AI

【NVIDIAの事業別売上】データセンターが売上の92.5%に。ほかの事業は「Edge Computing」にひとまとめになった

NVIDIA が直近の決算で開示した事業別の売上を、1年前や直前の四半期と並べて整理する記事です。今年から変わった報告区分と、その数字を読むときの注意点もあわせて扱います。

mitsui

2026年11月10日／ 11分

NVIDIA の5〜7月期（会計上は FY27 の第2四半期）の売上は $96.2B で、前年の同じ四半期より 106% 増えました。そのうちデータセンター向けが $89.0B で、全体の92.5%を占めます。1年前は 87.9% でしたから、売上の偏りはさらに強まりました。出所は 2026年8月26日に発表された CFO 解説（CFO Commentary）で、期間は 2026年4月27日〜7月26日の13週です。

読み方の前提が1つあります。NVIDIA は今年度から事業別の報告区分を変え、Gaming や自動車などの個別の売上を出さなくなりました。去年までの事業別の数字と今年の数字は、そのままでは並べられません。この記事では、区分が変わった経緯を押さえたうえで、連続して比べられる数字だけを使って売上の構造を見ていきます。

TOPICS

mitsui記事一覧 →

DEBUNK編集長

次に読む

【韓国のソブリンAI】2027年度のAI予算案は9.42兆ウォン。11/8のNVIDIA発表には金額が載っていません

韓国のソブリンAI（国が自国の中にAIの計算基盤とモデルを持つ取り組み）について、NVIDIA の11/8の一連の発表、2025年10月の台数計画、2027年度の政府予算案、基盤モデル事業の絞り込みを、出所と時点をつけて並べ直します。

AI 有料 2026.11.10

【コーディングエージェントの成績比較】最良のモデルでも、依頼を最後まで完璧にこなせたのは273タスク中26.4%でした

新しいベンチ Co-Design Bench の10モデルの成績を、Anthropic が公表した別の3つのベンチの表と並べ、差の大きさと条件の違いまで含めて整理します。

AI 有料 2026.11.10

先週のAI市場を5分で振り返り

直近1週間のマーケット情報・主要ニュースをまとめました。

Shield AIにDisruptive等が$2.5B出資、FalにBessemer等が$1.65B出資、など全75PJ【資金調達PJまとめ】

直近1週間の資金調達情報をまとめました。

あわせて読みたい用語解説

用語解説をすべて見る →

【NPU】AI向けの計算チップ「NPU」とは何か、GPUと何が違うのか11/8のNVIDIAの発表に出てきた「NPU」を、GPUとの違い、推論での使いどころ、よくある誤解とあわせて整理します。【苦い教訓】AI研究の70年を、Richard Sutton氏はどう要約したのかRichard Sutton氏が2019年に書いた随筆「The Bitter Lesson（苦い教訓）」の主張と、いま起きている論争を、原典の記述にそって整理する記事です。【ベンチマーク】点数が高いのに「使えない」が起きる理由を、飽和と実行環境から読むAIの成績表であるベンチマークの点数が、なぜ実際の使い心地とずれるのかを、新しいコーディング評価 Co-Design Bench の結果とあわせて整理します。【スケーリング則】計算・データ・パラメータを増やすと、AIの性能はどこまで予測どおりに伸びるのかAIの開発各社が計算資源に巨額を投じる理由になっているスケーリング則を、Kaplanらの2020年の論文とChinchillaの2022年の論文、その後の使われ方、よくある読み違いとあわせて整理します。【プロンプトインジェクション】AIエージェントが読んだ文章に指示を紛れ込ませる攻撃と、防ぎきれない理由AIエージェントが外部の文章を読んで動くときに起きるプロンプトインジェクションを、直接型と間接型の違い、根本的に防ぎにくい理由、各社の対策の現状とあわせて整理します。【トランスフォーマー】いまのAIの土台になった仕組みと、注意機構が並列の学習を可能にした理由ChatGPTをはじめ、いまの言語モデルの土台になっている「トランスフォーマー」を、注意機構の考え方、並列に学習できる理由、その弱点と最近の改造とあわせて整理します。【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。【合成データ】AIの学習に使う「作られたデータ」の仕組みと、モデル崩壊の議論AIの学習に使う「合成データ」を、言語モデル・シミュレーター・表データという3つの作り方、モデル崩壊の議論、いまの使われ方とあわせて整理します。