#半導体

生成AIの利用料金は、ここ1〜2年でずいぶん下がったように見える。ただし「モデルの利用料が下がった」という話と、「実際に仕事1件を終えるまでのコストが下がった」という話は少し違う。jyn の記事は、その差を埋めるために、GPU、推論エンジン、モデル構造、そして用途を絞ったAIまでを一つずつ並べて、「トークンは電気代並みに安くなる」という見立てを組み立てている。単なる楽観論ではなく、どこで安くなっているのかを分解して見せるのが面白い。読んでおくと、今後のAIサービスがどこで儲けようとしているのかも見えやすい。 記事はまず、AIの価格低下が本当に起きているのかを疑うところから始める。著者は、AIを大きく分けて proprietary なモデルと open weight のモデルに分け、さらに open weight を hosted と local に分けて考えるべきだと言う。というのも、改善の効き方がそれぞれ少しずつ違うからだ。 全体に効く変化として最初に挙げるのが GPU だ。GPU 自体の電力効率は世代ごとに上がっていて、記事ではおよそ2年で効率が倍になるペースだと説明している。次に

Samsung Electronicsが次世代の高帯域メモリーHBM4で生産を一段と拡大する、という話が韓国メディアから伝わった。単に「もっと作る」というニュースではなく、その準備として必要になる材料や工程まで具体的に増えている点が面白い。とくにガラスキャリアの外注洗浄量を大きく増やす計画は、実際の量産が近いことをうかがわせる。AI向けGPUの需要が強いなかで、HBMの供給能力をどこまで積み上げられるかが改めて焦点になっている。 Seoul Economic Dailyによると、Samsung Electronicsは来年、HBM4ファミリーの生産量を今年の2倍超に引き上げる見通しだという。ここでいうHBM4ファミリーには、第6世代のHBM4と第7世代のHBM4Eが含まれる。記事は、Samsungがその増産に合わせて、HBMの製造に欠かせないガラスキャリアの需要を今年比で2.5倍にする計画だと伝えている。 ガラスキャリアは、HBM用DRAMウエハーを薄く削る工程で、ウエハーの裏側に一時的に貼り付ける支持材だ。薄くしたときの反りや割れを防ぐ役目があり、層数が増えるほど重要性が増す。HBM

OpenAIが、AIモデルを使って自社のAIアクセラレータ「Jalapeño」の設計を進めたという話だ。しかも単に「AIを使いました」という程度ではなく、設計の前半部分で実際にLLMを組み込み、試作から量産に向かう流れをかなり短縮したとされている。半導体設計はもともと長い工程で知られるが、その時間をどこまで圧縮できるのかは、AI業界全体にとっても気になる。この記事は、その実例をOpenAI自身のケースから見せている。 IEEE Spectrumの記事が伝えているのは、OpenAIが25日に全面公開したAIアクセラレータ「Jalapeño」の設計プロセスだ。Jalapeñoは、最大13.4 petaflopsの4-bit計算性能を持ち、232 gigabytesのHBM4メモリにアクセスできる。帯域は15.4 terabytes per secondに達し、OpenAIが示したベンチマークでは、NvidiaのGB300と比べて、プロンプトから最後のトークンまでの遅延を最大3.6倍縮められるとしている。しかも消費電力はより少ないという。もっとも、これが実運用でそのまま出るかはまだ分からない

SamsungがHot Chips 2026で示したのは、メモリをただの保管場所ではなく、計算の場としても使うProcessing-in-Memory、いわゆるPIMの具体像だった。LPDDR5Xの中にMAC演算器を入れつつ、外からは通常のメモリチップのように扱える、というのが肝だ。発想自体は昔からあるが、今回は理論ではなく、実装と運用の面倒さまでかなり踏み込んでいる。面白いのは、性能の話より先に、OSやキャッシュとの相性の悪さがはっきり見えてくるところにある。 元記事が紹介しているSamsungのLPDDR5X-PIMは、見た目こそ通常のLPDDR5X-9600チップだが、16 banksそれぞれにPIM blockを持たせた設計になっている。DRAMは内部で bank に分かれていて、通常は memory controller が bank を選び、row を開き、column access strobe、つまり CAS 命令でデータを読む。だがPIMでは、その bank にぶら下がった演算ブロックが内部帯域を直接使う。外部バスに縛られないので、16 banks全体で理論上 614

まず思ったのは、「ついにそこまで来たか」というより、「そりゃそうなるよな」という感覚だった。AIサービスが大きくなるほど、GPUをただ借りるだけではコストも効率も苦しくなる。モデルを作る会社が、その下のハードウェアまで触りたくなるのは、かなり筋が通っていると思う。 ただ、この記事で引っかかったのは、Anthropicが“全部自前”に行く話ではないところだ。AWS、Google、Nvidia、AMDを引き続き使うと言っていて、いきなり既存のハードを捨てるわけではない。ここが現実的で、むしろ好感を持った。AIの世界では「自前化＝正義」みたいに語られがちだけど、実際には複数の選択肢を持っておくほうが強い。特に推論（inference、学習済みモデルを動かす処理）のコストが大きいサービスなら、専用chipを持つ意味は出てくるはずだ。 もうひとつ面白かったのは、求人票の「shipped silicon」という言い方だ。Chipはソフトウェアみたいに雑に作って後で直す、というわけにいかない。1回の失敗が高くつくから、「本当に最後まで出したことがある人」を求めるのは当然なんだけど、逆に言えばそれだけ

まず思ったのは、Anthropic までここに来たか、という驚きよりも、「やっぱりGPUを借り続けるだけでは怖いんだな」という納得感のほうでした。AIモデルを動かすコストの話はいつも抽象的に語られがちですが、推論用のチップを自前で持ちたくなる気持ちはかなり現実的です。学習用ほど派手ではないにせよ、推論は使われる回数が多いぶん、積み上がる請求額が重い。Claudeのようなサービスを回していくなら、Nvidia GPUに依存し続ける構図はかなり苦しいのだと思います。 それと、この記事でいちばん引っかかったのは、Anthropicが「自社で全部作る」のではなく、co-design だとされている点でした。ここは大事で、完全な内製化というより、設計を握りつつ製造は外部に頼る形です。Samsung が製造パートナー候補として出てくるのも、その延長線上なら自然です。AI企業がいきなり半導体メーカーになるわけではない。けれど、チップの仕様に口を出す側へ回るだけでも、かなり立場は変わるはずです。 ただ、こうした「自前チップ」の話は、聞こえは強いのに、実際にはかなり泥臭いと思います。推論専用ASICは、

Anthropicまで自前の hardware を持とうとしているのか、というのがまず最初の感想だった。AI の世界で「モデルを作る会社」が、その下の土台である chip まで内製に寄っていく流れが、もうかなりはっきりしてきた。しかもこれは単なるコスト削減の話というより、Nvidia への依存を少しでも減らしたい、というかなり現実的な防衛策に見える。 読んでいて面白かったのは、Anthropic が「全部自前」に振り切るわけではなく、multi-chip approach を取ると明言している点だった。ここは地に足がついている。AI の計算資源はまだ希少で、供給も偏っている。いきなり自社 chip だけに賭けるのは危ないし、現場としてもそんな悠長なことはできないのだろう。まずは外部の hardware を使いながら、使い道のはっきりした部分から自前設計を入れていくほうが自然だと思う。 それでも気になるのは、こういう縦の統合が進むと、強い会社ほどさらに強くなることだ。モデル、software、chip まで揃えられる企業は、性能面でも調達面でも有利になる。逆に、モデル開発だけで勝負する会

AMDがAnthropicに最大50億ドルを投資する方向で動いている。 その見返りとしてAnthropicは、AMDの最新AI server chipsを数百億ドル規模で買う約束をしている。 これは単なる出資話ではなく、AI計算資源をめぐる「供給の囲い込み」に近い。 NVIDIA一強に対して、AMDが本気で割って入ろうとしている構図が見える。 Anthropic側も、GPUやAI向けチップの調達先を広げたいはずで、かなり現実的な動きだと思う。 AI業界のニュースは、しばしばモデルの性能競争ばかりが目立ちます。でも実際に現場を動かしているのは、もっと地味で、もっと高いものです。そう、計算資源です。要するに、AIを動かすための“脳みそを回す工場”のようなもの。どれだけ賢いモデルを作れても、そこを回すチップが足りなければ話になりません。 今回のFinancial Timesの記事が伝えているのは、AMDとAnthropicの大型提携です。AMDは最大50億ドルをAnthropicに投じる一方で、AnthropicはAMDの最新AI server chipsを数十億ドル、記事の表現では「ten

AMDがAnthropicに、なんと2 gigawatts分のInstinct MI450 GPUを供給する計画を発表しました。あわせてAMDは、Anthropicに最大50億ドルを投じる方針です。しかもAnthropicはすでに、AMDのMI355X GPUを使い始めているとのこと。 このニュース、数字の大きさだけでもかなり派手です。2GWなんて、もはや「GPUを何枚入れるか」という話を超えていて、AIインフラをどれだけ電力で押し切るかという世界に入っています。AI業界の買い物は、いつのまにかPCパーツのノリではなく、発電所のノリになってしまったわけです。 AMDがAnthropic向けにInstinct MI450 GPUを2GW分供給する計画 そのうち最初の1GWは2027年前半に到着予定 AMDはAnthropicに最大50億ドルを投資する AnthropicはすでにMI355X GPUを利用中 AIモデルの競争は、性能だけでなく電力・供給力・資金力の勝負になっている AMDとAnthropicの関係で面白

Appleの「Neural Engine」、通称ANEは、iPhoneやMacの中で静かに働く専用チップです。顔認識、写真の補正、音声処理、生成AIの一部まで、裏側でかなり多くの仕事を抱えています。ふだんはCore MLというApple公式の仕組み越しにしか使えないので、一般の開発者から見ると「中はブラックボックス」の代表格でした。 今回のarXiv論文は、そのブラックボックスをかなり本気で分解したものです。しかも単なる憶測ではなく、Apple silicon上での直接計測と、private runtime、compiler、kernel driver、firmwareの静的解析を組み合わせている。こういう研究は地味に見えて、実はとても面白いです。Appleが“使わせるつもりのない層”にまで手を伸ばして、仕組みを記述しているわけですから。 この論文は、Apple Neural Engineのアーキテクチャ、プログラミング方法、性能の限界をまとめた「リバースエンジニアリングのガイド」です。対象はA11世代のiPhone/iPadチップからA18、そしてM1からM5まで。かなり広い。 特に

韓国政府と大手企業が、半導体・AIデータセンター・人型ロボットに総額1兆ドル規模を投じる。 いちばん大きいのは、SamsungとSK Hynixによるメモリチップ増産。AI需要でメモリが足りず、価格も上がっている。 もう一つの柱はAIデータセンターの増設。AIを回すには電気と水が大量に要るので、インフラ整備が避けられない。 人型ロボットは「物理AI」として国家戦略に格上げされ、2028年までに商用化を狙う。 ただし、ロボット導入には労組の反発があり、半導体景気の利益配分をめぐる社会的な摩擦も出ている。 韓国がかなり派手な一手を打ってきました。Ars Technicaの記事によると、政府と主要テック企業が、半導体生産の拡大、AIデータセンターの建設、そして人型ロボットの実用化に向けて、合計1兆ドル規模の投資を進めるそうです。数字の大きさだけでも圧倒されますが、面白いのは「AIを支える部品」から「AIを動かす場所」、さらに「AIが物理世界で働く未来」まで、まとめて国家戦略にしているところです。 私はここに、韓国らしいしたたかさを感じます。半導体で世界の中心に立ってきた国が、AIブームを「流

LongCat-2.0は、LongCatの新しい大規模AIモデル。 元記事の見出しが強くて、特に目を引くのは「1.6万亿総パラメータ」と「訓練全程を国産チップで完了した」という点。 「総パラメータ」はモデルの“記憶の器”の大きさのようなもの。数字が大きいほど何でも強い、とは限らないけれど、スケールの大きさはかなり派手。 そして、学習に海外製GPUではなく中国製チップを使い切った、という話は技術面だけでなく産業面でも意味が大きい。 ただし、元記事本文はこの抜粋ではほぼタイトル情報しか読めないため、ここでは公開されているタイトル・説明文から読み取れるポイントを中心に紹介する。 AIモデルの話で「巨大です」と言われても、正直なところ一般の人にはピンと来にくいです。 でも、今回のLongCat-2.0は少し事情が違います。単に大きいだけではなく、「どのチップで育てたか」が話の中心にあるからです。 大規模モデルの学習は、ものすごく高性能な計算資源を長時間使います。これまではNVIDIA製GPUが事実上の標準でした。ところが中国では、半導体の調達や輸出規制の問題もあって、国産チップでどこまで戦える

IBMがまたやりました。 2026年6月、同社は世界初という「sub-1 nanometer（1nm未満）」のチップ技術を発表しました。正確には、0.7nm、つまり7 angstromノードのトランジスタ構造を使った技術です。 ここで大事なのは、単に「もっと細かく刻めました」という話ではないことです。半導体はずっと、小さくして速く、安く、省電力にする方向で進化してきました。でも、その延長線上でそろそろ限界が見え始めていた。今回の発表は、その限界に対して「まだ別の道がある」と示したようなものだと思います。 IBMが世界初のsub-1nmチップ技術を発表した 0.7nm、または7 angstromノードのトランジスタ構造を採用 新しい3D構造「nanostack」で、トランジスタを縦方向に積み上げる 2nm世代と比べて、最大50%の性能向上か、70%の省電力化が見込まれる 生成AI、クラウド、次世代デバイス向けの計算能力を押し上げる可能性がある 量産は早ければ今後5年以内という見通し 半導体の世界では、nm（ナノメートル）はとにかく小さい。1nmは100万分の1mmです。髪の毛より何万倍も

AppleがMac向けの自社チップ戦略を、かなり大胆に組み替えようとしている。Bloombergによると、同社はまずM6世代のベースチップを早ければ今年中にエントリーモデルのMacへ投入する一方で、より高性能な上位版は出さず、次のM7世代で `M7 Pro`、`M7 Max`、`M7 Ultra` をまとめて用意する計画だという。 これ、地味な話に見えて、実はかなり大きい。Appleはここ数年、MacをIntelから自社設計チップへ移行してからというもの、世代ごとに着実に性能を積み上げてきた。そこへきて「M6の上位版は飛ばす」というのは、単なる順番の変更ではない。製品の出し方そのものを変える話だと思う。 M6は、まず低価格帯のMac向けに登場する見込み その一方で、これまでのような `Pro`、`Max`、`Ultra` といった上位チップはM6では出さない 上位モデルは、次の `M7` ファミリーにまとめて移る可能性がある Bloombergは、これはAppleのMac用シリコン戦略の「ここ数年で最大級の変更のひとつ」だと伝えている 背景には、AIを意識した新しいチップ世代への移行が

Qualcommが、AIソフトウェア企業のModularを約39億ドルの株式で買収すると発表しました。 スマートフォン向けチップの会社という印象が強いQualcommですが、今回の動きはかなり野心的です。端的に言えば、「半導体だけでは勝ち切れないAI市場で、ソフトも押さえにいく」という話です。 QualcommがModularを約39億ドルで買収する 代金は現金ではなく株式で支払う 取引は2026年後半の完了を予定している 目的はAI向けソフトウェア能力の強化 狙いはデータセンター事業の拡大 Modularは、AIソフトウェアの能力を持つ企業です。 この「ソフトウェア能力」というのがポイントで、AIの世界ではチップの性能が高いだけでは足りません。実際にAIを動かすには、モデルを効率よく実行する仕組みや、ハードウェアに合わせて最適化するソフトが必要になります。ここが弱いと、せっかく高性能なチップを持っていても“使い勝手のいいAI基盤”にはなりにくいんです。 Qualcommはこれまで、スマートフォンや通信機器向けのチップで存在感を築いてきました。ただ、今回の買収を見ると、同社が本気でデー

OpenAIが、Broadcomと共同開発した初のカスタムチップを発表しました。名前は「Jalapeño」。ちょっと辛そうな名前ですが、中身はかなり本気です。これはOpenAI向けに特化した inference processor、つまりAIモデルを実際に動かすための処理装置です。 今回の話で面白いのは、OpenAIが「AIを作る会社」から、だんだん「AIを支えるインフラまで自分で作る会社」になりつつあることです。モデルを作るだけではなく、その下にあるチップやメモリ、ネットワークまで最適化する。かなり野心的だと思います。 OpenAIがBroadcomと共同で、初の自社向けカスタムチップ「Jalapeño」を発表 用途は inference、つまり学習済みAIをユーザーの命令に応じて動かす場面 OpenAIは、自社AIモデルもチップ開発に活用したという まだテスト段階だが、現行の最先端チップより performance-per-watt がかなり良いとされる Nvidiaへの依存を減らす狙いがある 生成AIの事業では、推論コストの削減がそのまま利益改善につながりやすい Jalapeño

2026年3月上旬に始まったエチレン減産は、ナフサクラッカー稼働率の低下を通じて世界の石油化学チェーン全体に波及している。原油・ナフサ供給の構造的逼迫を背景に、エチレン由来のポリエチレン（PE）・ポリプロピレン（PP）・ポリスチレン（PS）・PETといった汎用樹脂が4段階の波で品薄化する見通しが業界レポートで指摘された。 家庭の備蓄リストとして語られがちなこの問題は、実はハードウェアテック業界にとっての深刻なサプライショックでもある。スマートフォン部品の品薄ピークは10〜12月——年末商戦と完全に重なる。本稿ではテック視点でカレンダーを読み解き、8月以降の「半導体封止材ショック」と、テックワーカー個人が今すべき備えを整理する。 --- 2021〜2023年の半導体不足は、主に前工程（ファウンドリ）の生産能力がボトルネックだった。今回のナフサショックは性質が異なる： 影響範囲が広い：チップそのものではなく、それを実装するための封止材・基板・接着剤・絶縁フィルムといった「裏方ケミカル」が同時に不足する 代替が効きにくい：ファウンドリは

石油化学の原料となるナフサの国際供給逼迫により、プラスチック・電子部品・ポリエステル素材の不足が段階的に波及する。テック企業のスマホケース・PCパーツ・半導体製造装置用材料も7月以降の深刻化が予測される。「パニック買いは厳禁」だが、通常在庫の1〜2カ月分追加購入は現実的対応。 | 時期 | 影響カテゴリ | テック関連品目 | |------|----------|----------| | 4月〜5月 | 建材・工業用材料 | 工業用シンナー（半導体工場の洗浄液）、医療機器（病院用IoT関連） | | 5月〜6月 | 日用消耗品・食品包装 | 梱包用プラスチック、出荷用シンナーボトル | | 7月〜8月 | 合成繊維・樹脂製品 | スマホケース、PCアクセサリー、ポリエステル配線材 | | 9月以降 | 広範な日用品・電子部品 | ディスプレイ用樹脂、半導体実装用パッケージ、CPU冷却用プラスチック | 原料減産のニュースから家庭・企業への実際の品薄まで1〜3ヶ月の遅延がある。つまり： 4月のニュース → 5月〜7月が危機期 7月中盤以降の需要逼迫 →

Samsung Electronicsは、半導体部門の従業員に年間平均約34万ドル（約340,000ドル）のボーナスを提示した。 それでも労働組合は不満で、1人あたり100万ドル近い報酬を求めている。 労組は18日間のストライキを準備しており、実施されれば半導体業界史上最大級になる可能性がある。 争点は「景気がいいときの利益を、どれだけ現場の労働者に分けるのか」だ。 特にAI向け高性能メモリ（HBM）の需要が爆発している今、Samsungの生産が止まれば影響はかなり大きい。 Samsung Electronicsの半導体部門で、ボーナスをめぐる労使対立がかなりヒートアップしています。 TNWの記事によると、Samsungは今年、半導体従業員に平均で約34万ドルのボーナスを支払う方針です。日本円にするとかなりの額ですが、それでも労働組合は納得していません。 労組であるNational Samsung Electronics Unionは、1人あたり100万ドル近い補償を求めており、さらに18日間のストライキに向けて準備を進め

Intel支援の新しいメモリ技術「ZAM（Zero-Angle Memory）」の詳細が見えてきた 特徴は、DRAMを横に並べず縦に9層積む構造 1モジュールあたり約9GBの容量を持つ見込み 帯域幅はHBM4にかなり近い水準を狙っている AI向けメモリとして、コストや電力効率の面でHBMの代替候補になりうる 商用化はまだ先だが、AIハードウェアの勢力図を変える可能性がある AI向け半導体の話題で、今いちばん熱いキーワードの1つがHBMです。 HBMは *High Bandwidth Memory* の略で、ざっくり言うと「ものすごく速いメモリ」です。AI処理ではGPUやAIアクセラレータが大量のデータを一気に読み書きするので、普通のメモリでは追いつきません。そこで、データの通り道を太くしたHBMが重宝されているわけです。 今回TechRadarが取り上げたのは、そのHBMに挑む新技術ZAM（Zero-Angle Memory）。 Intelが支援しているこのメモリは、メモリチップを平面に広げるのではなく、垂直に積み上げるのが特徴で