生物界における突然変異のように、一人の個人が誰も予期せぬ巨大なイノベーションを起こすことがある。そのような奇跡はなぜ起こるのか？　本連載では『イノベーション全史』(BOW&PARTNERS)の著書がある京都大学産官学連携本部イノベーション・マネジメント・サイエンスの特定教授・木谷哲夫氏が、「イノベーター」個人に焦点を当て、イノベーションを起こすための条件は何かを探っていく。

　今回取り上げるエヌビディア（NVIDIA）は、創業以来ゲーム機用のグラフィックスをきれいに描くためのプロセッサであるGPU（Graphics Processing Unit：画像処理半導体）の開発で培った強みを生かし、AIプロセッサのメーカーとなった。没入感のあるグラフィックスを作るためのGPUが、なぜAIプロセッサに変身できたのか？　事業コンセプトの変遷から、創業者ジェンスン・ファンの経営姿勢に迫る。

ゲーム用GPUがAIにつながった技術的理由

　コンピュータ上で絵を描くには、直線ではなく曲線をきれいに描く必要がある。さらに、2次元だけではなく奥行きのある3次元の物体も表現する必要がある。

　ゲームでは物体を別の角度に回転させ、物体の裏を見たりすることもできるが、それを回転させるには座標を変換するための大量の計算が必要となる。

　複雑で写実的で立体的な絵を描くときに、人間と全く違うコンピュータの強みが発揮される。それは一つの画面を何百にも分割し、並行的に絵を描く作業ができるという点である。

　GPU（Graphics Processing Unit：画像処理半導体））はその名の通り、もともと絵を描くためのチップであり、この作業には、「画面の中のたくさんの点（ピクセル）を、一気に処理する」ことが求められている。

　コンピュータによる作画では、分割した部分を同時に描くことができる。GPUにはそうした演算器が大量に集積しているため、それらを同時に計算させることで1枚の絵を高速に仕上げることが可能となる。つまりGPUは、「同じような計算を、大量に、同時に行うのが得意」であり、これが、AIと非常に相性が良いのである。

　AI（特にディープラーニング）は、人間の脳の仕組みに似た「ニューラルネットワーク」という構造を使って学習する。その中では、数字を掛けたり足したりする「単純だけど膨大な数の計算」が、何百万回、何千万回と繰り返されている。

　例えば、猫と犬の画像を見分けるAIでは、画像の全ての点に対して計算を行う。そして「この特徴が猫っぽい」「これは犬っぽい」と判断するためには、大量の掛け算・足し算をすることになる。

　一般的なパソコンに入っているCPU（中央演算処理装置）は、頭の良い1人の作業員のようなものであり、どんな難しい問題も1人で考えるが、スピードには限界がある。それに対してGPUは、単純な計算を何千人もの作業員が一斉にやるようなもので、一人一人のやることは簡単だが、「同じ作業を大量に並行して処理する」ことに非常に強い。

　AIの学習とは、まさにこの「単純だけど膨大な数の計算」の塊なので、GPUのような並列作業のプロが大活躍することになる。

　AIの学習を「たくさんの荷物を運ぶ作業」と考えてみると、CPUは「1人の力持ちの運び屋」が重い荷物を一つずつ、順番に運ぶようなもので、GPUは「何百人もの普通の運び屋たち」が、1人の力はそれほどでもないが一斉に動いて、大量の荷物を一気に運ぶようなイメージである。

　AIの学習では、この「荷物の数」がとても多いため、GPUの方がはるかに効率が良いというわけである。そのため、GPUは絵を描くだけでなく、AIの頭脳としても非常に向いていたのである。

GPUコンピューティング時代の開拓者

　2006年、エヌビディアは自社GPUを画像処理以外の計算にも使えるようにするための開発環境「CUDA（クーダ）」を発表。2006年～2015年ころは第二フェーズとして、研究者・科学者、自動運転のテスラ、初期のデータセンター技術者などを想定顧客としてGPUを開発するビジネスも開始した。

　これにより、GPUは「絵を描くチップ」から「並列計算が得意な汎用計算機＝GPGPU（General-Purpose computing on GPU）」へと進化していった。

2012年：AI元年（ディープラーニングによる第三次AIブーム）

　指摘したいのは、今のAIのブームは1993年のエヌビディアの創業時点、2006年のCUDA開発時点では予見できていなかったということだ。つまりGPUがAIに向いているということは、もともとはファンの念頭にはなく、かなり後になって理解されるようになったのだ。

　2011年8月にはマーク・アンドリーセンが『Software is Eating the World』をウォール・ストリート・ジャーナルに寄稿した。ソフトウエアとデジタルによる全ての産業への浸食を予言し、後のAI時代の到来の布石になっている。

　2011年2月にはIBMのAI「Watson」がクイズ番組『Jeopardy!（ジョパディ）』で、人間のチャンピオンに勝利してAIが自然言語処理と知識検索で成果を出し始めた。

　2012年はAIブームの転換点いわゆる「ディープラーニング元年」である。2012年6月にはグーグルとスタンフォード大学（ベトナム人コンピュータ科学者アンドリュー・ンら）が、AIがYouTube動画から自力で「猫の概念」を学習したと発表。教師なしの学習で、コンピュータが初めて「猫とは何か」を自分で発見したとされる。

　2012年10月にはトロント大学のチームが開発したディープニューラルネット「AlexNet」が、画像認識コンテストImageNetで圧倒的な精度（エラー率15.3％）を達成（前年より10％以上改善）し、ディープラーニングの有効性が世界に示された歴史的瞬間となった。

　そして、以降はAIの産業化が加速し、2014年にはAIが画像や映像の生成など「創造的なこと」もできるようになり、2015年にはサム・アルトマンらがOpenAIを設立している。

全ての力をAIのために

　AIブームの到来を受け、ファンはGPUを用いたディープラーニングがエヌビディアにどれほど大きなビジネス機会をもたらすかに注目した。経営陣の間でもこの話題について盛んに議論が交わされ、ファンの側近のうちの何人かは、ディープラーニングを一時的な流行に過ぎないと考え、投資の拡大に反対したという。

　しかし、ファンは反対を押し切った。2013年の幹部会議では、「ディープラーニングは絶対に大化けするぞ」「全力投資するべきだ」と言っている。

　自覚はなかったが、ファンはエヌビディアの創業から20年間、まさにこの瞬間のために準備してきたようなものだ。彼は、優秀な人材を引き抜くなどして、エヌビディアを最高の人材で固め、会社への献身を重んじる社風を持つ企業をつくり上げていた。そうして全ての力を駆使して、エヌビディアをテクノロジー業界の主役に導こうとしたのである。

「AIが活躍する未来を支えるハードウエアメーカー」としての第一歩は、AI分野に割り当てる人員と予算の大幅な拡大だった。それ以降のエヌビディアの爆発的な歩みは、よく知られている通りである。

　エヌビディアはGPU専業メーカーとしてスタートし、現在ではAI時代を支えるハイテク企業に進化した。その変遷は、単なる技術革新だけではなく、「誰のために、何を解決するか」という事業コンセプトの再定義の連続であった。まとめると以下のようになる。

・第一フェーズ（1993年～2006年）：「ゲーム体験の質を高めるGPU」

　ファンは、「リアルタイムで3Dグラフィックスを処理できるチップ」の可能性に着目し、任天堂のゲーム機「ニンテンドー64」やソニーの「プレイステーション」向けのGPU開発も行った。計算リソースを描画に集中させ、「ゲームの体験の質を圧倒的に高める」ことに注力した。

・第二フェーズ（2006年～2015年）：「GPUによる並列計算の汎用化」

　GPUを「絵を描くチップ」から「並列計算が得意な汎用計算機（GPGPU）」へと進化させ、想定する用途が、科学技術計算、金融工学、医療画像解析などに広がった。GPUの価値が、“描画”から“計算”へと変わるターニングポイントである。

・第三フェーズ（2015年～現在）：「AI開発のための統合プラットフォーム」

　AIの需要爆発に対応し、ディープラーニングの計算に必要な膨大な並列処理を支えるため、エヌビディアのGPUが唯一無二のインフラとなった。この時代の事業コンセプトはハードだけでなく、AIフレームワークとの連携やツールキットの提供にも広がり、AIコンピューティングのプラットフォームへと飛躍した。

　エヌビディアは、ゲーム業界のニーズに応えるGPUメーカーとして出発し、「並列処理」という技術的な本質を生かして、科学技術、AIのプラットフォーム企業へと脱皮してきた。

　その事業コンセプトは抽象的なものではなく、時代の変化に合わせ、常に「次の具体的なニーズには何か？」「そこでの中核的な処理エンジンとは何か？」を問い続ける姿勢に支えられていると言えよう。
（文中敬称略）

参考文献：
テイ・キム『The Nvidia Way エヌビディアの流儀』（pp.306-307)ダイヤモンド社、 Kindle 版
津田建二『エヌビディア 半導体の覇者が作り出す2040年の世界』（p.135)PHP研究所、Kindle 版