NVIDIA CEO ジェンスン・フアン氏によるCES 2026基調講演要点整理

更新日：2026/1/7

本日CES 2026にて、NVIDIA CEO のジェンスン・フアン氏の基調講演が行われました。動画が1時間30分ほどで長編になっており、動画を見れる時間が取れない方のために、要点としてどのようなことがお話をされていたのか整理いたしました。概要だけでも掴んで頂けますとうれしいです。
ご興味・ご関心のありそうな部分は、動画をご覧いただけると情報収集しやすいと思いますので、有効にご活用いただけますと幸いです。

各章へジャンプ（その場から再生）

• 登壇（ジェンスン氏開始） → 動画 03:49

• 10〜15年周期のプラットフォームシフト（今回は“2つ同時”） → 動画 04:28

• 2025年の総括：推論／エージェント／Physical AI／オープンモデル → 動画 07:29

• NVIDIAは“フルスタック＋オープン”へ（モデル/データ/ツール） → 動画 11:59

• エージェンティックAI：マルチモデル×マルチクラウドが標準形 → 動画 18:50

• Physical AIの核心：「学習・推論・シミュレーション」の3つのコンピュータ → 動画 29:27

• Cosmos：合成データで“長い尾”を埋める世界モデル → 動画 31:25

• Alpamayo：推論する自動運転AI／Mercedes CLAへ → 動画 35:16

• ロボットとIsaac：学習はOmniverseで起きる → 動画 48:39

• Siemens連携：工場＝巨大ロボット、産業ライフサイクルへ統合 → 動画 52:33

• Vera Rubin：6チップ“極限コードサイン”でAI工場を更新 → 動画 56:50

• KVキャッシュ問題と新ストレージ階層（BlueField-4） → 動画 01:21:10

• 締め（AIはフルスタック） → 動画 01:31:00

1. 10〜15年周期で業界はリセットする。今回は“2つ同時”だ

→ 動画 04:28
ジェンスン氏は「メインフレーム→PC→インターネット→クラウド→モバイル」のように、10〜15年ごとに"土台が入れ替わる"と切り出します。
そして今回は、その土台替えが (1) AIアプリ化 と (2) 開発スタックの再構築 の“同時進行”だと宣言。→ 動画 04:56

• “プログラムする”から“学習させる”へ → 動画 05:35

• 過去10年の計算投資（約10兆ドル規模）が、この新しいやり方へ近代化されていく → 動画 06:09

この導入は、外部の当日ライブカバレッジでも同趣旨で報じられています。(ServeTheHome)

2. 2025年の総括：AIは“賢くなる”より先に“変質した”

→ 動画 07:29
ジェンスン氏が挙げた転換点は4つ。

1. 推論モデル／test-time scaling（考える時間を使う）

   1. 「o1」に触れつつ、“推論＝リアルタイムの思考”として語ります。→ 動画 07:54 / “thinking”の説明 → 動画 08:24

2. エージェンティックAI（計画し、調べ、道具を使う）

   1. → 動画 08:45（Cursorの例）→ 動画 09:14

3. Physical AI と AI physics（世界の法則を理解するAI）

   1. → 動画 09:35 / “AI physics” → 動画 09:57

4. オープンモデルの爆発（DeepSeek R1など）

   1. → 動画 10:18 / DeepSeek R1言及 → 動画 10:45

3. NVIDIAの“本音”：チップ企業ではなく、オープンなフルスタック企業になる

→ 動画 11:59
DGX Cloudは「クラウド事業をやるためではなく、自社でオープンモデルを作るため」と説明し、そこから一気に“フルスタック＋オープン”へ舵を切ります。→ 動画 12:19

• タンパク質／気象／企業向けLLM／Cosmos／GR00T…と横展開 → 動画 12:40

• モデルだけでなく、学習データやライブラリ群（NeMo等）までオープンにする → 動画 14:24

この“オープンモデル・データ・ツール拡充”は、NVIDIA公式のCES発表記事でも主軸として整理されています。(NVIDIA Blog)

4. エージェンティックAI：未来のアプリは「マルチモデル×マルチクラウド×ハイブリッド」

→ 動画 18:50
「AIはマルチモーダルであるだけでなくマルチモデルであるべき」
「モデルが各所にある以上、マルチクラウド／ハイブリッドが前提になる」
この“設計思想”が、講演の中盤を支配します。→ 動画 19:36 / 未来アーキテクチャ → 動画 20:09

デモ：個人アシスタント（DGX Spark×Brev×Reachy Mini）

ここは視聴価値が高いです。デモ開始 → 動画 22:27

• メールはローカル（プライバシー）、それ以外はフロンティアAPIへ

• 意図に応じてモデルを振り分ける“ルーター”

• ロボットをツール呼び出しで動かす

5. Physical AIの核心：「学習・推論・シミュレーション」3つのコンピュータが要る

→ 動画 29:27
ここから講演は“現実世界へ出るAI”に切り替わります。

• 物理世界の常識（オブジェクト永続性、因果、摩擦、重力、、、）を学ばせる必要 → 動画 28:25

• データが希少で、評価にはシミュレーションが不可欠 → 動画 28:52

• Omniverse（デジタルツイン）／Cosmos（世界モデル）／ロボモデル（GR00T/Alpamayo）で積み上げる → 動画 30:05

NVIDIAはPhysical AI向けモデル群の公開も公式に発表しています。(NVIDIA Newsroom)

6. Cosmos：合成データで“長い尾”を攻略し、現実の学習速度を上げる

→ 動画 31:25
「compute into data（計算をデータに変える）」という発想で、交通シミュレータなどの出力をCosmosに通し、物理的にもっともらしい周辺映像を生成して学習に回す流れを説明します。→ 動画 32:02
Cosmosの“紹介映像”がここ。→ 動画 32:29
CosmosはNVIDIA公式でもPhysical AIの世界モデルとして提供されています。

7. Alpamayo：推論する自動運転AI（“何をするか/なぜするか/軌跡”まで出す）

→ 動画 35:16
発表の山場の一つ。エンドツーエンド（カメラ入力→操作出力）に加えて、

• 次に取る行動

• その理由

• 軌跡（trajectory）

まで説明できる、と語ります。→ 動画 36:14
ワンショット“ノーハンズ”デモ開始 → 動画 37:31（到着 → 動画 39:45）
さらに、Alpamayoはオープンソースとして展開し、Mercedes-Benz CLAでの導入スケジュールにも言及します。→ 動画 41:14 / スケジュール → 動画 42:21
このAlpamayoの位置づけ（推論型AV、オープンなモデル群）はNVIDIA公式リリースでも同様に説明されています。(NVIDIA Newsroom)

8. ロボットの時代：Isaac（Sim/Lab）で“生まれる前に学ぶ”

ロボ登場 → 動画 47:34
Isaac Sim/Labの説明 → 動画 48:39
ここは講演の空気が一気に“未来の現場”になります。
「ロボットはJetsonを積み、Omniverseで学習する」という流れを、ステージ演出で体感させます。

9. Siemens×NVIDIA：設計から工場まで“産業ライフサイクル”をPhysical AIで繋ぐ

→ 動画 52:33（紹介映像 → 動画 54:35）
Cadence／Synopsysの設計領域から、Siemensの産業ツール群へと話をつなぎ、
「工場は巨大ロボットになる」という未来像を語ります。→ 動画 53:07
（この“Rubin＋オープンモデル＋自動運転＋産業連携”の整理は、NVIDIA公式のCESまとめ記事にも明確に書かれています。）(NVIDIA Blog)

10. Vera Rubin：6チップ“極限コードサイン”でAI工場を更新する

Vera Rubin導入 → 動画 56:50
“フル生産”の明言 → 動画 01:00:24
Rubinは、6つの新チップを“1台のAIスーパーコンピュータ”として共設計するプラットフォーム。公式にも「Vera CPU / Rubin GPU / NVLink 6 / ConnectX-9 / BlueField-4 / Spectrum（Ethernet）」の6点セットとして発表されています。(NVIDIA Newsroom)

• 6チップの紹介映像 → 動画 01:00:55

• Vera CPU：88コア、空間マルチスレッディング（176スレッド相当） → 動画 01:06:41

• Rubin GPU：Blackwell比で大幅増、NVFP4 Tensor Coreの話 → 動画 01:07:01 / NVFP4 → 動画 01:08:01

• NVLink 6：240TB/s（“世界のインターネットの2倍”喩え） → 動画 01:15:27

「Rubinが“生産中”」という報道は外部メディアでも確認されています。(データセンター動向)

11. “次のボトルネック”はKVキャッシュ：ストレージ階層を作り直す

→ 動画 01:21:10
講演終盤の重要パートです。
推論が常時化し、会話が長文化すると、GPUのHBMだけではコンテキスト（KV cache）が足りなくなる。
そこでBlueField-4で“ラック内に近接配置する高速コンテキストストア”を作る、という流れ。→ 動画 01:23:02 / 構成の説明 → 動画 01:24:18
加えて、

• 45℃温水での高効率冷却 → 動画 01:18:16

• Confidential Computing（全バス暗号化の方向） → 動画 01:26:20

• 電力スパイクの平準化 → 動画 01:27:16

と、“AI工場”の運用課題に踏み込んで締めに向かいます。Rubinの狙いはまさにこの「工場の制約（電力・冷却・安全・スループット）」をまとめて潰すことだ、と公式側も説明しています。(NVIDIA Developer)

12. 締め：「AIはフルスタック」、そしてアウトテイクへ

締め → 動画 01:31:00
アウトテイク開始 → 動画 01:31:30