NVIDIA、AI工場の採算を「寿命と転用性」で説く　根拠の数字には幅がある

米NVIDIAは2026年10月1日、大規模なAIの計算設備「AI工場」の投資回収を論じる記事を公式ブログに載せた。1メガワットの設備に約6000万ドルかかるとし、採算は電力あたりの処理量、設備が稼げる年数、需要の厚さの3つで決まると説明した。GPUを何年で償却するかは、設備を買う企業や資金を貸す側の判断を左右する。同社は自社のGPUが長く、用途を選ばず稼げると主張する。ただし示した倍率は「最大」の値で、年数や残存価値も出どころによって幅がある。

採算は3つの要素で決まる

NVIDIAのAI工場の投資回収を論じたブログ記事によると、AI工場はメガワット単位、さらにギガワット単位で建てられる。1メガワットあたりの費用は約6000万ドルで、事業者は投資回収の見通しが立たなければ資金を出さない。費用の内訳は示していない。

同社は採算を3つの要素に分けた。1つ目は、作れるトークンを全部売った場合の年間の稼ぎだ。2つ目は設備が稼ぎ続ける年数、3つ目はそのトークンへの需要の厚さである。

1つ目について、同社は電力が設備の上限を決めると説明した。使える電力が決まっている以上、1メガワットで毎秒何トークン作れるかが稼ぎを左右するという。同社は調査会社SemiAnalysisの「AgentX」のデータを引き、次世代と現行の機種を比べた。次世代の「Vera Rubin NVL72」は、現行の「GB300 NVL72」の30倍を超える量を1メガワットで処理できる。DeepSeek V4 Proの処理では、100万トークンあたりの費用が最大で45分の1になるとした。

A100は6年たっても稼いでいる

2つ目の年数について、同社は2020年に出荷した「A100」が6年後の今も商用で使われていると書いた。米CoreWeaveは、2020年に投入した世代の設備の予約を2029年まで延ばしたという。

同社は外部の見立ても引いた。GPUの評価を手がけるBarkrは、H100を8基積んだシステムの寿命を5〜6年、GB300 NVL72を9〜10年とみる。Silicon Dataのデータでは、6年前のA100は今も購入価格の4分の1の価値を保つ。

Ornn Dataのオープンなモデルの推論費用に関する論文は、A100を5年契約で借りる料金が1か月契約の80%を保つと示した。HopperとBlackwellの世代では44〜60%にとどまる。論文は、長時間動くエージェント、まとめて流す評価、強化学習は待ち時間を許し、GPUの世代を選ばないと指摘した。そのため、合う仕事を安く処理できる限り、古いGPUも稼ぎ続けるという。

IT機器の処分や再販を手がけるSproutのGPUの寿命に関する分析も、同じ方向を示す。米Microsoftは複数世代のGPUを6.9〜8.8年使ってから退役させ、V100は帳簿上の6年に対して8.4年使った。米AWSも、A100を退役させたことはないとしている。6年前のA100は発売時の価格の38〜43%で売れており、融資で使う残存価値の25%を上回るという。

NVIDIAは長く使える理由として、GPU向けの開発基盤「CUDA」が世代をまたいで動く点を挙げた。新しい世代が出ても、手持ちの設備は無駄にならない。ソフトウェアの改良で、既存の設備の性能も上がり続けると説明した。

用途を選ばない設備は遊ばない

3つ目の需要について、同社は「1種類の仕事のために建てた工場は、その仕事が続くことへの賭けだ」と書いた。言語、画像、生物、物理、ロボットのAIモデルに加え、シミュレーションや画像処理などAI以外の仕事も同じ設備で動く。仕事の中身が変わっても設備は使われ続け、需要が厚くなるという主張だ。

利用例として、同社は米製薬大手Eli Lillyが社内に置いた1016基のGPUで、たんぱく質や遺伝子のモデルを動かす例を挙げた。米Pinterestは「Blackwell」「Hopper」とそれ以前の世代にまたがる1万4000基のGPUで、画像と言語を扱うモデルを仕上げて運用している。英Unileverは商品の画像を撮影ではなくデジタルツインから作り、制作費を半分にした。米Texas A&M Universityでは、スーパーコンピューターを7機関の26プロジェクトが使い、稼働率は95〜98%に達するという。

数字は条件と出どころで変わる

NVIDIAはVera Rubinの効率を紹介する記事で、30倍と45分の1を「最大」の値として示した。測ったのはエージェント型の処理で、30倍はDeepSeek V4 Proでの値だ。CPU「Vera」によるツール呼び出しの性能は、まだ反映していないという。

同じ調査会社SemiAnalysisのVera Rubinの分析記事は、別の条件での数字を示している。「100 TPS」(毎秒100トークン)の条件では、Vera Rubinの1メガワットあたりの処理量は毎秒約5940万トークンだった。推論ソフト「Dynamo SGLang」で動かしたGB300の毎秒2850万トークンの約2倍にあたる。毎秒170トークンでは、比べる相手が推論ソフト「TRTLLM」で動かしたGB300に変わり、差は62.9倍に開く。

記事は、170トークンの条件ではGB300が性能の上限近くで動いていると断っている。使ったTRTLLMは、公開前の初期の版だという。同じ記事は、「Dynamo TRTLLM」で動かしたGB300に比べ、保有にかかる費用あたりの処理量で約67倍という数字も示した。謝辞には、ベンチマークの結果の確認に協力した人として、NVIDIAの最高経営責任者 (CEO) Jensen Huang氏らの名前が並ぶ。

年数と残存価値の数字にも幅がある。6年前のA100の価値は、NVIDIAが引くSilicon Dataでは購入価格の4分の1、Sproutでは発売時の価格の38〜43%だ。つまりNVIDIAは、GPUの価値を性能の新しさより、何年、どの仕事で稼げるかで測るよう求めている。

編集部の見方

編集部は、この記事を「GPUは何年稼げるか」という論点を整理した資料として読み、示された倍率と年数は自社の条件で測り直す前提の数字だと見る。SemiAnalysisの記事では、新旧の差は応答の速さと比べる推論ソフトによって約2倍から62.9倍まで変わる。A100の残存価値も、出どころによって4分の1から4割強まで開く。GPUの購入や複数年の契約を考える企業は、自社の処理に要る応答の速さで1トークンあたりの費用を確かめ、償却の年数を決めるとよい。古い世代が稼ぎ続けるのは、合う仕事を安く処理できる間に限られる。そうした仕事の需要が細れば、この見方は変わる。