AI（人工知能）の次の成長段階は、統合コンピューティングシステムを大規模に導入することで加速し、業界はTSMCが「真のAI産業化」と呼ぶ段階に入る。
TSMCでAIおよび高性能コンピューティング（HPC）のビジネス開発ディレクターを務めるApril Li氏は、SEMICON Taiwan 2026のICフォーラムでこう述べた。
同氏によると、AIエージェントが企業の運用プロセスに深く入り込むにつれ、専用データセンターやフィジカルAIへの投資も加速しているという。
「この新しい時代に市場をリードするのは、より良いモデルを作る企業だけではない。最も優れた統合システムを構築できる企業だ」とLi氏は指摘した。
AI競争は単体チップからシステムへ TSMCによると、今後のAIの進化は、個々のチップやAIモデルの改良だけでは支えきれない。
必要となるのは、計算能力、メモリ、接続、ストレージ、電力管理を含むAIインフラの一体的な統合だ。この統合はチップ単体にとどまらず、サーバークラスター、ラック、さらにはデータセンター全体へと広がっていく。これはテクノロジー業界における重要な変化を示している。
これまで数年、AI競争はより強力なGPUや、より高性能なAIモデルの開発が中心だった。しかし、適用規模が急速に拡大する中で、システム全体としての効率が決定要因になりつつある。
チップが強力でも、データを十分に高速で転送できない、メモリが要件を満たさない、あるいは電力や冷却がボトルネックになれば、性能は引き出せない。
推論AIが新たな推進力に この変化を促す要因の一つが、推論AI（inference）需要の拡大だ。推論AIとは、学習済みモデルを用いて要求に応答し、タスクを実行するプロセスを指す。
Li氏によると、AI推論に使われるトークン量は世界全体で2022年比で約500倍に増加した。特に、推論能力を持つシステムやAIエージェントは、従来の単発クエリよりも大幅に多くのトークンを消費する。
この結果、AI推論はもはや低コストな処理とは言えなくなっている。AIエージェントがバックグラウンドで継続的に業務を処理するようになると、計算需要もそれに応じて増大する。
TSMCは、AI推論がシステム全体レベルでのインフラ拡張を押し上げる主要因の一つになりつつあるとしている。
AIインフラの四つの大きなボトルネック AIワークロードの増大は、四つの重要領域に圧力をかけている。ロジック性能を継続的に拡張できるか、コンポーネント間の接続効率、メモリ性能、そして電力供給と冷却システムである。
中でもデータ移動は、とりわけ大きな課題になっている。Li氏によれば、典型的なワークロードではデータ転送だけでシステム動作の最大60%を占めることがあり得るという。これにより、高価な計算アクセラレーターの稼働率が40%未満にとどまる可能性もある。
つまり、最強のAIチップを持つだけでは十分ではない。データを十分な速度でプロセッサへ届けられない、またはメモリが要件を満たさない場合、高価なチップの能力の多くが活用されないことになる。
AIシステムでトランジスタ1,000兆個超へ AIの規模拡大は、半導体技術にも新たな課題を突きつけている。
TSMCは、AI向けのチップパッケージングシステムが2030年までに1,000兆（1 trillion）個を超えるトランジスタを含み得ると見込む。これにより、マルチチップアーキテクチャや異種統合技術の重要性が増している。単一チップに全機能を詰め込むのではなく、複数の異なるチップを同一システム内で組み合わせる方向へと業界は移行している。この手法により、各部品を用途別に最適化し、その後に高性能なシステムとして統合できる。
こうした課題に対応するため、TSMCは先端ロジック、先端パッケージング、光インターコネクトに至るまで幅広い技術を開発している。
先端パッケージングと光接続が焦点に Li氏は、3D SoIC積層や先端パッケージングのCoWoSなどを含むTSMCの3DFabricプラットフォームにも言及した。
これらの技術は、AIシステム内で複数の計算チップと高性能メモリを接続する上で重要な役割を担う。さらにTSMCは、高速データ転送を光技術で支えるCompact Universal Photonic Engine（COUPE）プラットフォームも開発している。システムが膨大なデータを扱うようになるにつれ、光接続は将来のAIインフラにおける重要な方向性の一つとみられている。
TSMCはまた、先端ロジック技術をメモリのベース層に適用することで、高帯域幅メモリ（HBM）の性能向上も図っている。
Source: Vietnet24h
