NVIDIA HGX は、データセンター向け GPU を 8 基（または 4 基）1 枚の基板に載せ、NVLink で相互接続したサーバー用ベースボードのことだ。NVIDIA はこれを完成品サーバーとしてではなく「部品」としてサーバーメーカーに供給し、各社が筐体・CPU・電源・冷却を組み合わせて製品に仕立てる。
HGX とは何か（DGX・MGX との違い）
紛らわしい 3 つのブランドは役割で整理できる。HGX は GPU ベースボードという部品、DGX は NVIDIA 自身がブランドとして売る完成品サーバー、MGX はサーバー筐体側のモジュラー設計規格だ。つまり Supermicro や Dell の「AI サーバー」の中身が HGX ボード、という関係になる。
HGX に載る GPU は SXM と呼ばれる専用フォームファクタで、PCIe スロットに挿すカード型とは別物だ。世代は HGX A100（Ampere）、HGX H100 / H200（Hopper）、HGX B200（Blackwell）と続いている。
何ができるのか
最大の価値は GPU 間の帯域だ。ボード上の NVSwitch によって 8 基が全対全でつながり、ソフトウェアからはほぼ 1 つの巨大な GPU のように扱える。HGX H100 なら 80GB × 8 で計 640GB、H200 なら 141GB × 8 で約 1.1TB の GPU メモリが一体で使える。
これが効くのは、1 基のメモリに収まらない大規模モデルの学習や推論だ。モデルを複数 GPU に分割（テンソル並列）すると層ごとに GPU 間通信が発生するため、PCIe 経由の構成では通信待ちが支配的になる。HGX はそこを埋めるための構成であり、逆に 1 基で足りるワークロードなら PCIe カード構成のほうが費用対効果は高い。
使い方と、導入時に詰まるところ
エンジニアが HGX を直接意識する場面はほとんどない。OEM の HGX 搭載サーバーを買うかクラウドで借りるかし、あとは通常どおり CUDA / PyTorch を使えばよい。NVLink は NCCL が自動的に使うので、分散学習のコードを書き換える必要は基本的にない。
実務で詰まるのはソフトではなく設備側だ。H100 の SXM モジュールは 1 基 700W なので GPU だけで 5.6kW、CPU やファンを含めるとサーバー 1 台で 10kW 前後になる。Blackwell 世代は 1 基 1kW 級に上がり、液冷を前提とする構成もある。一般的なオフィスビルのサーバールームには電力も排熱も入らない、と考えたほうが現実的だ。
料金はいくらか
NVIDIA は HGX ボード単体の定価を公開していない。部品として OEM に供給されるため、価格は完成品サーバーの見積もりの中に含まれる形になる。報道や転売市場に出回る金額は幅が大きく、ここでは具体額を断定しない。
自社購入せず使う場合は、クラウド各社の GPU インスタンスを時間課金で借りるのが標準的な入口になる。価格はリージョンと契約形態（オンデマンドか長期予約か）で大きく変わるため、各社の料金ページで確認するのが確実だ。
誰が作っていて、競合は何か
設計は NVIDIA、製造は鴻海（Foxconn）や Quanta などの EMS/ODM、完成品化は Supermicro・Dell・HPE・Lenovo といった分業になっている。
日本勢の動きとしては、鴻海傘下のシャープが 2025 年 9 月 15 日に AI サーバー事業への参入を発表し、2030 年度に売上高 2500 億円を目指すと表明した。ただし第 1 弾の「AI-B43100」は NVIDIA RTX Pro 6000 Blackwell Server Edition を 8 基搭載する 4U 空冷モデル（推論性能 32 PFLOPS）で、HGX ベースボードではなく PCIe カード構成だ。「AI サーバー＝ HGX」ではない点は押さえておきたい。
競合は、AMD Instinct（OCP の共通ベースボード規格で同様の 8 基構成をとる）、Google TPU、AWS Trainium、Intel Gaudi あたりになる。性能面での追い上げはあるが、実運用では CUDA を前提にしたソフトウェア資産の厚みが乗り換えコストとして効いている。
