メモリコストがAI チップ全体の費用の約 2/3 に達している

2026/05/25 1:31

メモリコストがAI チップ全体の費用の約 2/3 に達している

RSS: https://news.ycombinator.com/rss

要約

Japanese Translation:

Epoch Analysis は、Creative Commons BY ライセンスで入手可能なオープンソース評価により、2024年第1四半期から2025年第4四半期にかけてのAI ハードウェアメーカー(Nvidia、AMD、Google、Amazon)の部品コストを分析しています。データによると、高帯域幅メモリ(HBM)が主要なコストドライバーとなり、そのシェアは2024年第1四半期の52%から2025年第4四半期には63%に増加しました。一方で、高度パッケージングのシェアは19%から15%へ低下し、補助部品は15%から9%へと減少したものの、ロジックダイのコストは約13–14%で安定して推移しています。これに伴い、総部品支出は2024年の約220億ドルから2025年後半には520億ドルへと急増すると予測されています。この増加のうち、HBM の価格と数量 alone による影響で約200億ドルの増加が見込まれています。四半期ごとのコストシェアの詳細な CSV ファイルは、2026年5月21日に更新されました。

本文

AI チップ部品コスト分析と支出構造の変化

クリエイティブ・コモンズ BY ライセンスのもと、本図の無料使用・配布・複製は出典および著者のクレジット付記を条件としております。詳細情報については公式ページをご覧ください。

分析方法

Nvidia、AMD、Google、Amazon が開発した AI チップを対象に、以下の手順で支出を算出しました。

  • 単価コストの推計: 以下の 4 つのカテゴリについてチップ当たりコストを算定
    • メモリ(HBM)
    • ロジックダイ
    • 先進パッケージング(CoWoS)
    • 補助部品
  • 総支出の計算: 上記単価コストに、推定された四半期生産数量を乗じて算出
  • シェア分析期間: 2024 年第 1 四半期 〜 2025 年第 4 四半期

各カテゴリーの支出割合の変化

分析の結果、2024 年から 2025 年にかけての支出構造は以下のように変化しました。

  • メモリ(HBM): 52% → 63%増加
  • ロジックダイ: 13–14% を維持 (変動なし
  • パッケージング: 19% → 15% (減少)
  • 補助部品: 15% → 9% (減少)

総部品支出の拡大と寄与要因

AI チップに対する総部品支出は急増しました。

  • 2024 年: 約 220 億ドル
  • 2025 年: 約 520 億ドル
  • HBM の寄与額: 増加額のうち単独で約 200 億ドル を貢献

データ情報

追加データの入手および詳細な前提条件については、以下のリソースをご利用ください。

同じ日のほかのニュース

一覧に戻る →

2026/05/25 3:56

オーストラリアの週 4 日制研究データで生産性が向上したと示唆されました

## 日本語訳: *Nature* の『Humanities and Social Sciences Communications』に発表された新研究によると、4 日勤務週間の試行を継続しているオーストラリア企業のうち 15 社のうち 14 社が「100:80:100 モデル」(完全な給与、80% の労働時間、全出力)を採用していたことが示されています。デイキン大学のジョン・ホプキンス教授を筆頭に、2023 年初頭から 2024 年秋にかけて行われたインタビューでは、不動産管理、出版、ヘルスケア技術、法律、ソフトウェア開発など幅広い業界を対象としました。どの企業でも生産性は低下しておらず、6 つの企業で向上し、9 つの企業が出力を維持していました。1 社は大きな内部変化により試行から退出し、もう 1 つはすでに 8 年間のパイロットプログラムを実施済みでした。バーンアウトが主な要因となったのは 6 社で、これらは単なる収益だけでなく、離職率、欠勤日、病休日、メンタルヘルス休暇をモニタリングしました。これは、2025 年の『Beyond Blue』調査でも示されているように、オーストラリアの労働者の半数がバーンアウトを経験しており、特に若年層と親御さんにおいて顕著であることと整合しています。国際的には、200 社以上の英国企業と 45 社のドイツ企業(主に中小企業)が給与カットなしでこのモデルを採用しています。導入方法は業界のリズムや業種によって異なります:顧客接点を持つ組織は休暇日を分散させる傾向があり一方、医療、緊急サービス、物流、ホスピタリティなどの分野は構造的なスケジュール調整の課題に直面します。企業は不要な会議を削減し、タスクを自動化し、低価値な仕事を排除することでワークフローを合理化しています。批判者は、一部の短期的な利益が新奇効果によるものかもしれないと注意喚起しています。今後を見据え、AI は反復的なタスクを自動化して労働者が時間を取り戻すよう助け、単に日常の業務量を増やすのではなく、将来の成功はウェルビーイングと離職防止を追跡することによって実現されると考えられています。全体としての変化は、効率性と並んで人間のウェルビーイングを最優先とする持続可能なパターンの方向へと向かっています。

2026/05/21 9:15

LAN-LOK:南极向け DOS サボタージュゲーム「34 年間も消失した」作

## Japanese Translation: AlphaPixel は、Mark Chappell および Shane Maloney という研究者により Palmer Station で作成された稀な 1991 年の南极観測ステーション用コンピューターゲーム「LAN-LOK」を成功裏に蘇らせた。本プロジェクトは、同ステーションで初めてのピアツーピア LAN(PalmerLAN/GrapeVine)の設置後に開発が行われた「Evil Al サボタージレース」というタイトルであり、30 年以上も知られていなかったところ、創業者である Chris Hanson が 2025 年に未開封のコピーを発見した。Hanson はその後にゲームの対抗役(悪の AI「Evil Al」)の実在のモデルとなった人物である Al Oxton(「ajo」氏)と連絡を取り、メールを通じて作成の詳細を確認させた。 このプロジェクトは、この廃棄された 16 ビットプログラムを現代的な遊べば良い体験へと変え、現在 Archive.org でアクセスでき、AlphaPixel 経由でダウンロード可能となっている。 gameplay は、プレイヤーがディレクトリを削除したりディスクをフォーマットしたりするなどのサボタージュ行為を行い、AI が制御する「Evil Al」と対戦しながら、特定のターゲット(例:重要な"Hobbs"ノード)への攻撃と勝利に必要なスコア要件を満たすことを目指す 5 分のレースである。長期的な存続性を確保するため、AlphaPixel は Ghidra や Reko といったリバースエンジニアリングツールを用いてレガシーコードのデコンパイルを行い、16 ビットシステムと 64 ビットシステム間の互換性問題を解決するとともに、SDL フレームワークを使用してグラフィックおよび入力処理を更新している。また AI ツールの活用も行う可能性がある。この取り組みは単に南极からユニークなデジタルアーティファクトを救い出しただけでなく、AlphaPixel の広範なレガシーデータの復元に関する専門性を示しており、8 ビットデバイスから現代の RISC-V プロセッサに至るまでのさまざまなアーキテクチャにおいて、エミュレーションされたゲームからフォレンジック動画の回復まで幅広く対応できることを証明している。

2026/05/25 3:39

Jujutsu で Git Rigour Fatigue を克服する

## Japanese Translation: 著者は、コードレビューを「種類別(例:赤で変更内容、青で UI)」に分類し、履歴を確定させる前に視覚的なワークフローを採用するためのステブのジュジュツチュートリアルへの相談を推奨しています。このアプローチは、デバッグによる修正とリファクタリングを単一のブランチ内で混在させるという一般的な誤り(コミットが以前の作業を上書きすることで頻発するコンフリクト)を回避します。標準ツールである `jj absorb`(ファイルの所有者との相性が悪いため課題が多い)や厳格なシーケンシング手法とは異なり、この手法では中間ステップごとにコンパイルしなくてもよい、当初はごちゃまぜの「全コミット」を受け入れることで一時的なデバッグ状態を許容します。ターゲット対象となるクイッシュコマンドを最終段階に留め、特定の変更カテゴリを色分けされた独自のコミットに分離することにより、Git のシーケンシングや複雑な分割の堅牢性を伴わずとも清潔で視覚的な履歴を実現できます。この戦略は、開発中の各個々のコミットがコンパイル可能であるという保証を犠牲にしますが、厳格なステップバイステップのコンパイル要件よりも、明確な視覚的なソートと管理可能なレビュー単位を重視するチームにとって、軽量で柔軟な代替手段を提供します。