クアルコムはHBCでNVIDIAのAIインフラ支配に挑む

クアルコムがAIデータセンター市場でNVIDIAに挑もうとしている。ただし、正面からGPUの学習性能を競うというより、生成AIの推論で膨らむ電力とメモリ帯域のコストに狙いを定めた戦略だ。

中心にあるのが、近メモリ演算アーキテクチャ「High Bandwidth Compute（HBC）」である。クアルコムはHBCを単独のGPU代替品としてではなく、Dragonflyブランドのアクセラレーター、サーバーCPU、ネットワーク、ソフトウェア、カスタムシリコンを組み合わせた総合プラットフォームとして位置付けている。

もっとも、現時点でHBCはあくまでロードマップ上の挑戦だ。実際にNVIDIAの既存システムを置き換えられるかどうかは、2027年以降の量産ハードウェア、第三者ベンチマーク、供給体制、顧客導入で判断されることになる。

HBCが狙うのは推論の「メモリの壁」

大規模言語モデルの自己回帰推論では、1トークンを生成するたびにモデルの重みをメモリから読み出す処理が繰り返される。そのため、演算能力だけでなく、データをメモリとプロセッサーの間で移動させる時間、電力、遅延が推論コストを左右する。

HBCは、積層したLPDDRメモリの下に演算ダイを配置し、密集したシリコン貫通ビア（TSV）で各層を接続する設計だ。計算をデータの近くで実行することで、メモリとメインプロセッサーの間を往復するデータ量を減らす。 245

ここで重要なのは、クアルコムが「LPDDRの通常のピーク帯域が、あらゆるHBMシステムを上回る」と単純に主張しているわけではない点だ。同社の説明では、特定の処理をパッケージ内部で実行し、メモリとプロセッサー間の移動を省くことで、推論ワークロードに対する実効帯域とトークン生成効率を高める。 29

クアルコムによれば、HBC第1世代を採用するDragonfly AI250は、1枚のカードあたり133TB/sの実効メモリ帯域を目指し、LPDDR5Xを搭載したAI200に比べて18倍の向上を実現する設計だという。 4 また、別の報道では、現行のHBM実装に対してワットあたり帯域が最大6倍になるという同社の主張も伝えられている。 813

ただし、これらの数字は慎重に読む必要がある。実効帯域、カード単位の帯域、ラック単位の帯域、個々のHBMスタックの帯域は、それぞれ異なる指標だ。「数百TB/s」と単一のHBMスタックの数値を直接比べても、同じ条件での性能比較にはならない。

したがって、現段階でのHBCの数値は、クアルコムが示すアーキテクチャ上の主張、そして性能あたり・電力あたりの効率に関する主張として捉えるのが妥当だ。最終的には、同じモデルと同じ精度、同じバッチ条件で測定したトークン毎秒やワットあたりトークンの比較が必要になる。

SamsungとSK hynixが担う量産の難しさ

クアルコムは演算層の設計とシステム統合を担い、Samsung ElectronicsとSK hynixがメモリパートナーとしてHBC開発に加わると報じられている。報道された役割分担では、メモリの積層や関連工程を両社が担い、先端パッケージングもシステム全体の成否を左右する。 15

これはHBCが、プロセッサー設計だけでなく、パッケージングと製造に大きく依存する賭けであることを意味する。メモリの認定、3D実装の歩留まり、熱設計、検査、安定供給、コストがすべて一定水準に達しなければ、理論上優れたアーキテクチャでもデータセンターに広がらない。

クアルコムが示すロードマップでは、HBC第1世代の商用化は2027年、第2世代は2028年の予定だ。 14 これは、すでにデータセンターに導入されているNVIDIA製品をすぐに置き換える話ではなく、複数世代にわたるプラットフォーム移行の構想である。

DragonflyはHBCを総合プラットフォームにする

クアルコムはDragonflyを、単一のAIアクセラレーターではなくデータセンター向けの製品群として打ち出している。ロードマップには、AI推論システム、HBC、Dragonfly C1000サーバーCPU、高速ネットワーク、カスタムシリコンサービスが含まれる。 1516

Dragonfly C1000は、チップレット方式を採用したサーバー向けプロセッサーで、エージェント型AI、汎用処理、AIヘッドノードを主な用途とする。 7 クアルコムとMetaは複数世代にわたるCPU協業を発表しており、第1世代C1000は2028年後半からの量産が計画されている。 18

Metaとの契約は、クアルコムにとって重要な信頼材料だ。大手ハイパースケーラーのサーバーフリートに入り込む道筋が示されたからである。

ただし、契約の意味を広げすぎるべきではない。発表されたのはC1000に関するCPUの顧客関係であり、MetaがHBCアクセラレーターを大規模に導入することの証明ではない。HBC採用の判断には、性能、信頼性、ソフトウェア、供給量、ネットワークとの統合、総保有コストが引き続き影響する。

CUDA依存を意識したソフトウェア戦略

確立したAIプラットフォームを崩すには、ハードウェアだけでは足りない。クアルコムはModularの買収を通じて、Mojoプログラミング言語とMAXソフトウェア基盤を取り込んだ。両社は、生成AIやエージェント型AIをデータセンターからエッジまで展開する基盤として、これらの技術を位置付けている。 19

狙いは移植性だ。開発者が特定ベンダー向けにソフトウェアスタック全体を作り直さなくても、異なるプロセッサー上でモデルやワークロードを動かせるようにする。Modularはオープンなエコシステムを掲げており、2026年のカンファレンスに関する報道では、Mojoとそのコンパイラーが完全にオープンソース化されたとされている。 46

この仕組みが成熟すれば、NVIDIA、AMD、Google、AWS、クアルコムなどのハードウェアを比較する顧客にとって、乗り換えコストを下げる可能性がある。

しかし、これだけでNVIDIAのCUDAエコシステムに匹敵するわけではない。CUDAには長年蓄積されたライブラリー、開発ツール、開発者の習熟度、製品運用の実績がある。ネイティブ実装を上回る性能といった主張は、透明性のある再現可能なベンチマークが示されるまでは、将来の可能性として扱う必要がある。

なお、クアルコムのRISC-V戦略について、確認できる買収先は「Antenna Microsystems」ではなくVentana Micro Systemsだ。クアルコムは、Ventanaの買収によってRISC-VのCPU設計力とエコシステムへの取り組みを強化すると説明している。 2354

Hugging Faceが支えるクラウドからエッジまでの構想

クアルコムとHugging Faceの協業は、Hugging FaceのワークロードをDragonflyのデータセンターシステムに導入し、モデルのオンボーディングや、デバイスとデータセンターをまたぐハイブリッドな処理制御を可能にすることを目指す。 21

これは、クアルコムがデータセンターだけでなく、スマートフォンや組み込み機器、物理AIまでを一つの展開経路でつなごうとしていることを示す。クラウドで開発したモデルをエッジへ移し、必要に応じて両者を連携させられる点は、同社の広範な製品ポートフォリオを生かせる部分だ。

一方で、クラウドからエッジまでをカバーするという主張だけでは、NVIDIAの代替にはならない。開発者が実際のモデルを簡単に導入でき、運用者が本番環境でより良いコストと電力効率を得られることが必要だ。

HBCは業界全体のメモリ再設計の一部

クアルコムの取り組みは、メモリと演算の距離を縮める業界全体の動きの中にある。

SamsungのLPDDR5X-PIMは、低消費電力DRAMに演算ロジックを組み込み、一部の処理をデータの保存場所に近いところで実行する。Samsungは従来のLPDDR5Xを使った構成に比べ、推論性能が大幅に向上すると報告している。Hot Chipsでの発表を報じた記事では、比較条件において毎秒81.3トークン、従来のLPDDR5Xでは毎秒27トークンだったと説明されている。 313639

SK hynixは、HBM側から同じ課題に取り組んでいる。同社のハイブリッドボンディングやiHBMは、メモリスタックが高くなり帯域が増えるほど深刻になる熱と密度の問題に対応する技術だ。 32 一方、別の報道では、ハイブリッドボンディングはHBM4Eには間に合わず、より後の世代にずれ込む可能性が示されている。 40

SamsungはHBM4Eについて、1スタックあたり最大3.6TB/s、ピン速度最大16Gbpsのサンプルを報告している。 41 つまり、HBCが競争する相手は2025年や2026年時点の固定されたHBMではない。HBM側もまた、帯域、容量、熱設計を継続的に改善している。

今回の根拠資料だけでは、SamsungのCXLベースのMX1演算メモリーデバイス、DeepXによる採用、Micronが示した特定の「ボトルネック悪化」警告について、十分に確認された事実とはいえない。これらの詳細は、本分析では確定情報として扱わない。

クアルコムが次に証明すべきこと

クアルコムの戦略には、明確な筋道がある。

• まず推論を狙う: HBCは、メモリ移動がトークン生成の経済性を大きく左右しやすい、デコード中心のワークロードを意識している。 29
• システム全体を統合する: Dragonflyは、アクセラレーター、CPU、ネットワーク、カスタムシリコンを組み合わせ、単一チップへの依存を避ける。 1516
• ソフトウェアの障壁を下げる: MojoとMAXによって、複数のハードウェアプラットフォーム間でワークロードを移植しやすくする。 1946
• 顧客実績を築く: MetaとのC1000協業は、2028年後半の量産を見据えたハイパースケーラー向けCPU関係を示す。 18
• 幅広い導入先を確保する: Hugging Faceとの連携は、クラウドからエッジまでをつなぐ構想を補強する。 21

一方、リスクもはっきりしている。HBCは許容できる歩留まりと熱特性で量産に到達しなければならない。クアルコムは、実効帯域とインターフェースの raw 帯域を区別した、ワークロード別の比較データを公開する必要がある。コンパイラーとランタイムは実際のモデルを安定して動かさなければならず、メモリパートナーは大規模供給を実現しなければならない。

そして顧客側は、CUDAと並行して別のハードウェア・ソフトウェア基盤を採用する価値があるかを見極めることになる。

結論：有望な設計だが、NVIDIA代替の証明はこれから

クアルコムは、AIインフラの重要な制約の一つである推論時のメモリ移動に焦点を当て、HBCという筋の通った代替アーキテクチャを設計した。Dragonfly C1000、Modularのソフトウェア、VentanaによるRISC-V技術、Hugging Faceとの連携を組み合わせることで、アクセラレーター単体ではなく、データセンターからエッジまでの総合的な競争を仕掛けている。

ただし、現時点でHBCはNVIDIAを置き換えた実証済みの技術ではなく、将来の競争軸を提示した段階にある。重要なチェックポイントは、2027年に予定される第1世代HBCハードウェア、2028年後半に量産開始予定のC1000、そして第三者と顧客による性能・信頼性・総保有コストの検証だ。 1418

クアルコムの本当の勝負は、133TB/sという大きな数字を掲げることではない。その数字が、実際の生成AIサービスでより多くのトークンを、より少ない電力とコストで安定して生み出せることを証明できるかどうかにかかっている。