ベンチャー投資家が語る輝達の転換：「合成版の超大規模クラウド事業者」がマイクロソフト、Googleに取って代わる
Altimeter Capital パートナーの Clark Tang は、近日の投稿で、Nvidia（輝達）が、外部からほぼ気づかれないまま驚異的なスピードで“ポジション転換”を完了しつつあると指摘した。超大規模クラウド事業者（Hyperscaler）のソフトウェア運用層と金融・ファイナンス層を同時に掌握し、「合成版の超大規模クラウド事業者（Synthetic Hyperscaler）」を構築。これが、AI 計算能力の供給チェーンにおけるアマゾン、マイクロソフト、Google の地位を置き換えようとしている。（輝達は「HyperscalerのNvidia離れ」にどう対処する？AIチップ大手の転換の道を分解する）
そもそも Hyperscaler とは？AI 時代で旧来のビジネスモデルが機能しなくなる
Tang はまず、超大規模クラウド事業者の本質を整理する。これは、大規模なインフラの集合体であり、CPU、ネットワーク、ストレージを含み、その上に開発プラットフォームを載せる。ビジネスモデルは2本の柱で成り立っている。
財務面では、顧客の資本支出（Capex）を運営費用（Opex）に転換し、企業顧客の財務負担を平準化する。
運用面では、ソフトウェアによって基盤資源を抽象化し、開発者がハードウェアの細部を理解せずとも計算能力を利用できるようにする。
彼らは大量のハードウェアを調達して資金コストを圧縮し、さらにソフトウェアでハードの稼働率を引き上げることで、AWS、Azure、GCP が長期的に営業利益率 35%〜40% を維持できている。
しかし AI 時代の到来で、この仕組みの土台が揺らいでいる。大規模モデルの学習には、大規模な同期 GPU クラスタが必要となる一方、推論（Inference）の作業負荷は、1ワット当たりのトークン数（Tokens per Watt）と、最初のトークンまでの遅延（Time to First Token）に極めて敏感で、両者ともクラウド時代の「マルチテナント化し、仮想マシン密度を最大化する」という設計とは真逆の要求を突きつける。
学習クラスタでは、単一ノードの遅れですら全体の作業を崩しかねない。従来の超大規模事業者が慣れ親しんできた仮想化やネットワークの“積み重ねレイヤー”は、むしろ GPU 性能の殺し屋になり得る。Tang は言い切る。こうしたパラダイム転換に直面し、超大規模事業者は「イノベーターのジレンマ（Innovator’s Dilemma）」に陥るのだ。「35%〜40% の利益率を手放したくない。それでも自社 ASIC で輝達の 75% の粗利余地を 25% まで圧縮したい。しかし実行スピードと技術の柔軟性では、引き続き遅れを取る。」
Neoclouds が台頭するが、資産負債表に制約
そのなかで新興のクラウド・サービス事業者（Neoclouds）は機会を見いだし、生態系を作り上げた。彼らは、Hyperscaler が薄いソフトウェア層で既製の輝達ハードウェアを包んでいるだけで、なお高い利益を得ていることを見抜いた。Neoclouds は、粗利率 20% あるいはそれ以下でさえ競争に参加できる。
さらに重要なのは、Neocloud と輝達が AI ワークロード向けに共同開発を進めたソフトウェアだ。熱バックアップ（ホット・リザーブ）や予測保全、そして学習シナリオ最適化と、より低い料金体系を実現するストレージ用ソフトウェアなどが含まれる。AI 実験室は、明らかに Neocloud と組むことを好むようになり、Hyperscaler への批判は主に3点に集中している。動きが遅い、クラスタ構築が過度に硬直的、仮想化レイヤーが GPU 性能を押し下げる、というものだ。
しかし Neocloud には、克服しがたい構造的な弱点がある。資産負債表が薄いのだ。Hyperscaler は規模ゆえに信用力（信評）が高く、需要が確定する前に先行して融資を使い生産能力を建設し、需要が来た段階で裁定（アービトラージ）を行える。だが Neocloud の借り手は、既存の契約で支えられる分のハードウェアに対してしか融資を出してもらえない。加えて初期の AI 実験室はそもそも信用力が投機的に見られ、資金調達コストはさらに高くなる。
この障壁のせいで、Neocloud は、マスクの Colossus のように、需要が顕在化する前に大胆に“生産能力を賭ける”ことが常にできない。
輝達の手の内：運用層と融資層を同時に押さえる
Tang はこれについて、輝達は過去数年で、超大規模事業者の2つの重要能力を“低調ながらも着実に複製”してきたと考えている。そしてそれは偶然ではなく、段階を踏んで打ち出してきた戦略だ。
運用層では、輝達が DSX OS と Mission Control により GPU 機隊の運用を提供。DSX の参照設計と Omniverse のデジタルツインによりデータセンター構築の標準化されたシナリオを用意し、さらに Dynamo フレームワークで推論サービスを処理する。これらのツールが組み合わさることで、完全な AI データセンターのオペレーティングシステムが形成され、技術力と機械室スペースを備えた任意のチームが利用できるように開放される。
融資層では、輝達はまず自社のハードウェア資産を標準化し、参照設計によってインフラ投資家に「互換性と、顧客をまたいだ移転可能性」を示すことで、計算能力の“入れ替え可能性”を証明。こうした資産は、レバレッジなしの利回り（Unlevered Yield）7%〜8% で金融システムのデューデリジェンスを通過できる。その後、規模が 5,000 億ドルに及ぶ第三者資本を投入し、提携先には Apollo、ブラックロック（BlackRock）、ブラックストーン（Blackstone）、ゴールドマン・サックス（Goldman Sachs）、KKR などが含まれ、さらに6つの独立した融資プラットフォームも順次構築している。
タイムラインが示すのは、後者が入念に練られた戦略だ。輝達は 2023 年に CoreWeave との主協議を締結し、2024 年にブラックロックとの AI インフラ共同関係を取りまとめ、2025 年に Brookfield の 1,000 億ドル基金の案件をまとめ、2026 年に KKR Helix との協業を推進した。黄仁勳は 2025 年に欧州、中東、東南アジアを精力的に訪問したが、それはこれら新たな計算能力の拠点の“現地工事”を進めるためだった。
資金の循環と融資可能性への懸念。Tang はそれぞれを反論する
この一連のストーリーに対する市場の主な疑義に向けて、Tang も一つずつ回答している。
資金の循環性への懸念については、彼は Apollo やブラックロック等の6機関が、それぞれ独立して引き受けを行い、互いに連動していないと指摘している。...
Altimeter Capital パートナーの Clark Tang は、近日の投稿で、Nvidia（輝達）が、外部からほぼ気づかれないまま驚異的なスピードで“ポジション転換”を完了しつつあると指摘した。超大規模クラウド事業者（Hyperscaler）のソフトウェア運用層と金融・ファイナンス層を同時に掌握し、「合成版の超大規模クラウド事業者（Synthetic Hyperscaler）」を構築。これが、AI 計算能力の供給チェーンにおけるアマゾン、マイクロソフト、Google の地位を置き換えようとしている。（輝達は「HyperscalerのNvidia離れ」にどう対処する？AIチップ大手の転換の道を分解する）
そもそも Hyperscaler とは？AI 時代で旧来のビジネスモデルが機能しなくなる
Tang はまず、超大規模クラウド事業者の本質を整理する。これは、大規模なインフラの集合体であり、CPU、ネットワーク、ストレージを含み、その上に開発プラットフォームを載せる。ビジネスモデルは2本の柱で成り立っている。
財務面では、顧客の資本支出（Capex）を運営費用（Opex）に転換し、企業顧客の財務負担を平準化する。
運用面では、ソフトウェアによって基盤資源を抽象化し、開発者がハードウェアの細部を理解せずとも計算能力を利用できるようにする。
彼らは大量のハードウェアを調達して資金コストを圧縮し、さらにソフトウェアでハードの稼働率を引き上げることで、AWS、Azure、GCP が長期的に営業利益率 35%〜40% を維持できている。
しかし AI 時代の到来で、この仕組みの土台が揺らいでいる。大規模モデルの学習には、大規模な同期 GPU クラスタが必要となる一方、推論（Inference）の作業負荷は、1ワット当たりのトークン数（Tokens per Watt）と、最初のトークンまでの遅延（Time to First Token）に極めて敏感で、両者ともクラウド時代の「マルチテナント化し、仮想マシン密度を最大化する」という設計とは真逆の要求を突きつける。
学習クラスタでは、単一ノードの遅れですら全体の作業を崩しかねない。従来の超大規模事業者が慣れ親しんできた仮想化やネットワークの“積み重ねレイヤー”は、むしろ GPU 性能の殺し屋になり得る。Tang は言い切る。こうしたパラダイム転換に直面し、超大規模事業者は「イノベーターのジレンマ（Innovator’s Dilemma）」に陥るのだ。「35%〜40% の利益率を手放したくない。それでも自社 ASIC で輝達の 75% の粗利余地を 25% まで圧縮したい。しかし実行スピードと技術の柔軟性では、引き続き遅れを取る。」
Neoclouds が台頭するが、資産負債表に制約
そのなかで新興のクラウド・サービス事業者（Neoclouds）は機会を見いだし、生態系を作り上げた。彼らは、Hyperscaler が薄いソフトウェア層で既製の輝達ハードウェアを包んでいるだけで、なお高い利益を得ていることを見抜いた。Neoclouds は、粗利率 20% あるいはそれ以下でさえ競争に参加できる。
さらに重要なのは、Neocloud と輝達が AI ワークロード向けに共同開発を進めたソフトウェアだ。熱バックアップ（ホット・リザーブ）や予測保全、そして学習シナリオ最適化と、より低い料金体系を実現するストレージ用ソフトウェアなどが含まれる。AI 実験室は、明らかに Neocloud と組むことを好むようになり、Hyperscaler への批判は主に3点に集中している。動きが遅い、クラスタ構築が過度に硬直的、仮想化レイヤーが GPU 性能を押し下げる、というものだ。
しかし Neocloud には、克服しがたい構造的な弱点がある。資産負債表が薄いのだ。Hyperscaler は規模ゆえに信用力（信評）が高く、需要が確定する前に先行して融資を使い生産能力を建設し、需要が来た段階で裁定（アービトラージ）を行える。だが Neocloud の借り手は、既存の契約で支えられる分のハードウェアに対してしか融資を出してもらえない。加えて初期の AI 実験室はそもそも信用力が投機的に見られ、資金調達コストはさらに高くなる。
この障壁のせいで、Neocloud は、マスクの Colossus のように、需要が顕在化する前に大胆に“生産能力を賭ける”ことが常にできない。
輝達の手の内：運用層と融資層を同時に押さえる
Tang はこれについて、輝達は過去数年で、超大規模事業者の2つの重要能力を“低調ながらも着実に複製”してきたと考えている。そしてそれは偶然ではなく、段階を踏んで打ち出してきた戦略だ。
運用層では、輝達が DSX OS と Mission Control により GPU 機隊の運用を提供。DSX の参照設計と Omniverse のデジタルツインによりデータセンター構築の標準化されたシナリオを用意し、さらに Dynamo フレームワークで推論サービスを処理する。これらのツールが組み合わさることで、完全な AI データセンターのオペレーティングシステムが形成され、技術力と機械室スペースを備えた任意のチームが利用できるように開放される。
融資層では、輝達はまず自社のハードウェア資産を標準化し、参照設計によってインフラ投資家に「互換性と、顧客をまたいだ移転可能性」を示すことで、計算能力の“入れ替え可能性”を証明。こうした資産は、レバレッジなしの利回り（Unlevered Yield）7%〜8% で金融システムのデューデリジェンスを通過できる。その後、規模が 5,000 億ドルに及ぶ第三者資本を投入し、提携先には Apollo、ブラックロック（BlackRock）、ブラックストーン（Blackstone）、ゴールドマン・サックス（Goldman Sachs）、KKR などが含まれ、さらに6つの独立した融資プラットフォームも順次構築している。
タイムラインが示すのは、後者が入念に練られた戦略だ。輝達は 2023 年に CoreWeave との主協議を締結し、2024 年にブラックロックとの AI インフラ共同関係を取りまとめ、2025 年に Brookfield の 1,000 億ドル基金の案件をまとめ、2026 年に KKR Helix との協業を推進した。黄仁勳は 2025 年に欧州、中東、東南アジアを精力的に訪問したが、それはこれら新たな計算能力の拠点の“現地工事”を進めるためだった。
資金の循環と融資可能性への懸念。Tang はそれぞれを反論する
この一連のストーリーに対する市場の主な疑義に向けて、Tang も一つずつ回答している。
資金の循環性への懸念については、彼は Apollo やブラックロック等の6機関が、それぞれ独立して引き受けを行い、互いに連動していないと指摘している。...