2026年、生成AI市場の爆発的な拡大に伴い、半導体業界はかつてない「メモリ危機」に直面している。NVIDIAのGPUが市場を席巻する一方で、その演算能力を支えるデータ供給路、すなわちメモリ帯域と容量が、物理的な限界を迎えつつあるからだ。これまで業界の救世主とされてきたHBM（High Bandwidth Memory）は、その高速性と引き換えに「容量不足」と「高コスト」という深刻な課題を抱えている。
こうした中、業界のゲームチェンジャーとして浮上しているのが、HBF（High-Bandwidth Flash：高帯域幅フラッシュ）である。韓国KAISTの権威ある専門家や主要メモリメーカーの動向から、この新技術が早ければ2027年にもNVIDIA製GPUに搭載され、AIインフラのあり方を根本から覆す可能性が高まっている。
HBMの「容量の壁」とAI産業が抱えるジレンマ
なぜ今、HBMではなく「HBF」なのか。その必然性を理解するためには、現在のAI半導体が直面している構造的なボトルネックを直視する必要がある。
演算速度とデータ容量の不均衡
現在、AI学習および推論用チップの主流であるNVIDIAのGPUには、DRAM（Dynamic Random Access Memory）を積層したHBMが搭載されている。HBMは極めて高速なデータ転送を実現するが、DRAMの物理的特性上、容量の拡大には限界がある。
例えば、次世代規格であるHBM4であっても、1スタックあたりの容量は最大64GB程度に留まると予測されている。しかし、数兆パラメータ規模の巨大言語モデル（LLM）を扱うAIサーバーにおいては、テラバイト（TB）級のメモリ空間が求められる。このギャップを埋めるために、現在は高価なHBMを無理に増設するか、速度の遅い外部ストレージに頼らざるを得ない状況が続いている。
「メモリの壁」の顕在化
プロセッサの処理能力向上にメモリの供給能力が追いつかない「メモリの壁」問題は、今や速度（帯域幅）だけでなく、容量（キャパシティ）の側面で深刻化している。AIモデルが肥大化する速度に対し、HBMの容量増加ペースは遅すぎるのだ。ここで業界が目をつけたのが、容量単価が安く、大容量化が容易な「NANDフラッシュメモリ」を、HBMのように積層して高速化するという逆転の発想である。
HBF（High-Bandwidth Flash）の技術的解剖：NANDの限界突破
HBFとは、一言で言えば「HBMの構造をNANDフラッシュで再現した超高速・大容量メモリ」だ。従来のSSD（Solid State Drive）とHBMの中間に位置する、新たなメモリ階層を定義する技術だ。
構造とメカニズム：3D NANDとTSVの融合
HBFの基本構造はHBMと酷似している。HBMがDRAMダイを積層してTSV（シリコン貫通電極）で接続するのと同様に、HBFは3D NANDフラッシュのダイを垂直に積層し、TSVを用いて何千ものデータパスで接続する。
米SanDisk（Western Digital）などの主要プレイヤーは、最新のBiCS 3D NANDダイを16層以上積層し、最下層にロジックダイを配置する構造を採用している。このロジックダイが並列アクセスを制御することで、NAND本来の弱点である「遅延」をカバーし、圧倒的なスループットを実現する。
驚異的なパフォーマンス指標
HBFが目指す性能は従来のストレージの常識を覆すものだ。
- 帯域幅（Bandwidth）： 1638 GB/s以上。
- 一般的なNVMe PCIe 4.0 SSDの帯域幅が最大7000 MB/s（約7 GB/s）程度であることを踏まえると、HBFはその200倍以上の転送速度を誇る。
- 容量（Capacity）： 1スタックあたり512GB以上。
- HBM4（64GB）と比較して約8倍から10倍の容量密度を持つ。
- コスト効率： DRAMベースのHBMと比較して、ビット単価は圧倒的に安価である。
3. HBMとの決定的な違い
HBFはHBMを完全に置き換えるものではない。筆者はこの点を強調したい。DRAMベースのHBMは依然としてレイテンシ（反応速度）において優位にある。一方、NANDベースのHBFは「書き込み回数制限（約10万回程度）」や「読み出しレイテンシ」においてDRAMに劣る。
したがって、HBFの役割は「超高速な読み出し専用に近い巨大なデータプール」として機能することにある。
2027年商用化説の根拠：主要プレイヤーの動向と戦略
「HBFの商用化はもっと先の話だ」という見方は、もはや過去のものとなりつつある。KAISTの「HBMの父」とも呼ばれるキム・ジョンホ教授や業界動向を分析すると、驚くほど具体的なロードマップが見えてくる。
KAIST キム・ジョンホ教授の衝撃的な予測
2026年1月16日の「素材・部品・装備（ソブチャン）未来フォーラム」におけるキム教授の発言は、業界に波紋を広げた。彼は以下のように明言している。
- タイムライン： Samsung ElectronicsとSanDiskは、2027年末から2028年初頭にかけて、実際にNVIDIA、AMD、Googleの製品にHBFを搭載する予定である。
- 開発速度： HBMの開発には10年以上を要したが、HBFはHBMで培った積層技術（TSVなど）を流用できるため、はるかに短期間で実用化される。
この発言は、HBFが単なる研究開発段階を超え、すでに主要GPUベンダー（NVIDIA等）との実装に向けた調整段階にあることを示唆している。
メーカー各社の動き
- SK hynix：
同社はHBFに相当する技術を「AI-N B」と呼び、開発を加速させている。報道によれば、2026年1月末には試験用バージョン（アルファ版）のデモを行い、2027年の市場投入を目指している。また、SanDiskと共同で標準化作業を進めている点も注目に値する。 - Samsung Electronics：
SanDiskとMOUを締結し、コンソーシアムを通じてHBFの標準化を主導。HBM市場での巻き返しを図るべく、HBF技術への投資を強化していると見られる。 - SanDisk (Western Digital)：
投資家向けイベント等でHBF技術を積極的にアピール。「HBMと同じ電気的インターフェースを持ちながら、一部プロトコル変更で対応可能」とするなど、実装の容易さを強調している。
AIシステムアーキテクチャの再定義：「図書館」と「本棚」のハイブリッド
HBFの登場は、AIサーバーの構造をどう変えるのか。キム教授による「図書館と本棚」の比喩は、この複雑な技術変革を理解する上で極めて秀逸だ。
階層化されるメモリ構造
- HBM（本棚）： GPUのすぐそばにある「家の本棚」。読み書きが極めて速いが、置ける本の数（容量）には限りがある。現在の試験勉強（AI処理）には容量が足りない。
- HBF（図書館）： 少し距離はあるが、膨大な蔵書（容量）がある「図書館」。HBMよりも遅いが、SSDよりは圧倒的に速く、大量の資料を一気に閲覧できる。
具体的なワークロード：KVキャッシュと推論
AI推論、特にLLMが文章を生成する際、「KVキャッシュ（Key-Value Cache）」と呼ばれる過去の文脈データを保持する必要がある。文脈が長くなればなるほど、このデータは肥大化する。
今後のAIアーキテクチャは以下のように役割分担が進むだろう。
- 頻繁に更新・演算されるホットデータ： HBMが担当。
- KVキャッシュなどの巨大な参照データ： HBFが担当。ここから必要なデータをGPUが直接、高速に読み出す。
- 長期保存データ： 従来のSSDが担当。
HBFは特に「読み出し（Read）」性能に特化し、書き込み（Write）の頻度が比較的少ない推論タスクにおいて、その真価を発揮することになる。OpenAIやGoogleは、HBFの特性（読み出し無制限、書き込み制限あり）に合わせて、ソフトウェアスタックを最適化する必要が出てくるだろう。
2038年、HBFはHBMを超えるか？
短期的なインパクトにとどまらず、中長期的な視点ではHBFがメモリ市場の主役に躍り出る可能性すら示唆されている。
HBM6世代での本格普及
予測によれば、HBFが本格的に普及し始めるのは「HBM6」が登場する時期と重なる。この頃にはAIモデルのサイズがHBMのみでの対応を完全に不可能にしており、HBFなしではシステムが成立しない状況が生まれるからだ。
「メモリファクトリー」構想とHBM7
さらに未来、HBM7の世代（2030年代初頭〜）には、「メモリファクトリー」と呼ばれる概念が現実味を帯びる。これは、GPUを経由せず、メモリ（HBMやHBF）の裏側でデータの処理を完結させる「Near-Memory Processing」あるいは「Processing-in-Memory (PIM)」の進化形だ。
キム教授は「2038年頃にはHBF市場がHBM市場を規模で上回る可能性がある」と予測している。これは、AIが「計算する存在」から「膨大な知識（データ）を瞬時に検索・統合する存在」へと進化していく過程で、演算速度よりも情報容量へのアクセス能力が重要視されるようになることを示唆しているのではないだろうか。
日本の産業界と投資家が注視すべきポイント
HBFの台頭は、単なる「新しいメモリ」の話ではない。それはAIのコスト構造と性能限界を再定義する動きである。
- NVIDIAの独占体制への影響： HBFをいち早く統合したGPUプラットフォームを提供する企業（現在はNVIDIAが最有力）が、次世代AIインフラの覇権を握り続ける。
- メモリメーカーの勢力図： HBMで先行したSK hynixに対し、NAND技術に強みを持つサムスン電子やWestern Digital（SanDisk）がHBFで反撃に出る構図となる。特にNAND積層技術は競争の核心となる。
- コレが意味するところ：
AI開発企業にとって、HBFの導入は「推論コストの大幅な削減」を意味する。高価なHBMを大量に並べる代わりに、HBFを活用することで、より少ないコストでより大規模なモデルを運用可能になるからだ。
2027年、私たちが目にする「NVIDIA GPU」のスペックシートには、HBMの横に新たな項目「HBF」が刻まれている可能性が高い。それは、AIが真の意味で「全知」へと近づくための、ハードウェア側の準備が整ったことを告げるシグナルとなるだろう。
Sources