Jensen Huang × Larry Fink——「これはバブルではなく、投資不足だ」AI最前線の2人が語った人類史上最大のインフラ構築と日本への示唆
- NVIDIAジェンスン・フアンが語った「AIは新しいソフトウェアではなくプラットフォームシフト」の真意
- AIを支える「5層のケーキ」——エネルギーからアプリまでのインフラ全体像
- 2025〜2026年の2大ブレイクスルー：エージェンティックAIと物理的知能
- 「ラジオリストは消えなかった」——雇用消滅論への論理的反論
- ソブリンAI・プログラミング言語の終焉・ヨーロッパへの直言
- LIF Tech編集部による日本のビジネスパーソンへの3つの実践的示唆
2026年1月、ダボスで開催されたWorld Economic Forum（WEF）。世界の政財界トップが集うこの舞台で、最も注目を集めたセッションの一つが、NVIDIA CEO ジェンスン・フアンとBlackRock CEO ラリー・フィンクの対談だった。
時価総額・運用資産額を合わせれば数十兆ドルに相当する2人が、AIの現在と未来について率直に語り合ったこの対談は、単なる業界内の話ではない。日本のビジネスパーソンがAI時代をどう生き抜くかを考える上で、最高の教材だ。LIF Tech編集部が発言を徹底分析し、実践的な示唆を抽出する。
Jensen Huang（ジェンスン・フアン）
NVIDIA CEO・共同創業者
1993年にNVIDIAを共同創業。GPUをゲーム専用チップからAI計算の基盤へと転換させた立役者。1999年IPO以来、株主への年利37%の還元を達成。時価総額では世界トップクラスに成長させた。
Larry Fink（ラリー・フィンク）
BlackRock CEO・共同創業者
世界最大の資産運用会社BlackRockを率いる。運用資産残高は10兆ドル超。年金基金・機関投資家を代表する立場から、AIへの投資判断を下す実務家の視点でジェンスンに問いを投げかけた。
1. 金融の巨人が語った「異常なまでのリーダーシップ」——年利37%という数字の意味
セッションの冒頭、ラリーはNVIDIAの実績を数字で示すことから始めた。1999年のIPO以来、年利37%という株主還元率は、世界最大の年金基金にとって何を意味するか——その問いを自ら立てることで、AIへの資金流入の必然性を論理的に語った。
NVIDIAの株があまりに高くなったので、私の唯一の心残りは、IPO後に両親にメルセデス・ベンツを買ってあげたことです。今の価値で言えば、それは世界で最も高価な車になってしまいましたよ。
株主への年利還元率
（ジェンスン共同創業）
技術蓄積期間
この軽妙なやり取りの裏でラリーが伝えたかったのは一点だ。NVIDIAはもはや一企業の成功物語ではなく、「世界が未来を信じるための指標」になっているということ。ラリーのような機関投資家の立場から見れば、NVIDIAへの投資判断は「AI時代が本当に来るか」という問いへの賭けそのものだった。
年利37%という数字を「NVIDIA固有の話」として片付けるのは誤りだ。これはAIインフラ全体への投資が何を生んだかの証明であり、「AIに投資するとはどういうことか」を最もわかりやすく示した実績だ。日本の年金基金・機関投資家がAI関連への配分を増やし続ける構造的な根拠もここにある。
2. AIの本質——「新しいソフトウェア」ではなく「プラットフォームシフト」である
ジェンスンは、AIをめぐる議論の前提を正すことから始めた。多くの人がChatGPTなどの「アプリケーション」に目を奪われているが、彼の視点はもっと下の「層」にある。
まず、AIを「新しいソフトウェア」として捉えるのをやめましょう。これは過去のテクノロジー・サイクル——インターネット、モバイル、クラウド——と同じか、それ以上の規模で起きている「プラットフォーム・シフト」です。
| 比較軸 | 従来のソフトウェア | 現代のAI |
|---|---|---|
| 動作原理 | 事前に録音された（Pre-recorded） | リアルタイムに生成される（Real-time） |
| アルゴリズム | 人間が書き、コンピューターが実行 | コンテキストを理解し自ら思考・行動を生成 |
| 対応範囲 | 事前に想定したシナリオのみ | 未知の状況に対して推論・判断 |
| 学習 | 更新は人間が手動で行う | データから継続的に学習・改善 |
| 近いもの | 電卓・ワードプロセッサ | 新しいコンピューターの概念そのもの |
「プラットフォームシフト」という言葉が重要だ。インターネットが登場したとき、それを「新しいメディア」と捉えた企業は既存の延長線上でしか動けなかった。「新しい経済基盤」と捉えた企業がAmazonやGoogleを生んだ。同じことが今AIで起きている。ChatGPTを「便利な文章作成ツール」として使っている限り、それはプラットフォームシフトへの正しい向き合い方ではない。
3. ジェンスンの「5層のケーキ」——AIを支える物理的インフラの全体像
ジェンスンがこのセッションで最も強調したのが、AIを支える物理的なインフラストラクチャーの重要性だ。彼はこれを「5層のケーキ」という比喩で説明した。
Layer 5
最上層
金融・健康・製造・教育など、私たちが直接触れる価値の出口。ChatGPT・Claude・CopilotなどのプロダクトやB2B SaaSがここに位置する。多くの人が「AI＝これ」と認識しているが、これは5層のうちの一番上に過ぎない。
Layer 4
AnthropicのClaude、GoogleのGemini、OpenAIのGPT、MetaのLlamaなど知能の本体。このレイヤーへの投資・競争が最も激しい。
Layer 3
AWS・Azure・GCPなど、計算リソースをサービスとして提供する基盤。AIの民主化を支える層。
Layer 2
NVIDIAのGPU（H100・B200等）が担う物理的な計算能力の層。TSMCが製造し、Foxconn・Quantaが組み立てるAI専用コンピュータープラントが世界中で建設されている。
Layer 1
底層
知能を生成するための根源。AIデータセンターの電力消費は2030年に向けて指数的に増大する。エネルギーなしにはAIは存在しない。電力インフラへの投資がAI時代の最重要課題の一つ。
多くの人はケーキのトッピング（アプリ）だけを見ていますが、その下にある全てのレイヤーが必要です。今、私たちは人類史上最大規模のインフラ構築を始めています。数千億ドル、あるいはそれ以上の資金が投入され、世界中に「AIファクトリー」が建設されている。TSMCは20もの新工場を建て、FoxconnやQuantaもAI専用のコンピュータープランを構築しています。
日本企業がAI戦略を考えるとき、ほとんどの議論がLayer 5（アプリ）かLayer 4（モデル選定）で止まる。しかしジェンスンが強調するのはLayer 1〜3の物理インフラだ。日本の半導体産業（ラピダス）・電力インフラ・データセンター整備への公共・民間投資の動向が、日本のAI産業の競争力を左右する。「どのAIツールを使うか」より「どのインフラに乗っているか」が問われる時代が来る。
4. 2025〜2026年の2大ブレイクスルー——AIが「考える」から「動く」へ
① エージェンティックAI（Agentic AI）
AIモデルが単なる応答マシンから「推論マシン」へ進化。DeepSeekのようなオープンな推論モデルが登場し、AIは状況を論理的に分析し、ステップ・バイ・ステップで計画を立て、タスクを自律実行できるようになった。「聞かれたら答える」から「目標を与えたら自分で考えて動く」への転換。
② 物理的知能（Physical AI）
AIが物理世界を理解し始めた。流体力学・粒子物理学・量子力学といった自然の摂理をAIが学習。Eli Lillyとの連携ではプロテインの構造と化学の構造の相互作用をシミュレート。製薬・材料科学・製造業に革命をもたらす。これはもはや「言語モデル」の話ではない。
この2つのブレイクスルーを組み合わせると何が起きるか。エージェンティックAIが「計画して実行する」能力を持ち、Physical AIが「物理世界を理解する」能力を持つ——この組み合わせが、ヒューマノイドロボットや自律型製造システムの急速な進化を支えている。
Physical AIの進化は、日本が強みを持つ「製造業×ロボティクス」の領域と直結する。ロボデックスで取材したカワダロボティクスのNEXTAGEが、AIによる粉体秤量（0.01g精度）を実現したのも同じ文脈だ。日本の製造現場が蓄積してきた「職人技データ」は、Physical AIの学習素材として世界最高水準の価値を持つ可能性がある。
5. 「仕事は消えるか？」——ラジオリストとナースが示す論理的な答え
ラリーが「聴衆の多くが抱く雇用への恐怖」として切り込んだこの問いに対し、ジェンスンは「仕事の目的」という視点から論理的な答えを返した。
かつて、AIが画像認識で人間を超えたとき、「ラジオリスト（放射線診断医）は失業する」と言われました。しかし10年後の今、どうでしょう？ラジオリストの数は増えています。彼らの仕事の目的は「スキャン画像を見ること」ではなく、「病気を治すこと」だからです。AIがスキャンの読み取りを劇的に速めたことで、彼らはより多くの患者を診られるようになった。
| 職種 | AIが代替したタスク | 人間が担うようになった目的 | 結果 |
|---|---|---|---|
| 放射線診断医（ラジオリスト） | スキャン画像の読み取り・分析 | より多くの患者の診断・治療判断 | 従事者数は増加 |
| 看護師 | 事務作業・記録・ルーティン対応 | 患者への直接的なケアと感情的サポート | 本来業務への集中が可能に |
| 弁護士 | 契約書レビュー・判例調査 | 戦略的法務判断・クライアント対応 | より高付加価値業務へシフト |
| マーケター | 定型コンテンツ生成・A/Bテスト | 戦略立案・ブランド設計・顧客関係 | 創造的業務への集中 |
AIはタスクを自動化しますが、人間の目的を奪うことはありません。私たちはタイピスト（打鍵者）から、目的を達成するためのティーチャー（教育者）へと進化するのです。
この論理は希望的観測ではなく、経済学的に裏付けがある。技術が特定のタスクを自動化すると、そのタスクのコストが下がり、需要が増加する（いわゆる「需要拡大効果」）。ラジオリストの事例は教科書的にこれを示す。ただし注意点がある——この恩恵を受けるのは「タスク」ではなく「目的」を理解している人材だ。「自分の仕事の目的は何か」を再定義できない人には、AIの波は逆風になりうる。
6. ソブリンAI・プログラミング言語の終焉・ヨーロッパへの直言
ソブリンAI（主権AI）——電力と同じように、知能も自国で生成する時代
AIはWi-Fiや5Gのようなトランスフォーメーション・テクノロジーです。全ての国が、自分たちの言語、文化、データに基づいた「ソブリンAI（主権AI）」を持つ必要があります。電力と同じように、自国で知能を生成するインフラを持たなければなりません。
ソブリンAIとは、外国企業のAPIに依存するのではなく、自国の言語・文化・法律・データに基づいた知能インフラを自国で持つという概念だ。日本政府が推進する「AIの国産化」「データ主権」の議論も、この文脈に位置づけられる。
プログラミング言語の終焉——「誰でもプログラマーになれる」時代の意味
昔はコンピューターを動かすために「C++」や「Python」などの特殊な言語を学ぶ必要がありました。でも今は、自分の言葉（自然言語）でAIに指示を出せます。これは人類史上初めて、「誰でもプログラマーになれる」時代が来たことを意味します。
ヨーロッパへの直言——「ディープサイエンスと製造業を融合させよ」
ヨーロッパには類まれな強みがあります。「ディープサイエンス」と「強力な製造業の基盤」です。ソフトウェアの時代（インターネット）はアメリカが導いたかもしれませんが、AIの次のフェーズは「物理的なAI」と「ロボティクス」です。これはヨーロッパが得意とする領域です。AIは書くものではなく、教えるものです。今すぐ自分たちの産業知見をAIに教え込ませてください。
「ディープサイエンス＋強力な製造業の基盤」——これはヨーロッパだけでなく日本にも当てはまる。自動車・精密機械・素材・ロボティクス。日本が何十年も蓄積してきた産業知見をAIに教え込む作業こそが、日本のAI競争力の源泉になりうる。「AIを使う」より「AIに教える」という発想の転換が求められている。
7. 結論——「これはバブルではなく、投資不足だ」
バブルかどうかを問う前に、「私たちは十分に投資しているか？」と問うべきです。2025年はVC史上最大の投資年になるでしょう。AIネイティブなスタートアップが何百億ドルもの資金を調達し、新しいアプリケーションを構築しようとしています。それを支えるインフラは、まだ全く足りていないのです。私たちは今、人類史上最大のインフラ構築の真っ只中にいます。
「バブルか否か」という問いの立て方自体が誤りだというのがジェンスンの主張だ。インフラが追いついていない状態で、需要だけが先行している——これは過剰投資ではなく、物理的制約による投資不足だという論理だ。
LIF Tech分析：ジェンスンの「思考」から日本のビジネスパーソンが学ぶべき3点
ChatGPTのアップデートやClaude新バージョンの話題に振り回されるのではなく、その下にあるエネルギー・チップ・クラウドという「物理的な制約」と「投資の規模」を正しく把握することが経営判断の基礎になる。日本企業がAI戦略を語るとき、「どのモデルを使うか（Layer 4）」より「どのインフラに乗るか（Layer 1〜3）」を先に問え。
自分のチームの業務を「タスク」と「目的」に分解してみる。AIが代替できるのはタスクだ。「スキャンを読む」は代替できる、「病気を治す」は代替できない。「記事を書く」は代替できる、「読者の理解を深める」は代替できない。この区別ができている人材が、AI時代の最大の恩恵を受ける。
プログラミングを学ぶ必要はないが、自社の専門知・業界知見・現場データをAIに「正しく教え、管理する（Manage AI）」能力が必須スキルになる。ジェンスンが「AIに教えろ」とヨーロッパに言ったのは、日本にも同じように当てはまる。蓄積してきた職人技・製造ノウハウ・顧客データをAIに教え込む作業に、今すぐ着手するべきだ。
LIF Tech編集部 総括
ジェンスン・フアンとラリー・フィンクのダボス対談が伝えたのは、「AIはまだ始まったばかりで、インフラはまだ足りていない」という極めてシンプルなメッセージだった。
5層のケーキの最下層（エネルギー）から最上層（アプリ）まで、それぞれの層で巨大な投資機会と雇用機会が生まれている。「バブルを心配する前に、参加しているか」を問え——これが2人の共通したメッセージだ。
日本企業にとって特に重要なのはジェンスンがヨーロッパに贈った言葉だ。「ディープサイエンスと製造業の強みをAIに融合させよ」——これは日本への最大のヒントでもある。「AIを使う企業」ではなく「AIに産業知見を教え込む企業」が、次の10年の勝者になる。
LIF Techではこの領域の実務事例を今後も発信していきます。
