要があります。これらの三つの点がクリアできれば、電力利用効率を大幅に向上させることができます。

だから私は、将来、コンピュータを使用し、データセンターを構築する方法は、単に100%の稼働時間を要求するだけではないはずだと考えています。現在、これらの非常に厳しい契約は、実際には電力網に非常に大きな圧力をかけています。なぜなら、それらは電力網にピーク需要を満たすだけでなく、さらにその上に拡張することを要求しているからです。しかし、私が本当に活用したいのは、本来アイドル状態にある余剰電力の部分だけです。

Lex Fridman: これについては確かにあまり議論されていません。それでは、現在の障害は何だと思いますか？

Jensen Huang: 私はこれを三者の問題だと考えています。

まず第一に、エンドユーザーです。エンドユーザーはデータセンターに対して要求を提示します：絶対にダウンさせてはいけない、絶対に利用できない。つまり、顧客は完璧を期待しています。そして、この完璧を実現するためには、予備発電機が必要であり、電力網サプライヤーもほぼ完璧である必要があります。そのため、すべての段階で「六つの9」を追求する必要があります。

注：「六つの9」とは、99.9999%の可用性を指します。

なので、まず最初のことは、すべての顧客やすべてのCEOが、彼ら自身が実際に何を求めているのかを本当に理解する必要があるということです。多くの場合、これらの契約に署名する人は、実際にはCEOとはほとんど関係のないデータセンター運営チームの誰かであり、CEOとは遠く離れています。おそらく、多くのCEOはこれらの契約条項が何を意味するかさえ知らないと断言できます。私は彼ら全員と話す準備ができています。

これらのCEOはおそらく、現在署名しているこれらの契約について注意を払っていないかもしれません。誰もが最高の契約に署名したいと考えるのはもちろん理解できます。そしてこれらの要求はさらにクラウドプロバイダーに伝わり、クラウドプロバイダーから公共事業会社に伝わり、したがってすべてのリンクが「六つの9」を要求しています。ですので、第一歩は、顧客やCEOが本当に自分たちが何を求めているのかを理解することです。

第二に、私たちは「優雅なディグレード（Graceful Degradation）」を実珵できるデータセンターを構築しなければなりません。つまり、電力網から「80%の使用率に落とす必要がある」と告げられた場合、「問題ありません」と言えるようにすべきです。

私たちはワークロードを再スケジュールできます。データが決して失われないようにしますが、コンピューティングレートを下げ、少し電力を節約します。サービス品質はわずかに低下します。最も重要なワークロードについては、すぐに他の場所に移動させるでしょう。その結果、どのデータセンターが引き続き100%の稼働時間を維持できるかは、最も重要な部分を引き受けるようになります。

Lex Fridman: それでは、このようなスマートでダイナミックな電力配分は、データセンターにとってどのくらい技術的に困難ですか？

Jensen Huang：問題を明確に定義できれば、その問題をエンジニアリングできます。あなたは非常に良い質問をしました。それが第一原理の物理法則に合致している限り、私たちはできると思います。

Lex Fridman：あなたはさっき3つのことを挙げましたが、3つ目は何でしたか？

Jensen Huang：2つ目はデータセンター自体であり、3つ目は、公益事業会社もこのことに気づく必要があるということです。実際、これは機会なのです。

彼らは常に「5年後には、電力ネットワークの能力をそのレベルまで拡張できるようになります」と言うわけにはいかないのです。もしあなたがそのような電力供給を受け入れることができるなら、実際、来月にはその価格で電力を供給できます。

ですので、公益事業会社もより多くの階層化された電力供給の約束を提供できれば、市場自体が適切な解決策を見つけると思います。今、電力ネットワークでは非常に多くの無駄があり、それを活用すべきだと思います。

Lex Fridman：以前、Elon Musk が Memphis に Colossus スーパーコンピュータを建設する能力を高く評価していました。彼の方法にはどんな借りるべきところがあると思いますか？

Jensen Huang：Elon が関与している領域は非常に広範囲ですが、彼は非常に強力なシステムの考え手です。彼は常に尋ねます。「これは本当に必要ですか？」や「必ずこれをしなければなりませんか？」なぜそう長いのでしょうか？彼はシステムを最小限の必要複雑さまで圧縮し、同時にコア機能を保持します。

彼はまた、非常に「現場重視」の人物で、問題が発生した場所に直接行きます。彼は多くの「慣習」や「プロセス」を破り、事態を進展させます。さらに、彼の緊急感はサプライチェーン全体に伝わります。彼はすべてのサプライヤーに自身を最優先の位置に置かせ、この点が非常に重要です。

Lex Fridman：NVIDIA の共同設計にも、同様のアプローチがありますか？

Jensen Huang：共同設計そのものが、システムエンジニアリングの究極の形態です。また、私たちには「光速思考」という考え方があります。これは速度だけでなく、物理的な限界を意味します。私たちはすべての問題を物理的な限界に合わせて考えます：メモリ速度、計算速度、消費電力、コスト、時間、製造サイクルなど。ますます、物理的な限界の下で、この事がどこまで実現可能かを最初に問います。それから実際の世界で取捨選択を行います。

私は「持続的最適化」というアプローチがあまり好きではありません。プロセスが現在74日かかっているとすると、誰かが72日に短縮できると言っても、あまり受け入れられません。私は、ゼロから問います。「なぜ74日か？」今、ゼロからデザインすると、今は何日かかりますか？答えは多くの場合、6日かもしれません。それから残りの68日がなぜ存在するのかを理解していきます。

Lex Fridman: このように複雑なシステムにおいて、「シンプル」の原則は依然重要ですか？

Jensen Huang: もちろんです。私たちが追求しているのは「必要な複雑性」と「可能な限りシンプル」です。常に問いかける必要があります：この複雑さは本当に必要か？不要であれば、取り除きます。

Lex Fridman: しかし、あなたたちのシステムは既に非常に複雑です。たとえば、Vera Rubinポッドには数兆のトランジスタと何千ものGPUがあります。

Jensen Huang: はい、これは世界で最も複雑なコンピュータシステムです。

Lex Fridman: それは非常に興味深いです。最近、あなたは中国に行かれました。したがって、私はあなたにひとつ質問したいと思います：過去10年間、中国は科学技術産業で驚異的な成長を遂げてきました。彼らがどのようにして、このように短期間で多くの世界的な企業や卓越したエンジニアリングチーム、そして驚異的な製品を持続的に生み出す技術エコシステムを築いてきたか、どのように見ていますか？

Jensen Huang:

理由は多岐にわたります。まず、いくつかの基本的な事実から始めましょう。世界のAI研究者の約半数は中国人です、おおよそそうですし、その大部分が中国に留まっています。私たちの側にも多くがいますが、中国国内には引き続き優れた研究者が多く存在します。中国の科学技術産業は非常に重要な時期に出現しました—モバイルインターネットとクラウドコンピューティングの時代であり、彼らの主な貢献経路はソフトウェアであり、この国は科学および数学教育が非常にしっかりしており、若者の教育レベルは非常に高いです。ソフトウェアの時代に育ったため、彼らは現代的なソフトウェアエコシステムに非常に精通しています。

さらに、中国は単一の経済体ではなく、複数の州や都市で構成されており、地域間には競争関係が存在します。これが、多くの新興電動車メーカーや多数のAI企業が見られ、ほぼすべての業界で同様の取り組みをしている理由です。この内部競争は非常に激しいため、最終的に残るのは非常に優れた企業です。

同時に、彼らの社会文化は「家族第一、友人第二、企業第三」です。この構造の中で、異なる企業間の情報交換は非常に頻繁であり、本質的には長期的なオープンな状態にあります。したがって、彼らのオープンソースへの投資が大きいのは当然の流れであり、なぜなのかを自然に考えるようになります：「我々は本当に何を保護しているのか？」エンジニアの間には多くの重なりがあり—親戚、友人、同級生、「同級生」はほぼ生涯の関係です。これにより知識の伝播が非常に速くなり、技術自体には強い閉鎖的な動機が欠けているため、オープンソースがむしろ効率的に機能します。そして、オープンソースコミュニティはさらに革新プロセスを拡大し加速させます。

したがって、優れた才能、オープンソースによる迅速なイノベーション、人間関係の高いつながり、そして極めて激しい競争といった要因が重なり、非常に強力な技術的成果が生まれることになります。この視点から見ると、中国は現在、世界で最も速いイノベーションを遂げる国です。その背景には、教育システム、家庭における学習への重視、文化構造、そして彼らがちょうど技術の指数関数的発展の鍵となる時期にあるという基本的要素があります。

Lex Fridman: 文化的観点から言えば、エンジニアであることは非常に「クール」なことです。

Jensen Huang: はい、これは「エンジニア型の国」です。アメリカのリーダーの多くは法律の背景を持ち、これは統治と制度の安定を目的としています。一方、中国の多くのリーダーは非常に優れたエンジニアそのものです。

Lex Fridman: 先ほどオープンソースに触れられたので、それについてもう少し話を広げてみたいと思います。あなたは常に Perplexity に大きな期待を寄せていました。

Jensen Huang: 大変好きです。

Lex Fridman: また、Nemotron 3 Super という 1200 億パラメータの MoE モデルをオープンソース化してくれたことにも感謝しています。これは Perplexity でも利用できるようになりました。オープンソースの長期的意義についてどう考えていますか？DeepSeek、MiniMaxなどの中国の企業もオープンソースAIを推進しており、NVIDIAもSOTAに匹敵するオープンソースモデルを提供していますが、全体的にどう判断されていますか？

Jensen Huang: まず第一に、優れたAIコンピューティング企業になるためには、モデルがどのように進化してきたかを理解する必要があります。私が Nemotron 3 を気に入っている点は、それが純粋なTransformerではなく、TransformerとSSMの組み合わせだからです。我々は条件付きGANや進化的GANにも早くから取り組んでおり、これらの経路が拡散に至るまで段階的に進化してきました。このモデルアーキテクチャと基礎研究における蓄積こそが、将来のモデルに必要な計算システムを事前に判断することを可能にし、それ自体が私たちの「究極の協調設計」の一部です。

第二に、我々が世界クラスのモデルを製品として持つ一方で、AIがすべての産業、すべての国、すべての研究者や学生に普及することを望んでいます。すべてが閉ざされていると、研究を進めることが難しく、さらなるイノベーションを続けることも難しくなります。したがって、多くの産業にとって、オープンソースはAI革命に参加するための必要条件です。NVIDIAはスケールと動機を持ち、これらのモデルを長期的に構築することができますし、我々は生態系全体を推進し、より多くの人々が参加できるようにする能力も持っています。

第三のポイントは、AI は言語だけではないということです。将来の AI はツールやサブモデルを呼び出し、生物学、化学、物理学、流体力学、熱力学など、言語形式で存在しないさまざまなモードに関わるでしょう。したがって、天気予測、バイオ AI、物理 AIなどの分野の発展を推進し、常に最先端に迫り続ける人がいる必要があります。私たちが自動車を製造するわけではありませんが、すべての自動車メーカーが最高のモデルを使用できることを願っています。私たちは医薬品の研究開発を行っていませんが、Gileadのような企業が最高のバイオ AI システムを持つことを望んでいます。

したがって、AI の範囲、AI の普及、および AI とコンピューティング アーキテクチャの共進化という3つの観点から見ると、オープンソースは必要不可欠です。

Lex Fridman: Nemotron 3をオープンソース化していただき、ありがとうございます。

Jensen Huang: モデルだけでなく、重み、データ、および構築方法もオープンソース化しています。

Lex Fridman: 本当に素晴らしいですね。

Jensen Huang: ありがとうございます。

Lex Fridman: あなたは台湾で生まれ、TSMCと長年にわたる協力関係を築いています。TSMCの文化をどのように理解しているのか、そしてなぜそんなにユニークな成功を収めているのかについてお聞きしたいと思います。

Jensen Huang: TSMCに対する外部の最大の誤解は、彼らの中核が技術だけだと考えていることです。もちろん、彼らの技術は非常に優れており、トランジスタ、金属層、先進的なパッケージング、3Dパッケージング、シリコンフォトニクスなどを含んでいます。しかし、彼らを他社と差別化する真の要因は、産業全体の要求に対する調整能力です。

彼らは世界中数百の顧客の絶え間なく変化する要求に同時に対処する必要があります：受注の増減、顧客の切り替え、緊急の追加受注、生産の一時停止、再開など。このように高度にダイナミックな環境の中で、彼らは引き続き高いスループット、高い歩留まり、低コスト、そして非常に高いサービス水準を維持できるのです。

彼らは約束事に非常に厳格です。ウエハーをある時間に納品すると言ったら、必ずその通りにします。そしてこれは直接、顧客企業の運営に関わります。したがって、彼らの製造システムそのものが奇跡と言えるでしょう。

第二に文化があります。彼らは技術の最前線を推進し続けつつ、非常に顧客中心の姿勢を崩しません。多くの企業はそのうちの1つだけをうまくこなすことしかできませんが、彼らは世界レベルでその2つを同時に達成しています。

そして第三に、信頼という無形の資産があります。この点は非常に重要です。私は自社を完全に彼らに依存して作り上げることができ、その信頼は長年の協力関係から築き上げられたものです。

Lex Fridman: この信頼は、長年の協力や人と人との関係から生まれています。

Jensen Huang: はい。私たちは30年間協力し、数十から数百億ドルに及ぶ取引をしてきましたが、あいだに契約すらありません。

Lex Fridman: 驚くべきことです。2013年、TSMCの創業者モリス・チャンがあなたにCEO就任を依頼したという言葉がありますが、本当ですか？

Jensen Huang: 本当です。とても光栄なことでしたが、当時、NVIDIAが行っていたことが非常に重要であることを強く認識していました。私は将来どのようになるか、またもたらすかもしれない影響を既に見ていました。これは私の責任であり、成し遂げなければならないと感じました。ですので断ったのは、この機会が重要でないためではなく、離れられないためです。

Lex Fridman: NVIDIAとTSMCは、人類史上でも最も偉大な企業の1つだと思います。

Jensen Huang: ありがとうございます。

Lex Fridman: 1つ質問させてください。技術業界でよく言われる言葉を使って、あなたたちの最大の「経済特区」は何ですか？競争から守るための中核的な利点は何ですか？

Jensen Huang:

最も重要な点は、私たちの計算プラットフォームの規模であり、CUDAの普及率です。20年前、私たちにはこの利点はありませんでしたが、今日の状況は全く異なります。誰かがCUDAに類似した技術を開発しても、現在の状況を変えるのは難しいでしょう。なぜなら、重要なのは技術そのものだけではなく、長期間の投資、継続的なイテレーション、およびシステム全体の利点から形成されるシステム利点だからです。

CUDAの成功は少数の人だけではなく、4.3万人の従業員と何百万もの開発者が共同で築き上げたものです。開発者がCUDAで開発を選択する理由は、私たちがこのプラットフォームを長期間維持し、開発を進化させ続けると信じているからです。したがって、「普及率」そのものが最も重要な利点なのです。

この規模の利点が私たちの実行速度と重なると、さらなる障壁が生まれます。歴史的に、このように複雑なシステムをこのスピードで構築し、年次のリリースを継続する企業はほとんどありませんでした。

開発者の視点から見ると、CUDAをサポートすることを選択すれば、半年後にはより強力になることが期待でき、同時に数十億のデバイスにアクセスし、すべてのクラウドプラットフォーム、ほぼすべての業界、すべての国をカバーできます。プロジェクトをオープンソース化し、CUDAを優先的にサポートすれば、規模だけでなく成長速度も手に入れることができます。

さらに「信頼性」の観点から、開発者たちは NVIDIA がこのエコシステムを長期間維持してくれると信じています。もし私が開発者なら、CUDA を優先的に選択するでしょう。

2番目の利点は当社のエコシステムです。私たちは、垂直方向に計算システムを強く統合し、同時に水平方向にはほぼすべての企業の製品ラインに組み込まれています。Google Cloud、Amazon、Azure に存在し、同時に CoreWeave などの新興クラウドプラットフォームに存在し、スーパーコンピューター、企業システム、エッジデバイス、自動車、ロボット、衛星、さらには宇宙に至るまでカバーしています。

言い換えれば、統一された計算アーキテクチャがほぼすべての産業に浸透しています。

Lex Fridman：AI 工場の発展とともに、この CUDA のインストールベースの利点はどのように変化していくと思いますか？将来の NVIDIA は本質的には「AI 工場企業」となる可能性がありますか？

Jensen Huang：過去、私たちの計算ユニットは GPU でした；その後、1台のコンピュータになり、その後クラスタになり；今は、完全な AI 工場です。以前、新世代の製品を発表する際、たとえば「今日 Ampere を発表する」というとき、チップを手に取っていました。それが私の当時の「心のモデル」だったのです。しかし、今日は違います。チップを手に取ることは、ある程度「かわいらしい」ものになってしまいました―それはもはや私たちが本当に構築したものを代表していません。

今私の脳内モデルは、巨大なシステムです：電力網に接続され、発電能力があり、冷却システムがあり、非常に複雑なネットワーク構造があり、現場には何千人もの人が設置し、数千人ものエンジニアが裏で支えています。このようなシステムを立ち上げるには、千人単位での協力が必要です。

Lex Fridman：ですので、今「1つの計算ユニット」を考えるとき、実際には 1セットのラック、1つのポッドを考えているということですか？

Jensen Huang：それは完全なインフラストラクチャです。そして私は次の認識の飛躍として、「コンピュータを構築する」ということを理解することを望んでいますが、「惑星規模」の問題です。これが次のステップになるでしょう。

Lex Fridman：NVIDIA の時価総額が 10 兆ドルに達する可能性はあると思いますか？または別の視点から、そうなった場合、世界はどのように見えると思いますか？

Jensen Huang：私は NVIDIA の成長が非常に可能性が高いし、実際、私の見解では必然的だと考えています。理由を説明します。

まず第一に、私たちはすでに歴史上最大のコンピューティング企業の1つです。これ自体が疑問を呼ぶ価値があります：なぜそうなったのでしょうか？

その理由は2つあり、どちらも基盤となる技術の変化です。

第一に、コンピューティングのパラダイムが変わりました。過去のコンピューティングは本質的には「検索システム」でした。私たちはコンテンツを事前に書き込み、記録し、ファイルを生成し、それらのコンテンツを推奨システムや検索システムを介して検索していました。言い換えれば、これは「人間による事前生成+ファイルの検索」のシステムでした。しかし今や、AIコンピューティングはコンテキストに基づいており、リアルタイムで処理を行いトークンを生成する必要があります。私たちは「検索型コンピューティング」から「生成型コンピューティング」に移行しました。

古いシステムでは、多くのストレージが必要でしたが、新しいシステムでは多くの計算が必要です。したがって、計算ニーズは大幅に増加します。このトレンドを変えられる唯一の状況は、この生成型コンピューティングが無効であると証明されることです。しかし、過去10年から15年のディープラーニングの研究、そして最近の5年間の進歩により、私は以前に比べて非常に自信を持っています。

2つ目の変化は、コンピューターの世界における「役割」の変化です。かつて、コンピューターは倉庫のようでしたが、今では工場のようになりました。倉庫自体は直接収入を生み出しませんが、工場は収入と直接的に関連しています。コンピューターはもはや単なるストレージシステムではなく、製造システムです。彼らが生産する「商品」はトークンです。そして、これらのトークンは異なる人々に消費され、iPhoneのように段階的に表示されます：無料のもの、ハイエンドのもの、そして中間層のものがあります。

知能は、本質的にはスケーラブルな製品に変わりました。将来、すぐに次のような状況が現れるでしょう：誰かが100万トークンごとに1000ドル支払うことを望むでしょう。これが起こるかどうかではなく、単に時間の問題です。

したがって、問題は次のようになります：世界は何量の「AI工場」を必要としているのでしょうか？どれくらいのトークンが必要なのでしょうか？社会はこれらのトークンにどれくらい支払うことになるのでしょうか？生産性が著しく向上した場合、世界経済はどのように変化するのでしょうか？新しい薬、新しい製品、新しいサービスを見つけることができるでしょうか？

これらの要因を総合的に考慮すると、私は非常に確信しています：世界のGDPは加速度的に成長するでしょう。同時に、コンピューティングに費やされる支出の割合は、過去よりも1桁高くなります。

このような背景を踏まえて、NVIDIAに戻りますと：私たちが新しい経済の中で果たす役割は、現在よりもはるかに大きくなります。将来、3兆米ドルの収入に達する可能性があるでしょうか？答えはもちろん可能です。なぜなら、このことは明白な物理的制約を受けないからです。

NVIDIA のサプライチェーンは 200 社の企業によって支えられており、私たちはエコシステム全体を通じて成長しています。真の制約は1つだけです：エネルギーです。そして、エネルギーの問題は最終的に解決可能だと私は信じています。

したがって、これらの数字自体は単なる「数字」に過ぎません。私はまだよく覚えています。NVIDIA が初めて 10 億ドルの売上高を達成したとき、誰かが私に言った言葉、「ファウンドリのない半導体メーカーが 10 億ドルを超えることは不可能だ」。後に、「あなたたちは 250 億ドルを超えることはありえない」とも言われました。

これらの予測はすべて、第一原理に基づいていません。真に問うべきは：私たちは何を創造しているのか、この機会の規模はどれほどか、ということです。

NVIDIA は既存の市場シェアを争っているのではありません。私たちが行っている多くのことは、存在しない市場そのものです。これが外部から私たちの上限を想像するのが難しい理由であり、既存の基準が存在しないからです。しかし、私は十分な時間を持っています。私は推論を続け、表現し続けます。すべての GTC は、その未来をより具体的にします。最終的に、私たちはその一歩を踏み出します。私はそれに100％自信を持っています。

Lex Fridman：「トークン工場」の観点から言えば、実際には、全体システムを、ワットあたり、秒あたりにトークンを生成する機械として理解できます。そして、それぞれのトークンには価値があり、異なる人にとってその価値も異なります。これにより、世界全体が大量の「トークン工場」で構成されています。第一原理から出発すれば、AI が解決できる問題が常に増え続ける限り、将来、この種の「工場」への需要が指数関数的に増加すると推論できます。

Jensen Huang：はい。私を非常にワクワクさせるのは、「トークンの iPhone モーメント」がすでに訪れているということです。

Lex Fridman：それは具体的には？

Jensen Huang：エージェントです。エージェントは、歴史上最も急成長しているアプリケーション形態になりつつあります。

Lex Fridman：つまり、昨年 12 月から、Claude Code、Codex、OpenClaw などのシステムの能力に本当に気付き始めた人々ですね？率直に言って、私自身も少し恥ずかしいですが、空港で初めて「コンピューターに話しかけながらコードを書き始めた」のを覚えています。まるで同僚とコミュニケーションをとっているかのようでした。将来、すべての人がこのように AI と対話することになるかどうかはわかりませんが、効率は確かに非常に高いです。

Jensen Huang：より可能性の高い状況は、あなたのAIが絶えず「あなたを邪魔する」ことです。それは非常に速いペースでタスクを遂行するため、絶えず「これを完了しました、次は何をすべきか」とフィードバックしてきます。

Lex Fridman: これは本当に信じられないほどの未来です。

Lex Fridman: 私があなたの成功について言及したのを見ましたが、大きな成功を収めた理由は、他の人よりもはるかに一生懸命働き、他の人よりも痛みを耐える能力があるからだと述べています。

この「痛み」には、失敗への対処、さきほど話したエンジニアリングの課題やコストの問題、人間関係の問題、不確実性、責任、疲労、ずぼらさ、そしてあなたが言及した会社が破綻寸前であった瞬間など、さまざまな側面が含まれています。

さらに、そこにはプレッシャーもあります。各国の政府や経済体に囲まれ、そのリソース配分とAIインフラの計画を基にしている企業のCEOとして、そのようなプレッシャーにどのように耐えるのですか？ これほど多くの国々や人々があなたに依存している状況で、あなたの力はどこから来るのですか？

Jensen Huang: NVIDIAの成功が米国にとって重要であることを非常によく理解しています。私たちは多額の税金を生み出し、技術的先導地位を確立しました。技術的先導そのものが国家安全保障の一部です。国が豊かになれば、社会政策をより良く推進できます。同時に、私たちは再工業化を推進し、多くの雇用機会を創出し、チップ、コンピューター、AI工場を含む国内製造力を再構築しています。また、多くの一般投資家、教師、警察官などがNVIDIAへの投資によって富を得たことを非常によく理解しています。さらに、NVIDIAは巨大なエコシステムの一部であり、上流および下流の多くのパートナーが私たちに依存しています。

これらに直面すると、私のアプローチは非常にシンプルです：問題を分解します。

自分に尋ねます。「今の状況は何か？ 何か変化がありましたか？ 難しい点はどこですか？ 自分には何ができるのですか？」 問題を分解すると、実行可能な一連のタスクになります。

その次に残されているのは1つの質問だけです：あなたは行いましたか？ または誰かに行わせましたか？ あることを行う必要があると感じても、自ら行うことも他人に行わせることもせず、そのことに対して文句を言うべきではありません。

私は自分に厳しいです。しかし、同時に、パニックを避けるために問題を分解することで、自分を安心させることができます。私は、すべてのリスクポイントを特定し、関係者に伝えたので、安心して眠ることができます。やるべきことが進行している限り、焦っている必要はありません。

Lex Fridman: この過程で、精神的な低谷を経験したことはありますか？

Jensen Huang: もちろん、何度もあります。

Lex Fridman: あなたの方法は問題を分解することですか？

ジェンセン・ファング：はい。もう1つ重要な点は、「忘却を学ぶ」ことです。機械学習では、「選択的忘却」という重要な能力があります。人間も同様で、すべてを覚えておくことはできません。私は問題を迅速に解決し、プレッシャーを分散させるよう努めます。心配なことがあれば、関係者にすぐに伝えるようにしています。その情報を自分だけで抱え込むのではなく。もちろん、自分に厳しくする必要もあります—感情に浸るのではなく、前に進むべきです。

もう1つは、「未来」に魅了されることです。スポーツ選手のように、彼らは次の得点に焦点を合わせており、前の失点には気を取られません。

レックス・フリードマン：あなたは、最初から NVIDIA の困難さを知っていたら、もしかしたら取り組まなかったかもしれない、と言ったことがありますね。

ジェンセン・ファング：はい。しかし、私が伝えたかったのは、これがほぼすべての価値あることに当てはまるということです。あるものに取り組む際には、「子供のようなマインドセット」が必要です—あることに直面したとき、最初の反応は「これがどれほど難しいか？」でなければなりません。すべての困難を事前にシミュレートするべきではありません。期待を持って取り組むべきです。「これは素晴らしいことになるだろう」と。しかし、一度始めたら、その後は頑健性が必要です。挫折、失敗、恥辱は起こるもので、そして予期せぬものです。このときにすべきことは、それを忘れて前進することです。将来の基本的な判断が変わらない限り、前進を続けるべきです。

レックス・フリードマン：これほど多くの成功を経験した後、謙遜を保つことはより困難になりますか？

ジェンセン・ファング：まったく逆です。私は多くのことを公開で行っており、判断が誤っているとすぐに誰もが見ることになります。また、私のマネジメントスタイルは「公開推論」です。結論をただ提示するのではなく、推論プロセスを語り、誰もがその合理性を判断できるようにします。

私は常にこう言っています。「これが私の現時点の理解経路です。」その後、推論プロセスを述べます。これにより、誰もがどこかで異論を提起できる機会が与えられます。彼らは結論を否定する必要はなく、推論ステップの問題を指摘すれば、そこから推論を続けることができます。これは本質的に、「集団的なパスを探す」方法であり、非常に効果的です。

レックス・フリードマン：問題を説明する際、いつも開かれた状態を保っており、誰もが自分の考えに参加したり影響を与えたりできると感じさせることができる。これほど多くの成功とプレッシャーを経験した後も、このような状態を維持できることは実際には非常に難しいことです。多くの人は苦しみによって閉じこもってしまうからです。

ジェンセン・ファング：「失敗すること」への耐性が鍵の1つだと思います。

レックス・フリードマン：そうですね、これは確かに非常に真の能力です。何年もの間、何度も「会議で判断を提出しましたが、後でその判断が誤っていたことが証明された」という経験を繰り返し、それを素直に認め、成長することは、実際には非常に難しい心理的側面を持っています。

Jensen Huang：はい。ご存知のように、私の最初の仕事は実際にはトイレの掃除でした。

Lex Fridman：Denny'sでの仕事時代の姿勢を維持し続けていること、それは非常に感動的です。Denny'sでの経験が始まりであるこの経験自体が非常に感動的です。ゲームについて話しましょう。私はヘビーゲーマーであり、NVIDIAが長年にわたって提供してきた優れたグラフィック体験に感謝しています。

Jensen Huang：ちなみに今日まで、GeForceは私たちの最も重要なマーケティングエントリーポイントの1つです。多くの人は10代の頃、ゲームを通じてNVIDIAを知りました。後に大学に入ると、NVIDIAがどのような会社かを知っていました。最初はCall of DutyやFortniteを遊んでいましたが、後にCUDAを使い始め、その後はBlender、Dassault、Autodeskなど、NVIDIAエコシステムのツールを使うようになりました。

Lex Fridman：そうですね。私が友人にあなたと対談すると言ったとき、彼の最初の反応は「彼らは素晴らしいゲーム用グラフィックスカードを作っている」というものでした。

Jensen Huang：その通り（笑）。

Lex Fridman：もちろん、その背後にはそれ以上のことがありますが。実際に、多くの人々がこれらの製品を非常に気に入っており、それらは多くの楽しみをもたらしています。ハードウェア自体が、これらの仮想世界を本当に「生き生き」とさせました。ただし、最近、DLSS 5に関していくつかの論争があります。一部のプレーヤーは、それがゲームを「AIが生成した安っぽいコンテンツ」のように見せると心配しています。この議論についてどう思いますか？

Jensen Huang：彼らの観点を理解し、その懸念がどこから来ているかも理解しています。なぜなら、今日の多くのAI生成コンテンツは、ますます同質化しており、「美しい」が足りても個性が欠けています。私自身も「AIによる定型的なコンテンツ」が好きではありません。

しかし、DLSS 5がやりたいことではありません。私はいくつかの例を示しています。DLSS 5は3D条件制約に基づいており、実際の構造データによって駆動されています。シーンの幾何学的構造は完全にアーティストによって決定され、システムはそれを厳密に毎フレームに従います。

同時に、それはテクスチャやアートスタイルの制約も受けています。したがって、各フレームは「強化」されており、「変更」されているのではありません。さらに、「強化」に関して言えば、DLSS 5自体がオープンなシステムです。開発者は独自のモデルをトレーニングでき、将来的にはスタイルを定義するためのヒントを使用したり、カートゥーンレンダリングのようなスタイルを適用したり、あるいは特定のスタイルに従ってシステムを生成したりすることができます。

しかし、いかなる場合でも、すべての結果はアーティストのスタイルと創造意図と一貫していなければなりません。これらのツールの存在は、アーティストがより美しいコンテンツを作成するのを助け、同時に彼らが望むスタイルを維持するためです。

多くのプレイヤーが誤解しているのは、ゲームがまず元の状態で作成され、その後 DLSS が後処理されると思っていることです。しかし、これが DLSS の設計方法ではありません。DLSS は創作プロセスと深く統合されており、本質的にはアーティストに AI ツールを提供するものです。それを使用するかどうかは、完全に彼らの決定によります。

Lex Fridman：私は「顔」に対する人間の感度が特に高いと感じています。今、みんなが AI コンテンツに敏感になったことは、私はむしろ良いことだと思います。それは鏡のようなもので、私たちに、人間が本当に追求しているものは必ずしも完璧ではなく、時にはある種の「不完全」であるということを認識させてくれます。それは、魅力的な世界がどんなものかを理解するのに役立ちます。これらのツールが私たちがこれらの世界を創造するのを助けるものである限り、それは良いことです。

Jensen Huang：その通りです。これはただのツールに過ぎません。開発者が非写実的なスタイルのコンテンツを生成したい場合、モデルもそれが可能です。ある意味では、これは以前に導入したスキンシェーダーに似ています。以前、皮膚の質感をよりリアルに見せるためにサブサーフェス散乱を導入しました。産業全体が、芸術を表現するためのさらなるツールを探し続けており、DLSS はその1つに過ぎません。最終的な決定権は常にクリエイターにあります。

Lex Fridman：少し気まぐれな質問ですが、NVIDIA の視点から見て、歴史上最も偉大または影響力のあるゲームは何だと思いますか？

Jensen Huang：Doom。

Lex Fridman：Doom、間違いなく。それが 3D 時代を切り拓きました。

Jensen Huang：芸術、文化的影響、および産業の転機の観点から見て、Doom は非常に重要です。それは PC をオフィス自動化ツールから家庭とゲーマー向けの個人用コンピュータに変革させた、重要な時点です。もちろん、以前にもフライトシミュレーションゲームはありましたが、それらは Doom のような広範な影響を持っていませんでした。純粋に技術的な観点から言えば、私は Virtua Fighter を選びます。私たちはこれらの2作品のチームとの関係が非常に良好です。

Lex Fridman：また、GPU を活用した 『サイバーパンク 2077』 など、比較的新しい作品も非常に優れています。

Jensen Huang：そうです、それは完全な光線追跡です。

Lex Fridman: 個人的には、「The Elder Scrolls V: Skyrim」 が大好きです。ゲームは発売されてからかなりの年月が経ちましたが、さまざまな mod を通じて、プレイするたびにまるで新しいゲームを楽しんでいるような気分になれます。

Jensen Huang: 私たちも mod コミュニティが大好きです。RTX Mod を発表しました。これはユーザーが最新のグラフィックス技術を古いゲームに導入できるツールです。

Lex Fridman: もちろん、優れたゲームはグラフィックだけでなく、ストーリーやキャラクターも含まれます。しかし、優れたグラフィックは没入感を高め、別の世界にいるような感覚を生み出すことができます。

Jensen Huang: 完全に同感です。

Lex Fridman: さっきの発言には興味深い点があります。AGI についての考え方は、基本的には AGI の定義によると思います。

Lex Fridman: 時間に関する質問をしたいと思います。私たちは、もしかしたら過激な定義を使って AGI を議論できるかもしれません。つまり、ある AI システムが、あなたの仕事を完全に行うことができると仮定してみましょう。つまり、ゼロから始めて、成功したテクノロジー企業を設立し、発展させ、運営し、その企業価値が 10 億ドルを超えるまでのことです。

Jensen Huang: 「成功した企業」とは、「ただ一つでも良い」という意味ですか？

Lex Fridman: 成功した企業であり、企業価値は 10 億ドルを超える必要があります。多くの複雑な要素が関与することを考えると、そのような能力を獲得するにはおおよそどのくらいの時間がかかると思いますか？5 年、10 年、15 年、それとも 20 年でしょうか？私たちが議論しているのは、OpenClaw のように、革新を達成し、顧客を獲得し、製品を販売し、チームをマネジメントする（AI と人間の協力を含む）など、一連の複雑なタスクを達成できるシステムです。

Jensen Huang: 私は、もう実珵できていると思います。私たちは既に AGI を実珵しています。

Lex Fridman: つまり、AI によって運営される企業が今ある可能性があると言ってるんですか？

Jensen Huang: それはあり得ます。なぜなら、あなたが言及したのが「10 億ドルに到達する」ということであり、長期的な継続性が求められていないからです。たとえば、あるAIがあるネットワークサービスやアプリを開発し、突然何十億人ものユーザーが使うようになり、一人あたり 0.5 ドル支払うようになり、そして短期間で急速に消滅することは十分に考えられます。インターネットの時代には、このような企業が実際に数多く存在していました。また、当時の技術的複雑さは、今日の OpenClaw ができること以上に高くありませんでした。

Lex Fridman：つまり、ウイルスのような拡散を実現し、それを実現することが鍵です。

Jensen Huang：はい。ただし、具体的にどの製品になるかはわかりません。私たちもかつて、どのインターネット企業が成功するかを予測できませんでした。

Lex Fridman：あなたの言葉には、多くの人を興奮させる要素があります——まるで、「エージェントを展開するだけでお金をたくさん稼げる」というように聞こえます。

AI は仕事を奪うか？ いいえ、しかし仕事の定義を変える

Jensen Huang：実際、このようなことはすでに起こっています。中国に行くと、多くの人が彼らのエージェントをトレーニングし、仕事を見つけさせ、タスクを実行させ、そして直接お金を稼がせています。将来、あるソーシャルアプリが突然爆発的に拡大した場合、私も驚かないでしょう。非常にかわいらしいデジタルキャラクター、もしくは電子ペット（たまごっち）のような製品が爆発的に普及し、数ヶ月間多くのユーザーによって使用され、その後急速に衰退する例があります。もちろん、「10万個のエージェントが NVIDIA を築く」というのは、成功確率ゼロです。

しかし、私は1つ強調したいことがあります：現在、多くの人々が仕事に対して不安を感じています。

私は皆さんに注意したいのは、仕事の「目的」と仕事の「タスクとツール」の達成は関連していますが、同じではないということです。私はこの仕事を33年間続けており、これは最も長い任期のテクノロジー業界のCEO（34年目）です。 この34年間、私が使用してきたツールは常に変化しており、時には激しく変化しています。

みなさんが必ず聞いてほしい物語があります。最初、コンピュータサイエンティストやAI研究者は、最初に消えるだろう職業は放射線科医であると予測しました。なぜなら、コンピュータビジョンが人間を超えるレベルに達すると考えられていたからです。そして実際にその通りでした。約2019年から2020年にかけて、コンピュータビジョンはすでに超人的なレベルに達していました。当時の判断は：AIが画像解析を行えるようになると、放射線科医の仕事はなくなるだろう、というものでした。

しかし、結果は逆でした。今日、すべての放射線学プラットフォームはAIによって駆動されていますが、放射線線科医の数は増加し、世界中で依然として不足しています。

なぜこうなったのでしょうか？なぜなら、放射線科医の「目的」は、疾患の診断を行い、医師や患者の判断を助けることです。 AIにより画像解析が迅速になったため、より多くの画像を分析し、より正確に診断し、より多くの患者を処理し、病院の収入が増加し、患者数が増加したため、放射線科医への需要が増加したのです。

これは非常に直感的な結果です。同じロジックはソフトウェアエンジニアにも当てはまります。NVIDIAのソフトウェアエンジニアの数は減少するのではなく増加し、ソフトウェアエンジニアの「目的」は問題を解決することであり、コードを書くことはその手段の1つに過ぎません。

彼らの仕事には、問題解決、チームワーク、問題の診断、結果の評価、新しい問題の発見、革新の推進、つながりの構築が含まれています。これらの能力は消えることはありません。

Lex Fridman: プログラマーの数は増えると思いますか、減ると思いますか？

Jensen Huang: はい。鍵は、「プログラミング」をどのように定義するかです。私は、プログラミングが本質的には「仕様を定義すること」であると考えています。明確な命令を与えることができ、システムアーキテクチャさえ定義できます。

では問題は：それを行うことができる人はどれくらいいるのでしょうか？基本的に、それは「コンピューターに何をすべきかを伝える」ことです。過去には、おそらく3000万人がそれを行うことができました。将来では、10億人になるかもしれません。将来、すべての大工が「プログラマー」となります。さらにAIを使用すると、同時に「アーキテクト」となります。彼らは顧客に大きな価値を提供し、表現力も大幅に向上します。同様に、将来の会計士も、財務分析とアドバイザリーの能力を兼ね備えることになります。

すべての職業が「引き上げ」られます。もしあなたが大工であれば、AIに非常に興奮するでしょう。なぜなら、それによって提供できるサービスレベルが全く異なるものになります。もしあなたが配管工であれば、同じです。

Lex Fridman: 現在のソフトウェアエンジニアは、自然言語とAIとのやり取り、システム設計の方法に理解において依然としてリードしているかもしれません。

Jensen Huang: その通りです。

Lex Fridman: しかし、長期的には、その能力は徐々に一般化されるでしょう。ただし、私は伝統的なプログラミング、言語、設計原則、大規模システムアーキテクチャを学ぶことには依然として価値があると考えています。

Jensen Huang: はい。なぜなら、「問題をどのように定義するか」ということ自体がスキルだからです。仕様の表現方法は、解決すべき問題によって異なります。たとえば、企業レベルでは、私が戦略を策定する際、チームが実行できるように明確な方向性を求めます。しかし、私は、43,000人が私の想像を超える結果を出すために、わざと余地を残します。したがって、さまざまな場面では、仕様の精度が異なります。将来、誰もがこの「プログラミングスペクトル」で自分の位置を見つける必要があります。仕様を書くことそのものがプログラミングです。

時には非常に明確な命令が必要な場合もあります。時には、AIと何度もやり取りして創造力を拡張するために探求を続ける必要があります。これが、プログラミングの未来です。

Lex Fridman: ただし、より広い視点から見ると、多くの人々が雇用に不安を感じており、特にホワイトカラー労働者がそのように感じています。自動化や新技術が登場するたびに、動揺が発生します。私は、この種の不安に共感を示す必要があると考えています。なぜなら、個人や家族にとって、失業による苦しみは実際に存在するからです。これらの技術が最終的にはより多くの機会をもたらし、人々がより効率的になり、仕事がより面白くなるようにすることを望んでいます。ただし、移行期間中には、非常に多くの苦しみが生じることは確かです。

ジェンセン・ファング：私が皆さんに最初に与えるアドバイスは、どのように不安を扱うかです。さっき話したように、まず問題を分解します。

コントロールできることは何ですか？コントロールできないことは何ですか？コントロールできる部分に対しては、分析し行動します。

もし私が新卒者を採用する場面で、2人の候補者から選ぶとします。1人はAIに全く詳しくなく、もう1人はAIを熟知している場合、私は必ず後者を選択します。会計、マーケティング、サプライチェーン、カスタマーサービス、セールス、ビジネスディベロプメント、弁護士であろうとも、私はよりAIを理解している人を選びます。

そのため、私は提案します：すべての学生がAIの使用を学ぶべきです。すべての教師が学生にAIの活用を奨励すべきです。すべての新卒者はAIの熟練者となるべきです。大工、電気技師、農家、薬剤師であっても、AIを試してみて、どのようにあなたの仕事能力が向上するかを見てみるべきです。

同時に、私たちは技術が多くのタスクを自動化することを認識しなければなりません。もしあなたの仕事がその「タスク」であるならば、あなたは置き換えられるリスクが非常に高いです。もし仕事の目標がより高い場合、AIを使ってこれらのタスクを遂行する方法を学ばなければなりません。

レックス・フリードマン：もう1つ非常に重要な点があります。AI自体が問題を分解するのに役立ちます。直接尋ねることができます。「スキルを向上する方法は？」、「AIをどのように使用すべきか？」。非常に具体的な手順を示すことができます。それはさらに「人生コーチ」として機能することさえできます。

ジェンセン・ファング：そうです。もしAIの使い方がわからない場合、AIが教えてくれます。

レックス・フリードマン：これは確かに非常に「メタ」な体験ですが、同時に非常に強力です。

ジェンセン・ファング：Excelに「あなたを使いこなせません」とは言えませんが、AIには言えます。

レックス・フリードマン：本質的に「計算外」のものはありますか？つまり、どれだけ強力なチップでも複製できないものはありますか？

ジェンセン・ファング：私はチップが「緊張する」かどうかはわかりません。もちろん、不安や緊張、他の感情を引き起こす状況は、AIが認識し理解できますが、私はチップ自体が「感じる」ことはあり得ないと考えています。したがって、これらの感情、不安、興奮、恐怖...が人のパフォーマンスにどのように影響するかは、まったく別の次元です。

同じ条件下で、異なる人々がまったく異なるパフォーマンスを示すことがあります：優れたパフォーマンスを示す人もいれば、平均以下のパフォーマンスを示す人もいます。このような違いは、大部分が人の主観的体験に由来します。

そして、コンピュータシステムでは、2つのシステムがまったく同じ入力に直面する場合、統計的な違いが生じる可能性がありますが、このような違いは「異なる感覚」に起因するものではありません。

Lex Fridman: はい、人間の主観的な経験は実際に非常に特別です。たとえば、私がさきほどあなたと会話しているときには緊張します。この期待、恐怖、不安、そして生活そのものの豊かさ—愛、失恋、死に対する恐怖、家族を失う悲しみ—すべてが、計算システムが本当に持つことが難しいものです。

Jensen Huang: 本当に難しいと想像できます。しかし、私たちはまだこれらすべてについてほとんど知識を持っておらず、多くの謎が残っています。そのため、私は未来の驚きを受け入れることを楽しみにしています。ここ数年、特に最近の数か月で、AIの発展に何度も驚かされています。そして、「スケール」そのものが、ほとんど奇跡的な変化をもたらすことができることが分かりました。

Jensen Huang: さらに、私は「知能」という概念を分解することが非常に重要だと考えています。「知能」という言葉をよく使いますが、それは神秘的な概念ではありません。

知能は本質的に、感知、理解、推論、計画、そして行動のサイクルを含むシステムの能力です。これが知能です。

しかし、「知能」と「人間」は同等ではありません。これは異なる2つの概念であり、区別すべきです。私は「知能」を過度に神秘化しません。私にとって、知能は一種の「機能的な能力」です。さらに言えば、知能は一種の「商品」となりつつあります。

私の周りには非常に賢い人がたくさんおり、それぞれの分野で私よりも優れ、より専門的です。彼らはより良い教育を受け、それぞれの分野でより深く掘り下げています。しかし、私はこのシステムの中でなお、役割を果たしています。

これ自体が非常に面白いことです。

あなたは尋ねるでしょう：レストランで皿洗いをしていた人が、なぜ「スーパーヒューマン」たちの中で彼らの仕事を調整することができるのか？

これは正に、「知能」がただの1つの次元であることを示しています。「人間性」こそがより大きな概念です。私たちの人生の経験、苦痛への耐性、意志力—これらは「知能」とは異なります。

Jensen Huang: 皆さんに一つだけアドバイスをするとすれば、それは「知能」という言葉を過度に重視しないでください。

真に重要なのは：品格、人間性、共感、寛大さです。これこそが「スーパーパワー」です。そして、知能は徐々に一般化され、商品化されていきます。

Lex Fridman: つまり、私たちは「人間性」をより重視すべきだということです。

ジェンセン・フアン：はい。人間性、品格、共感、寛容さ、これらこそが最も重要です。社会は長い間、すべてを「知能」という言葉に圧縮してきましたが、人生にはそれだけでは足りません。私の経験から見ると、私が「知能」の面で周囲の多くの人に劣っていても、それでも成功を収めてきました。だからこそ、皆さんには「知能の普及」に囚われるのではなく、そこからインスピレーションを得てほしいと願っています。

レックス・フリッドマン：私もそう考えています。AI は人間そのものをより尊重させるでしょう。

ジェンセン・フアン：その通りです。AI は人間をより強力にします。

レックス・フリッドマン：NVIDIA の成功や数多くの人々の生活は、ある意味であなたに依存しています。しかし、あなたもただの一人の普通の人間であり、最終的には死と直面することになります。死について考えますか？死を恐れますか？

ジェンセン・フアン：私は死にたくありません。

私は素晴らしい人生と家族を持ち、非常に重要な仕事をしています。これは「一度きりの人生」の経験ではなく、「人類の歴史的」な経験です。NVIDIA は歴史上最も重要なテクノロジ企業の一つであり、私たちがしていることには大きな意義があります。私はこのことを非常に真剣に考えています。

もちろん、継承計画などもあります。私はよく言いますが、「継承計画」はあまり信じていません。それは私が自分がいなくならないとは思っていないからではなく、むしろ：もし会社の将来を本当に心配しているなら、今日一番すべきことは、知識を絶えず伝えることです。情報、洞察、経験、能力をチームに継続的に伝達していくべきです。

これこそ私がチームの前で常に論理的な議論をする理由です。すべての会議は本質的に認識を伝達しているのです。

私はどんな情報も「手元に留め置かない」つもりはありません。何かを学ぶと、ほぼすぐにそれを共有します。自分が完全に理解していないときでさえ、他の人にすでに「これは重要です、調査したほうがいい」と伝えています。周囲の人々を持続的に力づけ、彼らの能力を向上させ続けています。私の理想状態は、瞬時にでも仕事から離れ、そしてその瞬間に、長い苦しみがないことです。

レックス・フリッドマン：観察者やファンとして、もちろんずっと働いていてほしいと願います（笑）。NVIDIA の革新の速さは驚異的であり、エンジニアリングへのオマージュです。

最後の質問です：将来の 10 年、20 年、50 年、さらには 100 年を展望すると、人類の未来について、何が希望を感じさせますか？

Jensen Huang：私は常に人類の善良さ、寛大さ、共感力に自信を持っています。時には過信気味になることさえありますが、そのために時折裏切られることもあります。しかし、それは私の判断を変えることはありません。私は常に人々が善行を行い、他人を助けようとすることを信じています。そしてほとんどの場合、この判断は正しいことが常に証明され、私の期待を上回ることさえあります。

Jensen Huang：私を希望に満ちさせるのは、現在起きている出来事を見て、それを未来に展開すると、多くの問題が「解決可能」になっていることに気付くことです。

私たちは解決すべき問題があまりにも多く、成し遂げたいことがあまりにも多いのですが、これらのことが手の届くところにあり、私の生涯の間に実現する可能性さえあります。そんな未来に魅了されないのは難しいです。たとえば、疾病の撲滅は合理的な期待ですし、汚染の大幅な削減も合理的な期待です。光速に近い速度で何らかの形の「転送」を行うことさえ可能性がある未来です。

Jensen Huang：私はさらに一つの方法を考えています。未来では、「意識」をデジタル形式で転送できるようになるかもしれません。ある人のすべての情報、メール、考え、行動を段階的に AI に沈殿させることができるかもしれません。条件が整えば、この「デジタル自己」を宇宙に送り、ロボットとマージすることができるかもしれません。

Lex Fridman：確かに、非常に衝撃的な構想ですね。しかし、科学の観点からは、意識そのものなど、未解決の問題がまだまだあります。

Jensen Huang：そうですね。しかし、「生命システム」を理解することは、目前に迫っているかもしれず、おそらく5年以内に重大な進展があるでしょう。

Lex Fridman：意識であったり、物理学の根本的な問題であったり、これらが未来を非常にエキサイティングなものにしていますね。

Lex Fridman：Jensen、今日の共有、そしてこれまでのすべてに感謝します。

Jensen Huang：ありがとうございます、Lex。今回の対談をとても楽しんでいます。また、あなたのこれらのインタビュー、深さ、敬意、研究に感謝します。これにより、これらの人々や考えをよりよく理解できるようになりました。

Lex Fridman：それは私にとって非常に意義深いものであり、感謝しています。

Lex Fridman：Jensen Huang の対談をお聴きいただき、ありがとうございました。Alan Kay の言葉通り、「未来を予測する最良の方法は、自らそれを創造することです。」お聴きいただき、次回お会いしましょう。

[Original Article Link]

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia