HBM2 (2016)（エイチビーエムツー）
JEDEC が 2016 年 1 月に標準化した HBM 第 2 世代 (JESD235A)。HBM1 の 1Gbps から 2Gbps に速度倍化、最大 256GB/s/stack・最大 8GB/stack を実現、NVIDIA Tesla P100 (2016) ・V100 (2017) ・A100 (2020) などの AI 学習 GPU で標準採用された 2016-2022 年の HPC/AI アクセラレータの主役。
概要
HBM2 (High Bandwidth Memory 2) は、JEDEC が 2016 年 1 月に標準化 (JESD235A) ・Samsung と SK Hynix が同年量産開始した HBM 第 2 世代規格で、HBM1 (2013) の 1Gbps/pin から 2Gbps/pin に速度倍化、最大 256GB/s/stack・最大 8GB/stack を実現し、NVIDIA Tesla P100 (2016 年 4 月、16GB HBM2)・Tesla V100 (2017 年、16-32GB HBM2)・A100 (2020 年、40-80GB HBM2e)・AMD MI100 (2020 年、32GB HBM2) などの AI 学習 GPU で標準採用された 2016-2022 年の HPC / AI アクセラレータの主役となった重要技術です。HBM1 の物理構造を継承しつつ速度倍化・容量倍増・電圧 1.2V を維持で実現、Samsung・SK Hynix・Micron の 3 大メーカーが量産し競争を展開しました。HBM2e (2018 年改良版、3.2-3.6Gbps・最大 16GB/stack) は更に進化し、NVIDIA A100 (2020) で 40-80GB HBM2e として AI 学習革命を支え、現代 AI 革命 (ChatGPT 2022 年・Llama 2 2023 年・Llama 3 2024 年) の隠れた基盤として ChatGPT 以前の AI 学習インフラを長年支えた歴史的技術です。
主な特徴・仕組み
- JEDEC 標準化: 2016 年 1 月 JESD235A
- 量産開始: 2016 年 Samsung・SK Hynix
- 物理構造: HBM1 継承、3D 積層 + TSV
- インタフェース: 1024-bit (HBM1 と同)
- 速度: 2Gbps/pin (HBM1 1Gbps の 2 倍)
- 帯域: 256GB/s/stack
- 電圧: 1.2V (HBM1 と同)
- 容量: 1-8GB/stack
- HBM2e (2018): 3.2-3.6Gbps、最大 16GB/stack、A100 で活躍
- 採用 GPU: NVIDIA P100/V100/A100・AMD MI100/MI200
- 後継: HBM3 (2022)
スペック比較表
| 世代 | 年 | 速度 | 帯域 | 容量 |
|---|---|---|---|---|
| HBM (HBM1) | 2013 | 1Gbps | 128GB/s | 4GB |
| HBM2 | 2016 | 2Gbps | 256GB/s | 8GB |
| HBM2e | 2018-2020 | 3.6Gbps | 460GB/s | 16GB |
| HBM3 | 2022 | 6.4Gbps | 819GB/s | 24GB |
| HBM3e | 2024 | 9.2Gbps | 1.2TB/s | 36GB |
具体例・対応 AI アクセラレータ
- NVIDIA Tesla P100 (2016 年 4 月): 16GB HBM2、HPC・AI 学習の起点
- NVIDIA Tesla V100 (2017): 16-32GB HBM2、Tensor Core 初搭載
- NVIDIA A100 (2020): 40-80GB HBM2e、ChatGPT 学習に貢献
- AMD MI100 (2020): 32GB HBM2、AMD AI アクセラレータ初代
- AMD MI200 / MI250X (2021): 128GB HBM2e、Frontier スーパーコンピュータ
自作PCでの選び方・注意点
HBM2/HBM2e は 2026 年現在も AI 学習用 GPU・HPC アクセラレータ・データセンター用途で広く現役、特に NVIDIA A100 (40-80GB HBM2e、¥3,000,000-) は中古市場で値下がりしておりホビイスト・スタートアップ向けに人気上昇中。NVIDIA A100 PCIe 40GB は 2026 年現在 ¥1,500,000-2,500,000 (新品 ¥3,000,000+) で、Llama 3 70B Q8 (70GB) ・Llama 3 70B FP16 (140GB、2 枚必要) の学習用途で実用、家庭での AI ローカル開発・スタートアップ AI 研究で活用できる位置に。H100 (HBM3 80GB、¥4,000,000-)・H200 (HBM3e 141GB、¥6,000,000-)・B200 (HBM3e 192GB、¥10,000,000+) は最先端 AI 学習用、企業データセンター・スーパーコンピュータでの利用が中心。自作 PC で HBM2 GPU を組み込む場合、PCIe Gen 4 x16 マザボ + 1500W+ 電源 + 大型ケース (フルタワー)・空冷限界のため水冷推奨など、家庭環境での運用には特殊なインフラ整備が必要。AI スタートアップ・大学研究室・個人 AI 研究者で A100 中古運用が 2026 年現在のホットトピック、HBM2e 帯域の AI 学習加速効果を体感できる現実的な選択肢。
関連用語との違い
- HBM (HBM1): 親、HBM2 の 1/2 速度
- HBM3: 後継、3 倍速度・容量
- GDDR6X: GPU 専用、HBM2 の競合 (ゲーミング GPU 向け)
よくある質問（FAQ）
Q1: HBM2 と HBM2e の違いは? A: HBM2e は HBM2 の改良版、3.2-3.6Gbps (HBM2 2Gbps の 1.8 倍) ・容量倍増 (16GB)。A100 で標準採用、HBM2 と同呼称で扱われることが多い。
Q2: NVIDIA A100 の中古は安全? A: データセンター中古市場で 2024-2026 年に大量放出、状態良好品が ¥1,500,000-2,500,000 で流通。HPL ベンチマーク・GPU-Z で動作確認推奨、A100 80GB が AI 開発で人気。
Q3: HBM2 と DDR5 の違いは? A: HBM2 は GPU/AI 向け 3D 積層、1024-bit・256GB/s。DDR5 は PC/サーバ向け 64-bit・51.2GB/s。用途・物理構造で全く別系統。
まとめ
- HBM2 = 2016 年 JEDEC 標準化、HBM 第 2 世代
- 2Gbps・256GB/s/stack・最大 8GB/stack
- NVIDIA Tesla P100/V100/A100・AMD MI100 で AI 革命を支える
- 2016-2022 年 HPC/AI 主役、HBM2e (A100) で 2020 年代も活躍