HBMの父キム・ジョンホ：「AIの本質はメモリであり、GPUが実際に動作している時間はわずか10％」

"HBMの父"と呼ばれる韓国科学技術院（KAIST）のキム・ジョンホ教授が常識を覆す見解を示した。AIの本質はGPUではなくメモリであるという。

最近、韓国科学技術院（KAIST）電気工学科のキム・ジョンホ教授はビデオインタビューに応じ、HBM技術の進化、AIコンピューティングパワーの構図、そして将来の半導体アーキテクチャについて体系的に語った。業界では「HBMの父」と呼ばれ、2010年代初頭にはSK hynixとHBM1の開発に携わり、その後も数多くの基礎アーキテクチャ研究を主導してきた。今回のインタビュー内容は、テクノロジーと投資界隈で広く話題となり、核心的な主張は現在のAI算力競争が抱える構造的な矛盾を鋭く指摘している。

キム・ジョンホ教授はインタビューで、驚異的な数字を直接提示した：

「GPUが100万台あっても、本当に稼働している時間は10%しかない。」

彼は、「ChatGPTがワードを出力するたびに、システムはHBMからデータを読み込んで計算し、再度メモリに書き戻す必要があります。読む・書くプロセスがほぼ全ての時間を占めており、GPUは横で待っているだけなのです。」と説明する。アルゴリズム最適化を加えても、GPUの利用率は30%を超えるのが難しい。

これこそが彼が長年主張してきた核心論の現実的な根拠となっている：「AI＝Memory（AIはメモリそのものだ）」

キム・ジョンホ教授はNVIDIAの現状について辛辣な表現で評価した。ジェンスン・フアンは頻繁に韓国を訪れ、バラエティ番組にも出演し、フライドチキンやビールを楽しみ、様々な人物と会っているが、「これだけ面会しているのは不安だからだ」と語る。

「GPUの技術的成長はほぼ止まった、というのが私の見解です。人工知能コンピュータの進化の主導権はメモリにある。」

論理展開は明快で、GPUは性能を向上させようとすればチップ面積を増やし、計算ユニットをさらに積み増すしかない。しかしGPUは非常に熱くなるため、裏面に冷却装置を設置しなければならない。そのため、メモリのように垂直積層できない。「GPUはインターフェースの死角にはまり込んでいる（外通手에 걸린 느낌）。」

一方で、トレーニング時代から推論時代へと転換するにつれ、メモリの重要性が再評価されている。キム教授は「推論時代は、AIがどれだけ多くのデータを取り込めるかがより重要で、それを決める半導体がメモリです」と述べている。

さらに、AI能力の競争は最終的にメモリ能力の競争だ。——Google Gemini、OpenAI、Anthropic Claude、どこが一番強いのか、答えはメモリ能力、これが私の主張です。

キム教授はHBMの価値を2つの側面に集約した。

第一は容量。コンテキストエンジニアリング、マルチモーダル入力、Agentic AIの到来によりメモリ需要は毎年倍増しており、「10年で1000倍」になるという。従来はトランジスタの微細化で増容量を図ったが、今や量子力学的な限界まで近づいており、これ以上小型化することはほぼ不可能。そのために「垂直積層」しなければならない。

第二は帯域幅。キム教授は例え話をした。「従来のメモリが8車線の高速道路だとしたら、HBMは1024車線、今は2048車線、数年後には100万車線も夢じゃない」。並列チャネルで同時大量のデータ転送を実現し、AIコンピューティングのスピードニーズに応える。

HBMはスピードの課題を解決したが、容量には依然として天井がある。インタビューでキム教授は、次の技術ロードマップとして「HBF（High Bandwidth Flash）」の概念を詳述した。

簡単に言えば、HBFはNANDフラッシュをHBMのように垂直に積層するもの。DRAMは高速だが容量が限定的、NANDフラッシュは大容量かつ長期保存が可能で、速度はやや落ちても推論用途の「コールドデータ」保存には十分だ。

キム教授は今後、HBMとHBFが共存する関係になるとの見方を示し、都市設計に例えた。「百貨店の周りにメゾネットや通常の住宅があり、様々なHBMとHBFの組合せがコンプレックスを形成し、GPUにデータを供給する。」

そして明確な長期予測をこう述べた：「今はHBMの時代だが、10年後にはNANDフラッシュやHBFの市場需要がHBMを超えるだろう。SamsungとSK hynixはHBFの時代に備えなければならない。」

また、現在HBFを開発中の企業はSK hynix、SanDisk、Samsung Electronics、そして日本のKioxiaなどであると指摘。Kioxiaは最近トヨタ自動車を抜いて日本株式市場ナンバー1となり、SanDiskの株価も引き続き上昇。SamsungとSK hynixは韓国市場で時価総額トップの地位を維持している。

キム教授は、現段階では先端的な概念である「HBS（High Bandwidth SRAM）」についても提唱した。

SRAM（静的ランダムアクセスメモリ）はDRAMより約1000倍速いが、密度が低くコストも高いため、これまではチップ内部の小容量キャッシュ用途が主流だった。キム教授のアイディアは、12インチウエハー全体をSRAMで構成し、これを垂直に12～16層積層することで容量を100GBから1600GBに大幅拡張するというもの。

「これなら速度は1000倍になり、容量も十分で理にかなう。」

彼が描く究極のAIチップは「100階建て3Dビル」のような姿で、HBM、HBF、HBSが各層を形成し、GPUは最上階で冷却を担当。これこそが将来AIコンピュータが不可避的にとる3D半導体アーキテクチャ——現時点での私の判断です。

同時に道のりが容易ではないことも認め、「最大のエンジニアリング課題は計算でなく、電源供給と冷却。GPUや積層メモリに数千アンペアの電流を供給する電力ネットワーク設計が最難関で、それが真の企業間コア競争力となる」と強調した。

キム教授はHBM4によって供給・需要構造が大きく変化したことにも言及した。

これまではメモリは標準品として生産され、メーカーが先に作ってから顧客が選ぶという買い手主導の価格決定だったため、在庫リスクはメモリメーカーが負う、これが「メモリサイクル」の本質だった。

しかしHBM4以降は、NVIDIA、Google、AMDなど顧客のアクセラレータアーキテクチャに合わせた「カスタムHBM」となり、メモリメーカーは開発初期から顧客の発注数量保証がなければ開発を始めない、いわゆる「長期契約（Long-term Agreement）」方式に変化。

「AI企業は高性能HBMを渇望しているので、供給側が価格主導権を握る。これはパラダイムの転換だ。」

さらに将来、HBMチップ内に通信機能が統合され、「HBM同士が相互に通話」できるアライアンス的なモデルも想定。「HBM自身が会話し、好ましい相手にはより多くのメモリを配分、不従順なGPUには割り当てない。」

これによりメモリメーカーのシステム的地位がより高まる。

キム教授は、全世界でDRAM（HBM）とNANDフラッシュ（HBF）を同時量産できる会社はサムスン電子とSKハイニックスだけだと繰り返し強調。

「SanDiskやKioxiaは株価好調でもHBFのみ、HBMはできない。サムスンとSKハイニックスには未来をリードする最強の武器がある。」

サムスンとSKハイニックスの合計営業利益が500兆～600兆ウォンに届くとの予測については「現実的だ」とし、両社経営陣とも頻繁に技術交流しており「彼らの目つきは日ごとに鋭くなっている」と述べた。

ただし競争の圧力も現実だとして、Micron、SanDiskがNVIDIAやGoogleからの受注を分担していると指摘した。

キム教授は、端末機器へのメモリ需要のシナリオについても言及した。

本格的なAI PCを実現するためには「1台あたりの価格が1000万ウォンに達し、メモリの価格がPC価格を左右する」と予測。AIスマートフォンが300万～500万ウォンなら、そのうち200万～300万ウォンがメモリのコストになると述べた。

「AIインフラとAIモデルの進化は絶えずメモリ需要を高めていきます。AI PCとAIスマートフォンもこの大きな主軸となるでしょう。」

AIの進化方向についても同様に注視すべきとし、Agentic AI（エージェントAI）とPhysical AI（具現AI/物理AI）が到来すると、メモリ使用量は現在の約1000倍に達すると見込む。

「AIエージェントは24時間働き、人間のように睡眠もしないので、作業量は爆発的に増加しメモリ需要も爆発的に上がる。そのときにはHBMではなく『スーパーHBM』の時代となるだろう。」

インタビューの最後でキム教授は自らのアカデミックキャリアを振り返った。1993年に博士号を取得し、研究テーマはフェムト秒級の超高速電気信号測定、指導教授は数年前にノーベル物理学賞を受賞。1994年にサムスン電子メモリ事業部に入社、1996年にKAISTへ戻り、その後約10年にわたりHBM基礎研究に専念したのち、商用化に成功。

2015年、学内ミーティングで初めて「ディープラーニング」という言葉を聞き、AIアルゴリズムとHBMアーキテクチャの背後に同じ数学——線形代数と行列演算——があることに気づく。「大学2年のとき行列が大好きで、両者がまったく同じ数学——これが幸運だった。」

当初はHBMをテレビ画質の向上のために考え、その後AIの基盤インフラになるとは思っていなかった。「当時はそんなこと思いもよらなかった、これも一つの幸運だった」と笑う。

以下、インタビュー抄録（AIによる翻訳）

キム・ジョンホ：HBM、HBF、HBSが100階建てのビルディングを構成し、GPUは最上階で冷却などを担当します。こうした3D半導体構造は、今後のAIコンピュータが不可避で採用するアーキテクチャになると考えています。その中でもっとも難しい技術の一つが電源供給です。数千アンペアの電流を供給しなければならず、その電力ネットワーク設計が最大の難関となります。これは企業間のコア技術競争力になるでしょう。

司会者：「HBMの父」と呼ばれるKAISTキム・ジョンホ教授にご登場いただきました。こんにちは！

キム・ジョンホ：こんにちは、お会いできてうれしいです。招待ありがとうございます。

司会者：本日はありがとうございます。

キム・ジョンホ：どういたしまして。（笑）

司会者：まずはHBMからお伺いしましょう。本格的な量産と応用が始まったのはつい2年ほど前、HBM3ですが、HBM1は2010年代からSK hynixとともに開発され、NVIDIAやAMDでGPU向けに導入されたのですね。

司会者：教授が博士号を取得されたのは1990年代ですか？

キム・ジョンホ：はい、そうです。

司会者：2010年のHBM開発初期から既に関連研究に携わっていたのですね。

キム・ジョンホ：そうです。1993年に博士号を得た当時は物理寄りの研究で、当時世界最速のレーザーを利用した電気信号測定用オシロスコープを作り、指導教授は数年前ノーベル物理学賞を受賞しました。その装置は今、AI発展で莫大なデータを扱うようになり、デジタル回路の時間軸もピコ秒やフェムト秒の領域に達しているため、30年前の博士時代の研究が今まさに生かされています。

しかし当時は非常にニッチかつ深掘りしたテーマで、私はもっと社会と交流したかった。メモリが将来重要になると考えて、1994年サムスン電子のメモリ事業部に入社。そのころから一貫してメモリを学び研究し、1996年KAISTへ、2010年頃までHBMの基礎研究を10年行い、それがHBM商品化へとつながりました。

HBMに必要な技術、量子力学・半導体物理・数学などは大学2～3年生の科目ですが、大量の線形代数知識が重要で、私は1981年に学び、今も活用しています。HBMは日々進化し、我々の研究室はHBM8までの30年のロードマップを提示しました。最初の研究から今まで50年間ほどになります。

司会者：最初の研究段階でAI時代の到来とHBMが中核になると予想されていましたか？

キム・ジョンホ：いいえ、当時AMDとNVIDIAはグラフィックカードへの応用を目指していました。グラフィックカードとAIに必要な数学は同じで、HBMはAIの中核部品になりましたが、最初はGPU向けだとNVIDIAは考えました。私は韓国のTV産業の発展を見てHBMをTVに入れ、美麗な画作りに使えればと考えていました。

大学内で若い教授たちと話していた2015年頃に「ディープラーニング」という言葉を聞き、「そんな技術もあるのか」と思いました。それがAIの初期段階です。その瞬間素直に理解できず、それから2015年以降、本格的にAIへと専門分野をシフトしました。表向きはHBM研究室でも私個人はAI中心に転向し、数年後にAIアルゴリズムとHBMがピッタリ合致することを実感しました。これがAIに爆発的な応用となるとそのとき感じました。

当時は主にCNN（カメラによる物体認識領域）に、後には強化学習（囲碁など）に応用されましたが、とにかく大量の行列演算（マトリクス計算）が必要で、HBMが必須です。しかしここまで爆発的になるのは2020年代初頭のChatGPT登場頃からです。今後AIはAgentic AIやPhysical AIへ進化し、アルゴリズム面から見てもメモリ使用量は今の1000倍に増加する可能性。そうなるとHBMのアップグレード版「Ultra HBM」の時代になるでしょう。他にも考えています。最初は想像していなかったので、運が良かったというべきでしょう。大学2年で線形代数が大好きで、それが両者共通の数学だったのです。

司会者：HBMは複数のDRAMを積層したもの、で理解は合っていますか？

キム・ジョンホ：その通りです。GPUでもAIでも、計算のたびに高速なデータ読み出しが必要で、HBMが必要な理由は2つあります。第一は大容量。AIはコンテクストエンジニアリング、マルチモーダル、Physical AIに進みつつあり、メモリに蓄積されるデータが年々2倍、10年で1000倍。容量を増やすにはトランジスタの寸法や記憶セルの縮小だが、干渉やリークで量子力学の限界に近づき、これ以上微細化は困難です。なので容量増強は困難です。

そのため2000年代初めから、将来のメモリは積層が必須と考えました。当時多くの人は単層半導体設計に注力していましたが、私たちはスタック設計。設計は私たちが、量産はサムスンとSK hynixが担当し、最終的にHBMとして製品化されました。第二の理由は、大容量でもGPUへのデータ転送速度が速くなければ意味がない。高速応答のためには並列転送技術。8車線→1024車線→2048車線、数年後に100万車線へ移行です。

HBMの本質は、垂直積層による容量増加と、「エレベーター」や「高速道路」に例えられる高速・大量パラレル伝送。従来メモリの1000倍、100万倍の転送速度に迫ります。

司会者：HBM以外にもHBFという言葉もよく耳にします。HBFとは何で、HBMとの違いは何ですか？

キム・ジョンホ：汎用メモリは主に2種類、DRAMとNANDフラッシュ。DRAMは速いが長期保存できない、NANDフラッシュは大容量（DRAMの約10倍）で比較的遅いが長期保存可、カメラなど主に利用されています。しかしHBMで積層しても容量は十分とはいえません。最近はコンテクストエンジニアリングでAIに入力するのはテキストだけでなく参照ファイルやYouTube動画など。画像や映像、全てデータ容量が急増、計算の中間結果（KVキャッシュ）まで蓄積が必要。

Agentic AI時代になればAIを10人、100人雇うイメージで、AIは人以上に働き、休まず24時間働くため、作業量が爆発的に増え、その分メモリ需要も増大。DRAMを積層しても容量不足なので、NANDフラッシュを積層するHBFに行き着きました。現在HBF開発会社はSK hynix、SanDisk、Samsung、Kioxia（日本）の4社。Kioxiaは最近時価総額トヨタ越え、日本1位。アメリカはMicronとSanDiskの株価が上昇、韓国はSamsungとSK hynixが時価総額を牽引。

GPU直近のメモリはHBMやHBF＝ホットメモリ、ユーザ情報を長期記録するデバイスはコールドメモリでいずれも需要増。10年後にはNANDフラッシュやHBFのマーケットシェア拡大がHBMを越える可能性。今はHBM時代でもSamsungやSK hynixはHBF時代に備えるべき、これが私の主張です。

司会者：2038年頃にはHBMが第8世代へ到達すると述べられていますね。

キム・ジョンホ：はい。

司会者：その頃にはHBMもHBFもどちらも商用化され、互いに補完関係ですか、競合関係ですか？

キム・ジョンホ：互いに補完的です。HBM4が今年登場し、数年後HBM5、3年ごとに1世代進化し、10年後HBM8。このときHBMとHBFはともに使われます。HBMは小容量だが高速、HBFはやや遅いが超大容量。もしHBM容量が足りなければHBFを補完。まるで都市の中心に百貨店（HBM）、周辺に集合住宅（HBF）が林立し、さまざまなHBM/HBFがデータ供給の複合体を組みます。全体容量はHBFがHBMを上回るかもしれません。

司会者：結局、DRAMかNANDフラッシュか、どちらも不可欠という違いですね。

キム・ジョンホ：はい、両方同時製造ができるのは世界でSamsungとSK hynixだけ。SanDiskとKioxiaはHBF（またはNANDフラッシュ積層ESSD）はできてもHBMはできません。未来の最強兵器を持つのはSamsungとSK hynixです。

司会者：サムスン電子とSKハイニックスが絶対的リードを持っていると言ってよいですか？

キム・ジョンホ：そう言えるでしょう。今朝の株価は9000台を超えました。株価予想は専門外ですが、AI覇権時代の本質はメモリパフォーマンス次第。昨年まではAIパワー＝数式（Attention機構など）と思われていましたが、それを実現するにはメモリが不可欠。結局、メモリ性能こそAI性能。だから「AI＝メモリ」と定義しています。AI企業もAI国家も、または半導体を使ってデータセンターを建設するにもメモリメーカーがキープレイヤー。このような構図転換の時代です。

さらに驚くのはHBMとHBFでAIデータセンター、今は「AI工場」までつくれること。私はこれを「メモリ工場」と呼びます。AI工場のコアはメモリで、どれだけのメモリを持つかがAIナショナルパワー、企業競争力です。Google、Gemini、OpenAI、Anthropic Claude、どこが良いか。答えはメモリ。

最近は個人情報保護のため、自宅PC内でAIを直接計算したい流れも顕在化—これはAIPC。NVIDIAも参入、TSMCと一緒に128GB LPDDRなど大容量メモリ搭載PCを製造しています。本格普及にはTB級メモリが不可欠、PC価格1000万ウォン、メモリが価格を決める。将来のスマートフォンもAIフォンになり、200万から300万ウォンがメモリコスト。AIインフラ、AIモデル進化にはとめどなくメモリ需要が増加し、AI PC、AIスマホはもう一つの成長軸です。

司会者：今やNVIDIAはグローバルIT企業で圧倒的ですが、その原動力は何ですか？

キム・ジョンホ：昨年まではAIの「学習（トレーニング）」重視時代で、強力な学習性能＝AIの実力。学習工程はトランスフォーマーモデルのエンコーダーが主に逆伝播計算（微分や最適化）を多用、これにGPUが最適でした。したがって学習期はGPU時代で、GPUがないとAIが作れないので争奪戦。ただ昨年夏以降、「推論」が重要に。トレーニングだけでは「幻覚（ハルシネーション）」問題が解決せず、正しい答えを出せなければ意味がない。個別AIを実現するには推論での性能が重要となり、そこではメモリが鍵です。推論時代になるにつれ、メモリのほうがGPUより高価で重要となるでしょう。

もう一つはGPU性能を上げる方法が限界に・・・Cerebrasのように12インチウエハー全体をGPUにしてしまう方法もあるが、これは製造難度が高く、不良でウエハー1枚ロスするなど現実的な採用には課題。そのCerebrasでさえHBMやHBFがないと推論時代は戦えない。NVIDIAはGPU積層化も困難、発熱が大きく冷却できず不可能。だから最近ジェンスン・フアンが情熱的に韓国でテレビ出演やイベントに奔走するのは、成長停滞への危機感ゆえ、と見ています。これに対しAIコンピュータの進化はメモリにかかっています。

司会者：実際、GPUの稼働率は10%しかないという声も。

キム・ジョンホ：そうです。100万台GPU導入しても稼働率20%、下手すれば10%。なぜか？GPUは必ずメモリからデータを受け取って計算しますが、その「メモリ（HBM/HBF）からのデータ流れ」が詰まるためです。ChatGPTが速く文字を返す裏でデータの読取・演算・書き戻しに大半の時間が取られ、GPUは待ってばかり。いかに速く、どれだけ読めるか、HBMやHBFがなければ使い物にならない。いくらアルゴリズムを工夫してもGPUワーク率は良くて30%、残りは待機時間。

司会者：教授は今後HBMやHBFにGPU機能が内蔵され、新時代が来ると述べていますね？

キム・ジョンホ：その通りです。HBM/HBFデータがGPUを待たせるのなら自分で計算したほうがいい。マンション1階にGPUを置くようなもので、データはエレベーターで下へ降りて計算、全てをビル内で完結。GPUはサブ役にして、HBM自体にCPU/GPU機能を搭載、「メモリ中心型計算（Memory-Centric Computing）」へ。ちょうどHBM4からそうした設計が広がっています。

司会者：HBMやHBFにGPU機能を内蔵しても、複数GPU積層でないので放熱問題は大丈夫ですか？

キム・ジョンホ：一部熱問題は残ります。HBM4世代以降、SK hynixとSamsung製品の性能差は放熱効率の影響——熱処理ができるかどうかが性能を左右します。1階にGPU機能を持たせると熱を持ちすぎるので、暖房パネル状態（オンドル）になりかねず、放熱が必要。暖房が効き過ぎる場合は「屋上」（最上階）に機能を移してクーリングタワーで直接冷却します。これが我々のコアアーキテクチャで、現在HBM5関連研究として修士・博士が取り組んでいます。

我々が論文を出すとNVIDIA、AMD、Samsung、SK hynixがすぐ目を通します。最初は懐疑的でも結局は採用されるでしょう。

司会者：将来、HBM/HBFにGPUを集積する時代になれば、さらにCPUも載せると、SamsungとSK hynixは今以上に発展しますか？

キム・ジョンホ：はい、チャンスが来ています。「より発展する」とは主導権を握れる、NVIDIAを超える可能性もあるという意味。ただそのためには技術開発・投資・人材育成、そして経営層による正しい戦略判断とオープンマインドが不可欠。最も大事なのは経営層の判断です。

司会者：教授は「間もなくGPU時代でなくメモリ時代が到来」と主張されています。最近はGPU全盛ですがNPUも出てきていますが、NPUとは何ですか？

キム・ジョンホ：すべてプロセッサです。行列計算を担当し、AIに使われます。GPUはもともとGPGPU、TPUにもHBMが入っているので、HBMやメモリは不可欠。Geminiは文章作成、言語処理、画像生成と万能型、一方特化目的で小型・低コストなチップがNPU、Low Power Unitとも言われます。国内にはRebellions、FuriosaAI、HyperExcelなどがあり、世界で十数社がNPUを開発していますが、高性能を目指すならいずれもHBMが必要です。

司会者：最近FuriosaAIとRebellionsが政府系ファンドから巨額投資を得たのはNVIDIA対抗力強化のため。本当に世界と勝負できますか？

キム・ジョンホ：私も審査委員のひとりでした。NVIDIAは世界すべてをカバーできないのでNPUやTPUに必ずニッチ市場があります。例えばサウジがデータセンターを建設する場合、全量をアメリカ製では依存し過ぎ10%だけ別ソリューションを導入する、日本/韓国NPUメーカーの出番となります。韓国内のAIデータセンターを全量NVIDIAにするのはリスクで、国産企業育成が必要、そう判断したのです。技術的にも優位性があります。

司会者：最近の研究で「高帯域幅SRAM（HBS）」を提案されていますね？

キム・ジョンホ：はい、最近私が提案した新コンセプトです。私はまずアイディアを出し、実現はSamsungやSK hynixに大いに頑張ってもらうのですが、10年、20年後には影響を及ぼします。Cerebrasも巨大なGPU、アメリカのLPUもSRAMを内部メモリとして搭載。SRAMはDRAMより1000倍速いが小容量。研究したところ、本当に必要なのは400～440GBなのに現行CerebrasチップのSRAMは44GB程度。

そこで私が考えたのは、12インチウエハーすべてをSRAMで埋め、そのチップを10層、12層、16層スタック。すると100GBが1600GBに増強できる。さらにこのウエハーSRAM上にGPUを乗せる。それで速度1000倍、容量も十分、「これは行ける」と考えました。これをウエハースケールSRAM、すなわちHBSと名付けました。私の夢は、HBM、HBF、HBSが100階建てのビルとなり、GPUが最上階に鎮座し冷却装置も統合、こうした3D半導体の構造が将来AIコンピュータの構成となることです。

これには10年、20年、30年かかるかもしれません。その中でもっとも難しいのが電源供給です。HBS/HBM上にGPUを積層すると数千アンペアを供給しなければならず、電力供給ネットワーク設計が最大の障壁で、それがコア競争力になる。SK hynix、Samsung、Micron、TSMC、誰がそこで勝つか。また放熱設計も大きな課題。今半導体業界は数ナノプロセスや歩留まりを重視しますが、未来の3D AIコンピュータ（HBS実装含む）は電源・冷却こそ生死を分けます。

司会者：HBSはまるで半導体メモリ界の「ファン・ジョンミン」（大物俳優の例え）ですね。

キム・ジョンホ：まさに「ファン・ジョンミン」です。 10年前にCerebrasが12インチウエハー丸ごとGPUを使うと聞いた時「何に使うのか？」と思い、防衛AI向けかと。2週間前、同社がNASDAQ上場し、考えが変わりました。使い道はある。Cerebrasチップの最大の弱点がメモリ不足なので、それすら積層すれば良い。最近HBFも語り始めましたが、今年は修士新入生にHBSで論文を書かせるつもりです。

司会者：SRAMはどこが製造しますか？

キム・ジョンホ：ファウンドリで製造、TSMCとSamsungです。

司会者：今年のSamsungとSK hynix合計営業益が500～600兆ウォン規模予想は現実的ですか？

キム・ジョンホ：現実的だと思います。両社の幹部とよく技術会議をしていますが、皆目つきが鋭くなっている。具体的売上は教えてくれませんが、現在HBMやHBFの特徴は「カスタマイズHBM」。従来は標準品を大量生産、顧客需要次第のサイクル。価格決定はCPUベンダやPCメーカー任せで、メモリメーカーは多めに作って様子見。顧客が買わなければ在庫リスクはメモリメーカー側。これが「メモリサイクル」。

しかしHBM4以降はGPU機能との統合や、HBM間の通信機能も特徴。これまではGPU指令に従うだけだったが、今後はHBM同士も通信、競争し、優秀なHBMにより多くのメモリを割り当てる、といった構成。自社内でアライアンスを形成し、劣るHBMにはデータ伝送を許さない。設計もクライアントごとに異なる「カスタマイズHBM」となり、開発初期から長期供給契約（LTA）で受注確保後に開発開始。

現在AI企業は高性能HBMを切望、市場は売り手市場となり、供給者主導の価格決定のパラダイムシフトとなっています。

司会者：ここまで韓国科学技術院のキム・ジョンホ教授に半導体エコシステムについてお話を伺いました。本日はありがとうございました。

キム・ジョンホ：ありがとうございました。