ソフトバンク、Nvidia株を一斉売却約58億ドル調達

2025年11月12日 00:30

💡

ソフトバンクがNvidia株3,210万株を売却し約5.83ビリオンドル（約58.3億ドル）を現金化。資金はOpenAIやデータセンター、半導体投資に振り向ける方針で、今後の投資先と市場影響が注目されます。

ソフトバンクが2025年10月にNVIDIA株3,210万株を売却し、約58.3億ドルを現金化したことが、11月11日の決算で開示されました。四半期純利益は2.5兆円へと拡大。調達した資金は、OpenAIへの追加投資や大規模データセンター計画などAI基盤の自前化に振り向ける構想が示されています。

この動きは「株を売った」以上の意味を持ちます。GPU調達一極集中のボトルネックを回避し、マルチ・アクセラレータ時代に備えるための布石です。以下、NVIDIA以外のアクセラレータやネットワーク／メモリの最新潮流も含め、技術の目線で整理します。

何が起きたのか（ファクト）

売却規模：10月にNVIDIA株3,210万株を売却、約58.3億ドルを現金化。決算資料・複数報道で確認。
資金の使途：OpenAIへのフォローオン投資や**米国での超大型DC計画「Stargate」**など、AIインフラ強化に充当する構想。
国内インフラ：大阪・堺で150MW→最大400MW級のAIデータセンター計画を推進。日本発のAI計算基盤拡充に直結。

これから台頭する「NVIDIA以外」の計算基盤

AMD Instinct（CDNA 4 / MI350世代）

MI350X/MI355Xを正式発表。世代内で最大35倍の推論性能向上をうたう（対MI300、AMD発表値）。ROCm 7やPollara NIC、Heliosラックでオープン指向のラックスケールを前面に。
すでに量産・出荷フェーズに入り、OCIなどで実装が進む。
開発エコシステム：PyTorch/ROCm、vLLMのROCm対応が進展し、推論基盤としての現実解が広がる。

Google TPU（Ironwood）

第7世代TPU「Ironwood」を公開。JAX / PyTorch+XLA / OpenXLAとソフトウェア共設計の最適化で、学習〜推論までのスループットを狙う。
報道ベースではv5p比10倍、v6e比4倍級の性能数字が伝えられ、クラウドTPUの再加速が示唆される。

Intel Gaudi 3

Ethernet前提のスケールアウトを特徴に、OEM各社経由で展開。インファレンスでH100対抗の価格性能を訴求する公式資料も。
選択肢の多様化と調達リスク分散の観点で、Hyperscaler以外でも検証が前進。

AWS Trainium 2

EC2 Trn2がGA。PyTorch/XLA等と統合され、学習・推論の専用最適化を武器に、クラウド一体型のTCO改善を狙う。

要点：NVIDIAのBlackwell（NVLink/NVSwitch/C2C）の“超結合”路線に対し、Ethernetスケールアウト（Gaudi/UEC）やクラウド専用チップ（TPU/Trainium）、オープン指向（AMD+ROCm）の多様な最適解が並び立つ局面に入りました。

ボトルネックは「GPU」だけじゃない：ネットワークとメモリの大変化

UEC（Ultra Ethernet Consortium）で“AI向けEthernet”が前進

UEC 1.0が2025年6月に公開。AI/HPC向けの新トランスポート・輻輳制御・現代的RDMAを標準化し、Ethernetの大規模AI適合が加速。
Broadcom Tomahawk 6は102.4Tbpsのスイッチ帯域を1チップで実現。800G/1.6T時代のAIファブリックを後押し。
Thor Ultra 800G NICなど、AI前提NICも登場。パケット単位のマルチパスやO3配信などでRDMAの弱点を補う。

CXLで“メモリをプールする”設計が実用段階へ

CXL 3.x + PCIe 6.xの普及で、KVキャッシュや巨大埋め込みを外部メモリにオフロード。AI推論のTCO/レイテンシ最適化に効く。
ベンダ／研究からもプーリング事例が続出し、HBM“だけ”に依存しないスケーリングが現実味。
対照的にNVIDIAはNVLink/NVSwitch/EGMで密結合＆メモリ一体化を極める路線。二大流派が併走する形に。

ソフトバンクの文脈に引き寄せると何が変わる？

調達の自由度
NVIDIA偏重を緩め、AMD/TPU/Gaudi/Trainiumをワークロード別に最適配置しやすくなる。特に推論やエージェント系ではEthernet×CXLのコスパが効く領域が増える。
国内×海外の二階建てアーキテクチャ
大阪・堺のDCで国内推論・RAG、米国の超大型計画で基幹学習といった地産地消＋海外大規模の住み分けが取りやすい。
ソフトウェア主導の最適化
ROCmやOpenXLA、vLLMの成熟で複数HWの抽象化が進む。モデルの**量子化（FP8/FP4/MXFP4）**やKVキャッシュ戦略を合わせることで、同一モデルを異種HWに無理なく載せ替え可能に。

これからチェックしたい技術指標

モデル別“最適アクセラレータ”の指針：長文RAG／エージェント／拡張KVの推論TCOで、MI350/Trainium2/TPU/IaaS H100/B200の勝ち筋を更新し続ける。
ファブリックの選択：UEC Ethernet vs NVLink。規模（数千〜数万GPU/TPU）とアプリの通信パターンで使い分ける。
メモリ拡張の実効性：CXLプールの実トレース（KVヒット率、TTFT、P99）とEGM/NVSwitchのスループット比較。
エコシステムの成熟度：PyTorch/ROCmとOpenXLA/JAXの運用安定性、vLLMの最適化の更新速度。

まとめ

ソフトバンクのNVIDIA売却は、AI投資の後退ではなく、多様化と自前化に舵を切るシグナルです。GPUだけに依存しない計算資源の組み合わせ（AMD/TPU/Gaudi/Trainium）と、**ネットワーク（UEC/NVLink）×メモリ（CXL/HBM/EGM）**の設計選択が、コスト・電力・スケールの解の幅を広げています。国内外のデータセンターを舞台に、用途別最適化で“わくわくするAI基盤”をどう組むか。次は、あなたのワークロードに最適な組み合わせを選ぶフェーズです。