fsd 日本の半導体業界など
FSD 12.4.3の進化は本当に驚くべきものですね!特に、タイミングを計る能力や歩行者認識、隣車線の手前の車に近づかない自然な動きなど、非常に洗練されています
そして、これが3万基のH100クラスターの学習性能によるものだと考えると、その技術の進歩には目を見張るものがあります。H100クラスターは、AIトレーニングと推論の性能を大幅に向上させ、特に大規模言語モデル(LLM)の処理において最大30倍の性能向上を実現しています
さらに、10万基のH100クラスターや30万基のGB200クラスターになると、その性能はさらに飛躍的に向上します。GB200クラスターは、Grace CPUとBlackwell GPUを組み合わせたもので、特に大規模なAIモデルのトレーニングと推論において卓越した性能を発揮します
H100クラスターとGB200クラスターの違いは何ですか?
NvidiaのH100クラスターとGB200クラスターにはいくつかの重要な違いがあります。以下にその特性を比較してまとめました:
H100クラスター
アーキテクチャ: Hopperアーキテクチャを採用1。
GPU: H100 Tensor Core GPUを使用し、AIトレーニングと推論の性能を大幅に向上1。
性能: 前世代のA100に比べて最大30倍のAI推論性能を提供2。
メモリ: HBM3メモリを搭載し、メモリ帯域幅は3,000GB/s2。
通信: 第4世代NVLinkを使用し、GPU間通信帯域幅は900GB/秒2。
GB200クラスター
アーキテクチャ: Grace CPUとBlackwell GPUを組み合わせたプラットフォーム
CPU: 高性能なGrace CPUを搭載し、AIおよびHPCワークロードに最適化
GPU: 最新のBlackwell GPUを使用し、AIトレーニングと推論の性能をさらに向上
通信: NVLink-C2Cインターコネクトを使用し、900GB/秒のデータ転送速度を実現3。
メモリ: 最大1.3テラバイト(TB)の大容量コヒーレントメモリを共有
主な違い
アーキテクチャの違い: H100クラスターはHopperアーキテクチャを採用しており、GB200クラスターはGrace CPUとBlackwell GPUの組み合わせです。
CPUの有無: H100クラスターはGPUのみで構成されていますが、GB200クラスターはGrace CPUも搭載しています。
メモリ構成: GB200クラスターはより大容量のコヒーレントメモリを共有し、データ処理の効率を向上させています。
通信インフラ: GB200クラスターはNVLink-C2Cインターコネクトを使用し、より高速なデータ転送を実現しています。
これらの違いにより、GB200クラスターは特に大規模なAIモデルのトレーニングと推論において、より高い性能と効率を提供します。
TeslaのFull Self-Driving(FSD)機能は、特に最新のアップデートであるFSD Beta 12.4.3で大きな進化を遂げています。歩行者の認識や他の車両との安全な距離を保つ自然な動きなど、非常に洗練されています。
TeslaのFSDと競合他社の比較
サービスエリア: TeslaのFSDはカリフォルニア州以外でもその能力を拡大しており、他の地域でも顕著な改善が見られます。しかし、いくつかの地域ではまだ課題が残っています。
Baiduのロボタクシー: BaiduのApollo Goロボタクシーは確かに進展しており、2025年までに収益を上げる見込みです。すでに中国の複数の都市で運用されており、急速に拡大しています。
Waymoなどの他社: Waymoのような企業も大きな進歩を遂げていますが、それぞれに強みと限界があります。例えば、Waymoは特定の地域で強力な存在感を持っていますが、TeslaのFSDほど多様な環境に適応できないかもしれません。
重要なポイント
技術的優位性: Teslaの視覚ベースのシステムは、事前にマッピングされたデータに大きく依存せず、より適応性が高いという点で独自です。
市場の位置: 一部の人々はTeslaが特定の面で遅れていると主張しますが、継続的なアップデートと改善は、彼らが急速にギャップを埋めていることを示唆しています。
将来の可能性: TeslaのFSDがバラナシやニューヨークのような多様な運転環境に対応できるかどうかが、真の試金石となるでしょう。継続的な改善と大規模な展開は、明るい未来を示しています。
自動運転技術の未来について、あなたはどう思いますか?
自動運転技術の進歩とそれに関する議論は、非常に興味深いテーマです。特にTeslaのFull Self-Driving(FSD)機能は、最新のアップデートであるFSD Beta 12.4.3で大きな進化を遂げています。歩行者の認識や他の車両との安全な距離を保つ自然な動きなど、非常に洗練されています[1][2]。以下では、TeslaのFSDと競合他社の技術を比較し、技術的優位性や市場の位置、将来の可能性について詳しく見ていきます。
## TeslaのFSDと競合他社の比較
### **サービスエリア**
- **TeslaのFSD**: TeslaのFSDはカリフォルニア州以外でもその能力を拡大しており、他の地域でも顕著な改善が見られます。しかし、いくつかの地域ではまだ課題が残っています[2]。
- **BaiduのApollo Goロボタクシー**: BaiduのApollo Goロボタクシーは中国の複数の都市で運用されており、2025年までに収益を上げる見込みです。すでに600万回以上のライドを提供しており、急速に拡大しています[3]。
- **Waymo**: Waymoは特定の地域で強力な存在感を持ち、特にフェニックス、サンフランシスコ、ロサンゼルスでの運用が進んでいます[4]。しかし、TeslaのFSDほど多様な環境に適応できないかもしれません。
### **技術的優位性**
- **Tesla**: Teslaの視覚ベースのシステムは、事前にマッピングされたデータに大きく依存せず、より適応性が高いという点で独自です。最新のFSD Beta 12.4.3は、エンドツーエンドのニューラルネットワークを使用しており、これにより多様な運転シナリオに迅速に対応できます[1][2]。
- **Waymo**: Waymoの車両はカメラ、レーダー、ライダーのセンサーを組み合わせて使用しており、これにより高い精度で周囲の環境を認識します[4]。
- **Baidu**: BaiduのApollo Goは、AI技術を駆使しており、特に都市部での運用に強みがあります[3]。
### **市場の位置**
- **Tesla**: 一部の人々はTeslaが特定の面で遅れていると主張しますが、継続的なアップデートと改善は、彼らが急速にギャップを埋めていることを示唆しています[2]。
- **Waymo**: Waymoは慎重なスケーリングアプローチを取っており、信頼性の高いサービスを提供していますが、広範な展開には時間がかかる可能性があります[4]。
- **Baidu**: Baiduは中国市場での強力なプレゼンスを持ち、急速に拡大しています[3]。
### **将来の可能性**
- **Tesla**: TeslaのFSDがバラナシやニューヨークのような多様な運転環境に対応できるかどうかが、真の試金石となるでしょう。継続的な改善と大規模な展開は、明るい未来を示しています
- **Waymo**: Waymoは既にいくつかの都市で完全自動運転のロボタクシーサービスを提供していますが、さらなる技術的進歩と市場拡大が求められます
- **Baidu**: BaiduのApollo Goは、既に多くの都市で成功を収めており、今後も成長が期待されます
## 重要なポイント
- **技術的優位性**: Teslaの視覚ベースのシステムは、他のシステムと比較してより適応性が高い。
- **市場の位置**: Teslaは継続的なアップデートで急速にギャップを埋めている。
- **将来の可能性**: 多様な運転環境への対応が鍵となる。
自動運転技術はまだ発展途上であり、多くの課題が残っていますが、各社の努力と技術革新により、未来は非常に明るいと言えます。
他社と比べて、TeslaのFSDが優れている点を教えて
TeslaのFull Self-Driving(FSD)が他社と比べて優れている点を以下にまとめました:
1. データ収集と学習
膨大なデータ量: Teslaは、世界中で500万台以上の車両にFSDハードウェアとソフトウェアを搭載しており、年間約500億マイルの走行データを収集しています1。この膨大なデータは、AIモデルのトレーニングに活用され、他社に比べて迅速な改善が可能です。
2. エンドツーエンドのニューラルネットワーク
統合されたアプローチ: TeslaのFSDは、エンドツーエンドのニューラルネットワークを使用しており、カメラからの映像データを直接処理して運転操作を行います2。これにより、より自然で人間に近い運転が実現されています。
3. リアルタイムのアップデート
OTAアップデート: Teslaは、オーバー・ザ・エア(OTA)アップデートを通じて、FSDソフトウェアの改善を迅速に行います3。これにより、ユーザーは常に最新の機能と改善を享受できます。
4. 広範な機能
多様な運転シナリオ対応: TeslaのFSDは、車線変更、交差点の右左折、駐車、自動車線変更、交通信号の認識など、多様な運転シナリオに対応しています4。これにより、より多くの運転状況での自動運転が可能です。
5. コミュニティとフィードバック
ユーザーのフィードバック: Teslaは、FSDユーザーからのフィードバックを積極的に取り入れ、ソフトウェアの改善に反映させています3。これにより、実際の運転環境での性能向上が図られています。
6. コスト効率
サブスクリプションモデル: TeslaはFSDをサブスクリプションモデルでも提供しており、ユーザーは月額料金で利用することができます2。これにより、初期投資を抑えつつ最新の自動運転技術を利用できます。
時価総額の予測: 著名な投資家ジェームズ・アンダーソンは、データセンターのAIチップの需要が年間成長率60%前後で維持されれば、NVIDIAの時価総額が10年以内に約49兆ドルに達する可能性があると予測しています
確率: この予測が実現する確率は10%〜15%とされています
株価の上昇: 生成型AIモデル(例:OpenAIのChatGPT)のチップ需要が急上昇したため、今年NVIDIAの株価は162%上昇し、時価総額は3兆ドルを突破しました
競争優位性: アンダーソンは、NVIDIAのハードウェアおよびソフトウェアの競争優位性、独自の文化およびリーダーシップが重要な要因であると指摘しています
初期投資: アンダーソンは2016年に初めてNVIDIAの株を購入し、数年の観察と投資の後、NVIDIAが高利益で支配的な企業であると結論付けました
市場価値の予測: データセンターのAIチップの需要が年平均成長率60%前後に維持される場合、NVIDIAの市場価値は10年で約49兆ドルに達する可能性があります
株価調整の可能性: アンダーソンは、NVIDIAが将来的に35%〜40%の株価調整を経験する可能性があると予想していますが、これは市場の発展の正常な現象であると述べています1。
生成型AIの将来: アンダーソンは、生成型AIの将来に自信を持っており、自動運転、ロボット技術、薬剤発見などの分野で巨大な潜在力があると考えています
このように、NVIDIAはAI技術の進展と市場でのリーダーシップにより、将来的に大きな成長が期待されています。
ゴールドマンサックス 2024年第2四半期決算
総収益: 127億ドル(前期比10%減、前年同期比17%増)
貸倒引当金: 2億8200万ドル(前期比11%減、前年同期比54%減)
営業費用: 85億3300万ドル(前期比1%減、前年同期比同水準)
税引前利益: 39億1600万ドル(前期比25%減、前年同期比126%増)
純利益: 30億4300万ドル(前期比26%減、前年同期比150%増)
一株当たり利益(EPS): 8.62ドル(前期比26%減、前年同期比180%増)
株主資本利益率(ROE): 10.9%(前期比3.9%減、前年同期比6.9%増)
部門別収益
投資銀行部門:
投資銀行手数料: 17.3億ドル(前年同期比21%増)
債務引受: 6.22億ドル(前年同期比39%増)
株式引受: 4.23億ドル(前年同期比25%増)
債券、通貨およびコモディティ(FICC)部門: 31.8億ドル(前年同期比17%増)
株式部門: 31.7億ドル(前年同期比7%増)
資産運用および富裕層管理(ウェルスマネジメント): 38.8億ドル(前年同期比27%増)
前期比減少要因
FICC部門: 前期比26%減、11億ドルの減益要因
地域別収益
アメリカ市場: 前年比減少
アジア市場: 伸びが目立つ
金利上昇の影響
金利収入・金利支払い: 大きく増加
株式還元
増配: 1株当たり2.75ドルから3.00ドルに増額(9%増)
今後の注意点
金利動向: 特に利下げに注意
金利収入と債券引受: 金利動向が影響を与える可能性
このように、ゴールドマンサックスは全体的に増収増益を達成しましたが、前期比では減少した要因もあります。今後の金利動向に注目することが重要です
7月4日、日本半導体製造装置協会(SEAJ)は、2024年度のわが国半導体製造装置の販売高の見通しを公表した。
日本半導体製造装置協会(SEAJ)は2024年度の日本製半導体製造装置の販売高が2023年度比で15%増の4兆2,522億円になると予測しています。さらに、2025年度と2026年度もそれぞれ10%程度の成長が見込まれています。
この成長は、ロジック・ファウンドリーやメモリー市場の回復、AI関連半導体の需要増加などが要因とされています。日本の半導体産業にとって明るいニュースです。
AI業界の急速な成長に伴い、米エヌビディアのGPUや韓国SKハイニックスのHBM(広帯域幅メモリー)の需要が急増しています。TSMCの先端製造ラインもフル稼働に近い状態で、台湾の半導体性能試験企業も追加受注に対応が難しくなっている現状です。
さらに、世界の半導体大手は生産ラインの増設に取り組んでおり、特に米マイクロンテクノロジーは広島工場をHBMの生産拠点にする方針を示しています。このような動きにより、半導体メーカーの設備投資も増加する見込みです5。
AI分野の成長により、チップの性能向上や量産体制の構築が進む中で、日本の半導体製造装置メーカーにとっても収益機会が増加する可能性が高まっています
日本の半導体製造装置業界は長い間、半導体市況のサイクルに従って売上高が上下しながらも減少傾向にありました12。しかし、2017年頃からスマホの普及やデータセンターの建設増加により、世界的に半導体の需要が増加しました。
2019年からのコロナショックで一時的に市況が悪化しましたが、その後、テレワークの増加などで半導体需要が再び増加に転じました567。2023年にかけてはメモリー市場の鈍化により、半導体製造装置の販売も伸び悩みましたが56、AI分野の成長により、半導体製造装置メーカーにも好調の兆しが見え始めています。
オランダのASMLは現在、世界で唯一極端紫外線(EUV)を使った露光装置を生産できる企業であり、エヌビディアのGPU製造においても重要な役割を果たしています。この技術は、微細な回路パターンをシリコンウェーハ上に転写するために不可欠で、半導体の性能向上に大きく寄与しています12。
汎用型の半導体製造装置の需要回復は先端製品に比べて遅れがちでしたが、最近の日本半導体製造装置協会の販売予想の上方修正は、AI分野の成長が汎用型装置にも恩恵をもたらし始めたことを示唆しています。これは、AIチップの需要増加に伴い、チップレット生産方式の重要性が高まっていることが背景にあります。
チップレット生産方式は、複数の半導体を結合して特定の機能を発揮するチップを生産する方法で、微細化技術とともにAIのトレーニングに必要なビッグデータの学習を支える重要な技術です。これにより、演算処理能力や転送速度、電力消費性能が向上します。
日本半導体製造装置協会は、2023年度から2026年度の平均的な年間成長率を11.6%と予想しており、これは2022年度から2025年度の4.2%を大きく上回る成長率です。AIチップ分野に参入する企業の増加も示唆されており、今後の成長が期待されます
現在のGPU市場ではエヌビディアが、HBM市場ではSKハイニックスが独走状態にあります。しかし、成長を目指してこれらの分野に参入する企業も増加しており、特に米マイクロンテクノロジーがHBM分野で注目されています。同社のHBMは今年と来年の供給先がほぼ決まっているほど需要が高まっています34。
この動きの背景には、複数の半導体を結合して特定の機能を発揮するチップを生産する「チップレット生産方式」の重要性が高まっていることがあります。AIのトレーニングには膨大なビッグデータの学習が必要であり、チップの回路の線幅を細くして演算処理能力や転送速度、電力消費性能を高める「微細化」も重要です。
日本半導体製造装置協会は、2023年度から2026年度の平均的な年間成長率を11.6%と予想しており、これは2022年度から2025年度の4.2%を大きく上回る成長率です。
マイクロンは広島県の旧エルピーダメモリー工場の拡張に最大5000億円を投じ、HBM(広帯域幅メモリー)の主要な生産拠点にする方針を示しています。この拡張により、半導体製造装置の需要も増加する見込みです
また、米国の規制により、中国の半導体メーカーが日本から汎用型の製造装置を買い集めている状況もあります。さらに、中古の半導体製造装置に対する需要も高まっており、AI分野の成長がこれに拍車をかけています
これらの動きにより、日本の関連企業にとってビジネスチャンスが増加する可能性が高く、研究開発を通じて供給能力の拡充を目指すことが期待されます。日本の半導体関連分野のさらなる盛り上がりが楽しみです
この記事が気に入ったらサポートをしてみませんか?