無効な入力です。特殊文字はサポートされていません。
私は成人してからずっと半導体業界で働いており、製品管理からコンテンツマーケティングまで様々な役割で数多くの予測、予報、予想を行ってきました。製品の需要予測であれ、新たな技術トレンドの予測であれ、私は成功も失敗も経験してきました。
7年前に執筆した「自動運転車の仕組み」という記事を最近、読み返してみました。私が書いたマイクロン記事の中で、今でも最も読まれている記事の1つです。この記事では、自動運転車の将来がどのようなものになるかを探り、このテクノロジーがどれほど早く進化するかを予測しました。当時、業界は楽観主義で賑わっており、多くの人があと少しで完全な自律性が達成されるだろうと信じていました。
その後、自動車業界ではいくつかの変化が生じています。バッテリーテクノロジーの改善とともに、政府規制が厳格化するにつれて、電気自動車（EV）の普及が加速し、電化はニッチなトレンドから世界的な優先事項へと移行しました。実際、全世界のEV販売台数は、2018年のわずか数百万台から急増して2024年には1700万台を超え、世界全体の自動車販売台数の20%を占めるようになりました。車両はソフトウェア定義プラットフォームに進化し、2018年にはほとんど想像できなかったOver-the-Air（OTA）アップデートやAI主導の機能が実現されています。接続能力とデータが、運転エクスペリエンスの中心となっています。完全自動運転の実現は、安全性、規制、消費者の信頼確保という課題に直面し、予想以上に慎重な動きを見せています。同じ期間において、新型コロナウイルスの世界的流行を背景に、サプライチェーンの混乱や半導体不足、さらには消費者行動の変化が重なり、自動車の製造・販売の在り方そのものにも変化が生じています。
しかし、自動運転は自動車業界が目指す最重要指標であることに変わりはありません。そこで、2018年の記事を振り返って、当時の予測にメガトレンドの変化がどのような影響を与えたかを検証し、最終的に私が正しかった点、間違っていた点をレビューすることにしましょう。
「人工知能が自動運転車を推進する」
判定：正解
自動車が自律走行するには、常に周囲の状況を把握している必要があります。まず、周囲の状況を認識し（情報を識別し、分類する）、次にその情報に基づき、車の自律的なコンピューター制御を通して動く必要があります。自動運転車には、運転環境の詳細な理解に基づいて瞬時に判断を下すことのできる、安全でセキュア、かつ応答性の高いソリューションが必要です。運転環境を把握するには、車全体にある、無数にあるさまざまなセンサーで膨大な量のデータを取得し、それを車の自動運転コンピューターシステムで処理する必要があります。
この見解は現在でも正しいと言えます。AIは自動運転車の主要な推進力であり、現代の自動車にこれまで以上に統合されています。大量のデータ処理は依然として自動運転車とエッジAIワークロードの課題の1つである一方、自動運転を可能にするコンピューティング、メモリ、ストレージの能力は大幅に強化されてきました。ストレージとメモリの容量が増加すると、車両はより大きなデータセットとより複雑な演算手順を処理できるようになり、AIシステムの精度と応答性が向上します。こうした進化によって、7年前には想像もできなかったような、より複雑なトレーニングモデル、より高速な推論、新たなAIアプリケーションが可能となっています。生成型AIとエージェント型AIの台頭により、これまで想像もできなかった方法でAIが車両に導入され、娯楽情報番組と先進運転支援システム（ADAS）システムの両方が変革されました。今や車載用AIは、「自宅に電話をする」といった基本的な指示への対応にとどまらず、より洗練された会話型の体験を求められています。
（画像をクリックして拡大）
インフォグラフィック1：自動化の5つの段階
「自動化の5つの段階の情報画像」
判定：正解、でも更新が必要です
ブランドの配色と古いマイクロンのロゴを除けば、自動化の5つの段階に関するこのインフォグラフィックは、現在でも正確で関連性があります（私にとっては懐かしい思い出です）。この自動化の5つの段階はマイクロンが独自に作成したものではなく、米国運輸省道路交通安全局（NHTSA）が制定した業界基準です。主に更新が必要なのは、図の「Today」の位置です。多くの新型車が"Partially automated"（一部自動化）のステージに到達しており、最新鋭のEVの中にはステージ4の自律性を実現しているものもあります。ステージ5のテクノロジーも存在しており、一部の都市ではパイロットプログラムが実施されています。ただし、通常こうしたプログラムが実施されるのは、温暖で天候が予測可能な環境に限られています。ステージ5に真に到達しているとみなされるためには、車両は遭遇する可能性のあるあらゆる状況や気候条件に対応できなければなりません。では、なぜすべての新車が完全自動運転ではないのでしょうか？ 障害となっている項目は数多くありますが、政府による規制、安全上の懸念事項、総所有コストなどが挙げられます。おそらく、今後7年以内に私たちはステージ5に到達するでしょう。マイクロンがメモリ帯域幅と自動車向け集中型ストレージアーキテクチャーにおける画期的なイノベーションを継続することで、その可能性は高まります。メモリ帯域幅と集中型アーキテクチャーにより、パフォーマンス、信頼性、安全性が強化されます。これらはすべて、ステージ5の自律性に不可欠です。
（画像をクリックして拡大）
インフォグラフィック2：データは自動運転車の燃料です。
「自動運転の縁の下の力持ち、メモリ」と「自動運転に欠かせない要素である高速メモリ」
判定：当時も今も変わらず正しい見解
メモリとストレージの技術は、あらゆる水準の自律走行車にとって非常に重要です。自動車のAIは、高速で迅速な判断を下すために、膨大な量のデータを処理する必要があります。自動運転では、過度の遅延や待ち時間は許容されません。人間は、どのような交通状況でも、瞬時の判断にかなり長けています。問題は、私たちが簡単に気が散ってしまうことです。コンピューターはそうではありません。カメラ、ライダー、センサーは常に警戒しています。高性能な車載計算プラットフォームは、運転中に居眠りすることなく、メモリと車載ストレージから必要なデータを取得している限り、常に計算と判断を行って全員の安全を確保します。高帯域幅のメモリと集中型ストレージソリューションは、これらのデータの課題に対処し、システムを円滑、効率的、安全に実行し続けるために不可欠です。
メモリは、複雑なAIトレーニングモデルや迅速な推論応答を実現するためにも不可欠です。マイクロンは、イノベーションを通じて、負荷の高いAIタスクに必要とされる信頼できる基盤を提供します。マイクロンは、信頼性と効率性の高いメモリとストレージを作ることで、自動運転能力の発展に貢献し、自動車にAIを組み込む上で重要な役割を果たしています。
「自動運転の未来におけるGDDR6の重要性」
判定：不正解
当時、マイクロンのGDDR5Xメモリは車載ソリューションに使用されていました。当初はゲーム向けであったGDDR5XとGDDR6は、その高速な性能により、自動車向けソリューションやネットワーキングアプリケーションに使用されるようになりました。現在、グラフィックやAIアプリケーションには、最新グラフィックスメモリの基準を打ち立てたGDDR7が使用されています。当時は、画面の巨大化が進み、より高い画質が求められているインフォテインメントシステムを中心とした、自動車向けソリューションにおいて、このトレンドが続くものと思われました。テスラのModel 3やCybertruckなどの自動車では、テスラアーケードという車内ゲーム機能まで搭載されており、インフォテインメントシステム上でペダルとハンドルを使ったビデオゲームもプレイできるようになっています（安全上の理由により、運転中はプレイできません）。では、なぜ私たちはこれを間違えたのでしょうか？ 論理的に考えれば、より広い帯域幅、より大容量のグラフィックスメモリが必要になってくるように思えます。
実際にメモリと帯域幅の増強に対するニーズは依然としてあり、自動運転の各レベルで高まっていますが、求められるメモリのタイプがLPDDR（低消費電力ダブルデータレート）メモリに転換していったのです。元はスマートフォン向けの低消費電力ソリューションとして構築されたLPDDR（具体的にはLPDDR5X）でしたが、現代の自動車に最適なものとなりました。
携帯電話と自動車には、多くの共通点があります。どちらも電源コンセントに接続せずにバッテリーで動作し、常にデータを収集・監視するためのセンサーとコンピューターが搭載されています。AIによる対話がユーザーから期待されるようになりました。マイクロンは、低消費電力メモリソリューションでのイノベーションを継続することで、パフォーマンスと低消費電力性を向上させ、こうした期待に応えていきます。
最近の例としては、直リンクECCプロトコル（DLEP）を備えたLPDDR5X DRAMの導入が挙げられます。LPDDR5Xに最適化されたエラー訂正コード（ECC）方式は、あらゆるシステムのインラインECCを軽減し、帯域幅を15%～25%1拡げます。DLEPにより、パフォーマンスが向上するだけでなく、故障率（FIT）が低減し、LPDDR5XメモリシステムはISO 26262 ASIL-Dハードウェアメトリックを達成できるようになります。この新製品はさらに、1ビット当たりピコジュール（pJ/b）で約10%の消費電力を削減し、アドレス可能なメモリ空間が最低6%増加します2。マイクロンが認証を取得したISO 26262 ASIL-D段階のLPDDR5X DRAMを骨格として構築されているため、きわめて重要な自動車用機能安全（FuSa）要件を容易に達成できるようになりました。端的に言えば、DLEPは帯域幅を拡大しつつ消費電力を削減できる、自動運転ワークロードにとって究極のウィンウィンを実現するソリューションなのです。
それでは、次に自動車に使用されるのはどのタイプのメモリとなるのでしょうか？ 今から7年後もLPDDRが存続しているでしょうか、それとも新しいメモリアーキテクチャーが採用されているでしょうか？ 後者のほうが可能性が高いと言えます。AIが普及し、完全自動運転のために必要になるにつれて、システム帯域幅と電力効率の要件がメモリのイノベーションを推進し続けている状況を考えれば、なおさらです。最後に1つ、予想をしたいと思います。次のメモリアーキテクチャーが自動運転車に採用されるまでに、7年もかからないでしょう。
結論
私は自分の予測について、答え合わせを続けるつもりはありません（自分のエゴを押さえることができればですが）。しかし、未来のテクノロジーやトレンドに対する私たちの展望を評価するうえで、過去の予測を振り返ることは、いい頭の体操になります。最も重要な学びは、過去7年間で自動車におけるAIへの注目と価値が飛躍的に高まり、AI搭載車向けの高性能メモリとストレージソリューションの重要性も同様に高まったということです。メモリやストレージソリューションの製品自体は交代し、進化して改善されていきますが、解決するべき課題は一貫しています。あらゆるAIの核にあるのがデータであり、そのデータはマイクロンのメモリとストレージソリューションに保存されます。しかし、マイクロンの製品はデータをただ保存するだけではありません。データを実用的なインテリジェンスに変換するプロセスを加速しているのです。
1 一般的なインラインシステムECC計画とDLEPを比較して測定
2 システムECCパリティの保存に使用される、回復したメモリ密度に基づく「アドレス可能なメモリ空間の増量」を指す
