NVIDIA Blackwell B200 発表 ── 生成AI 時代の旗艦 GPU

2024年3月18日、 米国カリフォルニア州サンノゼで開かれた GTC 2024 の基調講演で、 NVIDIA CEO ジェンスン・フアン（Jensen Huang） は次世代 GPU アーキテクチャ「Blackwell」と、 その最初の製品 B200 を発表した。 これは発表であって出荷ではない ── パートナー製品の提供は「年内後半から」とされ、 実際の量産開始はさらに遅れる。 名称はゲーム理論と統計学を専門とし、 黒人として初めて全米科学アカデミー会員に選ばれた数学者 David Harold Blackwell に因む。

ChatGPT 公開から1年4ヶ月、 生成AI ブームの計算需要がデータセンター市場を書き換える只中での発表だった。 フアンの言葉はこうだ ── 「生成 AI は我々の時代を定義する技術である。 Blackwell はこの新しい産業革命を動かすエンジンだ」。

B200 のスペック

B200 は 2080億トランジスタ を搭載する。 TSMC の 4NP（カスタム 4nm）プロセスで製造されたレチクル限界サイズのダイ2枚を、 10TB/s のチップ間リンクで接続するチップレット構成。 単一の論理 GPU として動作する。

以下はいずれも NVIDIA の公称値である。 生スペックは測定値ではなくベンダーの主張であり、 精度と条件を外して読むと数字が独り歩きする。

• FP4 推論: 20 PFLOPS ── ただしこれは 2:4 構造化スパース時の値で、 デンス（非スパース）なら 10 PFLOPS
• FP8: 10 PFLOPS（スパース時。 デンスは 5 PFLOPS）。 H100 の FP8 スパース約4 PFLOPS に対しておよそ2.5倍で、 これは同一精度どうしの比較として成立する
• メモリ: 発表時の仕様は HBM3e 192GB・帯域 8TB/s。 実際に出荷された製品はこれと一致しない ── HGX B200 は GPU あたり180GB、 GB200 Superchip は2 GPU で372GB（＝1 GPU あたり186GB）である
• TDP: HGX B200 構成で 1000W、 GB200 構成ではさらに高い。 いずれも液冷ないし高密度空冷を前提とする

なお「FP4 で H100 の5倍」という言い方が当時から流通したが、 H100 は FP4 を持たない。 Blackwell の FP4 と Hopper の FP8 を並べた精度をまたぐ比較であり、 そのまま「5倍速い」と読んではいけない。

新設された FP4（4ビット浮動小数点） は、 推論時の低精度演算で大きなスループットを稼ぐためのフォーマット。 LLM 推論コストの劇的な低下を狙った設計だった。

GB200 NVL72 ── ラックがコンピュータになる

Blackwell の真の主役は、 単体 GPU ではなく GB200 NVL72 と呼ばれるラックスケール・システムである。

1ラックに 36個の Grace CPU と 72個の Blackwell GPU（GB200 Grace Blackwell Superchip 36枚）を載せ、 第5世代 NVLink（GPU あたり双方向 1.8TB/s）で全 GPU を1つの巨大な共有メモリ空間として結合する。

NVIDIA は発表時、 このラックを「1.4 エクサフロップスの AI 性能と 30TB の高速メモリを持つ単一の GPU として振る舞う」と説明した。 内訳を現行の公式スペックで開くとこうなる ── 1.4 エクサフロップスは NVFP4 のスパース値（1,440 PFLOPS。 デンスなら720 PFLOPS）、 30TB は HBM3e 13.4TB と Grace 側 LPDDR5X 17TB の合計である。 ラック価格は推定 200万〜300万ドル。

H100 との比較も NVIDIA 自身の主張として読む必要がある。 公称は「同数の H100 に対し LLM 推論で最大30倍、 コストと消費電力を最大25分の1」だが、 脚注の条件は具体的だ ── 出力1トークンあたり50ms・初回トークン5秒、 入力32,768/出力1,024トークン、 InfiniBand で束ねた HGX H100 との比較。 訓練の「4倍」も1.8兆パラメータの MoE モデルで H100 4,096基 対 NVL72 456ラックという特定の構成での数字である。

「GPU を買う」という従来の概念から、 「AI 工場を1ラック単位で買う」というモデルへの移行を象徴する製品だった。

遅延 ── マスク欠陥と熱の問題

派手な発表の裏で、 Blackwell は深刻な製造問題に陥っていた。

2024年8月、 The Information が Blackwell の出荷が「設計上の欠陥」により少なくとも1四半期遅れると報道。 NVIDIA はこれを論理設計の誤りではないとし、 CFO の Colette Kress は決算説明で「歩留まりを改善するために Blackwell GPU のマスクを変更した」と述べるにとどめた。 業界筋の分析では、 CoWoS-L パッケージング工程における GPU ダイ・LSI ブリッジ・RDL インターポーザ・基板の 熱膨張係数の不整合 による反りが原因で、 上部メタル層とバンプ構造の修正が必要になったとされる。 当初想定の量産時期は数ヶ月後ろ倒しになった。

さらに GB200 NVL72 ラックでは過熱問題が発生。 一部顧客は液冷システムの再設計を強いられた。

最終的に量産は 2024年12月に始まり、 大規模出荷は 2025年第1四半期から本格化。 それでも需要は供給を圧倒し、 新規発注のリードタイムは 6〜12ヶ月。

顧客と TAM

発表時の NVIDIA のプレスリリースが「Blackwell の採用が見込まれる組織」として名を挙げたのは ── Amazon Web Services、 Dell Technologies、 Google、 Meta、 Microsoft、 OpenAI、 Oracle、 Tesla、 xAI。 これは採用見込みの列挙であって、 発注済みの顧客リストではない。 クラウド提供側では AWS・Google Cloud・Microsoft Azure・Oracle Cloud Infrastructure が最初期の提供者に挙げられ、 CoreWeave・Crusoe・IBM Cloud・Lambda なども名を連ねた。

需要側の規模は別の数字で確かめられる。 Microsoft・Alphabet・Amazon・Meta の4社の2024年の設備投資は合計で2000億ドルを超え、 その相当部分が AI データセンターに向かった。 フアン自身は2025年の GTC で、 アナリスト予測をもとにデータセンター設備投資が2028年に年間1兆ドル規模に達するという図を示している。

競合 ── AMD MI300X と Google TPU v5p

NVIDIA の独走には対抗馬もあった。

AMD MI300X: 153億トランジスタの CDNA 3 アーキテクチャ、 192GB HBM3。 Microsoft、 Meta が採用を表明。 しかし CUDA エコシステムの壁は厚く、 ソフトウェア対応で遅れを取り続けた。

Google TPU v5p: Google 自身の生成AI 学習に投入。 外販はせず、 Google Cloud 経由でのみ利用可能。

AWS Trainium2、 Microsoft Maia 100: クラウド各社の自社チップ開発も加速。 「いつまで NVIDIA に支払い続けるのか」という戦略的不安が、 各社を自前チップへ向かわせた。

それでも 2024〜2025年のデータセンター向け AI アクセラレータ市場で、 各種調査会社が NVIDIA に与えたシェアは 8割から9割超。 推計の幅はあるが、 競合は皆まだ「NVIDIA を補完する選択肢」の段階にとどまっていた。

バブル懸念

熱狂の裏では、 冷ややかな見方も育っていた。 「ハイパースケーラーの AI 設備投資は本当に回収できるのか」「LLM の推論コスト低下と、 中国製オープンモデル（DeepSeek 等） の台頭が、 NVIDIA GPU 需要を将来縮小させるのではないか」 ── これらの問いは、 2025年1月の DeepSeek-R1 ショックで現実の市場下落として噴出することになる。

結果として、 その懸念は少なくとも需要の面では外れた。 Blackwell は2025年の NVIDIA のハイエンド GPU 出荷の大半を占め、 2025年後半には改良版の GB300 NVL72（Blackwell Ultra） が出荷を開始、 次世代の Rubin が2026年に控えるという連続的な更新サイクルに入っている。

Blackwell B200 は、 生成AI 計算インフラの頂点に立った製品であると同時に、 NVIDIA 一強体制の最盛期を象徴する製品でもあった。 この頂点から、 物語は次の段階 ── 「AI 計算の経済性そのものが問い直される時代」 ── へ移っていく。