HBM3 (2022)（エイチビーエムスリー）

概要

HBM3 (High Bandwidth Memory 3) は、JEDEC が 2022 年 1 月に標準化 (JESD238)・SK Hynix が同年量産開始した HBM 第 3 世代規格で、HBM2e (3.2-3.6Gbps) から 6.4Gbps に速度倍化、最大 819GB/s/stack (HBM2 256GB/s の 3.2 倍)・最大 24GB/stack (HBM2 8GB の 3 倍)・電圧 1.1V (HBM2 1.2V から省電力化) を実現し、NVIDIA H100 (2022 年 3 月、80GB HBM3、3.35TB/s 帯域)・AMD MI300X (2023 年、192GB HBM3、5.3TB/s 帯域)・Google TPU v5 (2023) で標準採用された AI 革命の中核 DRAM となった重要技術です。物理構造的には 16 チャネル × 64-bit = 1024-bit インタフェース (HBM2 8 チャネル × 128-bit から細分化) でレイテンシ改善、ECC (Error Correction Code) 強化、Self-Test Repair (自己修復) 機能追加など信頼性も向上しました。ChatGPT (2022 年 11 月)・GPT-4 (2023 年 3 月)・Llama 2 (2023 年 7 月)・Llama 3 (2024 年 4 月)・Claude 4 (2025) などの大規模言語モデル (LLM) の学習・推論を支える 2022-2026 年の AI アクセラレータ標準メモリで、現代 AI 革命の隠れた中核基盤となっています。

主な特徴・仕組み

• JEDEC 標準化: 2022 年 1 月 JESD238
• 量産開始: 2022 年 SK Hynix・Samsung
• 速度: 6.4Gbps/pin (HBM2e 3.6Gbps の 1.78 倍)
• 帯域: 819GB/s/stack
• 容量: 8-24GB/stack
• 電圧: 1.1V (HBM2 1.2V から省電力化)
• チャネル: 16 チャネル × 64-bit (HBM2 8 ch × 128-bit から細分化)
• レイテンシ: 改善 (チャネル細分化でアクセス並列性向上)
• ECC: オンダイ ECC 標準、Single Error Correction
• Self-Test Repair: 自己修復機能、信頼性向上
• 採用 AI チップ: NVIDIA H100・H200・AMD MI300X・Google TPU v5
• 後継: HBM3e (2024、9.2Gbps・36GB)・HBM4 (2026)

スペック比較表 (HBM 世代別速度)

具体例・対応 AI アクセラレータ

• NVIDIA H100 PCIe (2022 年 3 月): 80GB HBM3、3.35TB/s 帯域、AI 学習標準
• NVIDIA H100 SXM5 (2022): 80GB HBM3、3.35TB/s、サーバ統合型
• AMD MI300X (2023 年 6 月): 192GB HBM3、5.3TB/s、最大容量
• NVIDIA H200 (2024 年 11 月): 141GB HBM3e、4.8TB/s、ChatGPT-5 学習用
• NVIDIA B100/B200 (2024 年 11 月): 192GB HBM3e、8TB/s、Blackwell 世代

自作PCでの選び方・注意点

HBM3 は 2026 年現在の AI 学習・大規模 LLM 推論の最前線 DRAM、NVIDIA H100/H200/B100/B200・AMD MI300X などの最先端 AI アクセラレータで標準採用、価格 ¥400 万-2,000 万のハイエンドデータセンター GPU 専用。個人で入手するには H100 (80GB HBM3) が中古市場 ¥2,500,000-4,000,000 で流通開始、AI スタートアップ・大学研究室・個人 AI 研究者で運用するケースが 2025-2026 年に増加中、Llama 3 70B FP16 (140GB) の単一 GPU 学習が可能・GPT-4 級モデルのファインチューニングが個人で可能になる革命的環境を提供。AMD MI300X (192GB HBM3) は ¥3,000,000-5,000,000 で、Llama 3 405B (405GB、3 枚必要) ・Mixtral 8x22B (140GB、1 枚で可能) の学習・推論で実用、Apple Silicon Mac Studio M2/M3 Ultra (192-512GB UMA) ・自作 PC + RTX 4090/5090 (24-32GB GDDR6X/7) と並ぶ家庭 AI 開発機の最強選択肢。HBM3 GPU の運用には PCIe Gen 5 x16 マザボ・2000W+ 電源・大型ケース・水冷 (空冷限界)・ECC RAM 推奨など特殊なインフラ整備が必要、家庭で実用するには 50 万円以上の周辺インフラ投資が前提となります。

関連用語との違い

• HBM2/HBM2e: 前世代、HBM3 の 1/2 速度
• HBM3e: 改良版、9.2Gbps
• GDDR7: GPU ゲーミング向け、HBM3 の競合 (異用途)

よくある質問（FAQ）

Q1: H100 と MI300X どちらが優れる? A: 容量・帯域で MI300X (192GB・5.3TB/s) 優位、ソフトウェア互換性 (CUDA エコシステム) で H100 優位。AI 学習は CUDA 依存度で選択。

Q2: HBM3 と HBM3e の違いは? A: HBM3e は速度 6.4 → 9.2Gbps (1.44 倍) ・容量 24 → 36GB に拡張、NVIDIA H200 (2024) で最初に商用化。

Q3: 家庭での HBM3 GPU 運用は現実的? A: 困難だが可能、AI スタートアップ・大学院生が中古 H100 を運用するケース増加。電源 2000W+ ・水冷・防音ラック整備で 50 万円以上の周辺コストが前提。

まとめ

• HBM3 = 2022 年 JEDEC 標準化、HBM 第 3 世代
• 6.4Gbps・819GB/s/stack・24GB・1.1V 省電力
• NVIDIA H100/H200/B200・AMD MI300X で AI 革命の中核
• ChatGPT/Llama 3 などの LLM 学習・推論を支える 2022-2026 年標準