Lesson 2 — 半導体の地図：トランジスタから全製品へ

1. トランジスタの2つの使い方 → 全製品へ

第一原理

トランジスタ（電圧で制御するスイッチ）の使い方で、全く別の製品になる：

ON/OFFの組み合わせで計算する → ロジック半導体（プロセッサ系）
ON/OFFの状態を保持する → メモリ半導体
現実世界の連続信号を変換・制御する → アナログ / パワー半導体

🔌 トランジスタ（電圧で制御するスイッチ）

⚙️ 計算に使う
ロジック半導体

CPU
Central Processing Unit 何でも屋・逐次処理

GPU
Graphics Processing Unit 並列職人・AI学習

ASIC
Application-Specific IC 専門職・最速

FPGA
Field-Programmable 書き換え可能

SoC
System on Chip CPU+GPU+通信を統合

💾 記憶に使う
メモリ半導体

SRAM
Static RAM 最速・高コスト・キャッシュ
※独立製品ではなくCPU/GPUに内蔵

DRAM
Dynamic RAM メインメモリ・揮発性

HBM
High Bandwidth Memory DRAM積層・AI専用

NAND
NAND Flash SSD・不揮発性

NOR
NOR Flash ファームウェア

🔋 変換・制御
アナログ / パワー

パワー半導体
電力変換・制御・VRM

アナログ
センサー・ADC/DAC

RF半導体
5G・Wi-Fi・通信

光半導体
光トランシーバ

2. ロジック半導体 — 計算する4兄弟 + SoC

全部「計算するチップ」だが、何に特化しているかが違う。汎用性と速度のトレードオフ。

CPU

Central Processing Unit

命令を1つずつ順番に処理する何でも屋

汎用性 ★★★★★ 速度 ★★☆☆☆

Intel Core / AMD Ryzen / Apple M

GPU

Graphics Processing Unit

単純な計算を数千個同時にやる並列職人

汎用性 ★★★☆☆ 速度 ★★★★☆

NVIDIA H100 / B200 / AMD MI300X

ASIC

Application-Specific IC

1つの仕事だけ超高速にやる専門職

汎用性 ★☆☆☆☆ 速度 ★★★★★

Google TPU / Bitcoin ASIC / Broadcom

FPGA

Field-Programmable Gate Array

出荷後にロジックを書き換えられる転職可能な職人

汎用性 ★★★★☆ 速度 ★★★☆☆

Intel Altera / AMD Xilinx

SoC

System on Chip

CPU+GPU+AI+通信を1チップに統合した全部入り

統合度 ★★★★★ 省電力 ★★★★☆

Apple M4 / Qualcomm Snapdragon

CPU（Central Processing Unit / 中央演算装置）

何でも屋。命令を1つずつ順番に処理する。OSやアプリケーションを動かす頭脳。

例: Intel Core, AMD Ryzen, Apple Mシリーズ（のCPUコア部分）

GPU（Graphics Processing Unit / 画像処理装置）

並列職人。単純な計算を何千個も同時にやる。元はゲームの画像描画用 → AIの行列演算に転用されて大爆発。

例: NVIDIA H100/B200, AMD MI300X

なぜAIにGPUが必要か: AIの学習 = 巨大な行列の掛け算の繰り返し。CPUは「1つずつ丁寧に」計算するが、GPUは「数千個を同時に雑に」計算できる。AIには後者が圧倒的に速い。

ASIC（Application-Specific IC / 特定用途向けIC）

専門職。1つの仕事だけ超高速にやる。汎用性はゼロだが、その仕事ではGPUより速くて省電力。

例: Google TPU（Tensor Processing Unit / AI学習専用）, ビットコインマイニングチップ, Broadcomのカスタムチップ

投資的に重要: GoogleやAmazonが自社ASIC（カスタムチップ）を作り始めている = NVIDIAのGPU独占への対抗。これが「NVIDIA vs カスタムASIC」の構図。

FPGA（Field-Programmable Gate Array / 書き換え可能ゲートアレイ）

転職できる職人。出荷後にロジック回路を書き換えられる。試作品や少量生産に向く。

例: Intel（Altera）, AMD（Xilinx）

SoC（System on Chip / システムオンチップ）

全部入り。CPU + GPU + AI専用回路 + 通信チップ + メモリコントローラ等を1チップに統合。

例: Apple M4（MacBook）, Qualcomm Snapdragon（スマホ）, MediaTek Dimensity

AppleのMシリーズはSoC。CPU, GPU, Neural Engine（AI用ASIC）, メモリコントローラを1チップに統合 → だからMacBookが薄くて省電力。統合すると距離が短くなり通信も速くなる。

💻 プログラミングで言うと

CPU  = "Python: 何でもできるが特別速くはない"
GPU  = "NumPy/CUDA: 行列演算を大量に並列実行"
ASIC = "回路レベルで焼き込んだ専用アルゴリズム。書き換え不可"
FPGA = "設定ファイルで動作が変わるハードウェア。動的ディスパッチ"
SoC  = "モノリシックアプリ: 全サービスを1バイナリに統合"

📚 より詳しく

YouTube: CPUとGPUの違い — 並列処理の概念を視覚的に理解
Wikipedia: ASIC — カスタムチップの設計・製造プロセス
Wikipedia: SoC — Apple Silicon等の統合チップ設計の歴史

3. メモリ半導体 — 速度順に5種類

全部「データを記憶するチップ」だが、速度・コスト・揮発性が違う。物理的な仕組みの違いがトレードオフを生む。

                メモリ5種の比較
                
                    種類正式名称速度揮発性物理的仕組み用途

                        SRAMStatic RAM最速（~1ns）揮発
                        トランジスタ6個でフリップフロップ回路。安定だが面積大
                        CPU/GPUのキャッシュ（L1/L2/L3）
                    
                        DRAMDynamic RAM速い（~100ns）揮発
                        トランジスタ1個 + コンデンサ1個。電荷が漏れるので要リフレッシュ
                        PCのメインメモリ（16GB等）
                    
                        HBMHigh Bandwidth Memory速い + 広帯域揮発
                        DRAMをTSVで積層 + GPU隣に配置。帯域1024bit
                        AI GPU専用の高速メモリ
                    
                        NANDNAND Flash遅い（~50,000ns）不揮発
                        浮遊ゲートに電子を閉じ込め。絶縁膜で保持
                        SSD、USBメモリ、スマホ
                    
                        NORNOR Flash中間不揮発
                        NANDと類似だがランダム読み出しが速い
                        ファームウェア（起動プログラム）

種類	正式名称	速度	揮発性	物理的仕組み	用途
SRAM	Static RAM	最速（~1ns）	揮発	トランジスタ6個でフリップフロップ回路。安定だが面積大	CPU/GPUのキャッシュ（L1/L2/L3）
DRAM	Dynamic RAM	速い（~100ns）	揮発	トランジスタ1個 + コンデンサ1個。電荷が漏れるので要リフレッシュ	PCのメインメモリ（16GB等）
HBM	High Bandwidth Memory	速い + 広帯域	揮発	DRAMをTSVで積層 + GPU隣に配置。帯域1024bit	AI GPU専用の高速メモリ
NAND	NAND Flash	遅い（~50,000ns）	不揮発	浮遊ゲートに電子を閉じ込め。絶縁膜で保持	SSD、USBメモリ、スマホ
NOR	NOR Flash	中間	不揮発	NANDと類似だがランダム読み出しが速い	ファームウェア（起動プログラム）

SRAMとDRAMの物理的な違い

	SRAM（Static）	DRAM（Dynamic）
1bitに必要なもの	トランジスタ6個	トランジスタ1個 + コンデンサ1個
面積	大きい（6倍のトランジスタ）	小さい（高密度に実装可能）
コスト	超高い	安い
リフレッシュ	不要（Static=静的）	必要（Dynamic=動的に電荷補充）
速度	~1ns（DRAMの100倍速い）	~100ns

名前の由来: SRAMは電荷のリフレッシュが不要だから「Static（静的）」。DRAMは定期的にリフレッシュが必要だから「Dynamic（動的）」。

💡 SRAMは誰が作っている？ — 他のメモリとの決定的な違い

DRAM・NAND は専業メーカー（SK Hynix, Samsung, Micron 等）が独立したチップとして製造・販売する。しかしSRAMは違う。

SRAMはCPUやGPUの中に最初から作り込まれている。独立した製品として売られることはほぼない。

メモリ	誰が作る	売り方
DRAM	SK Hynix, Samsung, Micron	独立チップとして販売
HBM	SK Hynix, Samsung, Micron	独立チップとして販売（GPU隣に実装）
NAND	Samsung, Kioxia, WD, Micron	SSD等として販売
SRAM	TSMCやSamsungがCPU/GPUと一緒に製造	独立販売ではない。キャッシュとしてチップに内蔵

例: NVIDIAのH100チップ（TSMCが製造する1枚のシリコン）

H100チップ
├── 演算コア（トランジスタ800億個）
├── L2キャッシュ: 50MB の SRAM  ← チップ内に内蔵！
└── メモリコントローラ（外部のHBMと通信する回路）

SRAMはトランジスタ6個で1bitのため面積を食う。ダイ写真（チップの顕微鏡写真）を見ると、半分近くがSRAMキャッシュで占められていることもある。

投資的な意味: 「SRAMメーカー」という銘柄は存在しない。SRAMの性能はTSMCの製造プロセスの良し悪しに依存する。DRAMやNANDとは全く別の市場構造。

📚 より詳しく

YouTube: SRAMとDRAMの違い — フリップフロップ vs コンデンサの仕組み
Wikipedia: Flash memory — NAND/NORフラッシュの動作原理と歴史（NANDは東芝が発明）

4. アナログ / パワー半導体 — 地味だが不可欠な裏方

ロジックとメモリが「デジタルの世界（0と1）」で動くのに対し、これらは「現実世界の連続信号」を扱う。

パワー半導体 — 電力の番人

電圧を変換・制御するチップ。AIサーバーのGPU 1台にVRM（Voltage Regulator Module / 電圧変換モジュール）が数十個載っている。

例: Texas Instruments, Infineon, ルネサスエレクトロニクス, 富士電機

投資的に重要: AI GPU 1台あたりのパワー半導体搭載量は年々増加。GPUが電力を食うほど、電力を変換・制御するチップも増える。

その他のアナログ半導体

種類	役割	例
ADC/DAC	アナログ⇔デジタル変換（Analog-to-Digital / Digital-to-Analog Converter）	センサーの信号をデジタルに変換
RF半導体	無線通信（Radio Frequency）: 5G, Wi-Fi, Bluetooth	Qualcomm, Broadcom
光半導体	光信号 ⇔ 電気信号の変換。データセンター内の高速通信	Coherent, Broadcom（光トランシーバ）

📚 より詳しく

Wikipedia: Power semiconductor — SiC(炭化ケイ素)/GaN(窒化ガリウム)等の次世代パワー半導体

5. AIサーバーの中身 — 半導体の全員集合

ここまで学んだ半導体が、AIサーバー1台の中にどう配置されているか。全部が半導体。

1台のサーバーに載っている半導体チップ

チップ	種類	個数	主要企業
GPU	ロジック	8個	NVIDIA（設計）→ TSMC（製造）
HBM	メモリ	GPU1つにつき6-8個	SK Hynix, Samsung, Micron
CPU	ロジック	1-2個	AMD, Intel
DRAM	メモリ	数十個	Samsung, SK Hynix, Micron
SSD（NAND）	メモリ	数個	Samsung, Kioxia, WD
パワー半導体	パワー	数十個	TI, Infineon, ルネサス
NIC	ロジック	1-2個	NVIDIA（Mellanox）, Broadcom
光トランシーバ	光半導体	複数	Coherent, Broadcom

投資の視点: 「AIサーバーが何万台も建設される」＝この表の全チップの需要が爆発する。GPUだけでなく、HBM、パワー半導体、光トランシーバも全部ボトルネックになりうる。

📖 このページの用語集

略語	正式名称	一言で
CPU	Central Processing Unit	何でも屋。逐次処理。OSやアプリの頭脳
GPU	Graphics Processing Unit	並列職人。AI学習の主役。数千コアで同時計算
ASIC	Application-Specific IC	専門職。1つの仕事だけ最速。Google TPU等
FPGA	Field-Programmable Gate Array	書き換え可能なロジック。試作・少量向き
SoC	System on Chip	全部入り1チップ。Apple M4、Snapdragon
SRAM	Static Random Access Memory	最速メモリ。6トランジスタ/bit。CPU内キャッシュ
DRAM	Dynamic Random Access Memory	メインメモリ。1トランジスタ+1コンデンサ/bit
HBM	High Bandwidth Memory	DRAMをTSVで積層しGPU隣に配置
NAND	NAND Flash Memory	不揮発性ストレージ。SSD/USBメモリ
NOR	NOR Flash Memory	不揮発性。ファームウェア格納用
VRM	Voltage Regulator Module	電圧変換モジュール。GPU 1台に数十個
NIC	Network Interface Card	ネットワーク接続カード
ADC/DAC	Analog-to-Digital / Digital-to-Analog Converter	アナログ⇔デジタルの変換器
RF	Radio Frequency	無線周波数。5G/Wi-Fi用チップ
TPU	Tensor Processing Unit	GoogleのAI専用ASIC

🧠 セルフチェック

Q1: CPU と GPU の根本的な違いは何か？プログラミングで例えると？

答えを見る

CPU = 逐次処理（1つずつ丁寧に）。GPU = 並列処理（数千個を同時に雑に）。AIの行列演算には後者が圧倒的に有利。Pythonの for ループ vs NumPy のベクトル演算。

Q2: ASIC と GPU の違いは？ Google TPU はなぜ存在する？

答えを見る

GPU は汎用的な並列計算。ASIC は特定の計算だけに最適化（汎用性ゼロ）。Google TPU は AI の行列演算に特化した ASIC で、GPUより省電力で高効率。ただし AI 以外には使えない。

Q3: SRAM が DRAM より速い物理的理由は？なぜメインメモリに使わない？

答えを見る

SRAM はトランジスタ6個でフリップフロップ回路を組む → 電荷のリフレッシュ不要で安定・高速。しかし6個も使うので面積が大きく高コスト。メインメモリに使うとチップが巨大になりすぎる。

Q4: AIサーバー1台に載っている半導体の種類を5つ以上挙げよ。

答えを見る

GPU, HBM, CPU, DRAM, SSD(NAND), パワー半導体(VRM), NIC(ネットワークカード), 光トランシーバ。全部が半導体で、全部の需要がAIブームで爆発している。