「GPU 2万7,500基」という数字だけが独り歩きしている。

2026年7月17日、ノエトラ（Noetra）がNVIDIA製GPUを2万7,500基使ったデータセンターを構築し、2028年6月に稼働させると発表した。

NVIDIAのジェンスン・フアンCEOは「日本初の国家AIインフラに計算基盤を提供する」とコメントし、多くのメディアが「圧倒的な計算規模」と報じた。

しかし3つの本質的な問いに答えた記事はほとんどない。

  • 2万7,500基は「何のGPU」なのか──H100? B200? それとも次世代?
  • 「1兆パラメーターの実世界モデル」は生成AIと何が根本的に違うのか
  • データセンターはどこに作るのか、140MWの電力は本当に確保できるのか

本記事はこの3つを技術的に掘り下げる。

Contents
  1. GPUはH100でもB200でもない──Rubin世代という選択
  2. 「実世界モデル」とは何か──生成AIとの根本的な違い
  3. 海外フィジカルAI勢との比較
  4. データセンター建設地と「140MW問題」
  5. 「最大1兆円支援」の実態──ステージゲート方式とは
  6. まとめ──「2万7,500基」の正確な読み方

GPUはH100でもB200でもない──Rubin世代という選択

ノエトラが採用するNVIDIA製GPUは、広く知られているH100（Hopper世代）でも、現在の最先端B200（Blackwell世代）でもない可能性がある。

複数の業界情報源によれば、今回導入されるのはNVIDIA Vera Rubin（コードネームR100/VR200）──Blackwellの次世代にあたるRubinアーキテクチャのGPUだ。

世代製品名出荷時期主な用途
HopperH100 / H2002022〜2024年現行AI学習・推論
BlackwellB200 / GB2002025〜2026年次世代AI学習・推論
RubinVera Rubin R100/VR2002027年〜出荷開始見込みノエトラ計算基盤

2028年6月稼働というノエトラのスケジュールは、Rubin世代の調達・設置・検証タイムラインと整合する。

現時点（2026年7月）でBlackwellを発注しても2028年6月の「フル稼働」に最先端世代を揃えることは難しい。

Rubinを選ぶことで2028年稼働時点での最新世代を確保できる計算だ。

Vera Rubin NVL72ラックの構造──382ラック、液冷必須

Rubin GPUはバラ売りではなく、「Vera Rubin NVL72」という液冷ラックシステムで納入される。

仕様数値
1ラックあたりGPU数Rubin GPU 72基
1ラックあたりCPU数Vera CPU 36基
GPU搭載HBM288GB HBM4（1基あたり）
インターコネクト帯域NVLink 6世代、260TB/s
冷却方式液冷必須（熱密度が空冷の限界を超える）
B200比推論性能約5倍
B200比トークンコスト約10分の1

2万7,500基 ÷ 72基/ラック ≒ 約382ラックの規模になる。

この数字は単なる「多い」ということだけではなく、世界トップクラスのAIデータセンターに相当する。

比較として：GPT-4の学習に使われたGPU数は推定2万5,000基（A100世代）、Meta Llama 3 405Bの学習には約1万6,000基（H100）が使われた。

ノエトラはそれらを上回る規模のRubin世代で稼働する計算になる。

「実世界モデル」とは何か──生成AIとの根本的な違い

ノエトラが開発するのは「実世界モデル（Real-World Model）」と呼ばれる1兆パラメーターのAIだ。

「1兆パラメーター」という数字だけでは意味が掴みづらい。まず規模の文脈から整理する。

モデルパラメーター数タイプ主な用途
GPT-4推定1.7兆（MoE構造）生成AIテキスト・画像生成
Llama 3 405B4,050億（Dense）汎用LLM推論・コーディング
Gemini Ultra非公開（推定1兆超）マルチモーダル汎用AI
ノエトラ実世界モデル1兆（Dense/MoEは未公表）フィジカルAIロボット・製造設備の自律制御

規模よりも本質的な差は「何を学習するか」にある。

通常の生成AIはテキスト・画像・動画を学習し、「言葉を作る・絵を描く」ことに特化している。

ノエトラの実世界モデルはそれに加えて触覚センサーデータを学習する。

重さ・摩擦・硬さ・変形といった物理的な感覚をAIに与えることで、ロボットが「物の掴み方・扱い方」を習得する。

この違いが「フィジカルAI」と「生成AI」を分ける本質だ。

ChatGPTに「この箱を持ち上げろ」と命令しても動けない。

実世界モデルを搭載したロボットは、箱の重さと形状を触覚センサーで認識し、滑らないように力加減を調整しながら持ち上げられることを目指している。

3段階のロードマップ

フェーズ時期目標
Phase 12026年度推論基盤モデルの開発・小規模実証開始
Phase 22028年度オムニモーダル基盤モデル（言語・画像・動画・音声・触覚統合）、Rubin計算基盤フル稼働
Phase 32030年度「実世界ネイティブAI」──完全未知の環境でも自律行動できるロボットAI

海外フィジカルAI勢との比較

ノエトラが目指す実世界モデルと類似のアプローチを、欧米の有力企業も進めている。競合の位置を把握しておくことは重要だ。

組織モデル名特徴強み
Physical Intelligence（米）pi-0汎用ロボットAI70以上のタスクに対応・実機実証済み
Google DeepMind（米）Genie 23Dインタラクティブ環境生成AIシミュレーション環境の高速生成
Figure AI（米）Figure 02ヒューマノイドロボット向けAIBMWとの工場実証
Tesla（米）Optimus向けAIEV工場に特化したロボットAI自社工場の実データ大量収集
ノエトラ（日）実世界モデル（名称未定）製造業特化型フィジカルAI44社の現場データが強み

ノエトラの差別化軸は「製造業44社のリアルデータへのアクセス」にある。

ファナック・安川電機・川崎重工・デンソー・ホンダが現場のロボット動作データ・製造ライン映像・センサーログを一括提供する体制は、アメリカのスタートアップには再現できない。

Physical Intelligence社やFigure AI社がデータ収集に四苦八苦しているなかで、ノエトラは最初から大量の現場データを持って出発できる。

ただし、海外勢はすでに実機でのデモンストレーションを積み重ねているのに対し、ノエトラの実世界モデルは2026年度がPhase 1（小規模実証開始）だ。

スタート時点での差は大きく、2030年に向けた追い上げが問われる。

データセンター建設地と「140MW問題」

ノエトラの計算基盤に必要な電力は約140MWとされる（複数メディア報道より）。

この規模のデータセンターをどこに建設するのか、公式発表はない。

業界関係者の間で有力視されているのが、ソフトバンクが取得した旧シャープ堺工場（大阪府堺市）だ。

項目内容
所在地大阪府堺市
延床面積約84万㎡（東京ドーム約17個分）
受電容量150MW
ソフトバンク取得決議2024年12月
契約締結2025年3月

ノエトラ計算基盤の140MWとソフトバンク堺工場の受電容量150MWは規模的に符合する。ソフトバンクはノエトラの中核4社の一角であり、自社DCインフラをノエトラに提供することは自然な流れとも言える。

ただしこれは複数の調査メディアが指摘する推測であり、公式確認はされていない。

140MWとはどれほどの規模か

140MWという電力需要の大きさを直感的に理解するには比較が有効だ。

  • 一般的な大型工場の消費電力：10〜30MW
  • 東京都内の中規模データセンター：5〜20MW
  • 世界最大級のハイパースケールDC：200〜500MW
  • ノエトラ計算基盤：140MW（国内最大級のAI専用DCに相当）

Vera Rubin NVL72ラックは液冷必須の高熱密度システムだ。140MWという電力を安定供給するだけでなく、その熱を排熱する冷却システムも同規模の設備投資が必要になる。IT専門メディアXenoSpectrumは「140MWの電力調達の具体的な根拠が公開されていない」と問題提起しているが、この点を深掘りした記事は少ない。

「最大1兆円支援」の実態──ステージゲート方式とは

「国が1兆円をノエトラに投資」という趣旨の報道がある。実態は少し異なる。

経産省のノエトラ支援はステージゲート方式を採用している。毎年度の審査で開発進捗・目標達成度を評価し、次年度以降の継続支援を判定する仕組みだ。

項目内容
初年度（2026年度）支援額約3,873億円
最大累計支援額最大1兆円（複数年の上限）
支援継続の条件毎年度のステージゲート審査を通過すること
支援打ち切りのリスク目標未達成・開発遅延の場合はあり得る

「最大1兆円」は確定予算ではなく、プロジェクトが計画通りに進んだ場合の累計上限額だ。国家プロジェクトとはいえ、毎年度の成果が問われる緊張感のある仕組みであることは押さえておく必要がある。

まとめ──「2万7,500基」の正確な読み方

  • GPU世代：H100でもB200でもなく、次世代Rubin世代（Vera Rubin NVL72・約382ラック）
  • 性能優位：B200比で推論5倍・トークンコスト10分の1のシステムを2028年に稼働
  • モデルの本質：1兆パラメーターより重要なのは「触覚センサーデータを学習する」こと──これが生成AIとの根本差
  • 競合との差別化：海外勢（pi-0・Figure AI）には再現できない44社の現場データが強み、ただし実機実証では後れを取る
  • 建設地：公式未発表（ソフトバンク堺工場150MWと規模が符合するが未確認）
  • 電力リスク：140MW確保の具体的根拠は未公開
  • 支援の実態：「最大1兆円」はステージゲート方式による複数年上限──確定予算ではない

GPT-4やGeminiのような汎用AIと同じ土俵で比較するのではなく、「工場のロボットが初めて見た部品を自律でハンドリングできるAI」という文脈で見ることが、ノエトラを正しく理解する出発点だ。

関連記事

参考資料

Post Views: 110
ABOUT ME
semi-connect編集室
半導体業界の技術・企業・市場動向を発信するブログ「semi-connect.net」の管理人。半導体プロセス・前工程・後工程からエレクトロニクス企業の財務分析まで、業界の基礎から最新情報をわかりやすく解説します。