マイクロン、AIの成長を阻むのはチップでなく冷却

マイクロン・テクノロジー（Micron Technology）の社長兼最高技術製品責任者（CTPO）スコット・J・デボア（Scott J. DeBoer）氏は9月2日、台北・南港展覧館で開催された2026年国際半導体展（SEMICON Taiwan）のマスターフォーラムで、「From Silicon Innovation to System Intelligence: Architecting the Next Wave of AI」と題した基調講演を行った。会場の空気を決定づけたのは「AIはいまやメモリの速度で拡張している」という一言だった。ここ数年の技術進歩により、既存のビットからより多くの効率を、固定容量からより多くの帯域幅を引き出せるようにはなったものの、世界的なデータセンター建設需要を満たすにはまったく足りず、メモリは今後も数年間「深刻な供給不足」が続くと警告した。

帯域幅・容量・放熱：AIシステムの鉄の三角形

デボア氏はメモリシステムの3つの側面を、その日の朝に思いついたという自動車の比喩で説明した。帯域幅はエンジンの馬力であり、人々がいまや当然と見なす計算性能の向上を実現するために、最優先で高め続けなければならない。容量は燃料タンクであり、帯域幅が乏しければ大容量は不要だが、帯域幅が上がるにつれ、それを受け止められる容量も自己増殖的に拡大していく。3つ目の放熱はタイヤに例えられる——エンジンがどれほど大きくても、タンクがどれほど満タンでも、タイヤの空気が抜けていれば車は動かない。同氏は、この1年で放熱管理は劇的に変化したと語った。パートナー各社との協業で帯域幅が引き上げられるにつれ、システムからいかに熱を逃がすかが、帯域幅が最終的にどこまで速く動けるかを決める制約になったという。3つの条件が同時にそろって初めて、「AIがメモリの速度で拡張する」ことの本当の意味になる。

デボア氏は、メモリ業界独自のムーアの法則はいまも指数関数的な曲線上にあると主張する。半導体業界での30年のキャリアを振り返れば、DRAMは15の製造プロセス世代を経てきたが、その成長は単純な微細化よりも、アーキテクチャレベルの刷新によるところが大きくなっており、今後もそうした転換が何度も起こるという。最先端DRAMの密度は、人間の髪の毛1本の太さの中に1500個以上のDRAMコンデンサを収められるほどに達している。この進歩の度合いを自動車に置き換えると、1995年の270馬力、価格6万ドル、燃費23マイル/ガロンのポルシェは、DRAMと同じ軌道をたどれば、今日ではおよそ300万馬力、価格5ドル、燃費23,000マイル/ガロンになっているという。

先端パッケージングとハイブリッドボンディングが直面する3つの壁

• 先端パッケージングにおける横方向の拡張圧力：メモリからロジックチップへますます多くの情報を送り込む必要があり、限られた平方ミリメートル内で入出力（I/O）接続点を増やす圧力は高まる一方だ。ウェハー対ウェハー接合はすでにNANDで実用化されているが、今後DRAMにも導入される見込みで、製造性とプロセス制御にはまだ大幅な改善が必要となる。
• ハイブリッドボンディングの量産成熟度——これこそが本当のボトルネック：ハイブリッドボンディングは業界全体で見てもまだ比較的小規模にしか使われておらず、ダイ対ウェハー、積層、計測、接合物理のすべてが大幅に成熟しなければ、超高volumeで信頼性の高い接合を安定して実現できない。現状の量産（HVM）能力は明らかに遅れている。
• 放熱が補助的な設計から構造設計へ：現代のシステムではロジックの発熱が均一ではないため、DRAMは顧客とアプリケーションごとに設計を最適化し、ダイや3次元スタックの内部に物理的な放熱構造を組み込んで、底部のロジックから頂部の冷却インターフェースまで熱を導く必要がある。デボア氏はこれを、今後4〜5年におけるHBM4E、HBM5、HBM5E、さらには垂直メモリ製品の帯域幅ロードマップの根本的な課題だと位置づけた。

データセンターでは、HBMが性能ピラミッドの頂点に立つが、システム全体を支えるのはHBMだけではない。高密度DDRメモリモジュールと低消費電力DRAMモジュールは、以前よりも大きく複雑な役割を担い、モデルをメモリへ出し入れし、KVキャッシュのような膨大なメモリ需要を吸収している。意外なことに、多くのNANDメーカーの予想に反して、高性能SSDがデータセンターで大量に採用されるようになった——4、5年前にはNANDは「ひどいビジネス」と見なされていたが、いまでは技術革新に満ちた高性能分野へと様変わりしている。エッジでは、ロボティクスや自動車向け用途もまた高帯域幅を必要とするが、消費電力の上限やコスト構造はデータセンターとはまったく異なり、すでに深刻なDRAM供給不足にさらなる圧力を加えている。マイクロンは今後10年間で約2500億ドルを投じ、米国、台湾、シンガポール、日本の工場を拡張する計画を公表済みだが、デボア氏はこの日の講演がその拡張について語るものではなかったと強調した。短期的に本当に急務なのは、革新と効率によって既存の生産能力をうまく活用することだという。

メモリがAIトークンの価格を決める

多くのシステムのボトルネックは当面変わらないため、最適化できる余地は主にメモリ帯域幅と、その効率的な利用方法にあるとデボア氏は説明した。ここ数年のAI「トークノミクス」コスト低下の主な原動力は、HBM3Eから間もなく登場するHBM4、HBM4Eへと続くHBM帯域幅の飛躍であり、この流れはスマートフォンやポストスマートフォン世代の端末、自動車分野にも及ぶ。次のステップは垂直HBM（Vertical HBM）で、ロジックチップの真上にHBMを直接積層し、容量は小さいものの帯域幅を極めて高くする。帯域幅に極度に敏感な推論用途に適しているが、この技術もハイブリッドボンディングの成熟が前提となる。メモリを演算ユニットに物理的に近づけ、抵抗と配線損失を減らすことも、HBMとロジック間の電力コストを下げる。光インターコネクトについては、デボア氏はラック対ラックの用途よりも、HBMとGPU間のチップ対チップ光接続に関心を寄せているが、これはより難しく、時間軸もより長い課題だと認めている。パッケージング側で「力任せ」にHBMやGPU、システムを増やすことも、トークンコストの低下につながる。DRAM自体も3D構造へと向かっており、3D NANDのように一度に容量が倍増するわけではないが、今後10年のビット成長を支えるには十分だという。

マイクロンはAIに特化したベンチャーファンドの規模も拡大し、有望なスタートアップにより早く関わろうとしている。8月下旬には、大学や国立研究所、スタートアップと連携し、これまでにない長期の研究に10年間で100億ドルを投じるマイクロン・リサーチ・ラボ（Micron Research Labs）の設立を発表した。デボア氏は、マイクロンの賭けをウェハー製造から装置メーカーとの協業、顧客とのシステムレベルの共同設計に至る一連のチェーン全体だとまとめた。生産能力はいずれ追いつくはずであり、目下の急務は既存の資源からできる限りのものを引き出すことだと語った。

放熱はタイヤのようなものだ。エンジンがどれほど大きくても、タンクがどれほど満タンでも、タイヤの空気が抜けていれば車は動かない。

メモリ3強、同じ診断

デボア氏の警告は孤立した主張ではない。台湾のテック系メディア「DigiTimes」によると、SEMICON Taiwan 2026の同じ舞台で、サムスン電子（Samsung Electronics）とSKハイニックス（SK Hynix）の幹部もマイクロンと同様に、インターポーザーを用いた従来型の2.5D HBMが性能の天井に近づいており、業界は伝送電力を抑え、さらなる帯域幅を引き出すために3次元垂直積層とウェハーレベル接合へと移行しつつあると認めたという。DigiTimesは別の記事で、マイクロンがHBMの10倍以上の帯域幅を、ビットあたりの消費電力を大幅に抑えながら実現できる可能性のある「密結合DRAM（tightly coupled DRAM）」アーキテクチャを検討していることも報じている。これは、プロセッサ性能とメモリ帯域幅の間で広がり続ける差が、マイクロン一社の主張ではなく、業界全体でAI計算の拡張余地を制約する要因として扱われていることを示している。

AI計算能力に依存する日本企業にとって、これは何を意味するのか。メモリの「深刻な供給不足」は抽象的な警告ではなく、調達の最前線に直結する。HBMを搭載したAIサーバーやGPUモジュールは、メモリのスポット価格が逼迫するたびに、納期が長期化し、価格が上昇する可能性がある。国内のクラウド事業者や、GPU計算資源を借り受けるAIスタートアップ、中小企業にとっては、直前の追加発注に頼るよりも、早期に供給契約を確保し、コスト上昇分の予算的余裕を確保しておくほうが現実的になる。そして放熱設計自体がシステムのボトルネックへと格上げされたことは、データセンターやエッジAI機器の熱・電力計画が、チップの性能そのものと同じくらい重要になることも意味している。