ニュースリリース要約（Executive Summary）
2026年9月25日、英国・ロンドンに拠点を置くフルスタックAIクラウドプラットフォーム Nscale Limited（Nscale） は、転換社債（Convertible Loan Notes）を通じて33億6,000万ドルの資金調達を実施したと発表しました。
- 主要投資家:
- Third Point が主導。NVIDIA、Apollo（運用ファンド）、Citadel、Hudson Bay Capital、Abu Dhabi Investment Council、8090 Industries などが参画。
- 調達構造:
- クロージング時の初回トランス（23.6億ドル）と、NVIDIAによる追加出資コミットメント（10億ドル / 2026年11月中旬予定）の二段階。本債券はIPO完了時に自動的に普通株式（NVIDIAは無議決権株式）に転換。
- 資金調達の背景と目的:
- 契約総額（TCV）1,030億ドル超の需要に対応するため。発電設備（Behind-the-meter）から液冷AIデータセンター、大規模GPUクラスタに至るプラットフォームの構築・世界拡張を加速。
1. Nscale 会社概要・拠点一覧・競合比較
会社概要
- 会社名: Nscale Limited
- 創業者 & CEO: Josh Payne（ジョシュ・ペイン）
- 本社: 英国・ロンドン
- ミッション:
- 超知能（Superintelligence）のエンジンを構築し、企業、政府、コミュニティが高度なAIの恩恵を受けられるようアクセス性を向上させる。
- 事業領域:
- 電力源・発電設備からデータセンター、GPU/CPUコンピュート、ストレージ、オーケストレーション、推論・ファインチューニングAPIまでを垂直統合で提供する「フルスタックAIクラウドプラットフォーム」。
グローバルデータセンター拠点一覧
自社およびパートナー運営により、再生可能エネルギーと水冷・液冷リソースに強みを持つ地域へ展開。
- 欧州拠点: 英国（Loughton, Hayes）、ノルウェー（Glomfjord, Narvik, Stavanger, Oslo）、アイスランド（Keflavik, Blönduós）、ポルトガル（Sines）
- 米国拠点: テキサス（Texas / Ward County）、ウェストバージニア（West Virginia）、ノースカロライナ（North Carolina）
AIネオクラウド市場における競合・ポジション比較
- 他社AI特化クラウド（CoreWeave, Nebius, Lambda Labs, Crusoeなど）との違い:
- 単なるGPUコンピュートのクラウド貸与にとどまらず、発電設備直結（Behind-the-meter）の電力自給と液冷データセンター建築まで自社完結させる「垂直統合度」の高さ。
- 大手ハイパースカラー（AWS, GCP, Azure）との違い:
- 汎用VMレイヤーのオーバーヘッドを排したベアメタルネイティブ構成、およびManaged Slurmの標準提供によるAI特化型TCOの低減。
2. なぜ33.6億ドルもの巨額資金調達が可能だったのか
公式発表および開示情報から読み取れる、Nscaleが今回のPre-IPOラウンドで巨額の資本を獲得できた主な要因は以下の4点です。
- 1,030億ドルを超える「確定契約額（TCV）」の実績：ハイパースカラーやフロンティアモデルラボ、大企業との長期利用契約により、すでに1,030億ドル超の総契約価値（Total Contracted Value）を確保しており、将来的な収益と需要の見通しが極めて高いことが投資家の強い裏付けとなりました。
- AIインフラの最大のボトルネックである「電力」の自給能力：データセンター業界全体で電力不足が深刻化する中、Nscaleは電力源に直接接続する「Behind-the-meter（発電設備直結）」アプローチと再生可能エネルギー網を自社で押さえており、大規模なコンピュート増設を確実に実行できる体制を備えています。
- NVIDIAとの戦略的・技術的提携関係：NVIDIAによる10億ドルの資金コミットメントに象徴されるように、最新GPU（GB200/H100等）やネットワークアーキテクチャの供給・最適化においてNVIDIAエコシステムと直接連結している点が評価されました。
- 「発電〜データセンター〜K8s/Slurm〜API」まで自社で完結する垂直統合モデル：サードパーティへの依存度を下げ、インフラの構築スピード向上と大幅なコスト効率（TCOの最適化）を実現する独自プラットフォームを構築している点が、ヘッジファンドや機関投資家（Third Point, Citadel, Apollo等）から高く評価されました。
3. 従来のメガクラウドが直面する「AIインフラの壁」
Nscaleが垂直統合型プラットフォームを提供する背景には、大規模AIワークロードにおいて従来の汎用クラウドが直面している物理的・システム的な課題があります。
- ノード間相互接続とプロビジョニングのオーバーヘッド：高密度GPUクラスタ運用では、ネットワーク帯域やスケジューリングのボトルネックが課題となります。
- 高密度電力・冷却設計の限界：高密度GPUラックの運用には、従来の空冷設計から直冷式（Direct-Liquid Cooling）や沿岸水・海水冷却への移行が必要です。
- SlurmとKubernetesのワークロード共存：HPC由来のSlurm（バッチスケジューラ）とコンテナ環境であるKubernetesの管理分離が運用上の複雑さを招いていました。
4. Nscaleの技術的コア：フルスタック垂直統合アーキテクチャ
Nscaleのプラットフォームは、発電設備からソフトウェア層までを一貫して設計・統合しています。
① ベアメタル×Kubernetes（NKS）
ベアメタルノードによる高パフォーマンス環境と、コンテナワークロードを素早くスケールさせる「NKS（Nscale Kubernetes Service）」を提供。
② Managed Slurm on Kubernetes
Kubernetes上でHPCグレードのSlurmバッチスケジューラを稼働させるアーキテクチャを採用。大規模モデルの分散学習で求められるスケジューリングキューの管理と、Kubernetesのコンテナオーケストレーションを同一環境で統合運用できます。
③ モジュール型設計とダイレクト液冷データセンター
- ノルウェー（Glomfjord）: 100%再生可能エネルギー運用。直冷式（Direct-Liquid Cooling）および廃熱・排水リサイクルに対応。
- ポルトガル（Sines）: 沿岸部に位置し、海水冷却（Seawater Cooling）を採用。
- 米国テキサス（Ward County）: 閉ループ直冷式（Closed-loop Direct-liquid Cooling）とリアドア熱交換器を装備。
5. ターゲット顧客と主な導入・活用事例・ユースケース
Nscaleのプラットフォームは、以下の層・ユースケースに向けて展開されています。
- ハイパースカラー：メガワット〜ギガワット規模のデータセンター容量および高密度GPUインフラの補完・拡張基盤として活用。
- フロンティアモデルラボ / AIネイティブ：Managed SlurmやNKSを通じた大規模LLMの分散学習・研究開発基盤として利用。
- エンタープライズ：Inference Endpoints（API経由のモデル実行）、Prompt Workbench、Fine-tuning などのサービスを通じ、自社データを用いたモデルの調整・運用に活用。
6. MLOps / インフラエンジニア視点での評価まとめ
| 項目 | 汎用クラウドプラットフォーム | Nscale プラットフォーム |
| 提供形態 | 汎用仮想マシン / クラウドサービス | ベアメタル / 専用GPUクラスタ / クラウド |
| 冷却・インフラ設計 | 標準データセンター（空冷主体） | 直冷式液冷・海水冷却・モジュール型データセンター |
| ワークロード管理 | K8sベースまたは各種専用API | Managed Slurm と Kubernetes の統合環境 |
| サービス層 | 汎用API・各種管理サービス | 推論API（Inference Endpoints）、Fine-tuning等AI特化 |
結論：インフラアーキテクトに求められる視点
Nscaleによる1,030億ドル超のTCV確保および33.6億ドルの資本調達は、AIインフラの設計思想が「汎用IaaSの抽象化層」から「物理レイヤー（電力・液冷）と制御層（ベアメタル/K8s/Slurm）を密結合させたドメイン特化型垂直統合スタック」へと不可逆にシフトしている実態を裏付けています。
超大規模パラメータモデルの分散学習におけるオールツーオール通信のスループット向上や、高密度ラック（ラックあたり100kW超）の熱設計ボトルネックを打破する上で、ベアメタルネイティブなネットワークトポロジーと高効率液冷インフラのネイティブ提供は、実効ノード性能とTCOを左右する重要ファクターです。
今後、大規模ファインチューニング基盤や高密度推論ワークロードのアーキテクチャを設計するインフラ／MLOpsエンジニアにとって、従来のメガクラウド依存を前提とした設計パターンに留まらず、NscaleをはじめとするAI特化型ネイティブインフラを設計要素として評価・組み込む視点が不可欠となるでしょう。
