米Qualcomm Technologiesは、AI推論向けメモリ技術「High Bandwidth Compute（HBC）」の初代シリコン検証完了を発表した。
メモリ近傍での演算動作を確認し、次世代AI基盤への製品統合に向けて前進した。
HBC実機でメモリ経路と近傍演算を検証
2026年11月2日、Qualcommは米サンディエゴの研究所で、業界標準の自動試験装置を用いた初代HBCシリコンの動作検証が完了したと発表した。
試験ではメモリの読み書きに関わる経路全体を動作させ、ランダム化した重みと活性化値による演算処理を、実製品を想定した規模で確認している。
測定結果は、演算をメモリの近くに配置する設計によって、実効メモリ帯域幅と電力効率を改善できることを示したという。
大規模言語モデルの推論では、トークンを生成するたびにモデルデータの供給が必要になるため、データ転送に要する電力と時間が性能上の制約となる。
HBCは演算処理をメモリ近傍に配置することで、データの長距離転送に伴う負荷を抑え、電力当たりの処理性能を高める狙いだ。
量産への準備も進む。Qualcommは半導体製造・組立パートナーとウェハー接合工程を開発し、欠陥を回避する冗長化や再マッピングも設計に組み込んだ。
データセンター向け製品のテープアウト（※）は完了しており、DRAM層を接合したロジック基盤の初期立ち上げを進めている。
同社はHBCを搭載するAI推論アクセラレーター「Qualcomm Dragonfly AI250」を2027年上半期にサンプル出荷する予定だ。
ラック単位の推論基盤「Qualcomm Dragonfly Rack」への統合も計画し、コストや消費電力当たりのトークン処理性能の向上を目指す。
※テープアウト：半導体チップの設計データを確定し、製造工程へ引き渡す段階を指す。回路設計や配置・配線などが完了したことを意味するが、製品としての性能や信頼性、量産体制が確立されたことを示すものではない。
AI推論の運用費削減に期待、量産検証が鍵
HBCの実用化が進めば、クラウド事業者や大規模データセンターは、推論能力を拡張しながら電力消費と設備コストの増加を抑えられる可能性がある。
特に大量のトークンを継続的に生成する用途では、メモリ転送の効率化が総所有コストの低減につながりうる。
AIモデルの高度化に伴って増加するデータ転送負荷を軽減できれば、AI推論基盤全体の計算資源をより効率的に活用する余地も広がるだろう。
また、メモリ帯域幅と電力効率を重視した設計は、AIインフラ市場における競争軸を変える可能性がある。
単純な演算性能だけでなく、一定の電力とコストでどれだけ多くの推論処理を実行できるかが、製品選定において一段と重要になると考えられる。
一方、今回確認されたのは初代シリコンのデータ経路と演算動作であり、商用環境での総合性能や費用対効果が確定したわけではない。
実際のAIモデルを用いた負荷試験に加え、DRAM接合部の歩留まり、発熱、長期信頼性、量産時の再現性を見極める必要がある。
高度な積層構造はデータ転送の効率化に寄与する反面、製造工程や熱管理を複雑にする可能性も否定できない。
今回の検証成果を安定した量産体制と実運用での性能向上につなげられるかが、QualcommのAI推論市場における競争力を左右するだろう。
関連記事：
クアルコム、AI半導体でデータセンター本格参入 サウジが大型発注
サムスンが次世代3Dメモリ構想「zHBM」発表 AI基盤の帯域と省電力性を強化へ
マイクロソフトがAI基盤を大規模拡張 独自半導体で推論を効率化
