NVIDIAのFeynmanが示す、TSMCの次の課題は「製造」より「実装」

NVIDIAの次世代AIコンピューティング基盤「Feynman（ファインマン）」について、2028年後半の量産を目指しているとの報道が出ている。注目すべき点は、単により微細な製造プロセスへ移行することではない。先端ロジック、3Dチップ統合、高帯域幅メモリ（HBM）、そして光ネットワークを一つの製造・実装基盤としてそろえることにある。報道によれば、NVIDIAは発売の数年前からTSMCとこの要件をすり合わせているという。

ただし、Feynmanの最終設計、TSMCでの生産割り当て、量産日程について、NVIDIAとTSMCが完全な公式仕様を公表したわけではない。以下の内容は、現時点では業界関係者やサプライチェーンによる報道として読む必要がある。

FeynmanはRubinから何を進めるのか

Rubin世代は、複数のチップレットとHBMを組み合わせる設計が中心となる。これに対してFeynmanは、3DチップレットとTSMCのSoIC（System on Integrated Chips）積層技術の利用をさらに増やし、カスタムHBMとCPO（Co-Packaged Optics、光電融合パッケージ）も組み込むと報じられている。

製造プロセスとして名前が挙がっているのは、TSMCのA16だ。報道では、A16は強化版の2nmクラス、または1.6nmクラスのプロセスと説明されている。FeynmanはN2ファミリーを中間世代として採用せず、A16へ直接移行する可能性がある。

この組み合わせが実現すれば、チップの集積密度を高められるだけでなく、巨大なAIクラスターで問題になりやすい電力消費や信号品質の課題にも対応しやすくなる可能性がある。一方で、Feynmanの最終的な性能仕様は確認されていない。帯域幅や処理性能の具体的な数値を、確定した製品仕様として扱うことはできない。

TSMCに求められるのは「ウエハーの増産」だけではない

Feynmanの実現に必要なのは、先端ロジック用のウエハーを増やすことだけではない。TSMCは複数の製造工程を同時に立ち上げ、歩留まりや検査、熱対策まで含めて量産体制を整える必要がある。

• A16のロジック生産: 高性能なNVIDIAプラットフォームを大量生産できる水準まで、A16の歩留まりと生産量を引き上げる必要がある。FeynmanがA16を採用するとの報道はあるが、顧客別の割り当てや最終的な生産仕様は未確認だ。
• SoICによる3D統合: チップレットをより多く垂直に積層するには、SoICの処理能力を大幅に増やさなければならない。接合、テスト、熱管理、歩留まり制御を量産コストに見合う形で運用することも課題になる。
• HBMと2.5Dパッケージ: 3D積層に加えて、HBMを搭載するためのCoWoSや後継技術など、複数の先端パッケージ工程を組み合わせる必要がある。Feynmanの最終パッケージ構成はまだ確定していない。
• CPOの量産: 光エンジンとスイッチ用シリコンを、限定的なデモではなく、信頼性のある製品として一体化・検査しなければならない。NVIDIAのCPO製品では、TSMCがシリコンフォトニクスとパッケージングのサプライチェーンに関与すると報じられている。

つまり、NVIDIAのロードマップにおいて、パッケージング能力はトランジスタの製造能力と同じくらい重要になり得る。先端ロジックを製造できても、ダイ、メモリ、光接続を高い歩留まりと適切な消費電力で組み立てられなければ、完成したAI基盤にはならないからだ。

SoIC能力は2027年末に月5万枚へ？

サプライチェーン報道では、TSMCがSoICの生産能力を急拡大する計画だとされている。これまでの計画として、2026年中に月1万〜1万5,000枚程度、2026年末には月2万枚を目指す数字が示されていた。新たに報じられた目標は、2027年末までに月5万枚程度というものだ。

この目標が実現すれば、2026年末の月2万枚から翌年に2.5倍へ増える計算になる。需要はNVIDIAだけでなく、AMDなど複数の先端パッケージ顧客に結び付いていると報じられているため、5万枚すべてがFeynman向けになるわけではない。

また、これらは報道された計画上の数字であり、NVIDIAが確保した正式な割り当てではない。示されているのはウエハー処理能力であって、完成したFeynmanシステムの台数ではない。実際の製品数は、ダイの大きさ、パッケージ設計、歩留まり、後工程のテスト能力によって変わる。

嘉義AP7と南部サイエンスパークAP8で進む拡張

TSMCの先端パッケージ能力の拡張拠点として報道の焦点になっているのが、台湾・嘉義のAP7と、台南の南部サイエンスパークにあるAP8だ。

AP7は8段階の計画と説明されている。報道では初期フェーズで装置の搬入・設置が進み、後続フェーズは許認可や計画の異なる段階にあるとされる。顧客の要求に応じて、SoIC、CoWoS、CPO関連の生産に対応する可能性がある。

AP8はP1からP3までの3段階で計画され、CoWoSなどの先端パッケージを中心に整備されると報じられている。ただし、各フェーズの稼働開始日については、公開情報だけで確定的な生産期限とみなせるほど信頼できる詳細は示されていない。

重要なのは、時間軸である。新しいアクセラレーターが量産に入ってからパッケージ工場や装置を用意するのでは間に合わない。Feynmanが2028年後半の量産を目指すなら、認証や能力確保に関する判断は数年前から進める必要がある。

Rubinを増産しながらFeynmanを準備

世代交代は、Rubinの生産が終わってからFeynmanへ移るという単純なリレーにはならない。NVIDIAはVera Rubinを量産・増産局面へ移行させながら、Feynmanに向けて研究開発とサプライチェーンのリソースを移していると報じられている。NVIDIA自身の製品資料も、Vera Rubinが本格生産に入っていると説明している一方、業界報道はFeynmanの目標時期を2028年後半としている。

この重複には利点と負担の両方がある。NVIDIAにとっては、現行世代の生産が終わるまで次世代の準備を待たず、一定の製品投入ペースを維持できる。TSMCや関連サプライヤーにとっては、Rubinの需要に対応しながら、新しいプロセス、より複雑なパッケージ、光部品、材料をFeynman向けに認証しなければならない。

CPOスイッチの量産入りが示すもの

Feynmanで報じられる方向性を先取りする事例が、NVIDIAの「Spectrum-X Ethernet Photonics」だ。この製品は、光部品をスイッチASICの近くに直接組み込むCPO方式を採用する。高速信号が電気配線を通る距離を短くすることで、大規模AIネットワークで問題になりやすい電力や信号品質の制約に対応する狙いがある。NVIDIAは、半導体・システム業界との共同設計によって同プラットフォームが生産段階に到達したと説明している。

NVIDIAの製品資料では、Spectrum-X Ethernet Photonicsは1レーンあたり200GbpsのCPOイーサネットシステムで、最大409.6Tbpsの帯域幅に対応するとされる。製品ページの提供時期は2026年後半だが、業界報道では一部パートナーへの出荷と量産への移行が伝えられている。

報じられたサプライチェーンでは、TSMCがシリコンフォトニクスの製造、Foxconn（鴻海）が完成したスイッチシステムの組み立てを担う。チップレベルのパッケージングとテスト、レーザー、光サブアセンブリーには別の専門企業も関わる。

CPOが重要なのは、AIクラスターの制約がアクセラレーターの演算性能だけでは決まらなくなっているからだ。システムが大規模化すると、アクセラレーター間を結ぶネットワークの消費電力、帯域幅、電気信号の到達距離、信号品質が、システム全体の性能を左右する。光接続はその一部を解決する手段だが、量産規模、信頼性、実際の顧客導入が今後の試金石になる。

2028年のAIインフラは「GPU単体」では作れない

Feynmanの報道は、AIハードウェアの生産計画が変わりつつあることを示している。NVIDIAの製品ロードマップは、製品が出荷される前からTSMCの設備投資に影響を与え得る。必要なのはロジック、メモリ統合、3D積層、光パッケージ、製造装置、材料、検査を連動させた投資だからだ。

特に注目すべき点は3つある。

1. 先端パッケージが戦略的な制約になる。 SoICの月産能力が2026年末の2万枚から2027年末に5万枚へ増えるとの報道は、3D統合能力が先端ウエハーの供給と同等に重要になる可能性を示す。
2. サプライヤー全体がNVIDIAの世代交代に組み込まれる。 先端パッケージ能力は、アクセラレーターの出荷開始後に短期間で追加できない。工場建設や装置導入、材料の認証を前倒しする必要がある。
3. クラウド事業者の投資対象が広がる。 2028年のAI基盤には、アクセラレーターだけでなく、HBM搭載システム、先端パッケージ、光ネットワーク、電力供給、冷却設備も必要になる。これは報じられた技術の方向性から導いた推論であり、クラウド支出について公表された予測ではない。

Feynmanは、将来のチップ名というだけでなく、AI半導体サプライチェーンの方向を示すシグナルでもある。報道が正しければ、NVIDIAはTSMCに対し、A16ロジック、SoIC積層、HBM統合、CPOネットワークを同じ時間軸で成熟させることを求めている。

その結果、次のボトルネックは「最も小さなトランジスタ」ではなく、巨大なAIシステムを高い歩留まりと信頼性で組み立て、相互接続し、量産できるかどうかになるかもしれない。