解説
HBMとGAA構造とは何か AIがムーアの法則の限界を破る仕組み
AIサーバーの調達や増強を検討する担当者にとって、半導体の中身を知ることは価格や納期の交渉材料になります。AIの計算需要の拡大は、従来の微細化だけでは対応できない壁にぶつかり、HBMや新しいトランジスタ構造といった技術を生み出しています。
何が起きたか
AIの学習・推論に使われる基盤モデル「Transformer」が巨大化を続けており、これに対応するため半導体には演算性能とデータ転送帯域の両方を極限まで高めることが求められています。AI学習では膨大な行列演算を高速に並列処理する能力が必要で、計算精度をあえて柔軟に下げて短時間で結論を出す技術がスループット向上のカギになっているといいます。
データ転送の壁を解消するため、3つの技術が欠かせません。第一に、DRAMを垂直に積み上げ貫通電極（TSV）で接続する「HBM」です。第二に、演算ロジックとHBMを一つの基板上に密に配置する、台湾TSMCのCoWoSなどの先端パッケージング技術です。第三に、複数のGPUを連携させる超高速接続技術で、米NVIDIAの「NVLink」が代表例として挙げられています。今後はスマートフォンや自動車、ロボットなどのフィジカルAI向けに、消費電力を抑えた「NPU」の設計力が企業の競争力を左右するとされています。
一方で、半導体の集積度を高め続けてきた「ムーアの法則」に基づく微細化は、物理的な限界に直面しています。トランジスタの構造は、平面でゲートとチャネルが接する「プレーナ型」から、立体的なフィン状のチャネルを三方向から囲む「FinFET構造」、さらにチャネル全周をゲートが包み込む「GAA構造」へと移ってきました。最先端構造の量産では、韓国Samsung Electronicsが2022年に3ナノメートル世代で世界初のGAA採用（同社呼称はMBCFET）に踏み切ったのに続き、TSMCは2025年末から量産を始めた2ナノメートル世代（N2）でGAAを導入し、米Intelは2026年からGAA構造「RibbonFET」の量産に移る計画です。
背景・解説
まず用語を整理します。「ムーアの法則」とは、半導体の集積回路上のトランジスタ数がおおむね一定期間ごとに倍増するという経験則で、長年、性能向上の目安とされてきました。半導体の基本部品である「トランジスタ」は、電気の入り口である「ソース」と出口である「ドレイン」の間に電気の通り道（チャネル）を作り、「ゲート」という部分がその流れを制御する仕組みでスイッチの役割を果たしています。
長年主流だったのは、ゲートとチャネルが平面で接する「プレーナ型」構造でした。しかし微細化が進み、おおよそ22ナノメートル世代に達すると、ソースとドレインの距離が近づきすぎてゲートが電流を制御しきれなくなる「短チャネル効果」が顕著になりました。この課題を解決するために登場したのが、チャネルを立体的なフィン状にして三方向から囲む「FinFET構造」です。それでも3ナノメートル世代、2ナノメートル世代以降ではさらに強い制御力が必要になり、チャネル全周をゲートで完全に包み込む「GAA（Gate-All-Around）構造」が生み出されました。GAAはリーク電流を抑えつつ、低電圧・高速処理を両立できる構造だといいます。
もう一つの鍵が、データを運ぶ帯域の広さです。「HBM」は、記録を担うメモリ半導体であるDRAMを垂直に積み重ね、貫通電極（TSV）でつなぐことで演算器とメモリの間の通り道を広げ、データの渋滞を防ぐ技術です。加えて、演算チップとHBMを一枚の基板上に近接配置する先端パッケージング技術（TSMCのCoWoSなど）や、複数のGPUを一つの巨大GPUのようにつなぐ超高速接続技術（NVIDIAのNVLinkなど）が組み合わさることで、単一チップでは扱えない規模のAIモデルを動かせるようになっています。
仕事や業務への影響 — AI Topicaの見方
自社でAIサーバーやGPUの調達計画を立てる部門は、演算性能だけでなくメモリ帯域とパッケージング技術の動向まで見ておくべきです。例えば、自社工場向けの画像検査AIを検討している製造業の情報システム担当者が3人しかいない会社なら、GPU単体の性能表だけで機種を選ぶと、HBMの搭載量や世代が古い構成にあたってしまい、想定した処理速度が出ない事態になります。調達の見積もりを比較する際は、HBMの世代や容量、パッケージング方式まで含めた仕様書を求めるべきです。
エッジ側でAIを使う計画がある会社にとっても、この技術の動きは無関係ではありません。工場のロボットや店舗の在庫管理端末にAIを組み込む担当者なら、消費電力を抑えたNPU搭載機種の登場を待ってから投資判断をする方が、初期コストを抑えられます。半導体の量産スケジュールは各社で数年単位のずれがあるため、購買担当者は最新の製造世代がいつ量産に入るかを、ベンダーへの確認事項に加えるべきです。半導体の構造や量産時期を理解しておけば、AIサーバーの価格交渉や導入時期の判断で振り回されずに済みます。
不確かな点・注意
出典は半導体の技術解説を目的とした記事で、各社の量産計画は発表時点の見通しであり、実際の歩留りや出荷時期が変わる余地は残ります。TSMCの2ナノメートル世代（N2）やIntelのGAA構造「RibbonFET」の量産開始時期も、今後前後する可能性は排除できません。また、出典記事の見出しには「光電融合」という語も含まれていましたが、本文中には具体的な仕組みの説明がなく、どのような形でAI向け半導体に採用されるのかは分かりません。省電力NPUが企業の競争力を左右するという記述も、どの業種にどの程度の差が生まれるかまでは示されていません。半導体の専門的な内容を扱った記事のため、実際の導入判断には各ベンダーの最新資料での確認が必要です。