HBM (High Bandwidth Memory, 2013)（エイチビーエム）
AMD と SK Hynix が共同開発・2013 年に JEDEC 標準化された 3D 積層メモリ技術 (JESD235)。複数の DRAM ダイを Through-Silicon Via (TSV) で垂直接続・1024-bit 超広帯域インタフェースで HBM 1 世代 128GB/s/stack を実現、GPU・AI アクセラレータ・HPC 専用メモリとして革新的技術。
概要
HBM (High Bandwidth Memory) は、AMD と SK Hynix が共同開発・2013 年 10 月に JEDEC 標準化 (JESD235) された 3D 積層メモリ技術で、複数の DRAM ダイを Through-Silicon Via (TSV、シリコン貫通電極) で垂直接続し、1024-bit の超広帯域インタフェースで HBM 1 世代で 128GB/s/stack を実現する GPU・AI アクセラレータ・HPC (High Performance Computing) 専用メモリとして革新的な技術として誕生しました。AMD Radeon R9 Fury X (2015 年 6 月) が世界初の商用 HBM 採用 GPU として、1024-bit × 4 スタック = 4096-bit インタフェースで GDDR5 比 3 倍以上の帯域・1/2 の消費電力を実現し、NVIDIA Tesla P100 (2016 年、HBM2 採用) ・Intel Xeon Phi Knights Landing (2016) などの HPC アクセラレータでも採用が広がりました。HBM の登場は AI・HPC 分野での「メモリ帯域がボトルネック」問題を根本的に解決し、現代の AI アクセラレータ (NVIDIA H100/H200/B200・AMD MI300X・Google TPU) で HBM2e/HBM3/HBM3e/HBM4 として君臨する革命的メモリ技術の起点となりました。
主な特徴・仕組み
- JEDEC 標準化: 2013 年 10 月 JESD235
- 共同開発: AMD・SK Hynix
- 3D 積層: 4-8 個の DRAM ダイを垂直積層
- TSV (Through-Silicon Via): シリコン貫通電極で垂直接続
- インタフェース: 1024-bit (DDR4 64-bit の 16 倍)
- 速度: 1000-1250MT/s (1Gbps/pin)
- 帯域: 128-160GB/s/stack
- 電圧: 1.2V
- 容量: 1-4GB/stack (1Gb-8Gb × 4 ダイ)
- 電力: GDDR5 比 50% 削減
- 採用 GPU: AMD Radeon R9 Fury X (2015)・Tesla P100 (2016 HBM2)
- 後継: HBM2 (2016)・HBM2e (2020)・HBM3 (2022)・HBM3e (2024)・HBM4 (2026)
スペック比較表 (HBM 世代別進化)
| 世代 | 年 | 速度 | 帯域 (1 stack) | 最大容量 |
|---|---|---|---|---|
| HBM (HBM1) | 2013 | 1Gbps | 128GB/s | 4GB |
| HBM2 | 2016 | 2Gbps | 256GB/s | 8GB |
| HBM2e | 2020 | 3.6Gbps | 460GB/s | 16GB |
| HBM3 | 2022 | 6.4Gbps | 819GB/s | 24GB |
| HBM3e | 2024 | 9.2Gbps | 1.2TB/s | 36GB |
| HBM4 (2026) | 2026 | 12Gbps+ | 1.5TB/s+ | 48-64GB |
具体例・対応 GPU/アクセラレータ
- AMD Radeon R9 Fury X (2015 年 6 月): 世界初の HBM 採用 GPU、4GB HBM
- AMD Radeon Pro Duo (2016): HBM、デュアル Fiji XT
- NVIDIA Tesla P100 (2016): HBM2 採用、HPC・AI 学習で躍進
- Intel Xeon Phi Knights Landing (2016): MCDRAM (HBM 派生)、HPC
- Google TPU v2 (2017): HBM 採用、AI 学習専用
自作PCでの選び方・注意点
HBM は 2026 年現在の自作 PC で直接利用する場面はほぼないですが、AI 学習・HPC アクセラレータ・データセンター GPU で意識すべき重要技術です。NVIDIA RTX 50/40 シリーズ GeForce ゲーミング GPU は依然 GDDR6/GDDR6X / GDDR7 採用、HBM は H100/H200/B100/B200 等のデータセンター AI GPU 専用で 1 枚 ¥500 万-2,000 万のハイエンド製品。AMD MI300X (192GB HBM3、AI 学習・推論)・NVIDIA H100 (80GB HBM3、¥400 万-)・H200 (141GB HBM3e、¥600 万-)・B200 (192GB HBM3e、¥1,000 万-) などのデータセンター GPU を自作 AI クラスタに組み込む上級エンジニアもいますが、家庭用は Apple Silicon Mac M2-M4 Ultra (192-512GB LPDDR5/5X UMA) ・自作 PC + NVIDIA RTX 4090/5090 24GB-32GB GDDR6X/7 が現実的選択肢。HBM の登場は AI 革命の隠れた基盤技術として、ChatGPT (2022) ・Llama 3 (2024) などの大規模言語モデル時代を支えており、AMD と SK Hynix の 2013 年の共同開発がなければ現代 AI ブームは数年遅れていた可能性が高いという点で、半導体史で最も重要な技術の一つとして評価されます。
関連用語との違い
- GDDR5/GDDR6/GDDR7: GPU 専用 DRAM、HBM の競合
- DDR4/DDR5: PC/サーバ向け、HBM とは別系統
- LPDDR5/5X/5T: モバイル向け、HBM とは別用途
よくある質問（FAQ）
Q1: HBM と GDDR の違いは? A: HBM は 3D 積層・1024-bit インタフェース・低消費電力・高価、GDDR は 2D・32-bit インタフェース・高速・低価格。GPU 用途で HBM = AI/HPC、GDDR = ゲーミング。
Q2: なぜ AMD は HBM 採用を続けない? A: Radeon R9 Fury X (2015) で HBM 採用後、コスト問題で RX 5000/6000/7000 シリーズは GDDR6 に戻る。Instinct MI シリーズ (データセンター AI) で HBM3/3e 採用継続。
Q3: HBM4 の予測は? A: 2026 年 JEDEC 標準化、12Gbps/pin・1.5TB/s/stack・48-64GB/stack・電圧 1.0V 予測、次世代 AI アクセラレータの基盤に。
まとめ
- HBM = 2013 年 AMD/SK Hynix 共同開発、3D 積層 DRAM 技術
- 1024-bit・128GB/s/stack・TSV 垂直接続
- AMD Radeon R9 Fury X (2015)・NVIDIA Tesla P100 (2016) で実用化
- 現代 AI アクセラレータの基盤、HBM4 (2026) へ進化継続