【Rubin 2万7500基】日本のフィジカルAIはNVIDIAに支配されるのか？ CUDA一強が招く産業依存

この記事の要約

• 日本はNVIDIAのRubin GPUを2万7500基導入し、Noetraを中核に国家規模のAI・フィジカルAI基盤を構築する。
• 危険なのはNVIDIA製GPUを買うことではない。CUDA、Isaac、Omniverse、Jetsonまで統一され、他社製ハードウェアへ移れなくなることだ。
• 日本は半導体材料、製造装置、産業用ロボット、現場データを握っており、本来はNVIDIAと対等に交渉できる。
• ただし、モデルとデータの権利、CUDA以外で動く基準実装、セカンドソース、撤退コストを契約と調達条件へ組み込まなければ、国産AI基盤でありながら主導権はNVIDIA側へ残る。
• 日本が作るべきなのは、NVIDIA製GPUで最速になるフィジカルAIであって、NVIDIA製GPUでしか動かないフィジカルAIではない。

中国輸出の質問と、日本が向き合うべき本当の論点

2026年7月16日夜、東京都内のレセプション会場。NVIDIA創業者兼CEOのジェンスン・フアン氏は、中国向け半導体出荷について尋ねた記者にこう返した。

「日本の話をしよう。もっとちゃんとマナーを守ろう」

ここは日本なのだから、日本のためになる質問をしてほしい。後でもう一度指名するから、そのときはもっと良い質問をしてほしい――そうフアン氏は続けた(東洋経済オンラインの取材による)。

世界最大級の企業を率いるCEOが、報道陣の前で質問者を諭す。かなり異例の場面だが、この記事で扱いたいのはフアン氏の記者対応そのものではない。この一幕が図らずも示した論点、すなわち「NVIDIAが日本のAI基盤の何を握り、日本は何を握っていないのか」という力関係の方だ。

同じ週、Financial Timesは、NVIDIAが対中輸出規制に対応するためアジア企業向けの「ホワイトリスト」を設け、従来顧客の半数以上を初回審査で除外したと報じた(Reutersはこの報道を独自には確認できていない)。審査は日本でも強化されており、NVIDIA担当者が顧客のデータセンターを訪問し、契約書を確認し、最終利用者へ聞き取りを行うほど徹底したものだという。

日本政府と国内企業がNVIDIA製GPUを国家的なAI基盤へ大量導入しようとしている以上、対中輸出規制の運用強化は対岸の火事ではない。だが、この記事の主眼は「輸出規制で日本への供給が止まるかもしれない」という短期リスクではない。より構造的な問題、すなわち「計算基盤から開発環境まで一社のスタックで統一した先に、日本は技術的な後戻りができる状態を維持できているか」という点にある。

日本は「2万7500基のRubin」を買う

2026年7月16日、日本政府が支援するNoetraは、NVIDIAと共同で大規模なVera Rubin AIファクトリーを構築すると発表した。

導入されるのは、1万3750基のNVIDIA Vera CPUと2万7500基のNVIDIA Rubin GPU。データセンターの電力規模は140MWに達し、NVIDIA DSXプラットフォーム、Vera Rubin NVL72、Spectrum-X Ethernet、BlueField DPUを組み合わせたフルスタック構成となる。

計算基盤の構築は2027年4月に始まり、2028年6月から稼働する予定だ(ソフトバンクの発表による)。Noetraは高度な日本語理解、論理推論、指示遂行能力を持つ国産基盤モデルを開発し、その後、マルチモーダルAI、フィジカルAIへと発展させる計画を掲げている。

ファナック、富士通、日立製作所、川崎重工業、クボタ、NEC、ソフトバンク、ソニー、安川電機などは、NVIDIA Cosmos、Isaac、Metropolis、Jetsonを利用したフィジカルAI開発を進める方針だ。

現時点の性能、供給能力、開発ツールの成熟度を考えれば、NVIDIAを選ぶ合理性は高い。問題は、国産AIを作るための計算基盤と開発環境が、どこまでNVIDIAへ固定されるのかという点にある。

NVIDIAは「脳と標準」、日本は「材料と身体」を握る

産業レイヤー	NVIDIAが握るもの	日本企業が握るもの	日本が失う可能性のある主導権
AI計算基盤	GPU、CPU、CUDA、ネットワーク、DSX	電源、電子部品、半導体材料、製造装置	国家の計算基盤がNVIDIA仕様へ固定される
AI・開発基盤	Cosmos、GR00T、Isaac、Omniverse、推論最適化	国内研究、企業データ、現場のノウハウ	開発資産がNVIDIA環境へ蓄積される
半導体製造	GPU設計、システム設計、ソフトウェア	ウェハー、レジスト、洗浄・塗布・検査装置	供給力が交渉材料として使われない
ロボット	AI制御基盤、学習環境、シミュレーション	産業用ロボット、サーボ、減速機、精密加工	NVIDIAプラットフォームのハード供給者になる
現場データ	データ処理基盤、学習パイプライン	工場、車両、医療、物流の実データ	最も貴重な学習資産の利用権を失う
安全と保守	ソフトウェア更新、推論基盤	現場運用、品質保証、安全認証、長期保守	責任とコストは日本、継続利益は基盤側へ偏る

NVIDIAが強いのは演算性能だけではない。GPU、CPU、高速ネットワーク、コンパイラー、数値計算ライブラリ、推論エンジン、シミュレーター、ロボット学習、エッジ向けSoCまで一式で提供できる。複数社の製品を組み合わせて互換性を検証するより、導入は圧倒的に速い。

ただし、フルスタックの利便性とは、依存関係をまとめて購入することの別名でもある。

NVIDIAが売っているのは「逃げにくい開発環境」だ

Noetraの計画は、Rubin GPUを2万7500基購入するだけではない。Vera CPU、NVL72ラック、Spectrum-X、BlueField DPU、DSXを含め、データセンター全体をNVIDIAの設計思想で統一する計画だ。フィジカルAIの開発現場には、さらに次の製品群が入ってくる。

開発工程	NVIDIAが提供する主な環境	ロックインが起きやすい資産
仮想空間・デジタルツイン	Omniverse／Isaac Sim	工場、ロボット、センサー、合成データの制作環境
ロボット学習	Isaac Lab	強化学習、模倣学習、学習済みポリシー
認識・ナビゲーション	Isaac ROS	カメラ、LiDAR、認識、SLAM、経路計画
AIモデル	Cosmos／GR00T	世界モデル、ロボット基盤モデル、学習手順
エッジ推論	Jetson／JetPack／TensorRT	実機側SoC、推論最適化、更新手順
データセンター	Rubin／Vera／Spectrum-X／DSX	学習サーバー、ネットワーク、運用基盤

一度この構成でデータセンターを組み、学習環境を構築し、技術者を教育し、運用手順や安全認証まで整備すれば、他のアクセラレーターへ移るコストは急激に高くなる。GPUを交換すれば済む話ではなく、コードの移植、モデルの再最適化、通信ライブラリの変更、実機の安全認証の取り直しが必要になる。

CUDAロックインは、開発者がCUDAカーネルを書いた瞬間に完成するわけではない。CUDA以外の環境で動作確認をしなくなった瞬間に、固定化する。

オープンソースであることと、移植できることは別問題

NVIDIAはすべてを閉じているわけではない。Isaac Simは2025年のSIGGRAPHでオープンソース化され、Isaac LabもBSD-3-Clauseライセンスで公開されている。Noetraが開発する事前学習済みモデルのウェイトも国内企業へ広く提供される予定だ。ここは評価すべき点である。

ただし、NVIDIA自身がIsaac SimのGitHubページで明記している通り、「Omniverse Kitの一部コンポーネントは非公開のまま」であり、外部からの貢献も現時点では受け付けていない。コードが読めることと、そのコードを支える基盤ごと別のハードウェアへ移植できることは同じではない。オープンソースのシミュレーターであっても、物理演算やレンダリングパイプラインがNVIDIA GPUへ強く最適化されていれば、実務上の最適解はNVIDIA環境になる。

テキスト生成AIより移行コストが高い理由

テキスト生成AIであれば、APIの接続先をClaudeからGPT、Geminiへ切り替えることは、プロンプトの調整や評価のやり直しといったコストを伴うにせよ、比較的容易な部類に入る。PyTorchのtorch.compileやAMDのROCmも、この用途であれば動く水準まで来ている。

だが、その成熟度はテキスト生成AIの推論に限った話だ。Isaac Sim/Isaac Labに相当する、物理演算・合成データ生成・ロボット学習をまとめて担えるNVIDIA非依存の環境は、2026年時点で実用に足るものが存在しない。つまりフィジカルAI領域に限れば、CUDAロックインの危険度はテキスト生成AIよりもむしろ高い。ロボットは現実世界で動き、カメラ、LiDAR、モーター、安全装置、工場設備と接続される。シミュレーションと実機の差を埋め、長期間にわたって保守しなければならない。数千人の技術者をNVIDIA環境で教育し、工場のデジタルツインをOmniverse上に構築し、Isaac Simで合成データを生成し、Jetsonを搭載したロボットの安全認証を通す――ここまで進んだ後では、他社製GPUが安くなっても簡単には移れない。移行対象はGPUではなく、企業が何年もかけて蓄積した開発資産そのものだからだ。

NVIDIAのGPUも、日本の材料と製造装置なしでは完成しない

フアン氏は、日本にはフィジカルAIという「欠けていた技術」が必要だと説明している。大規模基盤モデル、計算資源、リスクマネーの規模で、日本が米国や中国に後れを取っているのは事実だ。

ただし、NVIDIAが日本へ一方的に技術を与えるという構図も正しくない。米国商務省の資料によると、日本企業は半導体用コータ・デベロッパーで世界シェア約88％、シリコンウェハーで約53％、フォトレジストで約50％を握る。枚葉式洗浄装置や測長SEM、バッチ式洗浄装置では60〜80％、コータ・デベロッパーや熱処理装置では90％前後またはそれ以上を日本企業が占める分野もある。産業用ロボットでも、日本は世界生産の約38％を担う主要な製造国だ(国際ロボット連盟調べ)。

先端AI半導体は、NVIDIAの設計、TSMCのファウンドリ、日本の材料と製造装置を組み合わせて初めて成立する。日本からの供給が途絶えれば、NVIDIAを含む世界の先端半導体生産へ深刻な影響を与えるチョークポイントを、日本は複数握っている。その立場で、一方的に頭を下げる必要はない。

日本がロボットを作り、NVIDIAだけが継続的に儲かる未来

フィジカルAIの利益は、ロボット本体を販売したときだけ発生するものではない。基盤モデル、制御ソフトウェア、シミュレーター、推論エンジン、開発者向けサービスから継続的な利益が生まれる。日本企業がロボット本体を製造し、部品精度を高め、現場の事故責任を負い、何十年も保守を続ける一方で、開発基盤やAIモデルの利用料をNVIDIAが受け取る――この構造が固定されれば、日本は世界最高水準の機械を作りながら、産業全体ではNVIDIAプラットフォームのハードウェア供給者になる。

スマートフォン産業で見た構図と同じだ。優れたイメージセンサーやディスプレイ材料を供給していても、OSとアプリ市場を握らなければ、産業全体の主導権は得られない。

NVIDIAとの協業に必要な5つの条件

国家資金を投じるなら、少なくとも次の条件が必要になる。

1. モデルと学習データの所有権を日本側に残す。 Noetraの契約に、学習済みモデル、派生モデル、実世界データについて、所有権、利用権、管理権、国外提供の条件を契約で明記する。国外提供や第三者利用には、日本側の事前承認を必要とする契約構造にする。
2. CUDA以外でも動く「基準経路」を最初から作る。 本番はCUDA/TensorRTで最高性能を出して構わないが、ONNXやROCmで動く基準実装を保持し、年1回、実機で動作確認する。動作確認のない移行計画は、計画ではなく願望である。
3. シミュレーターを一つに固定しない。 OpenUSD、URDF、ROS 2の標準形式を維持し、Isaac Sim以外でも主要な制御・安全性を検証できる経路を残す。
4. 政府調達でセカンドソースと撤退コストを数値化する。 CUDA専用コードの比率、他社GPUへの移植工数、保守終了後の運用方法を、会計検査院が検査できる形で報告書に明記させる。10年抜けられないシステムは、導入価格が安くても実際には高い。
5. 日本の材料と製造装置を交渉材料として使う。 経済安全保障推進法はすでに工作機械・産業用ロボット、半導体素子・集積回路を「特定重要物資」に指定している。この法的な重要性の認定を、NVIDIAとの価格・投資交渉における実際のカードとして使うべきだ。

結論

NVIDIAとの協業は、日本のフィジカルAIを短期間で実用化するうえで合理的な選択だ。Rubin、CUDA、Isaacを使わず、すべてを国内だけで作り直せば、世界との開発競争から数年遅れる可能性がある。

問題はNVIDIAを使うことではない。

NVIDIA以外を使えなくなることだ。

NVIDIAには、GPU、CUDA、シミュレーター、ロボット基盤、エッジ機器を一つのエコシステムへ統合し、継続的な収益を最大化する経済的インセンティブがある。これは企業として当然の行動であり、善悪の問題ではない。

だからこそ、日本側も善意ではなく契約と設計で備えなければならない。

モデルとデータの権利を国内へ残す。CUDA以外でも動く基準実装を維持する。セカンドソースと撤退コストを政府調達へ組み込む。日本が握る半導体材料、製造装置、産業用ロボットを交渉材料として使う。

これらがなければ、日本は世界最高水準のロボットと製造技術を持ちながら、その上で動くAIの標準と継続利益をNVIDIAへ渡すことになる。

日本が作るべきなのは、NVIDIA製GPUを使えば最も速く動くフィジカルAIであって、NVIDIA製GPUでしか動かないフィジカルAIではない。

Rubinを2万7500基導入することが、日本の復活につながるか、新たな産業依存の始まりになるか。

その分岐点はGPUの台数ではない。

CUDA以外へ移れる出口を、最初から設計できるかどうかにある。