NVIDIA Grace Blackwellの出荷は27%増、だがより難しい試練は導入
CEOのジェンスン・フアン氏によると、NVIDIA Grace Blackwellの出荷は前月比27%増加した。ラックスケールAIシステムへの需要が依然として極めて強いことを示す新たな材料となる。
フアン氏は9月10日のGoldman Sachs Communacopia + Technology Conferenceでこの増加に言及した。同氏の発言は、その朝に確認した社内報告に基づくもので、Grace、Blackwell、NVLink、72 GPUラックシステムに関するものだった。
この数字が重要なのは、NVIDIAが最先端のコンピューティング・プラットフォームを、もはや交換可能なチップの集合として販売していないためだ。Grace Blackwellは、プロセッサ、ネットワーキング、冷却、ソフトウェア、そして数千の物理部品を含む統合システムとして提供される。
そのため、出荷増は単なる好調な需要シグナル以上の意味を持つ。さらに難しい問いも浮上する。NVIDIAがこうした複雑なラックを供給する速度に合わせて、顧客はそれらを生産的なコンピューティング能力へと転換できるのか。
AMD、Google、そしてカスタムアクセラレータを開発するクラウド事業者は、それぞれ異なる方向からこの課題に挑んでいる。オープンなラック標準、特化型ワークロード、あるいは顧客が既に運用しているインフラを軸とする代替案を提供している。
NVIDIAは依然として最も強力なフルスタックの地位を維持している。ただし、競争の次の局面は、サプライヤーの施設から出荷されるチップではなく、導入済みで稼働可能な能力に左右されるだろう。
NVIDIA Grace Blackwellの出荷は1カ月で27%増加
報じられた増加は納入の勢いを示すが、出荷量、顧客の集中度、運用上の利用率は明らかにしない。
9月10日のカンファレンスでフアン氏は、Grace BlackwellおよびNVLinkベースの72 GPUラックに関し、前月比27%増を示す社内報告を確認したと述べた。公開されたカンファレンスの記録には、この発言が収録されている。
このコメントは、個別のBlackwell GPUのより広い市場ではなく、ラックスケールのGrace Blackwellシステムに関するものとみられる。この違いは重要だ。NVIDIAは複数のシステム構成を通じてBlackwellを提供しているからである。
フアン氏もNVIDIAも、この議論の中で絶対的な出荷台数を示していない。また、比較対象となる月、地域、顧客、あるいはこの比率の背景にある正確な製品構成も明らかにしていない。
したがって、この27%という数値は、報じられた前月比成長率として扱うべきだ。監査済みの台数データでも、正式に開示された財務指標でもない。
開始時点の値がなければ、パーセンテージだけでは増加の規模は分からない。100ラックから127ラックへ増える場合も、1,000ラックから1,270ラックへ増える場合も、成長率は同じである。
それでも、入手可能な証拠はフアン氏の主張する大きな方向性を支持している。NVIDIAは、2026年7月26日に終了した2027年度第2四半期の売上高が962億ドルだったと報告した。これは前四半期比18%増、前年同期比106%増に相当する。
NVIDIAの四半期決算によると、データセンター部門の売上高は890億ドルに達し、前四半期比18%増、前年同期比117%増となった。同社は、この業績の主な要因をBlackwell Ultraインフラストラクチャとしている。
NVIDIAの最新の規制当局向け提出書類は、もう一つの有用な境界線を示している。同書類では、Blackwellが引き続きシステム出荷の大半を占めたとしつつ、土地、電力、建設、資本を導入に必要な要素として挙げている。
規制当局向け提出書類は、27%という月次の数値を個別に確認してはいない。この欠落はフアン氏のコメントを無効にするものではないが、外部の観測者が推測できる範囲を限定する。
今回報じられた成長は、製品移行の最中にもたらされた。NVIDIAはBlackwell Ultraを拡大する一方、より新しいVera Rubinアーキテクチャの量産立ち上げを始めていた。
したがって、Grace Blackwellは変化するポートフォリオの中で成長している。一部の顧客はなおGB200システムを導入し、別の顧客はGB300構成を採用し、初期の購入者はRubinに備えている。
複数の製品世代が異なるワークロードに対応するため、この重なりは短期的な出荷を押し上げうる。一方で、NVIDIAが個別製品の出荷量ではなくアーキテクチャレベルの需要を語る際には、解釈を複雑にする可能性もある。
最も安全な結論は限定的だが重要である。後継製品が市場に入り始める中でも、NVIDIAのラックスケール・プラットフォームは前月比で加速を続けていた。
この点は、AIインフラへの継続的な投資を裏付ける。ただし、納入されたすべてのシステムがどれほど迅速に利用可能、あるいは収益性のある状態になったかを示すものではない。
GB200 NVL72がGPU出荷以上の意味を持つ理由
Grace Blackwellは、アクセラレータの購入をデータセンター統合プロジェクトへと変える。
GB200 Grace Blackwell Superchipは、2基のB200 GPUを1基のGrace CPUに接続する。NVIDIAによると、これらのコンポーネントは毎秒900GBのNVLinkチップ間接続を通じて通信する。
GB200 NVL72は、この設計を液冷式ラック全体へと拡張する。第5世代NVLinkを通じて、72基のBlackwell GPUと36基のGrace CPUを統合する。
NVLinkは、プロセッサ間でデータを移動させるためのNVIDIAの高帯域幅接続システムである。NVL72ラックでは、要求の厳しいAIワークロードに向けて、アクセラレータを一つの大規模なコンピュートドメインとして動作させる。
NVIDIAによる当初のBlackwellプラットフォームの説明には、BlueField-3データ処理ユニットも記載されている。これらのコンポーネントは、ネットワーキング、ストレージへのアクセス、セキュリティ、インフラ管理を支援する。
このアーキテクチャは、大規模モデルのトレーニングと推論、すなわち学習済みモデルから出力を生成するプロセスを対象としている。推論モデルが回答ごとにより多くの計算ステップを実行するようになり、推論の重要性は増している。
この設計は、ラックの出荷が単体アクセラレータの出荷よりも戦略的な重みを持つ理由を説明する。コンピュート、ネットワーキング、インターコネクト、CPU、支援ソフトウェアにまたがる収益を意味するためだ。
また、NVIDIAによるシステム性能の制御も強める。同社はハードウェアとソフトウェアを一体で最適化でき、別々に調達されたコンポーネント間で必要となる統合作業を削減できる。
この優位性はNVIDIAの戦略の中核である。完全なアーキテクチャを購入する顧客は、同社のインターコネクト、ライブラリ、管理ソフトウェア、そして将来のアップグレード経路への依存度を高めることになる。
同じ統合は運用上の義務も生む。GB200 NVL72システムには、液冷、適切な電力供給、互換性のあるネットワーキング、設置スペース、訓練を受けた人材、検証済みソフトウェアが必要となる。
NVIDIAは、このラックの重量がおよそ2トンで、約200万個の部品を含むと説明している。フアン氏はこうした物理的特性を用いて、NVIDIAが今や通常のチップではなく産業用システムを提供していると主張した。
これらの詳細は、「出荷」という言葉に隠れた制約も示している。ラックが顧客拠点に到着しても、コミッショニング、クラスタ検証、ワークロード認定、または本番受け入れを必ずしも終えたわけではない。
運用者は冷却ループを接続し、ネットワークファブリックをテストし、スケジューラを設定し、障害復旧を検証しなければならない。その後、ラックを効率的に利用できるアプリケーションも必要となる。
大規模AIモデルは、広範な最適化なしに生のハードウェア上で動作することはほとんどない。チームは数値形式を選び、通信パターンを調整し、メモリを管理し、バッチサイズをレイテンシ要件に合わせる必要がある。
NVIDIAは、その作業の多くを支えるソフトウェアを提供している。CUDAエコシステム、推論ライブラリ、通信ツール、クラスタ管理製品は、顧客が同社のシステムを選ぶ重要な理由であり続けている。
ただし、利用率はなお顧客側のソフトウェアとワークロードに左右される。優れたベンチマーク結果が、メモリ、レイテンシ、精度要件の異なるモデルでも同じ結果を保証するわけではない。
NVIDIAは、GB200 NVL72が特定の大規模モデルのワークロードにおいて、同数のH100 GPUと比べて最大30倍の推論性能を提供できると主張している。また、指定された条件下でエネルギー消費とコストを低減できるともしている。
これらは選定された構成に基づくベンダーの主張である。購入者は、これらの比率を運用実績として扱う前に、自社のモデル、サービスレベル目標、データセンター条件を検証する必要がある。
したがって、この27%増はサプライチェーンと商業面での実行力を示す指標である。より決定的な指標はその後、顧客が導入済みラックから得られた生産的なトークン、稼働時間、収益を報告する時点で現れる。
AIインフラ競争は完全なシステムへ移行した
NVIDIAの優位性は現在、ラック全体を連携させる能力に依存しており、競合各社はオープン性、特化、既存インフラとの適合性で競争している。
長年にわたり、AIアクセラレータの競争はGPUベンチマークの比較に還元されがちだった。ラックスケール・システムでは、この見方は不十分となる。
現代のAIクラスタは、ホストプロセッサ、アクセラレータ、メモリ、スイッチ、ネットワークアダプタ、ケーブル、冷却、電力設備、オーケストレーションソフトウェア、モデル提供フレームワークを組み合わせる。
どの層の弱点も、クラスタ全体を制約しうる。より高速なプロセッサでも、不十分な電力、輻輳したネットワーキング、ソフトウェアエラー、建設の遅延を補うことはできない。
NVIDIAは垂直統合を通じてこの問題に対処している。中核プロセッサ、NVLinkファブリック、InfiniBandまたはSpectrum-Xネットワーキング、ソフトウェアライブラリ、リファレンスシステム設計を提供している。
このパッケージは、NVIDIAのアーキテクチャを採用する意思のある顧客にとって、エンジニアリング上の意思決定を短縮できる。また、導入されるアクセラレータごとに周辺支出を獲得する機会もNVIDIAにもたらす。
同社の決算は、このアプローチがどれほど有効になっているかを示している。データセンター製品は現在、NVIDIAの売上高の大半を生み出しており、Blackwellはシステム出荷の大半を占めている。
しかし、統合システムは異なる競争対応も招く。特定の顧客により適した選択肢を提供できるなら、競合企業はNVIDIAのすべてのコンポーネントを個別に上回る必要はない。
AMDは、オープン標準と既存インフラとの互換性を重視している。同社のMI350ファミリーには、より柔軟な導入を求める顧客向けのラックプラットフォームとPCIeカードが含まれる。
同社によると、8 GPUのMI350プラットフォームには2.3テラバイトのHBM3Eメモリが搭載される。HBM3Eは、データを計算処理へ迅速に供給するため、アクセラレータの近くに配置される高帯域幅メモリである。
AMDのMI350プラットフォームは、空冷および直接液冷構成にも対応する。この幅広さは、単一の高密度ラック設計を前提に施設を再構築できない、あるいは再構築する意思のない購入者に対応するものだ。
AMDのROCmソフトウェアは、この取り組みにとって依然として重要である。開発者が大幅なコード変更や性能低下なしに本番モデルを移行できなければ、ハードウェアの可用性が持つ価値は限られる。
ROCmは改善されており、複数の大手AI開発企業がAMDの導入を発表している。それでも、NVIDIAの成熟したソフトウェア基盤は、顧客がより厳格なアーキテクチャ制御を受け入れる理由となっている。
Googleは、Tensor Processing Unitsを通じて別の道を進んでいる。TPUは、Googleの機械学習ソフトウェアとクラウドインフラを中心に設計されたカスタムアクセラレータである。
GoogleのIronwoodシステムは、Google Cloudの利用に抵抗のない顧客に特化型の代替手段を提供する。現在のTPUの提供状況は、カスタムシリコンが社内利用を超え、より広範なクラウド提供へ移行していることを示している。
AmazonとMicrosoftも、選定したワークロード向けにAIアクセラレータを設計している。これらのチップはNVIDIAへの依存を減らすと同時に、クラウドプロバイダーが自社サービスに合わせてインフラを最適化することを可能にする。
カスタムアクセラレータは、重要な存在になるためにNVIDIAをあらゆる領域で置き換える必要はない。本来であればNVIDIAのキャパシティを消費する、予測可能なトレーニング、推論、社内ワークロードを引き受ければよい。
この圧力は、購買交渉力とワークロードの配置に影響する。クラウドプロバイダーはCUDA互換性を求める顧客向けにNVIDIAシステムを確保しつつ、ほかの作業を自社シリコンへ振り向けられる。
したがって中心的な競争は、NVIDIAと単一の代替GPUとの対決ではない。NVIDIAの統合プラットフォームと、拡大するワークロード特化型およびオープンな代替手段との競争である。
報じられたGrace Blackwellの出荷増加は、顧客が依然として統合型アプローチを評価していることを示唆する。より緊密な統合が、主要インフラ事業者の間での大規模な採用を妨げていないことを示している。
一方で、NVIDIAシステムを購入している同じ顧客が代替手段にも資金を投じている。彼らの目的は、単一アーキテクチャへの恒久的な忠誠ではなく、許容可能なコストで十分な計算能力を確保することだ。
NVIDIAは、顧客がスイッチングコストを引き下げる速度を上回るペースで、性能とソフトウェアの差を広げ続けなければならない。AMDとカスタムシリコンの提供企業は、交渉力を生むのに十分な範囲で、選定したワークロードをポータブルにするだけでよい。
この力学はNVIDIAを先行させる一方、市場が固定化することを防ぐ。
本当の制約はラック出荷後に始まる
需要が強くても、電力、冷却、建設、コミッショニングが、出荷を実用可能なキャパシティへ転換する速度を遅らせる可能性がある。
Huang氏の27%という数字は、導入チェーンの一部における進捗を示すものだ。発注書から本番AIサービスまでのすべての段階を測るものではない。
顧客はまず、十分な電力容量を持つ拠点を必要とする。次に、変電所、変圧器、バックアップシステム、冷却設備、ネットワーク接続、許認可を整える必要がある。
これらの一部は、コンピューティングハードウェアよりもリードタイムが長い。変圧器の遅延や冷却ループの未完成により、高価なラックが設置待ちとなることもある。
NVIDIAは財務開示において、こうした依存関係を認めている。最新の提出書類では、土地、電力、データセンターの建屋、資本が顧客の構築計画に不可欠だと述べている。
この表現は重要だ。サプライヤーの売上と顧客側の導入準備は乖離し得るからである。NVIDIAが旺盛な需要を認識する一方、事業者はより遅い導入スケジュールに直面する可能性がある。
液冷はさらに別の層を加える。従来の空冷施設では、大規模な機械設備の変更なしに高密度のNVL72ラックを受け入れられない場合がある。
事業者は、冷却液の配分、漏洩検知、排熱、水の確保、保守手順を管理しなければならない。また、慣れない設備に対応できる技術者も必要となる。
ネットワーキングは別のボトルネックになり得る。大規模クラスタは、数千基のアクセラレータ間で高速かつ予測可能な通信に依存している。
単一ラックでは内部接続にNVLinkを使用するが、複数ラックのクラスタには依然としてスケールアウトネットワーキングが必要である。顧客は、自らのワークロードに適したInfiniBandまたはEthernetシステムを選択し、構成する必要がある。
ソフトウェアの準備状況は第三のリスクをもたらす。小規模クラスタで正しく動作するモデルでも、はるかに大きな規模では通信障害、メモリ圧迫、スケジューリングの問題に直面する可能性がある。
こうした困難は、Grace Blackwellの導入が失敗していることを意味しない。出荷成長だけでは運用上の成功を立証できない理由を説明するものだ。
顧客集中も別の不確実性を生む。少数のハイパースケーラー、AI研究所、専門クラウド企業が、先端アクセラレータへの支出の大部分を占めている。
1社の大規模な構築計画が、月間出荷に大きな影響を与え得る。絶対台数や顧客分布がなければ、観測者は27%の増加が広範なものだったのか、集中したものだったのかを判断できない。
資金調達にも注意が必要だ。AIインフラには、顧客が対応するサービス収益を生み出す前から、ハードウェア、施設、エネルギー、継続的な運用のための資本が必要になる。
既存のクラウドプロバイダーは、大規模な事業から得る資金でこれらの投資を賄える。より小規模なAIインフラ企業は、負債、長期契約、または特定顧客への集中により強く依存することが多い。
この構造は、需要が伸びる間は急速な拡大を支えられる。しかし顧客の導入が遅れ、稼働率が期待を下回り、資金調達コストが上昇すれば、より脆弱になる。
Vera Rubinの登場は製品移行リスクをもたらす。購入者は、Grace Blackwellのキャパシティを引き続き拡大するか、NVIDIAの新プラットフォーム向けにインフラ予算を確保するかを決めなければならない。
後継製品が登場しても、前世代が即座に陳腐化するわけではない。ソフトウェアサポートと顧客需要が継続する限り、旧世代のアクセラレータは何年にもわたり生産性を維持できる。
それでも、急速なリリースサイクルは投資回収の計算を複雑にする。顧客は、より優れた性能や経済性を約束する新システムが登場する中で、設置費用と資金調達費用を回収しなければならない。
したがって、この証拠は同時に二つの結論を支持する。NVIDIAはラックスケールシステムをより速く出荷しており、顧客はそれらのラックから信頼性の高いサービスを生み出すまでに、なお相当な作業を抱えている。
第一の結論を無視すれば需要を過小評価する。第二の結論を無視すれば、納入を完成したAIキャパシティと取り違えることになる。
27%という数字が証明しないこと
見出しの数字は勢いを裏付けるが、それだけで市場シェア、エンドユーザー需要、収益性、または需給バランスを立証することはできない。
Huang氏はこの数字を投資家会議で示したものであり、詳細な業務報告を通じたものではない。NVIDIAは基礎となる出荷時系列や算出方法を公表していない。
この比較が、完成ラック、受領済みシステム、メーカーに出荷された部品、あるいは別の社内カテゴリーを対象としているかは依然不明である。
表現も重要だ。入手可能な文字起こしではGrace、Blackwell、NVLink、72ラックシステムがまとめて扱われている一方、二次報道ではこの発言がGrace Blackwellの出荷として簡略化されている。
この簡略化は理解できるが、元の議論よりも指標が精密に聞こえる可能性がある。読者は、これが一つの標準化された製品を追跡していると想定すべきではない。
この割合は、クラウド顧客が納入された全キャパシティを消費していることも証明しない。稼働率データがあれば、導入済みシステムが収益を生む、または戦略的に重要なワークロードを実行しているかどうかが分かる。
NVIDIAは顧客フリート全体の平均稼働率を開示していない。クラウドプロバイダーは一部の採用事例を公表しているが、そうした例は導入基盤全体を代表するものではない。
出荷増加から業界全体の不足を立証することもできない。供給状況は、製品、メモリ構成、ネットワーク機器、地域、導入時期によって異なる。
NVIDIAは以前、Blackwell製品への需要が供給を上回っていると述べた。この発言は、製造とシステム統合が供給可能量を制限していた初期の立ち上がりを理解する枠組みとなった。
2026年9月までに、問うべき内容はより細分化されていた。一部の部品が引き続き制約される一方で、完成システムの出荷は増加し続ける可能性がある。
出荷増加は、供給の追加、より強い受注、統合上のボトルネック解消、または顧客受領のタイミングを反映している可能性がある。公開情報だけでは、一つの説明に切り分けることはできない。
27%の増加は、持続的な月次成長率を証明するものでもない。特に大規模システムがバッチ単位で出荷される場合、前月比の比較は納入スケジュールに左右されやすい。
毎月27%を繰り返せば、並外れた複利成長になる。Huang氏はその考えを修辞的に用いたが、物理的な制約を受ける市場で、そのような成長率を無期限に維持できる企業はない。
投資家と購入者は、複数の指標にまたがる一貫性を見るべきである。売上、受注の可視性、システム導入、クラウドでの提供状況、顧客稼働率を組み合わせることで、より完全な像が得られる。
NVIDIAが報告した財務実績は現在、出荷に関する主張の方向性を補強している。最新の報告四半期では、売上高とデータセンター売上がいずれも前期比18%増加した。
しかし、全社的な財務成長だけでは、単一の月間ラック指標を検証できない。Blackwell Ultra、ネットワーキング、ソフトウェア、その他のデータセンター製品も売上に寄与している。
独立した顧客開示は、より強い確認材料となる。クラウドプロバイダーは、導入済みクラスタ、利用可能なインスタンス、待ち時間、契約済みキャパシティを報告できる。
電力と建設のデータも別の検証手段となる。新たなコンピューティングキャパシティは最終的に、通電済み施設と稼働中のデータホールとして現れなければならない。
競合製品の採用状況も重要である。市場全体が十分に速く拡大すれば、NVIDIAの出荷台数増加はAMDおよびカスタムアクセラレータの導入加速と共存し得る。
これは必ずしも勝者総取りへの移行ではない。AI需要は複数のアーキテクチャを支え得る一方、顧客はソフトウェア互換性と経済性に応じてワークロードを分割できる。
したがって、正しい解釈には慎重さが求められる。報じられた増加は、力強い企業業績に支えられた、NVIDIAの最高経営責任者からの信頼できるシグナルである。
ただし、決定的な市場全体の結論に必要な詳細を欠く、社内情報に基づく一時点のスナップショットにとどまる。
勢いが続くかを示す三つのシグナル
次の試金石は、出荷成長が顧客のキャパシティ、財務開示、そしてNVIDIAのプラットフォーム移行期における持続的需要として現れるかどうかだ。
第一のシグナルはNVIDIAの次回四半期報告である。投資家は、データセンターの成長、Blackwellの出荷構成、ネットワーキング需要、そして供給に関する経営陣のコメントを注視すべきだ。
さらなる前期比増加があれば、9月の出荷急増が持続的な需要を反映していたという見方が強まる。安定した受注にもかかわらず成長が鈍化すれば、導入時期や製品移行の影響を示す可能性がある。
NVIDIAは従来、そのレベルの詳細を提供していないが、絶対的なラック台数は特に有用である。出荷カテゴリーの定義がより明確になるだけでも、比較可能性は向上する。
第二のシグナルは顧客側での提供開始だ。主要クラウドおよび専門プロバイダーは、導入済みハードウェアを購入可能なインスタンス、クラスタ、またはマネージドサービスへ転換すべきである。
提供範囲の拡大は、顧客が機器を積み上げるのではなく、システムをコミッショニングしていることを示す。待機リストの短縮も、供給が需要に追いつきつつあることを示唆する。
稼働率と更新に関する開示は、ローンチ発表よりも重みを持つ。初期契約や技術試験の後も、顧客がキャパシティを使い続けているかどうかを明らかにするためだ。
第三のシグナルは、Grace BlackwellからVera Rubinへの引き継ぎである。NVIDIAはRubinを、データセンター電力単位当たりでより大きな売上機会を持つ次世代ラックスケールプラットフォームとして位置付け始めている。
円滑な移行は、NVIDIAの統合システム戦略を強化する。顧客は世代間に大きな空白を生むことなく、Blackwellを継続導入しながらRubinを発注するだろう。
混乱した移行は出荷の物語を弱める。購入者がプロジェクトを延期し、予算を振り向け直し、あるいは新たに要求の厳しいハードウェアサイクルに施設を適応させるのに苦労する可能性がある。
競合の対応は補足的な文脈を提供する。AMDのラックスケールシステムとGoogleのTPUは、選定したワークロードにおいて、顧客がオープン標準や特化型クラウドインフラを好むかどうかを試すことになる。
これらの代替手段はNVIDIAの成長を止める必要はない。意味のある採用が進めば、それでもNVIDIAが新規ワークロードに占める比率を抑制し、購入者の交渉上の立場を改善し得る。
開発者はハードウェアの発表と並行して、ソフトウェアのポータビリティを注視すべきだ。CUDA、ROCm、クラウドアクセラレータ間で一般的なモデルへの対応が改善すれば、インフラの選択はより恒久的ではなくなる。
企業の購入担当者は、ピーク性能の仕様ではなく、実際に利用可能な能力に注目すべきです。重要な指標には、導入までの時間、稼働率、エネルギー消費量、モデル精度、スループット、完了タスク当たりのコストが含まれます。
ナレッジワーカーや一般的なAIユーザーは、その成果を間接的に体験することになります。生産性の高いインフラは、レイテンシーを低減し、より長い推論タスクを支え、高負荷なモデルへのアクセスを広げる可能性があります。
ただし、こうした利点が自動的に実現するわけではありません。プロバイダーはハードウェアを信頼性の高いサービスへと転換し、効率向上による利益を顧客に還元する必要があります。
報じられたNVIDIA Grace Blackwellの出荷増は、物理インフラの整備が依然として急速に進んでいることを示しています。同時に、「チップ出荷」の定義がいかに変化したかも浮き彫りにしています。
NVIDIAは、データセンター側にもそれに合わせた進化を求める高密度コンピューティングシステムを提供しています。この規模は同社により広い競争上の堀をもたらす一方、実行上のリスクも増大させます。
今後3カ月は、文脈を欠いた単独の割合見出しに惑わされないようにしてください。NVIDIAの次回データセンター業績、顧客向けサービスの可用性、そしてBlackwellからRubinへの移行をあわせて追うべきです。
この3つがすべて前進を続けるなら、27%の増加は持続的なインフラ需要の証拠と見なせるでしょう。逆に乖離する場合、それはAI導入の包括的な指標というより、好調な出荷月を示すにとどまるでしょう。
