NVIDIA HGX は、NVIDIA がサーバーメーカー向けに供給する AI/HPC 用の GPU ベースボード（基板モジュール）製品です。8 基（構成によっては 4 基）の SXM 版 GPU を NVLink と NVSwitch で相互接続した板を NVIDIA が作り、Dell、HPE、Lenovo、Supermicro、鴻海（Foxconn）などの OEM/ODM がそれを自社の筐体・電源・冷却と組み合わせて「AI サーバー」として出荷する、という分業の仕組みです。
よく混同されるのが DGX との違いです。DGX は NVIDIA 自身がブランドと保守まで含めて売る完成品サーバー、HGX はその中核部分だけを部品として他社に売るもの、と考えると整理しやすくなります。つまり一般ユーザーが「HGX を買う」ことは基本的になく、買うのは HGX を積んだ各社のサーバーです。世代は搭載 GPU の名前がそのまま付き、HGX A100、HGX H100、HGX H200、Blackwell 世代の HGX B200 といった具合に呼ばれます。
技術的に HGX 固有の価値は、GPU 同士の結線にあります。一般的な PCIe 接続の GPU サーバーでは GPU 間通信が PCIe バスとホスト CPU を経由してボトルネックになりますが、HGX は NVSwitch によって基板上の全 GPU が互いに高帯域で直結され、8 基がほぼ一つの大きな GPU のように振る舞います。GPU ごとに載る HBM（H100 SXM で 80GB、H200 で 141GB、B200 で 192GB）を束ねて扱えるため、1 基に収まらない大規模モデルの学習や、巨大モデルをテンソル並列で動かす推論に向きます。なお GB200 NVL72 のように NVLink をラック全体へ広げた製品は、HGX ベースボードとは別系列のラックスケール製品です。
エンジニアから見た「使い方」は、実のところ特別ではありません。OS からは 8 基の GPU として見え、CUDA、NCCL、PyTorch、Slurm や Kubernetes（NVIDIA GPU Operator）といった通常のスタックがそのまま動きます。HGX であることが効いてくるのは、NCCL による all-reduce や FSDP／テンソル並列を回したときの速度で、コードの書き方が変わるわけではありません。多くの人にとって現実的な接点は、クラウド事業者が提供する H100／H200 の 8 GPU インスタンスを借りることです。
料金について、明確に書いておきます。NVIDIA は HGX ボードや HGX 搭載サーバーの定価を公開しておらず、価格は OEM 経由の個別見積もりで決まります。ネット上に出回る「1 台いくら」という数字は取引事例や伝聞であり、公式の価格表ではありません。導入検討時は、本体価格だけでなく電力と冷却が効いてきます。Blackwell 世代では GPU 1 基の TDP が 1kW 級に達し、8 基ノードはラック 1 本分に相当する電力と、世代によっては液冷を前提とした設備を要求します。既存のオフィス内サーバールームにそのまま置ける機材ではない、という点は先に確認すべきところです。
企画・DX 側の判断としては、「学習をやるのか、推論だけか」で切り分けるのが実用的です。社内 RAG やチャットボットのような推論中心の用途なら、HGX より下のクラスで足りることが多い。たとえばシャープが 9 月 15 日に発表した業務向け AI サーバー「AI-B43100」は、NVIDIA RTX PRO 6000 Blackwell Server Edition を 8 基搭載して推論性能 32 PFLOPS、4U ラック対応の空冷モデルで、同社は 2030 年度に AI サーバー事業で売上高 2500 億円を目指すとしています。空冷で置けるこの層と、液冷前提の HGX 層は、狙う用途が違います。
投資家視点では、HGX は NVIDIA が GPU 単体ではなく「基板」という単位で価値を握り、箱と冷却を OEM/ODM に任せる構造だと見るのが要点です。競合としては、AMD が Instinct 系 GPU を OCP の OAM／UBB という業界標準ベースボードに載せて対抗し、さらに Google TPU や AWS Trainium のようなクラウド事業者の自社開発チップが、HGX を買う側から作る側へ回る動きもあります。NVIDIA 側の堀は、GPU の性能そのものより NVLink/NVSwitch と CUDA・NCCL のソフトウェア資産にあります。
