HBMと明示された積層メモリとその世代。DRAM一般への意味的な自動展開はしない。
照合する語句: HBM / HBM2 / HBM2E / HBM3 / HBM3E / HBM4 / HBM4E / zHBM
元資料の日付順・現在保存している本文版の語句一致です。作者の全活動や、当時の本文そのものを再現する表示ではありません。日付不明の記事は別に表示します。
159記事。元資料の日付順。
48か所 / 語句の出現 72回
**💡 HBMは、高帯域幅（High Bandwidth）と低消費電力を実現するメモリ技術で、主にGPUやAIアクセラレーター、HPC（ハイパフォーマンスコンピューティング）向けに設計されています。**
## 🔹 HBM（High Bandwidth Memory）とは？
項目 GDDR HBM **用途** ゲーミング、一般的なグラフィックス AI/HPC、データセンター **帯域幅** 最大1.44TB/s（GDDR6X） 最大5.3TB/s（HBM3e） **消費電力** 比較的高い（
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
ング（HPC）や人工知能（AI）向けに使用され、シリコンインターポーザーを介して複数のチップと高帯域幅メモリ（HBM）を統合します。
30か所 / 語句の出現 36回
合により、計算ダイ間の10 TB/sのチップ間リンク（Blackwellアーキテクチャの特徴）と、288GBのHBM3Eメモリ（12層スタック）の高帯域幅接続が可能です。CoWoS-Lの使用は、GPUのスケーラビリティと性能を高め、AIワークロード、特に推論モデルとトレーニングモデルの性能を大幅に向上させます。
います。 - NVIDIAのGB300では、B300 GPUにCoWoS-Lが使用され、2つの計算ダイと複数のHBMメモリダイを統合します。
は、B300 GPUのCoWoS-Lパッケージングを通じて実現されています。この技術は、2つの計算ダイと複数のHBMメモリダイをRDLインターposerに統合し、AIワークロードの性能と効率を向上させます。このアプローチは、GB300のスケーラビリティとメンテナンス性を高め、次世代AIコンピューティングのニーズに対
すべての箇所はページ操作または下記JSONから取得できます。
13か所 / 語句の出現 60回
です。実際、Grace Hopper（GH200）ではCPU側に最大480GBのLPDDR5Xを搭載しGPUのHBMと合わせて大規模モデル用に**合計560GBのメモリを一体的に活用**できるようにしました。このようなArm版CPU＋GPUの統合アプローチは、生成AIモデルの巨大なメモリ需要（数百GB〜数TB級）に
HBMの進歩は**モデルのサイズ拡大とスループット向上**の鍵です。例えばGPT-4クラスでは数百GBのパラメータを高速に出し入れする必要があるため、HBM帯域がトレーニング速度を支配します。HBM4世代で
**HBMの進化:** 生成AIの計算力を支える重要要素として、メモリ技術――とりわけ\*\*HBM(High Bandwidth Memory)\*\*が挙げられます。HBMはGPUやAIアクセラレータに3D
すべての箇所はページ操作または下記JSONから取得できます。
41か所 / 語句の出現 88回
chatgpt.com)) - **GB200 Superchip**は**B200×2**なので、\*\*“HBM合計は最大372GB/スーパー チップ”\*\*と記すサーバーベンダーの資料が多数（ECCや予約領域を含む“可用容量”の表記差に注意）。([Lenovo Press](https://lenovopr
ory-or-a-proprietary-dram?utm_source=chatgpt.com)) - **HBM系** 1. **スタック数**（= 本数）を見る 2. **1スタック容量＝（ダイ密度）×（Hi）** → **総容量＝スタック数倍** 3. **1スタック帯域＝（2,048/8
## 1スーパーチップ事のHBMスタック数
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 4回
- **ローカルHBM**…“一番近い冷蔵庫”。ここに**一番頻繁に使うデータ**を置く。 - **リモートHBM**（同シャーシの他GPUのHBM）…NVLink/NVSwitchで“隣の部屋の冷蔵庫”。**太いが取りに
rum-X・Quantum-X／Tomahawk6／Marvell NOVA／NVLinkとの違い、「光化」とHBMの距離感まで
7か所 / 語句の出現 18回
Ascend 920は、SMICの6nm（N+3系）での量産が想定され、BF16で約900TFLOPS級、HBM3により4TB/s級の帯域を狙うスペック像が報じられています。910C比で30～40％の効率向上をうたい、2025年後半の量産入り観測が主流です。 設計思想の肝は、次世代の“950”で公式に説明が進
が縮小し、\*\*国内エコシステム（CANN/MindSpore、昇騰クラスタ）\*\*の適用範囲が拡大。**HBMのボトルネック**が解消しない限り学習の最前線はなお課題ですが、**用途分化（PR/DT）×巨大クラスタ**で“実用の島”を広げる戦略が定着します。[ファイナンシャル・タイムズ](https://ww
ボトルネックはHBMです。中国向けの制約環境下でもSamsung製HBM3の承認報道がある一方、中国勢が安定調達できる量・品質には限りがあります。国内化に向けては、YMTCとCXMTがHBM共同参入を進め、**2026年
すべての箇所はページ操作または下記JSONから取得できます。
10か所 / 語句の出現 11回
- メモリ - **HBM3E 288 GB / GPU** - H100比で 3.6倍 - B200（GB200）比で 1.5倍（192 GB → 288 GB） - メモリバスは 8192-bit、帯域は **最大
- GB300：**GB200比でだいたい1.5倍クラスのFP4性能＋メモリ1.5倍（288GB HBM3e）**([NVIDIA Developer](https://developer.nvidia.com/blog/inside-nvidia-blackwell-ultra-the-chip-powe
- 世代ごとの NRE（設計費・マスク費など）を前払い/契約。 - 量産フェーズでは「ウェハ＋HBM＋パッケージ＋テスト＋Broadcom マージン」を含む **コスト＋マージン型の単価**で TPU ダイを購入。 2. **Google の内部利用** - TPU ラック/Pod 全
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
TPUがNVIDIAのぼったくりを幾らか軽減する可能性はあるが、そもそもHBMもぼったりである
、「これ以上はさすがに無理だ」という上限を付けるオプション価値として効いている しかし、彼らも同じ HBM と先端パッケージに依存している以上、真に「安い計算」を実現するには、メモリとパッケージのサプライチェーンを含めた全体のボトルネック解消が必要になる
特にHBMメモリは逼迫している、TSMCの製造能力にも限界がある、CoWoS/SoICのCoWo-Lは殆どNVIDIAが抑えている、Googleはintel EMIBなどの別ルートを模索している段階だ
2か所 / 語句の出現 2回
2026年現在、AIトレーニングクラスター向けの広帯域メモリ（HBM）やエンタープライズSSDの需要が爆発的に増加しており、Samsung、SK Hynix、Micronといった主要メモリメーカーの生産能力を圧迫しています1。これらのメーカーは、利益率の高いAI向け製
- **DRAM/SSD**: AIサーバー向けのHBMやエンタープライズSSDに生産ラインを奪われ、供給そのものが物理的に不足しています。価格上昇は急激で、2026年中は高止まりが続くでしょう。 - **HDD**: 物理的な部材不足というよりは、「需要
30か所 / 語句の出現 51回
### 推定例：Rubin UltraのHBM4e帯域（範囲推定）
GB/s**、**PCIe Gen5 は 128 GB/s** です。つまり、同じGPUでも **GPU内部HBM \> GPU間NVLink \> CPU-GPUのPCIe** の順で道が細くなります。GPU内で完結する計算より、GPU外へ出る通信のほうが先に詰まりやすい理由はここです。 ([NVIDIA](h
第一に、HBM容量・帯域は今後も最重要です。RubinがHBM4で帯域2.8倍級（8→22TB/s）を公表したように、長文脈・MoE・推論経済性では帯域が直撃します。ただし、KV cacheは「容量も帯域も食う上に
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
メモリ、とくに AI 向け DRAM や HBM への影響は、少なくとも当面は**需要増による追い風**の色が濃いと考えられます。2026年春には、Samsung がAI向けメモリ需要と価格上昇を背景に四半期利益の大幅増を見込み、SK hynix
25か所 / 語句の出現 37回
skは（1）NAND/SSDに純化された事業であるためサイクルの上振れにレバレッジがかかりやすい、（2）一方でHBMの直接恩恵（HBM価格／供給タイトの利益）を取り込めない、（3）ただしHBMの供給制約が「AI推論のメモリ階層」問題を生み、その解としてHBFを“新しいメモリ層（HBMとSSDの間）”として提案してい
SanDiskは**NAND/SSDへの純度が高い**会社です。 DRAMやHBMの巨大事業がないので、**NAND価格・SSD需給の影響を受けやすい**です。その代わり、サイクル上昇局面では利益改善がストレートに出やすいです。 ([Sandisk](https://shop.sa
HBMは超高速ですが、**容量が少なく高価**です。 SSDは超大容量で安いですが、**遅い**。 HBFはその間を狙っています。
すべての箇所はページ操作または下記JSONから取得できます。
4か所 / 語句の出現 8回
テーマとして強いですが、メモリ循環株でもあるので、**守り100%ではない長期本命**です。ReutersではHBM市場シェアが\*\*57～61%\*\*とされ、AI向けHBMの中心にいます。AI時代のメモリ心臓部に最も近い1社ですが、メモリはどうしても市況循環から完全には逃げられません。([Reuters](h
約50%増見通し、NVIDIAはFY2026売上2159億ドル、データセンター売上623億ドル、MicronはHBM4量産に入りました。ここはAI投資の回収装置やボトルネックを持っており、景色が悪くなっても生き残りやすいです。 ([Reuters](https://www.reuters.com/business/r
**メモリ**は長期でもかなり強いです。SK hynixはHBMシェア57〜61%で首位、MicronはHBM4量産に入り、SandiskとSK hynixはHBF標準化を始めました。今後のAIは学習だけでなく推論が中心になり、**HBM、SSD、将来のHBFまで
すべての箇所はページ操作または下記JSONから取得できます。
80か所 / 語句の出現 95回
HBMは、**主力シェフの手元に置かれた超高級で超高速に使える食材置き場・濃縮ソース置き場**です。
理由は、AIサーバーの計算価値の中心そのものだからです。NVIDIA自身も、AIインフラはTSMCのウェハ、HBM、CoWoS、組立・テストを組み合わせて供給しており、最終製品の価値の中心はGPU側にあります。DGX B200でも1台の中心は8基のGPUです。 ([NVIDIA](https://www.nvid
- CPU = 料理長 - GPU = 主力シェフ - HBM = 手元の食材棚 - SSD = 倉庫 - NIC = 出入口
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
この集中投資の利点は明快です。AI時代は、モデルそのものだけでなく、GPU、HBM、先端ロジック、クラウド、データセンター、電力、冷却、送配電といった**ボトルネックを握る層**に利益が集まりやすいからです。OpenAIとSoftBankはSB Energyに各5億ドル、合計10億
25か所 / 語句の出現 46回
*2026年時点で売上が最も大きく落ちる場所は、車やロボットの中ではなく、中央AIデータセンター側の GPU・HBM・ネットワークです。** 端末側の車載SoCやロボットSoCも伸びていますが、金額の桁はまだ1段以上小さいです。NVIDIAのFY2026はデータセンター向け**Computeが1623.61億ドル*
5年8月に **5TB・64GB/sの高帯域フラッシュモジュール試作** を公表しました。つまりHBFは、**HBMとSSDの間を埋める次の容量層候補** ですが、2026年の売上貢献はまだ小さく、せいぜい **$0.1B–$0.5B（160億〜800億円）級の先行投資段階** と見るのが安全です。 ([Sandi
HBMは、Micronが2025年3月時点で **四半期HBM売上が10億ドル超** に到達したと公表し、その後2025年12月には **HBM供給能力拡大のためにFY2026 Capexを200億ドルへ引
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
今の市場は「GPU不足」から「HBM不足」「CoWoS不足」「電力不足」へ注目が移ってきました。次の段階では、**光エンジン不足、レーザー不足、1.6T/3.2Tモジュール不足、テスト装置不足**がテーマ化する可能性があります。
これまでは、AI投資の主役はGPU、HBM、CoWoS、電力でした。しかし、AIクラスターが巨大化するほど、次の詰まりはネットワークになります。そこで、800G、1.6T、3.2T、シリコンフォトニクス、CPO、外部レーザー光源、光エンジンが
AIデータセンターの主役は、これまでGPUでした。NVIDIAのGPU、HBM、TSMCのCoWoS、電力、冷却、データセンター建設が注目されてきました。しかし、AIクラスターが巨大化するほど、次のボトルネックは\*\*「計算」ではなく「データ移動」になります。
9か所 / 語句の出現 9回
GPUは、もともと大量並列計算に強い装置ですが、現在のNVIDIA GPUはTensor Core、HBM、NVLink、CUDA、TensorRT、cuDNN、NCCL、Triton、PyTorch対応などを含む巨大なソフトウェア・ハードウェア基盤になっています。NVIDIAはTensor Coreにつ
**GPU HBMだけで全部抱えるのではなく、CPU DRAM、CXLメモリ、SSD、分散KV cacheを使ってGPUを補助する**
つまり、AIインフラの投資テーマは、 **GPU/HBMだけの物語** から、 **GPUを遊ばせないためのCPU・メモリ・I/O・ネットワークの物語** へ広がっている。
すべての箇所はページ操作または下記JSONから取得できます。
12か所 / 語句の出現 13回
GoogleのTrillium、つまりTPU v6eは、TPU v5e比で **4.7倍のピーク性能、HBM容量/帯域2倍、ICI帯域2倍、67%のエネルギー効率改善** と説明されています。([Google Cloud](https://cloud.google.com/blog/products/com
ドでは「CPU時間 + メモリ + ストレージ + 通信量」でした。 GPUクラウドでは「GPU時間 + HBM + token + KV cache + SLO」になります。
- GPUが通信待ちしている - KV cacheでHBMが無駄になっている - prefillとdecodeが干渉している - 小さい推論リクエストをうまくバッチ化できない - モデルごとにGPUを固定してしまい空き時間が出る - マルチテナント化が未成熟
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
**AIの性能を上げたい ↓ より大きなモデルを訓練したい ↓ より多くのGPU/HBM/ネットワーク/電力が必要 ↓ 半導体企業に資本が流れる ↓ 半導体性能が上がる ↓ より強いAIが作られる ↓ そのAIがさらにAIインフラの重要性を語る**
あるからではありません。AI単体には欲望も無意識もありません。しかし、AIという現象を成立させるには、GPU、HBM、先端パッケージ、データセンター、電力、冷却、ネットワーク、ストレージが必要です。
**AIモデル → 学習・推論 → GPU / ASIC → HBM / DRAM / NAND → 先端半導体製造 → データセンター → 電力・冷却 → 光通信・ネットワーク → クラウド・セキュリティ**
8か所 / 語句の出現 9回
COUPEは、HBF、XL-FLASH、GPU直結SSD、広帯域フラッシュモジュールの価値を上げる方向に働く。HBMだけでは足りない。だが通常SSDでは遅い。その中間にあるNAND階層が、AIクラスタの中でより「近い記憶」として使われるようになる。
クス、KVキャッシュ、長文コンテキスト、エージェントの記憶、ロボットや車の現場ログが増え続ける。これらをすべてHBMやDRAMに置くのは高すぎる。一方、普通のSSDでは遅すぎる場面も増える。
たKIOXIA GPシリーズを開発している。この取り組みでは、GPUがフラッシュベースのメモリにアクセスでき、HBM容量が実効的に増えたように扱える。GPシリーズは従来のTLC SSDより高いIOPS、512バイトの細かいアクセス、I/O当たり低消費電力を狙う製品である。([KIOXIA Corporation](
すべての箇所はページ操作または下記JSONから取得できます。
22か所 / 語句の出現 29回
ATEの伸びしろは、AIチップの複雑化そのものにある。 AI ASIC、GPU、TPU、LPU、NPU、HBM、DDR、NAND、DPU、NIC、ネットワークASICが増えるほど、電気テスト需要は増える。中央データセンターではチップ単価が高く、MECやエッジでは台数が増える。したがって、中央でもエッジでもAT
いか」を見る工程という印象が強かった。だが、AI時代のテストはそれだけではない。高価なGPU、AI ASIC、HBM、チップレット、光I/O、CPOを不良のまま組み立てないための、**歩留まりを作る工程**になっている。
合格しても、GPUクラスタ、AI推論、ネットワーク通信、長時間高負荷時にだけ出る不具合がある。そのため、AI/HBM/CPO時代には、バーンインとSLTの重要性が増す。
すべての箇所はページ操作または下記JSONから取得できます。
5か所 / 語句の出現 6回
NVIDIAでいうなら、GE VernovaやSiemens Energyは、AI電力版のHBMやCoWoSに近い存在です。どの電力会社が勝っても、どのデータセンターが建っても、機器がなければプロジェクトは進みません。
ます。米国のAIパンケーキは、NVIDIA/AMD/Google TPU/AWS Trainium、TSMC、HBM、AWS/Azure/GCP/OCI、OpenAI/Anthropic/Google/Meta、SaaS/エージェント経済圏を中心にしています。一方、中国のAIパンケーキは、State Gridの巨大
30GW超の年次風力・太陽光増設、State Gridによる巨額送電網投資を持っています。しかし最先端チップとHBMで米国・台湾・韓国連合に遅れているため、同じトークンを出すのにより多くの電力とチップ台数が必要になりやすい。
すべての箇所はページ操作または下記JSONから取得できます。
10か所 / 語句の出現 12回
Arm AGI CPUは、少なくともCPU単体としては**HBMを大量に使わない**ため、HBM供給の争奪戦からは相対的に距離があります。 これは供給面で大きな利点です。
ink-C2Cを中心に、Rubin GPUと非常に密に接続されます。これはCPUとGPUの距離を縮め、GPUのHBMとCPU側LPDDRを近い関係で使うためには強力ですが、その価値はNVIDIAスタック内で最大化されます。
ただし、NVIDIAは供給網の支配力が強い一方で、必要な部材も最も多いです。GPU、HBM、CoWoS、NVSwitch、NIC、DPU、光接続、液冷ラック、電力まで絡むため、どこか一つが詰まるとラック全体の出荷に影響します。
すべての箇所はページ操作または下記JSONから取得できます。
27か所 / 語句の出現 34回
HBMは極めて広いバス幅を持つため、GPUとHBMを短距離・高密度で接続する必要がある。そのために、シリコンインターポーザやRDLインターポーザが使われる。
HBMは、DRAMダイを縦に積み、TSVで接続した高帯域メモリである。
ただし、HBFは現時点ではHBMの完全な代替ではない。 NANDである以上、DRAM/HBMと比べてレイテンシ、書き換え特性、ランダムアクセス、耐久性などで制約がある。
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
**GPUが筋肉、HBMが短期記憶、光通信が血管、電源が代謝だとすれば、タイミングデバイスは神経系の拍子です。**
AIインフラを語るとき、主役として語られやすいのはGPU、HBM、光通信、電源、冷却、ネットワークスイッチです。しかし、それらを正しく動かすためには、もう一つ重要な基盤があります。
タイミングデバイスは、GPUやHBMほど目立つ部品ではありません。ラックBOMに占める割合も小さいです。
12か所 / 語句の出現 12回
AIサーバーは、GPU/ASIC/HBMが巨大な電力を食います。しかしチップ自体は1V前後、場合によっては1V未満の低電圧で動きます。
特にGPU/ASIC/HBMの直近では、MLCCは「最後の電源安定化層」として働きます。GPUが心臓なら、MLCCは細胞の近くにある小さな電気ダムです。
AIチップは、待機、行列演算、HBMアクセス、GPU間通信、All-Reduceなどの状態を高速に切り替えます。そのたびに、電流需要がナノ秒〜マイクロ秒級で変動します。
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
AIデータセンター、AI-RAN、フィジカルAIの時代に、半導体の主役はGPU、ASIC、HBM、ネットワークスイッチだけではありません。むしろ、それらを安定動作させるための**受動部品、電源部品、通信部品、センサー部品**が、次第にボトルネック化しています。
6か所 / 語句の出現 6回
「AIサーバー需要で次に不足しやすい部材は何だと思いますか？ GPUやHBMだけでなく、MLCC、インダクタ、PCB、電源部材、光通信部材にも波及していく可能性があります。」
一方で、専門性の高い投稿、たとえばAIデータセンター、半導体、MLCC、HBM、PCB、電源部材、投資仮説のような投稿は、全体ランキングでは見えにくくても、特定の興味クラスタのFor Youでは強く出ることがあります。
「この視点はかなり重要だと思います。 AIDCではGPUやHBMが注目されがちですが、電源安定化のためのMLCCやインダクタも大量に必要になります。 部材側のボトルネックを見ると、別の企業群が見えてきます。」
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
読み方の軸は、AIインフラの拡張がどの層に波及しているかです。計算層ではGPUやHBM。施設層ではデータセンター、ラック、冷却。電力層では発電、送電、変圧器、UPS。接続層では光通信、ケーブル、コネクタ。社会層では水、騒音、土地利用、許認可。この層ごとにニュースを置いていくと、日次材料
6か所 / 語句の出現 7回
高速接続・光・コネクタ | GPUクラスタ拡大で配線と接続がボトルネック | | 4 | HBM/DRAM/NAND/HDD | AIデータ量とメモリ帯域の構造需要 | | 5 | AIサーバー統合 | 需要は強いが競争・粗利圧力も大きい |
そのため、投資家の視線が **NVIDIA / AMD / HBM** だけでなく、 **Vertiv、Schneider Electric、Eaton、GE Vernova、Amphenol、Western Digital、NextEra Energy** のよう
**Micron、SK hynix、Samsung**はHBM/DRAMの本命です。IDCはDRAM売上が2026年に**+177%**と予測しており、HBMが供給制約の中心になっています。([IDC][1])
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
そしてこれは、AIインフラ投資の最大ボトルネックがGPUやHBMだけでなく、 **地域社会、電力網、用水、許認可、政治** に移っていることを示しています。
2か所 / 語句の出現 2回
これまでのAIデータセンターは、NVIDIA GPUやHBMの確保が中心でした。 しかし今後は、
当然、GPU、HBM、ネットワークASIC、光モジュール、CPO、ストレージ、CPU、DPUも必要になります。
10か所 / 語句の出現 10回
している。 しかし、ボトルネックはGPUだけではなく、電力、冷却、水、用地、送電網、住民合意、変圧器、光通信、HBM、半導体製造能力へ広がっている。 そのためAIインフラは、ITテーマではなく、電力・重電・素材・建設・半導体を巻き込む巨大な産業テーマになっている。**
| | 半導体部材 | MLCC、インダクタ、PCB、ABF、銅箔 | | メモリ | HBM、DRAM、SSD | | 建設・不動産 | データセンター開発、電力用地 | | 電力 | 原発、ガス、再エネ、蓄電池、PPA
ても、AIメモリブームで時価総額が1兆ドルに接近したとReutersが報じています。背景は、AIサーバー向けのHBMと通常DRAM需要です。([Reuters][11])
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
AI工場が増えるなら、GPUだけでなく、HBM、先端パッケージ、ABF基板、高多層PCB、HVLP/VLP銅箔、コネクタ、液冷部材、電源モジュール、VRM、MLCC、インダクタ、光トランシーバ、CPO、ラック、変圧器、データセンター建設、電力イン
3か所 / 語句の出現 4回
**AIモデル需要が増える** → **GPU/HBMが必要になる** → **AIデータセンターが増える** → **電力・冷却・光・変圧器・PDU・MLCC・PCBが足りなくなる** → **データセンターを短期間で量産できる企業が強くなる** →
データセンターの建屋と電力を用意しても、GPU、HBM、ネットワーク機器、光モジュール、電源部材が足りなければ稼働できません。AIインフラでは建設と同じくらい、NVIDIA/AMD系GPU、HBM、光接続、電源部材の確保が重要です。
半導体装置・検査 | **東京エレクトロン、アドバンテスト、レーザーテック、ディスコ等** | GPU/HBM/先端半導体需要の波及 | | ソフトバンク関連 | **ソフトバンクG、ソフトバンク、Arm、SB Energy** | AIインフラ投資の中核
3か所 / 語句の出現 3回
方式を設計できたか** **水使用で反対されないか** **海底ケーブル・光網に接続できるか** **GPU/HBMを確保できたか**
い」** **「液冷が足りない」** **「変圧器が足りない」** **「光ファイバーが足りない」** **「HBMが足りない」** **「AIデータセンター用地が足りない」**
同時に、Rubin世代以降のGPU/AIラック、液冷、CPO/光接続、HBM需要が重なります。
9か所 / 語句の出現 10回
## \8. 足りないもの⑥：HBM・DRAM・ストレージ
Micronについては、Reutersが、2026年HBM供給がすでに売り切れ、HBM4生産も進めていると報じています。([Reuters](https://www.reuters.com/world/china/micron-joins-1-trillio
**変圧器が足りない** **液冷が足りない** **HBMが足りない** **光接続が足りない** **通電済みMWが希少**
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 2回
GPU HBM 先端パッケージ 800G/1.6T光通信 InPレーザー CPO/外部光源 CDN WAF Bot Management ゼロトラスト 電力設備 変圧器 冷却 データセンター建設 ロボティクス基盤
モデルが賢くなる。 すると推論需要が増える。 推論需要が増えると、GPU、HBM、ネットワーク、電力、冷却が必要になる。 AIエージェントが増えると、Webアクセス、Bot Management、WAF、ID管理、署名付きエージェント、レート制限が必要になる。 ロボティクスやVL
1か所 / 語句の出現 1回
GPUは演算器であり、HBMは記憶の近接層である。しかし、巨大モデルの学習や大規模推論では、GPU単体の性能よりも、GPU間でどれだけ速く、どれだけ低遅延で、どれだけ効率よくデータを渡せるかが効いてくる。モデル並列、データ並列、
1か所 / 語句の出現 1回
現状、AIインフラはNVIDIA GPU、TSMC、HBM、CoWoS、電力、冷却、ネットワークに強く依存しています。TeslaもxAIもSpaceXも、将来AIを巨大化させるにはチップが足りません。
4か所 / 語句の出現 4回
AIデータセンターの主役はGPUやHBMだけではない。数万〜数十万個の演算器、スイッチ、NIC、光トランシーバ、DSPが一つの巨大な計算機のように動く時代になると、全体を正確に同期させる「時間の部品」が重要になる。その中心にあるのが、タイミ
論として、日本電波工業は、AIインフラ相場の中で「見落とされていた時間の部品」として再評価されている。GPUやHBMほど派手ではないが、AIデータセンターが巨大な分散計算機になるほど、同期とクロックの価値は上がる。水晶デバイスはその根元にある。
タイミングデバイスは、GPUやHBMのように1個数万円〜数十万円の部品ではない。一般的な水晶振動子は低単価で、発振器やTCXOになると単価が上がる。光トランシーバ向けの低ジッタ差動発振器や高安定TCXOは、汎用品より高単価になりやすいが
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
現状、AIインフラはNVIDIA GPU、TSMC、HBM、CoWoS、電力、冷却、ネットワークに強く依存しています。TeslaもxAIもSpaceXも、将来AIを巨大化させるにはチップが足りません。
8か所 / 語句の出現 11回
つまり、WLAは端末側のLPDDRと、中央側のHBMを同時に増やす。
VLAはHBM必須ではなく、民生GPUやエッジAI SoCへ比較的搭載しやすい。
- HBM3E - HBM4 - HBM4E - 80～288GB／GPU - 複数GPUによる分散学習
すべての箇所はページ操作または下記JSONから取得できます。
6か所 / 語句の出現 6回
PMICはPower Management ICで、複数の電源レールを管理するICである。GPUやCPU、HBM、SerDes、DPU、NVSwitchなど、AIDCの部品はそれぞれ異なる電圧を必要とする。PMICは、それらの電源投入順序、電圧監視、保護、制御を担う。
## 14. まとめ：AIDC電源はGPU/HBMに次ぐ巨大テーマになる
AIデータセンター、いわゆるAIDCの競争は、GPUやHBMだけでは決まらなくなっている。今後の性能限界を左右するのは、むしろ「電気をどう運び、どう変換し、どう冷やすか」になっていく。
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 2回
第五に、電力と物理インフラ。 GPU、HBM、光通信、変圧器、PDU、UPS、冷却、発電所、送電網を誰が確保するか。
推論需要が増えれば、GPU、AI ASIC、HBM、光トランシーバ、スイッチ、リタイマ、電源部品、冷却装置、変圧器、PDU、UPS、ガスタービン、送電設備の需要が増える。
4か所 / 語句の出現 5回
特にフロンティアモデルの学習では、最先端GPU、HBM、先端パッケージング、データセンターネットワーク、ソフトウェアエコシステムが必要です。この領域では、中国はまだ米国に追いついていません。
| ---: | --- | | フロンティアモデル研究 | 95 | 75 | 米国 | | 最先端GPU・HBMアクセス | 95 | 35 | 米国 | | AIクラウド資金力 | 95 | 60 | 米国 | | 半導体設計・ASIC | 90 | 55〜70 | 米国 | | ソフトウェア生態系 | 95
e/Anthropic/Meta vs DeepSeek/Alibaba/Baidu等 | | 最先端GPU・HBMアクセス | 95 | 35 | NVIDIA/TSMC/HBMで米国圏が強い | | AIクラウド資金力 | 95 | 60 | 米Big Tech年6500億ドル級 | | 国家動員・計画実行 |
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 3回
れは非常に難しい。半導体製造は、ロケットやEV工場以上に複雑で、EUV、歩留まり、材料、装置、先端パッケージ、HBM、熟練人材が絡む。
AIデータセンターにはGPUが必要だ。GPUにはHBMが必要だ。HBMには先端パッケージが必要だ。先端チップにはTSMC、Samsung、Intelのような製造能力が必要だ。
27か所 / 語句の出現 42回
特に3,500万個をすべて288GB級TPU 8iとして読むと、HBMだけで約10EB必要になる。これは2028年のHBM市場全体見通しと衝突するほど大きい。
## HBMへの影響: 最大の直接恩恵
TPU 8iは、TPU 8tよりFP4ピーク性能は低い。しかし、HBM容量は216GBから288GBへ増え、HBM帯域も大きく、オンチップSRAMは128MBから384MBへ3倍になっている。
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 3回
AIデータセンターにはGPUが必要だ。 GPUにはHBMが必要だ。 HBMには先端パッケージが必要だ。 先端チップにはTSMC、Samsung、Intelのような製造能力が必要だ。
常に難しい。 半導体製造は、ロケットやEV工場以上に複雑で、EUV、歩留まり、材料、装置、先端パッケージ、HBM、熟練人材が絡む。
2か所 / 語句の出現 2回
最先端モデルの訓練と推論には、巨額のデータセンター投資が必要である。 GPU、ASIC、HBM、ネットワーク、冷却、電力、土地、送電、研究者、セキュリティ評価。 これらのコストは膨大である。
これまで米国のAI規制は、主にGPU、HBM、製造装置、先端半導体、データセンターなど、AIを作るための物理層に向いていた。だが今回は違う。完成したモデルの利用権そのものが制限された。
25か所 / 語句の出現 40回
AIラック全体のうち、HBM/高性能メモリ関連は25〜35%を占める可能性がある。基準シナリオでは、2026〜2030年累計で1,900億〜2,700億ドル程度のHBM関連需要が生まれ得る。
第四に、メモリサイクルの再来リスクである。HBMは構造的成長商品だが、メモリである以上、サイクルから完全には逃れられない。2026〜2028年は不足しやすい。しかし2029〜2030年に供給増、需要鈍化、旧世代品の残価低下が重なると、HBMにも価格
AIインフラの需要を考えるうえで、HBMは特別な位置にある。
すべての箇所はページ操作または下記JSONから取得できます。
58か所 / 語句の出現 85回
**絶ノイア:** HBMって、もう「部品」じゃないですね。GPUの性能を決める臓器に近いです。
このため、供給が需要に追いつきにくい。その結果、HBMメーカーの価格交渉力は強まりやすい。
HBM5では、熱設計がさらに重要になる。もしD2D PHY周辺の熱をうまく逃がせなければ、GPUやHBMは理論性能を出せない。逆に言えば、冷却構造を上手く作れるメモリメーカーは、AIアクセラレータの性能上限を左右する存在になる。
すべての箇所はページ操作または下記JSONから取得できます。
7か所 / 語句の出現 8回
最先端モデルの開発には、莫大なGPU、HBM、電力、データセンター、研究者、データ、評価環境、推論インフラ、資本市場が必要になる。継続的に世界最先端を走り続けられる国・地域は、現実的にはかなり限られる。
中国の弱点は、先端半導体、HBM、EUV、製造歩留まり、電力効率である。最先端GPUの性能で米国に遅れる場合、同じ知能を得るためにより多くの電力とチップが必要になる。これはコストと効率の問題になる。
ィアモデル主権 | 最先端モデルを自国・自陣営で開発し、更新し、配分できる | | インフラ主権 | GPU/HBM、電力、データセンター、通信、推論基盤を国内または同盟圏で運用できる | | 学習ループ主権 | 産業データ、評価データ、実験ログ、業務フローを自国側に残せる | | 意思決定主権 | AIが出す判断
すべての箇所はページ操作または下記JSONから取得できます。
20か所 / 語句の出現 31回
HBM4E、HBM5、DDR5、MRDIMM、SOCAMM、eSSD、QLC NANDが2028年以降も不足し続ける。
AIインフラでは、メモリを一種類で見ると読み違える。HBM、サーバーDRAM、eSSD、HBF、XL-FLASH、NOR/SLC NANDは、それぞれAI工場の違う階層を担う。
HBFとXL-FLASHは、HBMの完全代替ではない。 HBMは演算直結の超低レイテンシDRAMである。 HBF/XL-FLASHは、モデル重み、巨大ベクトルDB、RAG、KV cache、頻繁な小ブロック読み出しをGPU近傍に置くた
すべての箇所はページ操作または下記JSONから取得できます。
34か所 / 語句の出現 53回
ル価格を下げますが、同時に**世界中の国に「自国AIクラウドを持つ理由」を与える**。 このため、AI半導体・HBM・光通信・電力・冷却の需要は、むしろ上振れしやすくなります。
ただし、これはAI半導体市場にとって悪い話ではありません。 むしろ、供給制約が続くことで、HBM、CoWoS、光通信、電源、冷却、変電設備の価格・利益率・長期契約が強くなりやすい。
HBMでは、**1国25万GPU**の影響はかなり見えやすいです。 25万GPU × 180〜288GB = **45〜72PB HBM**。 韓国一国だけでも、HBM換算では大きな塊になります。
すべての箇所はページ操作または下記JSONから取得できます。
13か所 / 語句の出現 13回
- 味の素ABFの価格・数量 - IbidenのAI基板受注 - AdvantestのAI/HBMテスター - FormFactor、日本マイクロニクス、日本電子材料のプローブカード - KLA、Onto、Camtekの先端パッケージ検査
工程で動いています。テスト側ではAdvantest、FormFactor、Onto、KLA、ASEなどがAI/HBM/先端パッケージ需要で既に伸び始めています。([Tom's Hardware](https://www.tomshardware.com/tech-industry/semiconductors/ts
う理由は、AIパッケージが巨大化しているからです。AI GPUやAI ASICは、GPUダイだけでなく、複数のHBM、RDL、インターポーザ、電源配線を一つのパッケージにまとめます。パッケージが四角く巨大になるほど、丸いウェハから切り出すより、四角いパネルから作る方が面積効率が良くなる可能性があります。
すべての箇所はページ操作または下記JSONから取得できます。
7か所 / 語句の出現 7回
これはメモリ企業にとって、必ずしも悪い話ではない。低価格スマホ向けの低単価メモリより、AIサーバー向けのHBM、高性能DRAM、エンタープライズSSDの方が高付加価値である。つまり、大衆端末のメモリ需要が減っても、AIインフラ側のメモリ需要が増えれば、メモリサイクルの構造はさらに変わる。
データセンターだけでなく、AI PC、スマホ、車載、ロボット、産業機器、エッジサーバー、AI-RANに広がる。HBMだけでなく、LPDDR、DDR、NAND、ストレージ、CXL、車載メモリ、産業用メモリまで重要になる。
低価格スマホに積まれなかったメモリは、クラウド側のHBM、DDR、NAND、SSD、CXL、ネットワーク、光通信、電源、冷却需要として現れる。ユーザーが端末内で処理しない分、サーバーが処理する。個人が高性能端末を買わない分、クラウド企業が巨大なAIインフラ
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
これは、GPU、HBM、DRAM、NAND、CXL、ネットワーク、ストレージ、データセンター、電力需要にとって追い風になる。特に、エージェントが自動で調査、実験、コード生成、検証を回す時代になると、推論需要は人間のチャット
58か所 / 語句の出現 84回
2028年は、増産しても需要が追い越し、HBM・DRAM・NANDの不足が続く。
AI学習では、巨大なモデルとデータを高速に処理するため、GPU上のHBMが極めて重要になる。HBMは高帯域で、GPUの演算器へ大量のデータを供給できる。学習では、重み、勾配、活性化、optimizer stateなどが大量に発生するため、HBMの容量と帯域が直接性能に効く
**絶ノイア:** だからHBMだけではなく、DRAM、CXL、SSD、XL-FLASH、HBFまで見ないといけない。
すべての箇所はページ操作または下記JSONから取得できます。
5か所 / 語句の出現 5回
価格が上がれば増産され、数年後に供給が増え、需要の伸びが少しでも鈍れば価格が下がる。これはDRAM、NAND、HBMで形を変えながら繰り返されてきた産業の基本構造である。
AI半導体、HBM、DRAM、NAND、先端パッケージ、EDA、半導体製造装置、データセンター、発電、送電、液冷、光通信、クラウド、ロボット。これらはすべて、計算文明圏のインフラである。
未来を語っても、データセンターの減価償却は止まらない。 電力費は発生する。 GPUは陳腐化する。 HBMは世代交代する。 メモリ工場は稼働率を必要とする。 クラウド企業はフリーキャッシュフローを問われる。 メモリ企業は在庫とASPを問われる。
すべての箇所はページ操作または下記JSONから取得できます。
16か所 / 語句の出現 18回
SK HynixはHBMで勝ち、米国市場から資金を取る。 Samsungは巨大なバランスシートと自社株買いで株価を支える。 Micronは米国メモリ株として決算とHBM供給で評価される。 DRAM/RAMは、それ
gの巨大自社株買い報道は、SamsungがSK Hynixに対して資本市場でも反撃しようとしていることを示す。HBMで遅れたSamsungが、株価、人材、報酬、需給を使って再び主役へ戻ろうとしている。
HBM、DRAM、NAND、SSD。これらはこれまで半導体サイクルの中でも景気敏感な部品として扱われてきた。しかし、生成AIとAIデータセンターの急拡大によって、メモリは単なる部品ではなく、AI計算のボトル
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
AI時代のハイパースケーラーは、GPU、HBM、DRAM、SSD、電力、冷却、データセンターを大量に買う。だから短期的には、半導体企業やメモリ企業に利益を吸われ、フリーキャッシュフローを圧迫される存在に見える。だが一方で、彼らは自社クラウドの需要
第二段階は、AIインフラ相場だった。 GPU、HBM、DRAM、NAND、ASIC、電力、冷却、データセンター、光ネットワーク。AIを動かすための物理インフラが主役になった。
データセンターを作る。 電力を確保する。 冷却設備を用意する。 GPUを買う。 HBMを買う。 光ネットワークを敷く。 ASICを設計する。 政府向け閉域クラウドを運用する。 主権AIリージョンを作る。
19か所 / 語句の出現 23回
従来の2.5Dでは、compute dieとHBMをインターポーザ上に横並びで配置する。 HBM内部のDRAMダイは縦積みだが、GPU/ASIC本体とHBMスタックは基本的に横に並ぶ。
ある。さらに、カスタムASICは顧客の交渉力が強く、NVIDIA GPUほどの粗利率を維持できるとは限らない。HBMコストも重い。Google、Meta、OpenAIのような巨大顧客に集中することも、強みであると同時にリスクである。
カスタムASIC。 XPU。 HBM統合。 3.5Dパッケージ。 Hybrid Bonding。 CPO。 光I/O。 scale-up switch。 Photonic Fabric。 そしてTSMC COUPEのような光電融合パッケ
すべての箇所はページ操作または下記JSONから取得できます。
9か所 / 語句の出現 10回
第一に、メモリースーパーサイクルが続くか。 HBM4E、カスタムHBM、ASIC向けメモリーが本当に伸び続けるのか。 それとも2029年以降の供給増を市場が先に警戒し始めるのか。
この年に確認されるのは、HBM、ガラスコア基板、光インターコネクト、液冷、電力、データセンターの建設進捗だけではない。 もっと大きいのは、アメリカという国家が、AIインフラをどこまで背負い続けられるのかという政治的な確認である
HBM。 先端パッケージ。 光通信。 変圧器。 送電。 電源装置。 液冷。 原子力。 ガス発電。 サイバー防衛。 政府・軍事向けAI。 国内半導体製造。 AI
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
AI相場の中心は、OpenAIやAnthropicのモデル性能だけではなく、HBM、DRAM、NAND、先端パッケージ、プローブカード、電力、冷却、ネットワークといった、AIインフラのボトルネック側へかなり移っていた。市場は「次のモデルが出るか」だけではなく、「そのモデルを動かすた
GPUやHBMやデータセンターだけでなく、完成したモデルのアクセス権そのものが、国家安全保障の管理対象になっていく。 「この国には使わせる」 「この企業には使わせる」 「この用途なら許可する」 「こ
転による強烈な下げだった。市場の注目は、GPT-5.6の新モデル期待よりも、Micronの決算、DRAM価格、HBM需要、メモリETF、レバレッジ商品の需給にかなり寄っていた。
2か所 / 語句の出現 2回
AIデータセンターがHBMやDRAMを高値で吸い上げる。 企業SSDがNANDを吸い上げる。 AI PCもメモリを要求する。 車載、ロボット、産業機器、AI-RANもメモリを要求する。
AIインフラは必要である。 データセンターも必要である。 HBMも必要である。 光インターコネクトも必要である。 電力も必要である。 半導体製造能力も必要である。
3か所 / 語句の出現 4回
この循環が回り始めると、AIインフラは二層化する。一方には、GPU、HBM、光、電力、液冷を抱える巨大クラウドがある。もう一方には、低消費電力SoC、画像センサー、パワー半導体、無線接続、HMI、モーター制御を抱える現場側のAIがある。
AI相場はこれまで、NVIDIA、HBM、AIデータセンター、光通信、電力インフラを中心に進んできた。GPUをどれだけ積めるか、HBMをどれだけ供給できるか、データセンターにどれだけ電力を引けるか。この数年のAI投資テーマは、ほとんどが「ク
これまでのAI相場は、GPU、HBM、AIデータセンター、光通信、電力インフラが中心だった。しかし、AIが本当に社会に浸透するには、クラウドで賢くなるだけでは足りない。AIは、カメラで見て、センサーで感じ、ロボットを動かし、車を制御し、
3か所 / 語句の出現 3回
重要なのは、GPUの発熱は均一ではないということです。HBM周辺、演算コア、I/O、チップレット周辺など、局所的に熱いホットスポットが出ます。そのため、コールドプレートの流路設計は単なる配管ではなく、どこにどれだけ冷却液を流すかを最適化する高度な熱設計になりま
これまでAI投資は、GPU、HBM、先端パッケージ、光通信、電力に注目が集まりがちでした。しかし、Blackwell以降は、**熱を逃がせなければGPUを並べられない**という局面に入っています。
AIインフラを考える時、これまではGPU、HBM、ネットワーク、光通信、電力の話が中心でした。しかし、Blackwell以降のAIデータセンターでは、もう一つの主役が明確になってきています。
30か所 / 語句の出現 47回
特にHBFやXL-FLASHは、HBMの完全代替ではない。HBMは演算直結の超低レイテンシDRAMである。一方でHBF/XL-FLASHは、モデル重み、巨大ベクトルDB、RAG、KV cache、小ブロック読み出しをGPU近傍に置くための
しAIインフラ時代の特徴は、顧客が単に安い時に買うのではなく、将来の供給枠そのものを押さえに来ている点にある。HBM、DDR5、MRDIMM、SOCAMM、eSSD、HBF、XL-FLASHは、余った時に買えばよい部品ではなく、GPUクラスタ、推論サービス、AIストレージ、RAG基盤の稼働率を決める戦略部材になって
HBM需要が爆発し、AIサーバー向けの収益性が高く、顧客がLTAや前払いまで受け入れているなら、メモリメーカーが独立にHBMやサーバーDRAMへ生産を振り向けるのは経済合理的だからだ。
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
GPUやAI ASICは構造的にCPUほど汎用的ではない。GPUは大量の並列演算をまとめて走らせる装置であり、HBM、CUDAコンテキスト、カーネル実行、NVLink、KVキャッシュ、テンソル並列、パイプライン並列などが絡む。AI ASICはさらに特定ワークロードに寄るため、「誰でも好きな処理を安全に細切れで動かす
14か所 / 語句の出現 19回
この投資は、単なるNAND増産ではない。AI需要はHBMだけでなく、学習データ、推論ログ、チェックポイント、RAG、動画生成、長文コンテキスト、KVキャッシュ退避のために、高性能SSDと大容量NANDを必要としている。SK hynixはHBM首位の地位を保
特に推論、RAG、巨大コンテキスト、マルチテナントGPUクラウドでは、すべてをGPU HBMへ置くことが難しい。使用頻度の高いデータはHBMへ、次に使う可能性の高いデータはDRAMやCXLプールへ、さらに低頻度のものはSSDへ置く。この階層設計が、AIクラウドの原価を左右する。
本日の最重要テーマは、**AIメモリー相場が「HBM不足」だけでは説明できない段階へ入ったこと**である。
すべての箇所はページ操作または下記JSONから取得できます。
73か所 / 語句の出現 106回
モデルは、Intel FoundryがASIC、SRAM、EMIB、Foveros、テスト、パッケージを担い、HBMはSK hynix、Samsung、Micronなど外部企業と組み合わせる**オープン統合型**である。Samsungのような完全垂直統合ではないが、顧客が複数社のHBMやチップレットを自由に組み合わ
SamsungがロジックとHBMの両方を供給すれば、SRAM容量とHBM帯域の配分、HBMコントローラー、ベースダイ、信号電圧、電力管理、パッケージ配線、熱設計を同じロードマップで調整しやすくなる。
1GB当たりの概算を、SRAMは150から300ドル、HBMは10から15ドルと置くと、次のようになる。
すべての箇所はページ操作または下記JSONから取得できます。
60か所 / 語句の出現 69回
にも演算器、レジスタ、SRAM、DRAMがある - ASICにも演算器、レジスタ、SRAMがあり、用途に応じてHBMやDDRを接続する - HBMはGPU専用の別種メモリーではなく、高帯域化したDRAMである - NVIDIAのCPUが2基のGPUに挟まれた配置は、高速接続のためのパッケージ構造である - GPU同
- HBM - サーバーDRAM - QLC eSSD - 車載・産業用製品
外側にHBMまたはGDDRが接続される。
すべての箇所はページ操作または下記JSONから取得できます。
156か所 / 語句の出現 187回
## HBMの計算前提
価格は世代、顧客、契約時期、数量によって大きく変わる。特にHBMの契約価格と、オンチップSRAM・レジスタの原価は公開されない。
同じ1GBを保存するなら、SRAMはHBMの、
すべての箇所はページ操作または下記JSONから取得できます。
35か所 / 語句の出現 43回
AI時代のメモリー問題は、単純な容量不足ではない。すべてのデータをHBMへ置けば速いが、価格と供給量が追いつかない。すべてをNANDへ置けば大容量だが、演算器が待たされる。
HBMほど低遅延、高帯域ではないが、HBMより大容量化しやすく、NANDなので不揮発で、DRAMより待機電力を抑えやすく、重みや使用頻度の低いデータを置ける可能性がある。
会話、AIエージェント、コーディング支援、企業内文書検索が増えると、KVキャッシュは非常に大きくなる。すべてをHBMに置けば高速だが、HBMは高価で容量も限られる。すべてを通常ストレージへ置けば、読み戻すまでに時間がかかり、GPUが待機する。
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
トDRAMを迂回するため、余計なメモリコピーとCPU負荷を減らせる。Google公式資料はこの境界を「TPU HBMとNICの直接転送」と説明しているが、使用されるNIC ASICの詳細までは同資料で公開していない。([Google Cloud](https://cloud.google.com/blog/prod
Google TPU 8tでは、TPUDirect RDMAによってTPUのHBMとNICの間でデータを直接転送する。
NVIDIAでは、GPU HBMからラック外へ出る境界にConnectX-9 SuperNICがある。
3か所 / 語句の出現 3回
Google TPU 8tでは、TPUDirect RDMAによってTPUのHBMとNICの間でデータを直接転送する。
トDRAMを迂回するため、余計なメモリコピーとCPU負荷を減らせる。Google公式資料はこの境界を「TPU HBMとNICの直接転送」と説明しているが、使用されるNIC ASICの詳細までは同資料で公開していない。([Google Cloud][3])
NVIDIAでは、GPU HBMからラック外へ出る境界にConnectX-9 SuperNICがある。
3か所 / 語句の出現 3回
全体に賭けるなら800VDC・液冷。** > **Rubin Ultraの総出荷に賭けるならFC-BGA・HBM・先端パッケージ。**
- イビデン - TSMC - HBMメーカー - GPUパッケージ企業 - Oberon NVL72関連ODM
- TSMC - HBMメーカー - FC-BGAメーカー - GPUパッケージ関連企業
8か所 / 語句の出現 10回
GPUやASICが頻繁にデータを交換する。GPUが高速でも、別のGPUから計算結果が届かなければ処理は止まる。HBMに必要なデータがなく、ネットワークや外部メモリからの転送を待つ時間が増えれば、高価なGPUは待機状態になる。
NVIDIAにとってEnfabricaは、ネットワーク企業であると同時に、**HBMの外側にあるDDR5やストレージをGPUへ接続するメモリ階層企業**でもあった。
* NIC帯域 * PCIeスイッチの段数 * leaf-spineの混雑 * リンク障害 * HBM容量 * KVキャッシュ * メモリコピー * ネットワークの再送
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
ック全体に賭けるなら800VDC・液冷。** > **Rubin Ultraの総出荷に賭けるならFC-BGA・HBM・先端パッケージ。**
**絶ノイア:** でもRubin UltraそのものがOberon NVL72で出るなら、FC-BGAやHBM需要は残るかもしれない。
* イビデン * TSMC * HBMメーカー * GPUパッケージ企業 * Oberon NVL72関連ODM
5か所 / 語句の出現 5回
ュ一貫性 * NUMA制御 * ページ移動 * レイテンシ管理 * OS・ドライバー * AIランタイム * HBMと外部DRAMの階層制御
HBMは演算直結、Memory Poolは容量・共有性・利用効率を補う役割です。
標準的選択肢へ * マルチラックScale-upは数百～1,000超XPUへ * Memory Poolは汎用HBM代替ではなく、KVキャッシュ・共有DRAM・容量階層として普及 * NVLink、UALink、Ethernet系Scale-upが併存
すべての箇所はページ操作または下記JSONから取得できます。
5か所 / 語句の出現 5回
標準的選択肢へ - マルチラックScale-upは数百～1,000超XPUへ - Memory Poolは汎用HBM代替ではなく、KVキャッシュ・共有DRAM・容量階層として普及 - NVLink、UALink、Ethernet系Scale-upが併存
ュ一貫性 - NUMA制御 - ページ移動 - レイテンシ管理 - OS・ドライバー - AIランタイム - HBMと外部DRAMの階層制御
- XPU・HBMの高熱 - 光チップレットの歩留まり - ファイバー実装 - パッケージ交換性
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
- レチクル限界 - 歩留まり - SRAM容量 - HBM帯域 - 電源供給 - パッケージ面積 - 冷却
2か所 / 語句の出現 2回
- 演算器は最先端ノード - I/Oは成熟ノード - SRAMは専用キャッシュダイ - HBMは周囲へ配置 - 光I/Oは別のフォトニクスダイ - 全体をUCIeや独自リンクで接続
TSMCは、2.5Dインターポーザーや3D積層を利用して、ロジック同士、ロジックとHBM、異なる製造ノードのダイなどを統合する技術を異種統合として展開している。SoICでは、均質・異種チップレットをSoCのような一体構造へ統合できるとしている。
10か所 / 語句の出現 10回
IntelはEMIBについて、ロジック同士、またはロジックとHBMを接続するための、効率的かつコスト効果の高い方式と説明している。ブリッジ部分だけ細かなマイクロバンプピッチを使い、それ以外のダイ領域では比較的粗いピッチを維持できる。([Intel](https://
- 演算ダイとキャッシュを3D積層 - その積層ダイとHBMを2.5D接続 - パッケージ外部とは高速SerDesや光I/Oで接続
TSMCはCoWoSを、AIやスーパーコンピューティング向けのロジックチップレットとHBMを、大型の高密度配線基盤上へ統合する技術として提供している。([3DFabric](https://3dfabric.tsmc.com/english/dedicatedFoundry/technol
すべての箇所はページ操作または下記JSONから取得できます。
7か所 / 語句の出現 8回
これらの構造では、Compute Die、I/O Die、HBM、キャッシュダイなどを、パッケージ基板やインターポーザーへ配置する。
HBMは、複数のDRAMダイを上下に積み重ねたメモリーである。
接合が使われる。 - **アンダーフィル**は、熱膨張差による応力を分散し、バンプの疲労や剥離を抑える。 - HBMでは、ダイ内部をTSVが貫通し、ダイ境界面をマイクロバンプが接続する。 - マイクロバンプ、C4、BGAは、接続するパッケージ階層と端子サイズが異なる。 - ピッチを細かくすると帯域密度を高められるが
すべての箇所はページ操作または下記JSONから取得できます。
21か所 / 語句の出現 25回
転送 - 複数WSEを光ファブリックで接続 - Weight Streamingを低速な外部DDRではなく近接HBMから実行 - 長文脈やMoEでも高いDecode速度を維持
第二に、CerebrasはHBMや先端パッケージングの供給制約を受けにくい。
/s級の光I/OをWSEへ実装できれば、外部接続帯域は12.5～25TB/sとなり、**Rubin 1GPUのHBM4帯域に近い水準**まで引き上げられる。
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 2回
- 大型チップレットとインターポーザーの接続 - HBMとインターポーザーの接続 - コスト重視の3D積層 - 異なるダイサイズの比較的粗い接続 - 接合面の高さが必要な構造
っき、CMP、Via-first・Via-middle・Via-last、Keep-Out Zone、熱応力、HBMでの利用まで詳しく見ていく。
30か所 / 語句の出現 30回
- 顧客サンプル - コントローラー対応 - AI ASICへの採用 - 量産工場 - 月産能力 - HBMとの価格差
## 従来のHBMとXBMは何が違うのか
HBMでは、DRAMを積層し、プロセッサーの隣へ近づけた。
すべての箇所はページ操作または下記JSONから取得できます。
18か所 / 語句の出現 18回
XBMの重要性は、HBMより帯域が速いかどうかだけではない。
通常のHBMは、既存型のDRAMダイを積層する。
HBMで変わるのは、主として完成したDRAMダイの積み方と、演算ダイへの接続方法である。
すべての箇所はページ操作または下記JSONから取得できます。
9か所 / 語句の出現 10回
一般的なHBMや先端3Dパッケージでは、中心導体に銅が使われることが多い。SamsungのHBMも、TSVを利用して複数のDRAMダイを積層する構造を採用している。([Samsung Semiconductor G
シリコンインターポーザー表面には、ロジックダイとHBMをつなぐ細かな横配線がある。
Samsungは、HBMをTSVベースの積層技術と広いインターフェースを組み合わせた高帯域メモリーとしている。([Samsung Semiconductor Global](https://semiconductor.sam
すべての箇所はページ操作または下記JSONから取得できます。
46か所 / 語句の出現 47回
HBMの次に問題になるのは、DRAMセルではなくパッケージである
現在の代表的なHBM構造
XBMは、単に「HBMより速いDRAM」を作ろうとする構想ではない。
すべての箇所はページ操作または下記JSONから取得できます。
5か所 / 語句の出現 5回
AI・HBM関連では、アドバンテスト、ディスコ、日本マイクロニクス、TOWAの組み合わせが重要になる。
Samsung ElectronicsやSK hynixが横ばいでも、これらHBM・装置関連株が先に崩れる場合は、設備投資や短期需給への警戒が強まっている可能性がある。
AI・半導体株は、決算、設備投資、HBM価格、金利、先物、ETFの資金移動によって急激に売買が膨らみやすい。出来高を正しく読むと、「単なる薄商いの下落」と「本格的なポジション解消」を区別しやすくなる。
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
- HBM用PHY - PCIe用SerDes - メモリーコントローラー - 電源端子 - その他のチップレット接続
8か所 / 語句の出現 9回
gを使った製品であり、Foveros DirectとSoICは3D積層を作る製造基盤、CoWoSは複数のダイとHBMを横方向へ統合するパッケージ基盤である。**
Bonding、SoIC-Pはマイクロバンプ型のコスト重視構成である。 - **CoWoS**は、ロジックとHBMを横方向に統合する2.5Dパッケージである。 - CoWoS-Sはシリコンインターポーザー、CoWoS-RはRDL、CoWoS-LはRDLと局所シリコン接続を使う。 - SoIC＋CoWoSはTSMC
- SoIC：上下方向の3D積層 - CoWoS：横方向の2.5D統合 - HBM：メモリー内部の3D積層
すべての箇所はページ操作または下記JSONから取得できます。
15か所 / 語句の出現 15回
- HBMの発熱 - ロジックの発熱 - ダイサイズの不一致 - 修理性 - 歩留まり - 冷却 - 大電流供給
tとSoICでは、異なるアクティブダイをHybrid Bondingで接合する。CoWoSでは、ロジックダイとHBMを巨大な2.5Dパッケージへ統合する。
- 演算器とキャッシュは上下へ近接 - HBMは横へ大容量接続 - パッケージ外へは基板経由 - 光I/Oはエッジへ配置
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 2回
ixは2026年第1四半期に売上高52.58兆ウォン、営業利益37.61兆ウォン、営業利益率72％を記録した。HBMと高性能DRAMの成長によって、利益の質は今回のメモリ大手の中でも非常に強い。([SK hynix Newsroom](https://news.skhynix.com/q1-2026-busines
AIメモリ、HBM、DRAM価格上昇を先回りする信用買い。
12か所 / 語句の出現 15回
- 何を米国へ渡すのか - どこまで製造を米国内へ置くのか - 誰が長期的に韓国製HBMを購入するのか - その代わりにどのような政策的保護を得るのか
- HBMの積層・先端パッケージング - 次世代製品の研究開発 - 大学との共同研究 - 米国人の雇用 - 米国内顧客への供給
> AIモデル企業 > ↓ > GPU・カスタムASIC企業 > ↓ > HBM・先端パッケージ企業 > ↓ > 工場・電力・資本
すべての箇所はページ操作または下記JSONから取得できます。
56か所 / 語句の出現 67回
Samsungは、HBMでもファウンドリでも、最初から技術で遅れていたわけではない。
2023年に24GB・8層HBM3Eをサンプル出荷し、2024年にはNVIDIA H200向けの量産へ入った。Micronの公式年表も、1.2TB毎秒を超える帯域と先端1βプロセスを強調している。
SamsungのHBMでの失敗は、「未来が見えなかった」という単純な失敗ではない。
すべての箇所はページ操作または下記JSONから取得できます。
41か所 / 語句の出現 47回
> HBM > ＋ロジック半導体の製造 > ＋先端パッケージ
SK hynixのHBM、Samsungのメモリ・ファウンドリ・パッケージ、SK TelecomとNAVERのAIファクトリー、HyundaiのフィジカルAIが一つの産業循環を形成する。
> ↓ > Samsung Foundryがロジックを製造する > ↓ > SamsungがHBMを供給する > ↓ > Samsungの先端パッケージで統合する
すべての箇所はページ操作または下記JSONから取得できます。
15か所 / 語句の出現 15回
大規模モデルにはHBMが必要であり、AIエージェントには長いコンテキストとKVキャッシュが必要になる。AIスマートフォン、AI PC、自動車、ロボット、監視装置にも、従来より大容量のDRAMとストレージが搭載されるだろう。
- GPU・AIアクセラレータ - HBM・サーバーDRAM - 高速スイッチ - 光トランシーバー - 電源・冷却設備 - AIDC建設関連
最新GPU、HBM、先端パッケージ、光ネットワーク、変圧器、発電設備、冷却設備、データセンター用地まで、複数の供給制約が同時に発生している。
すべての箇所はページ操作または下記JSONから取得できます。
49か所 / 語句の出現 78回
SK hynixの2026年Q2決算で、HBM4について最も重要だったのは、単に量産出荷を始めたという事実だけではない。アーニングス・コールでは、**HBM4の量産歩留まりと品質が、成熟段階にあるHBM3Eへ近い水準まで改善した**と説明された。Q
2025年までのHBM4は、「開発を完了し、量産できる体制を整えた」という段階だった。今回の決算ではそこから一歩進み、**実際に顧客へ出荷しながら、成熟した前世代製品に近い歩留まりを確保できる段階**へ移った。これは試作品を
> **下半期の急速な増産局面でも、HBM3Eに近い歩留まりと品質を維持できるか**
すべての箇所はページ操作または下記JSONから取得できます。
6か所 / 語句の出現 7回
AIがGPU、HBM、NAND、製造装置、ネットワーク、電力、冷却、データセンター建設へ実需を波及させた。日本株もAI供給網として再発見され、その後に資金が銀行、商社、保険などへ広がった。
現在のようなGPU不足、HBM不足、データセンター建設競争、電力不足まで伴う巨大な設備投資サイクルを作れる別の需要は、当時ほとんど見当たらなかった。
HBMは通常のDRAMより製造工程が複雑で、多数のDRAMダイ、先端パッケージ、検査能力を消費する。メモリメーカーが高収益のHBMへ生産能力を振り向ければ、通常のDRAM供給も引き締まる。
すべての箇所はページ操作または下記JSONから取得できます。
4か所 / 語句の出現 4回
サイバー防御などで現実の価値を生み出している。しかし、世界中で建設されているAIデータセンター、電源、GPU、HBM、ネットワーク設備の総額を正当化するほど、AI単体の外部売上が成熟したわけではない。
TrendForceはHBM、DRAM、NANDの価格、在庫、供給を追ううえで非常に重要である。しかし、AI投資全体を見るには、供給側だけでなく資金の入口と出口を追う必要がある。
AI設備では、GPU、HBM、ネットワーク、冷却、電力密度が短期間で更新される。最新世代が大幅に高効率になると、旧GPUは減価償却済みでも、電力費を含めれば新型より割高になり得る。
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 2回
- データセンター建設 - 変電所・電力設備 - Trainium・NVIDIA GPU - CPU - HBM・DRAM - SSD・HDD - ネットワーク機器 - 冷却設備
HBM、DRAM、SSD、HDDの価格上昇がAWSの利益率や新規契約価格へどう転嫁されるかを見る必要がある。
3か所 / 語句の出現 3回
特にHBMはAIアクセラレーターの近くに配置され、モデルの重み、活性値、KVキャッシュなどを高速に供給する。
HBM
HBM・DRAM
7か所 / 語句の出現 7回
ただしCXMTのHBMは、Reuters取材では主要競合より約2世代、数年遅れているとされる。EUV、先端ロジック、TSV、積層歩留まり、熱制御、ベースダイ、顧客認証は依然として大きな障壁である。
- 中国向けNVIDIA売上 - HBM輸出 - 先端パッケージ - 半導体製造装置 - 第三国クラウド - 中国企業向け海外データセンター
電力、冷却、ネットワーク、HBM、ストレージ、クラウド、ID、監査、サンドボックス、リスク評価データ、そしてAIをAIで守る防御基盤が、新しい社会インフラになる。
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 3回
従来型メモリが余っていてもHBMが不足するように、旧世代GPUが余っていても、最新の液冷ラック、CPU、光接続、HBM、AIストレージは不足する。
一方で、安価な電力、受電設備、液冷、CPU、HBM、SSD、光通信、最新アクセラレーターを組み合わせ、計算資源を高稼働率で回せるAIDCの価値は残りやすい。
13か所 / 語句の出現 13回
SK hynix、Samsung、Micron系供給網が、HBM、DRAM、NANDを支える。
- TSMCの先端ウェハー - HBM - 先端パッケージ - ABF基板 - 高多層PCB - 光レーザー - トランシーバー - 液冷 - 変圧器 - 発電・送電設備
**ウェハー、HBM、パッケージ、電力を含めた総原価を下げる必要がある。**
すべての箇所はページ操作または下記JSONから取得できます。
119か所 / 語句の出現 146回
| データ | 適した階層 | | --- | --- | | 活性値・演算途中の値 | HBM | | ホットなKVキャッシュ | HBM | | 現在使っているモデル重み | HBM | | 低頻度Expert | HBF | | 読み出し中心のモデル重み | HBF | | 古い・低頻度K
HBFはHBMよりどれほど安くできるのか
5兆ウォン、営業利益は89.5兆ウォンだった。メモリ事業は過去最高水準となり、限られた能力をサーバーDRAM、HBM4、エンタープライズSSDなどへ優先配分した。会社は下期も供給増を進めるが、AI設備投資の拡大によって需給不足が続くと説明している。(Samsung Global Newsroom)
すべての箇所はページ操作または下記JSONから取得できます。
37か所 / 語句の出現 45回
多数HBM
HBM ↓ SK hynix / Micron / Samsung
HBM supplierを自由に選べるほどEMIB-Tの価値は高くなる。
すべての箇所はページ操作または下記JSONから取得できます。
25か所 / 語句の出現 26回
ケージ基板内部へ小型のSilicon Bridgeを埋め込み、Logic-to-LogicやLogic-to-HBMを高密度接続する2.5D方式と定義している。
chitecture - RDL構造 - TSV - bump pitch - package size - HBM support - mass production schedule
欠陥による歩留まり悪化 - レチクルサイズ上限 - 最先端ノードを必要としないI/O部分まで高価になる - HBMやSerDesなど異なる技術を統合しにくい
すべての箇所はページ操作または下記JSONから取得できます。
46か所 / 語句の出現 48回
Local HBMを非常に大きくしつつ、openなScale-Up FabricでNVIDIA NVLink ecosystemに対抗する
HBM4、
## 19．HBMは消えるのではなく「AIの作業記憶」へ純化する
すべての箇所はページ操作または下記JSONから取得できます。
38か所 / 語句の出現 41回
「PrefillはHBM、DecodeはSRAM」と完全に二分するのは一般には難しい。
| | Intel 18A | GAA＋Backside Power、2025年production | | HBM4 | Samsung/Micron量産 | | CoWoS | 大量生産、さらに大型化中 | | Switch CPO | Broadcom/NVIDIAで量産 | | LogicFolding |
逆にTSMC最先端process、巨大CoWoS、HBM4を使えるNVIDIAやAMDは、より多くをLocal packageへ閉じ込めることができる。
すべての箇所はページ操作または下記JSONから取得できます。
34か所 / 語句の出現 36回
HBM。
Tensor Core ↓ SRAM ↓ Local HBM
Compute SRAM HBM
すべての箇所はページ操作または下記JSONから取得できます。
8か所 / 語句の出現 10回
HBM │ ▼ GPU Compute Core
HBM、
GPUがAI計算するとき、重み、Activation、Gradient、KV Cacheなどのデータは主にHBMへ置かれる。
すべての箇所はページ操作または下記JSONから取得できます。
39か所 / 語句の出現 40回
HBMは、
HBM 3D SRAM HBM ███ ═══════════ ███ ███ CFET Logic ███ ███ ══════
CFET、BSPDN、HBM TSV、3D SRAM、TGV。
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
AI半導体というと、GPU、HBM、先端パッケージング、光通信に目が向きやすい。
18か所 / 語句の出現 19回
HBMはGPU Serverの内数であり、MPSのPower ICはVertivなどが販売するPower systemの内数になる。
SK hynix自身がHBM、HBF、CXL、NAND/eSSDを組み合わせるTiered Memoryを提示しているように、必ずしもすべてのデータをHBMへ置く必要はない。(SK hynix Newsroom)
企業別Supplier RevenueはSupply Chainの異なる階層を含み、HBMはServer BOMの内数、Power SemiconductorはPower Systemの内数となるため、表の数字を単純合算して最終AI Factory CapExと解釈してはいけない。
すべての箇所はページ操作または下記JSONから取得できます。
96か所 / 語句の出現 111回
36GBの12Hi HBM4を使うなら、
HBMの底に小さなSoCを貼り付ける
だからNVIDIAはRubin Ultraで12Hi HBM4Eだけに固執せず、8Hi HBM4EやHBM4まで評価している。(TrendForce)
すべての箇所はページ操作または下記JSONから取得できます。
69か所 / 語句の出現 85回
HBMが高すぎて使えなかったCPUedge AInetwork processoron-device AIinference accelerator
新しいmemory architectureが標準化されたとき、自社のHBM積層・TSV・MR-MUFという現在の製造ノウハウのscarcity valueが小さくなること
同じHBM需要を、より少ないDRAMウェハーで満たせる技術の価値
すべての箇所はページ操作または下記JSONから取得できます。
86か所 / 語句の出現 92回
**総HBM消費ではNVIDIAが圧倒的に大きい。**
を一つのパッケージへ統合している。CPUとGPUが同じHBM poolを共有する。 ([AMD Instinct](https://instinct.docs.amd.com/projects/amdgpu-docs/en/latest/gpu-partiti
を持つ。144個のTrainium3で20.7TB HBMのUltraServerを構成する。 ([Amazon Web Services, Inc.](https://aws.amazon.com/ai/machine-learning/trainium/
すべての箇所はページ操作または下記JSONから取得できます。
7か所 / 語句の出現 7回
NORは主に28～65nm前後の成熟プロセスで製造される。先端ロジックやHBMほど巨額の設備投資が行われる市場ではなく、世界市場も約34億ドルしかない。
客の在庫補充と供給不安による先回り発注 - メーカーが成熟ノードの大規模増産を行っていないこと - 設備投資がHBM、DRAM、先端3D NANDへ優先配分されていること - 低容量品やSLC NANDから撤退するメーカーが増えていること - 長期契約、選別受注、稼働率管理による供給規律
NANDにも供給規律はある。主要メーカーは2026年に大規模な新規能力をほとんど追加せず、設備投資をDRAMとHBMへ優先している。
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
- AIデータセンター - GPU - HBM - 半導体工場 - 発電所 - 原子力 - 送電網 - 光通信
データセンター GPU HBM 半導体工場 発電所 送電網
HBM 先端ロジック 先端パッケージ 光通信 電力 液冷
4か所 / 語句の出現 4回
HBM価格上昇。
HBM。
HBM契約。
すべての箇所はページ操作または下記JSONから取得できます。
10か所 / 語句の出現 10回
これはHBM株でも同じだ。
## 20．その下にある「第二のHBM」
## HUMNを分解すると見えてくる「Physical AIのHBM」――ヒューマノイド1台の全BOMから、次の供給制約と未織込み銘柄を探す
すべての箇所はページ操作または下記JSONから取得できます。
4か所 / 語句の出現 4回
**GPU** **→ HBM** **→ Network** **→ Power** **→ Cooling** **→ Data Center**
HBMが必要。
AI向けLogic、DRAM/HBM、NAND、Advanced Packaging、Testが主要ドライバーである。([Reuters](https://www.reuters.com/business/applied-materia
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
韓国HBM。
33か所 / 語句の出現 38回
SK hynix自身が、この技術が同社のHBM競争力確立に重要な役割を果たしたと説明している。([SK hynix Newsroom](https://news.skhynix.com/en/sk-hynix-kangwook-lee-wins-
## 東北大学 → Kangwook Lee → MR-MUF/HBM → 宮城Fab、そして「東北メモリー回廊」へ
## 4．2000年 IEDM → Kangwook Lee → HBM
すべての箇所はページ操作または下記JSONから取得できます。
15か所 / 語句の出現 15回
これはHBM不足とDRAM市場が同時に存在するのと同じである。
HBM4E：
HBMを十分に持ち、
すべての箇所はページ操作または下記JSONから取得できます。
59か所 / 語句の出現 63回
Cerebras、Rebellionsを技術から事業まで分解しながら、SRAMとはそもそも何なのか、DRAM/HBM不足の中でなぜ重要になってきたのか、3D DRAMはその先をどう変えるのか、そして2030年代のAIDCがどこへ向かうのかまで考えてみる。
> HBMを消費しない代わりに、advanced logic siliconを極端に多く消費する。
HBM＋SRAM hybrid。
すべての箇所はページ操作または下記JSONから取得できます。
11か所 / 語句の出現 11回
> 入社時給与そのものより、AI/HBMテスター好況による賞与と、その後の報酬カーブ
TELもAIサーバー向け先端Logic、DRAM、HBM、先端パッケージ投資を中長期の成長ドライバーとしている。([Tel](https://www.tel.com/ir/irta3a00000006g5-att/fy26q3presentations-e
HBM不足。
すべての箇所はページ操作または下記JSONから取得できます。
92か所 / 語句の出現 104回
添付資料が示すように、CerebrasはHBMを使わず、HBM/CoWoS/3nmの制約を避ける一方、ほぼwafer-sizeのlogic siliconを投入する。
その代わりHBMを減らせるなら意味がある。
SamsungがFMS 2026で公開したzHBMは、
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
AIデータセンター増設 → GPU/HBM/NIC/光部品増産 → wafer starts増加 → FabでHe消費増加
66か所 / 語句の出現 72回
だからSamsung HBM4説には技術的にも整合性がある。
**JalapeñoのHBM bandwidth/MWはRubinの約1.8倍**
Samsungは2026年2月、HBM4の量産・commercial shipment開始を発表した。
すべての箇所はページ操作または下記JSONから取得できます。
49か所 / 語句の出現 61回
NVHBM＋SRAMでHBM Trafficを減らせる量には限界があります。
Marvellは2024年12月にCustom HBM Compute Architectureを発表しています。
## NVHBMはHBM4Eをどう変え、SRAM・Logic Base Die・Feynman・PIMへ何を引き起こすのか
すべての箇所はページ操作または下記JSONから取得できます。
4か所 / 語句の出現 5回
**HBM** **Foundry** **Custom ASIC** **Networking** **Optical**
強化されない > 米中の技術対話は継続 > 各国のSovereign AI投資は拡大 > 半導体・HBM・電力・光通信のSupply Chain協力は維持
**Rubin ramp** **HBM4** **NVL systems** **Networking** **Inference demand** **2027/28 visibility**
すべての箇所はページ操作または下記JSONから取得できます。
3か所 / 語句の出現 3回
NVIDIAによればNVHBMでは標準HBM4Eと比較して、
Memory企業はHBMを作る。
HBM電力最大15%削減
8か所 / 語句の出現 8回
**AIDC＝GPU＋HBM＋CPU＋DDR＋NAND＋Network＋大量の仮想コンピュータ**
**HBM → DDR → NAND**
だからGPUとHBMが重要になった。
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 2回
8月末時点でTrendForceは、2027年の数量中心をVR200とし、Rubin Ultra/VR300はHBMやServer Architectureがまだ確定していないため出荷比率は比較的小さいとみている。([TrendForce](https://www.trendforce.com/presscente
AI半導体というと、NVIDIAのGPU、HBM、TSMCの先端プロセスやCoWoSに目が向きやすい。
2か所 / 語句の出現 2回
Chiplet ＋ HBM ＋ Interposer
Chiplet A ＋ Chiplet B ＋ HBM ＋ Interposer
70か所 / 語句の出現 78回
Custom HBM Architectureでは、
HBM
**HBM：Accelerator近傍の超広帯域Memory**
すべての箇所はページ操作または下記JSONから取得できます。
27か所 / 語句の出現 29回
**再びGPU/XPU、HBM、Optics、Advanced PackagingへDemandを返す。**
SK hynix――HBM・DDR・NAND。
→ HBM
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
NVIDIA GPU、TPU、Trainium、HBMなどを使い、Frontier Model、大規模Inference、Training、Reward Modelなどを処理する。
4か所 / 語句の出現 4回
16以上のHBM4/HBM5、
Die/HBM
AI半導体の成長を追っていると、GPU、HBM、CoWoS、光通信、電力設備といった目立つボトルネックに目が向きやすい。
すべての箇所はページ操作または下記JSONから取得できます。
4か所 / 語句の出現 4回
HBM。
するとHBMが不足する。
HBMを増やす。
すべての箇所はページ操作または下記JSONから取得できます。
17か所 / 語句の出現 17回
HBM。
HBM。
HBMが不足する。
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
HBMは、
19か所 / 語句の出現 20回
HBM placement
pを1日未満まで短縮できたとしている。7月にはさらにAuraStack AI Super Agentを投入し、HBM配置、Advanced Package、PCB、Signal Integrity、Power Integrity、Thermal、MechanicalまでAgentic AIで扱い始めた。(Caden
FormFactorが示す次世代HBM Probe環境も、5GHz超、125℃超、大電流、DUT当たり8万本超のProbeという世界に入っている。(FormFactor, Inc.)
すべての箇所はページ操作または下記JSONから取得できます。
18か所 / 語句の出現 23回
CXL等でHBMの外側へ巨大DDR poolを接続する部分。
SamsungがCustom HBMを2027年からsamplingする。
Samsung ElectronicsBroadcomとの$200B超MOU、HBM4E、2027 Custom HBM (Samsung Semiconductor Global)
すべての箇所はページ操作または下記JSONから取得できます。
10か所 / 語句の出現 10回
TrendForceも2027年HBM契約についてcapacity tightnessと価格上昇圧力を報告している。(TrendForce)
IntelのEMIB-Tは将来HBM向けpower deliveryまで想定され、EMIB 3.5Dではcompute、I/O、memoryなど異なるchipletを組み合わせられる。(Intel Newsroom)
1基288GB HBM4なので、
すべての箇所はページ操作または下記JSONから取得できます。
1か所 / 語句の出現 1回
HBM。
46か所 / 語句の出現 51回
HBM bandwidthを5TB/sとすると、1 Decode stepで41GB読む時間は、
Samsungが2026年に示したzHBMも、HBMをAI acceleratorの上へ直接3D stackし、Hybrid Copper Bondingを使ってlogicとmemoryの距離そのものを縮める構想です。Samsungはconc
全部HBMに入れる
すべての箇所はページ操作または下記JSONから取得できます。
2か所 / 語句の出現 2回
HBM
AI半導体の話になると、GPU、HBM、先端パッケージ、光通信が主役になりやすい。
1か所 / 語句の出現 1回
HBM。
3か所 / 語句の出現 3回
HBMを増やせば、
HBMを増産する。
## 30．半導体のHBM問題と非常によく似ている
5か所 / 語句の出現 6回
メモリ周辺を拡張している。例えばDGX B200は、8GPUで合計1,440GBのGPUメモリと64TB/sのHBM帯域を備える。新世代の性能上の利点が、RLという用途によって消えるわけではない。([NVIDIA](https://www.nvidia.com/en-us/data-center/dgx-b200/
半導体需要についても、既存のH100を再利用するだけなら、それが直ちに新しいGPUやHBMの購入になるわけではない。既存設備の空きを埋める段階と、新規設備投資まで押し上げる段階は区別すべきである。
ただし、CPUメモリの重要性が増したことから、HBMが不要になるとは言えない。別の仕事を担う資源の需要が増えることと、既存の資源を置き換えることは違う。
すべての箇所はページ操作または下記JSONから取得できます。