Nvidiaの25億ドル規模のThinking Machines投資、Hugging FaceとOpenAIの競争を新局面へ
Nvidiaは、Mira Murati氏率いるThinking Machines Labに約25億ドルを投資する方向で交渉していると報じられている。新たな資金調達ラウンドのおよそ半分を引き受ける可能性があり、この協議はHugging FaceとOpenAIの競争を、先進AIモデルへの資金供給、学習、流通、カスタマイズを誰が主導するかという、より大きな争いの中に位置付けるものだ。
報じられた取引は、なお交渉段階にある。Thinking MachinesとNvidiaは金額や最終条件を公表していない。ただし、この投資案は両社の既存パートナーシップと、NvidiaによるHugging Face買収合意に続く動きだ。
この一連の流れこそが本質である。Nvidiaは、研究所が購入するチップを通じてのみAI開発に影響を与える企業ではなくなった。どのモデルが広く使われるかを決める開発者の周囲に、資本、計算能力、流通インフラを配置している。
OpenAIは、Nvidiaの最大級の顧客でありインフラパートナーの一つであり続ける一方、この戦略から圧力を受けている。Thinking MachinesはOpenAIの元最高技術責任者が率い、有力AI研究所で経験を積んだ複数の研究者を擁する。
したがって、浮上している競争は単純なNvidia対OpenAIの対立ではない。中央集権的なモデルアクセスと、カスタマイズ可能なオープンウェイトの代替手段に資金が流れ込む市場とのせめぎ合いである。
報じられた取引は単なるAI資金調達ラウンドを超える
この資金調達案は、Thinking Machinesを、その計算インフラを供給する企業とより強く結び付けることになる。
最初の資金調達報道によると、Thinking Machinesは50億ドルから60億ドルのラウンドを協議している。報じられた投資前評価額は少なくとも400億ドルだ。
取締役会の議席を持つ既存投資家Andreessen Horowitzは、Nvidiaが資金のおよそ半分を拠出する見込みだと潜在的投資家に伝えたと報じられている。ラウンドの下限で成立した場合、Nvidiaの拠出額は約25億ドルとなる。
別の報道では、Accelが主幹事候補とされ、少なくとも10億ドルの新規資金に焦点が当てられた。資金調達の協議ではコミットメントの変化、複数回のクロージング、対象ラウンドの定義の違いが生じやすいため、これらの数字は必ずしも矛盾しない。
ただし、重要な検証上の隔たりは残る。現時点で発表済みの合意は、Thinking Machinesが50億ドルを調達すること、Nvidiaが25億ドルを投資すること、あるいは投資家が提案された評価額を受け入れることを保証していない。
それでも規模には注目に値する。Thinking Machinesは以前、Andreessen Horowitz主導で20億ドルのシードラウンドを完了した。NvidiaもAccel、AMD、Cisco、ServiceNow、Jane Streetなどの投資家とともに参加していた。
当時の報道によると、その先行ラウンドでは投資後の企業価値が120億ドルと評価された。新規資本の投入前に少なくとも400億ドルという評価額は、1年余りでの急速な上昇を意味する。
Thinking Machinesは現在、商用製品、公開研究、オープンウェイトモデルを備えている。これらの進展により、Murati氏の実績とチームに大きく依存していた同社当初の資金調達ストーリーよりも、新たな提案は具体性を増している。
同社は2025年10月にTinkerを開始した。Tinkerはモデルのファインチューニング向けマネージドAPIであり、顧客は基盤となる分散学習システムを運用せずに既存モデルを適応させられる。
Thinking Machinesはその後、初のオープンウェイトモデルであるInklingを公開した。オープンウェイトは開発者にモデルの学習済みパラメータへのアクセスを提供するが、そのアクセスには必ずしも完全な学習データやソースコードが含まれるわけではない。
これらの製品により、報じられたNvidiaのAI投資は著名な創業者への賭けにとどまらない。企業や研究者がクローズドなモデルサービスの代替手段を実用的にカスタマイズする経路を開発する企業のそばに、Nvidiaを位置付けるものだ。
その経路は、大量の計算能力も消費する。Tinkerは共有インフラ全体でスケジューリング、リソース配分、障害復旧を処理する。顧客にはソフトウェアインターフェースが見える一方、その下の高価なハードウェア層はThinking Machinesが管理する。
Nvidiaは両方の層で利益を得られる。Thinking Machinesが成長すれば持分投資の利益を得られる一方、同社のサービスがNvidiaシステムへの継続的需要を生む顧客を支援できる。
この関係により、資金調達の発表は業界構造を左右する出来事となる。投資家は同時に、重要なサプライヤー、インフラパートナー、そして主要なモデル流通プラットフォームの買収予定企業でもある。
Nvidiaは資本と計算能力のフライホイールを構築している
Nvidiaの投資は、AI研究所がNvidiaの販売するインフラをさらに購入することを後押しする。
この力学は、ときに循環的資金調達と呼ばれる。この言葉は、サプライヤーが顧客に資金を提供し、その顧客が同じサプライヤーに多額を支出する仕組みを指す。
循環性があるからといって、取引が自動的に不健全になるわけではない。スタートアップは実際の資本を受け取り、生産性のあるインフラを得て、独立した顧客需要を生み出すことができる。Nvidiaもハードウェアと持分投資の両方から正当な収益を得られる可能性がある。
ただし、この構造は従来の指標を複雑にする。サプライヤーが支援する顧客から生まれた収益は、完全に無関係な資本で賄われた需要と同じ情報を持たない可能性がある。
Nvidiaは2026年8月の決算説明会で、この批判に直接答えた。同社はフロンティアAI研究所に約500億ドルを投資しており、これらの関係が自社プラットフォーム上のビジネスを生み出すと見込んでいると述べた。
同社の決算説明会トランスクリプトは、急成長するAI企業が直面する制約は計算能力だと説明している。Nvidiaは、顧客の信用力が成熟する前に、同社のバランスシートがインフラ取得を支援できると主張した。
同社はまた、観測者がこの戦略の一部を循環的資金調達と呼ぶことも認めた。その回答は、Nvidiaのコンピューティングシステムは引き続き有用であり、ある顧客が能力を消費できなければ再配置できるというものだった。
この説明には根拠がある。汎用アクセラレータは、特にインフラ事業者が再配置を前提にクラスターを設計している場合、異なるモデルや顧客に対応できる。しかし、能力を移動できても、建設、資金調達、エネルギー、タイミングに関するリスクはなくならない。
Thinking Machinesはすでに深いインフラ上のコミットメントを抱えている。2026年3月、両社は次世代Vera Rubinシステムを少なくとも1ギガワット展開する複数年契約を発表した。
展開開始は2027年初頭を目標としている。この契約はフロンティアモデルの学習と、顧客がAIシステムをカスタマイズできるように設計されたサービスを対象とする。
公式の計算能力パートナーシップでも、NvidiaがThinking Machinesに大規模な投資を行ったことが明らかにされた。いずれの企業も金額は公表していない。
したがって、新たな25億ドルのコミットメントは既存の関係を拡張するものとなる。NvidiaがMurati氏の企業と初めて接触する、あるいは同研究所を長期的なインフラ顧客として確保しようとする初めての試みではない。
Nvidiaの論理は明快だ。フロンティア研究所は、製品がそれに見合うキャッシュフローを生む前に、莫大な計算予算を必要とする。持分による資金供給はその隔たりを埋め、大規模な導入を促す。
研究所は資本と希少なシステムへのアクセスを得る。Nvidiaはハードウェア需要、ソフトウェア採用、戦略的影響力、そして保有持分の値上がりの可能性を得る。
同じモデルは、Nvidiaのグラフィックスプロセッサ向けソフトウェア環境であるCUDAも強化し得る。研究者は利用可能なシステムを中心にワークフローを構築し、開発者はAPIやモデルツールを通じてその選択を引き継ぐ。
研究所の学習、ファインチューニング、提供システムがNvidiaアーキテクチャを対象とするようになると、切り替えは重大なエンジニアリング上の判断になる。移行はコード、性能、サポート、導入スケジュールに影響し得るため、競合アクセラレータは低コストだけでは不十分だ。
Thinking Machinesは、Tinkerがこの複雑さの多くを顧客から隠すとしている。同社のファインチューニングプラットフォームは、ユーザーにアルゴリズムとデータの制御を委ねながら、分散学習を管理する。
この利便性は、間接的にNvidiaを強化する。開発者はクラスターを管理せずにオープンウェイトモデルを利用できるが、マネージド層はなおワークロードをNvidiaインフラへ導き得る。
したがって、この資金調達フライホイールはチップ販売より広範だ。Nvidiaは研究所に資本を供給し、研究所はNvidiaシステム上でサービスを構築し、開発者は明示的なハードウェア選択を行わずにそれらのサービスを採用する。
Hugging FaceとOpenAIの競争は今やインフラ所有者を持つ
NvidiaによるHugging Face買収は、オープンモデルコミュニティの多くが成果を公開し、発見する場への影響力を同社に与える。
Nvidiaは9月3日、Hugging Faceを12,930,300,000ドルで買収することで合意した。この取引により、重要なモデルリポジトリがNvidiaのハードウェア、ソフトウェア、クラウドパートナーシップ、AI研究所への投資と並ぶ位置に置かれる。
Hugging Faceによると、そのプラットフォームは1,800万人以上の開発者、研究者、クリエイターに利用されている。ユーザーはそこで300万以上のモデル、50万のデータセット、100万のアプリケーションを共有している。
Nvidiaによると、20万社を超える企業がAIの発見、評価、カスタマイズ、導入のためにこのサービスを利用している。これらの数値は関係企業によるものであり、買収発表では独立した監査を受けていない。
Nvidiaは、Hugging Faceが異なるモデル、フレームワーク、クラウド、推論プロバイダー、コンピューティングプラットフォームに対して開かれたままであると約束した。同社の買収声明は、Nvidiaハードウェアは必須ではないと明記している。
Hugging Faceは多くの競合コミュニティにとって中立的なインフラとして機能しているため、この約束は重要だ。その価値は、開発者がNvidia、AMD、Google、その他のシステム向けに構築されたモデルを同社が支援すると信頼できるかどうかにも一部依存する。
製品方針が変わらなくても、所有権の変更は信頼の計算を変える。開発者は、検索、評価、ホスト型推論、統合機能が競合するハードウェアやモデルを今後も平等に扱うかを考慮しなければならない。
Thinking Machinesはまさにこの緊張関係の中にある。同社のオープンウェイトモデルInklingはHugging Faceを通じて配布され、Tinkerサービスはマネージド型のカスタマイズを提供する。
したがってNvidiaは、同じワークフローの複数の段階に関与できる。開発者はHugging Faceでオープンモデルを見つけ、Tinkerでカスタマイズし、関連するワークロードをNvidiaシステム上で実行するかもしれない。
OpenAIは異なる主要モデルを採る。顧客は通常、ChatGPT、API、またはエンタープライズ統合を通じてプロプライエタリモデルにアクセスする。ユーザーは挙動をカスタマイズできるが、主要なフロンティアモデルのウェイトは受け取らない。
これは、hugging-faceとOpenAIの競争を、単なるベンチマークスコアではなく、流通構造の対立へと変える。一方は統制されたサービスを通じて中央運用型のモデルを提供し、もう一方は開発者に対して、改変可能な幅広い重みとツールのカタログを提供する。
Thinking Machinesは、企業が自社のデータやタスクに適応させたモデルについて、より大きな制御を求めていると見込んでいる。Tinkerは、各組織が独自の学習クラスターを構築せずとも、その需要を満たせるようにする。
同社が初期の事例として挙げるのは、数学的推論、化学、AI制御研究、マルチエージェント学習だ。これらは汎用チャットボットの展開より限定的だが、カスタマイズの価値が大きくなる領域を示している。
製薬研究グループには、専門的な化学タスクに適応したモデルが必要になるかもしれない。ソフトウェア企業は、社内の評価基準に照らして学習したモデルを望む可能性がある。研究機関には、強化学習の手法を制御する必要があるかもしれない。
クローズドなサービスでも、APIやファインチューニング機能を通じてこうした用途の一部を支援できる。オープンウェイトのシステムは、異なる形の制御、可搬性、検証の選択肢を提供する一方で、安全性と運用に関する責任をより多く利用者へ移す。
Nvidiaにとって、一方の経路がもう一方を排除する必要はない。OpenAIのようなクローズドな研究所にインフラを販売しながら、オープンウェイト市場での地位も深めている。
こうしたビジネスモデルをまたぐ中立性には、商業的な魅力がある。Hugging Faceの買収後もNvidiaが信頼できる技術的中立性を維持できるかが、より難しい問題だ。
Thinking MachinesはOpenAIの直接的な代替ではなく、圧力をかける
Muratiの会社は、適応可能なモデルを求める人材、資本、顧客にもう一つの行き先を提供することで、OpenAIに挑戦している。
Thinking Machinesは現時点で、OpenAIの製品到達範囲、収益基盤、消費者向け流通網に匹敵しない。同社を直接的な代替とみなすのは、利用可能な証拠が示す範囲を超えた評価になる。
その挑戦はより限定的だが、戦略的には重要である。同社はフロンティアシステムを理解する研究者を採用し、異例の規模の資金調達ラウンドを呼び込み、技術ユーザー向けにモデルカスタマイズ基盤を販売している。
Muratiは同社にさらなる信頼性を与えている。彼女はOpenAIの最高技術責任者を務め、同社の2023年の経営危機では一時的に暫定最高経営責任者となった。
Thinking Machinesの従業員の数人も、OpenAIや他の主要研究所から移ってきた。この経験の集積は、製品を公開する前に同スタートアップが最初のラウンドを調達する助けとなった。
この人材上の優位は永続的ではない。Thinking Machinesでは、OpenAIへ戻った研究者を含む注目度の高い離職が起きている。こうした動きは、重なり合う目標を追う研究所の間で専門知識がいかに容易に移動し得るかを示している。
OpenAIもNvidiaと密接に結び付いている。Nvidiaの8月の決算説明では、既存および計画中のOpenAIとの契約が、Nvidiaのコンピューティング能力約12ギガワットに相当すると言及された。
これはOpenAIを、不可欠な顧客であると同時に戦略的な取引相手にする。Nvidiaには、その規模で事業を行う買い手を弱体化させる理由はほとんどない。
むしろNvidiaは、信頼できる複数の研究所を維持することで利益を得る。競争は、各社により大規模なシステムの学習、推論能力の拡大、競合他社より先にインフラを確保することを促す。
Thinking Machinesは、この投資競争に新たな参加者を加える。約束されたギガワット規模の展開は、従来のソフトウェアスタートアップを大きく超える野心を示している。
それでも同社の製品戦略は、正面からのベンチマーク競争を避けている。InklingとTinkerは、OpenAI、Anthropic、Googleに対する普遍的な優位性を主張するのではなく、カスタマイズを重視している。
この違いは企業の購入者にとって重要だ。最高スコアの汎用モデルが、非公開データ、領域固有の判断、厳格な運用管理を伴う専門ワークフローにとって自動的に最善の選択となるわけではない。
学習データと評価が実際の業務を反映している場合、カスタマイズされたモデルは、狭く定義されたタスクにおいて、より大規模な汎用モデルを上回り得る。ただし、その結果にはモデル知能に関する広範な主張ではなく、慎重な測定が必要である。
Thinking Machinesは、この制御を評価する顧客が、インフラへのコミットメントと報じられる評価額を支えられるだけ存在することを証明しなければならない。その重荷は今や、創業者の評判ではなく製品導入が担っている。
別報道で引用された人物によれば、同社は年間換算で1億ドル超の収益水準を生み出しているとされる。この数字は監査済み財務諸表では開示されていない。
仮に正確だとしても、400億ドルの評価額は現在の年間換算収益の数百倍に相当する。投資家が支払うのは、確立された財務実績ではなく、将来の拡大への期待となる。
この期待は、OpenAIに二つの面で圧力をかける。研究者獲得競争を強めるとともに、企業顧客に適応可能なモデルへ向かう、もう一つの潤沢な資金を持つ経路を与える。
また、オープンモデル開発者にも圧力をかける。多額の資金を得たThinking Machinesは、小規模なプロバイダーが対抗しにくいマネージドインフラを提供できるため、表向きはオープンな市場が、資本力のある少数のプラットフォームへ集中する可能性がある。
オープンモデルの約束には集中リスクが伴う
オープンウェイトは開発者の制御を広げ得る一方、周辺インフラはより集中する可能性がある。
これが、報じられた取引における中心的なトレードオフだ。モデルの重みはダウンロード、適応、再配布できるかもしれないが、それらを学習・提供するには、依然としてチップ、電力、ソフトウェア、リポジトリ、資本が必要となる。
Nvidiaは現在、これらの層全体で中心的な位置を占めている。アクセラレータ市場を支配し、CUDAソフトウェアプラットフォームを維持し、モデル研究所に投資し、Hugging Faceの所有を計画している。
Thinking Machinesへの大規模出資は、さらに一層を加えることになる。Nvidiaは、オープンウェイトのカスタマイズをマネージドな商用サービスへ転換する企業を支援することになる。
こうした関係のいずれも、Nvidiaが競合を制限することを証明するものではない。同社によるHugging Faceへの公約は、複数のアクセラレータとクラウドを明示的に支援している。
それでも、インセンティブは精査に値する。Nvidiaには、オープンモデルの展開がNvidiaのコンピューティング需要を増やすなら、それらをより導入しやすくする経済的利益がある。
また、開発者がどこへ移っているかを把握する利益もある。流通プラットフォームは、どのアーキテクチャ、モデルファミリー、データセット、アプリケーションが注目を集めているかを明らかにし得る。
ガバナンス上の保護措置は、この種の情報の利用を制限できる。明確な製品分離、透明性のあるランキング方針、エクスポートツール、競合するアクセラレータへの対応は、信頼の維持に役立つ。
開発者は、観察可能な行動を通じてこうした実践を判断すべきだ。買収発表時の約束は有用だが、プラットフォームが中立性を保つかどうかを決めるのは実装である。
Thinking Machinesには独自の不確実性もある。報じられた資金調達条件は確認されておらず、報じられた評価額と開示された事業実績との隔たりは大きいように見える。
同社はまた、高コストなインフラ拡張に依存している。ギガワット規模の展開には、システム、施設、電力、ネットワーク、そして有料顧客からの継続的な需要が必要となる。
技術的な成功は、効率的な利用を保証しない。プロジェクトの遅延、顧客による作業の先送り、あるいはソフトウェアによるジョブの効果的なスケジューリングの失敗により、学習クラスターの稼働率が低下する可能性がある。
Tinkerの共有コンピューティング設計は、その問題の一部に対処している。このサービスは、すべての重みを再学習するのではなく、より小さなパラメータ群を調整する手法である低ランク適応を用いる。
このアプローチは、カスタマイズに必要なコンピューティングを削減できる。また、複数の学習ジョブがインフラをより効率的に共有することも可能にする。
ただし、効率性はNvidiaにとって別の緊張関係を生む。ファインチューニングが安価になれば、個々のタスクに必要なハードウェアは減る。Nvidiaは、参入障壁の低下がはるかに多い総利用量を生むことに依存しなければならない。
この戦略は、効率改善によって新しいアプリケーションの採算性が高まり、需要が拡大する他のコンピューティング市場に似ている。その結果はあり得るが、検証済みの成果ではなく予測にとどまる。
安全性は別の複雑さを加える。オープンウェイトの公開は、独立した研究者がモデルを検査・改善できるようにするが、危険なシステムを撤回する開発者の能力を低下させる可能性もある。
Thinking Machinesは、オープンな公開をめぐる段階的評価と安全策を提唱してきた。同社のアプローチは、実際のモデル能力、文書化、インシデント対応に照らして評価されるべきだ。
ビジネスユーザーにとって実務的な問いは、オープンモデルとクローズドモデルのどちらが普遍的に優れているかではない。特定のワークロードに対し、どの経路が必要な制御、信頼性、説明責任、切り替えの選択肢を提供するかである。
これらの選択肢を比較するチームは、単一のモデルプロバイダーの外部に、自らのコンテキストも維持する必要がある。維持管理されたAI knowledge baseは、ソース資料をチームの管理下に置き続けられるため、モデルのテストをより一貫したものにできる。
モデルへのアクセスが少数の垂直統合企業に集約されるなら、この運用上の独立性はさらに重要になる。
三つのシグナルがNvidiaのThinking Machines戦略を試す
次に必要な証拠は、署名済みの条件、測定可能な導入、信頼できるプラットフォーム中立性から得られなければならない。
最初のシグナルは、完了した資金調達の発表だ。読者は最終金額、Nvidiaの拠出、評価額の根拠、取締役会の権利、投資に付随する商業上のコミットメントを注視すべきだ。
報道された50億ドルから60億ドルに近いラウンドであれば、Nvidiaが広範な資本・コンピューティングネットワークを構築しているという見方を強める。大幅に小規模なクローズとなれば、その解釈は弱まる。
条件は規模と同じくらい重要だ。通常の少数持分投資は、優先アクセス、購入義務、排他的なインフラ条項、戦略的意思決定への影響力とは異なる意味を持つ。
二つ目のシグナルは、TinkerとInklingの利用状況だ。Thinking Machinesは、開発者と企業が補助金付きインフラを単に試すのではなく、モデルのカスタマイズと運用に継続して対価を支払っていることを示す必要がある。
有用な指標には、顧客維持率、継続的なコンピューティング消費、本番環境への展開、専門タスクにおける独立評価が含まれる。収益に関する主張は、いずれ一貫した開示によって裏付けられるべきだ。
導入の成功は、同研究所によるカスタマイズへの注力を正当化する。維持率が低ければ、企業がクローズドAPI、自己管理型のオープンモデル、あるいは競合するマネージドプラットフォームを好むことを示唆するだろう。
三つ目のシグナルは、買収後のHugging Faceの中立性だ。開発者は、モデル発見、統合、文書、ホステッドサービスが、同等の条件で非Nvidiaシステムを引き続き支援するかを注視すべきだ。
リポジトリの可搬性も別の試験となる。ユーザーは、ワークロードをNvidiaの環境内にとどめるために設計された技術的または契約上の障壁に直面せず、モデルとデータセットをエクスポートできる状態を維持すべきだ。
目に見えるマルチアクセラレータ対応は、Nvidiaがオープンエコシステムを拡大しているという主張を強める。ユーザーを自社ハードウェアへ誘導する優遇措置は、その主張を損なうだろう。
これらのシグナルは、hugging-faceとOpenAIの競争も明らかにする。OpenAIの戦略が成功するために、同社が主力モデルの重みを公開する必要はないが、可搬性とカスタマイズをますます重視する顧客を維持しなければならない。
Thinking Machinesは逆の課題に直面している。開発者による制御を、莫大なインフラコストを支えられる事業へ転換しなければならない。
Nvidiaは、どのアクセスモデルが勝利しても利益を得られる立場にある。OpenAIに前例のない規模で供給する一方、オープンウェイトの代替モデルに資金を提供し、その最も重要な流通ハブを買収している。
この立ち位置こそ、報じられている25億ドルの投資が通常のベンチャー投資ニュースではない理由だ。これは、現代AIを取り巻く需要、インフラ、開発者チャネルへの投資を通じてNvidiaが影響力を拡大する取り組みの、さらなる一歩を意味する。
決定的な問いは、このネットワークが有意義な選択肢を広げるのか、それとも支配の所在を移すだけなのかという点にある。正式に締結される資金調達条件、実際の顧客利用、そしてHugging Faceが競合システムをどう扱うかに注目すべきだ。この3つの試金石が、Nvidiaが開かれた市場を支援しているのか、それとも静かにその門番になりつつあるのかを明らかにする。
