2026年7月、国産フィジカルAI基盤モデルを開発するノエトラ（Noetra）が事業を開始しました。経済産業省から5年間で最大1兆円の支援を受けるこのプロジェクトは、半導体業界に何を要求するのか。

「半導体業界への影響がある」という表現はよく見かけますが、どのチップが・なぜ・どれだけ必要になるのかを技術仕様まで踏み込んで解説した記事はほとんどありません。本記事では、フィジカルAIの「学習→エッジ推論→センサー処理」という3つのフェーズに分けて、必要な半導体を徹底的に分解します。

Contents
  1. 1. フィジカルAIと半導体の関係：3フェーズ構造
  2. 2. フェーズ①：学習に必要な半導体
  3. 3. フェーズ②：エッジ推論に必要な半導体
  4. 4. フェーズ③：センサー半導体
  5. 5. ノエトラ44社の「半導体貢献マップ」
  6. 6. 市場規模から見る半導体需要のインパクト
  7. 7. 日本企業の競争優位：どこで勝てるか
  8. まとめ：ノエトラが動かす半導体需要の全体像

1. フィジカルAIと半導体の関係：3フェーズ構造

フィジカルAIのシステムは大きく3つのフェーズで構成され、それぞれ全く異なる半導体が必要です。

フェーズ場所役割主役半導体
①学習（Training）クラウドデータセンター大量の現場データから基盤モデルの重みを最適化GPU・HBM・高速ネットワークチップ
②エッジ推論（Inference）ロボット・工場・自動車基盤モデルを元に現場でリアルタイム判断NPU・SoC・LPDDR5X・MRAM
③センサー処理（Sensing）ロボット・機械・センサー端末カメラ・LiDAR・加速度センサーのデータ取得・前処理CMOSセンサー・ToFチップ・MEMSセンサー

それぞれのフェーズで求められる半導体の性格は大きく異なり、まったく別のサプライチェーンが動きます。

2. フェーズ①：学習に必要な半導体

何をするのか

フィジカルAIの基盤モデル学習とは、製造工場・物流倉庫・医療現場から収集したカメラ映像・センサーデータ・操作ログを大量に処理し、「状況を認識し適切な行動を判断する」能力をモデルに持たせる工程です。

これには大規模な行列演算（テンソル演算）を並列処理できるAIスーパーコンピューターが不可欠です。

GPU：学習の主役チップ

GPU（Graphics Processing Unit：もともと映像処理用だったが並列演算能力の高さでAI学習に転用）は、学習フェーズで圧倒的なシェアを持ちます。

製品用途FP8学習性能HBM容量消費電力
NVIDIA H100 SXM学習・推論3,958 TFLOPS80GB HBM3700W
NVIDIA H200 SXM学習・推論3,958 TFLOPS141GB HBM3E700W
NVIDIA B200 SXM学習・推論（最新）18,000 TFLOPS（FP8）192GB HBM3E700W
NEC SX-Aurora TSUBASA科学技術計算・推論—96GB HBM2E300W

ノエトラの基盤モデル学習には、最低でも数千枚のGPUが必要と見られています。関連するAIスーパーコンピューター基盤への投資は数百億〜1,000億円規模に上ると推計されます。なお、富岳（スーパーコンピューター）の後継機「富岳NEXT」にはNVIDIAがGPU開発で参加しており、2030年頃の稼働を目指す——このインフラもノエトラの学習基盤として活用される可能性があります。

HBM：GPUに不可欠な「超高速メモリ」

GPUの演算コアがどれだけ速くても、データ供給が追いつかなければ性能を発揮できません（「メモリウォール」問題）。この問題を解決するのがHBM（High Bandwidth Memory：高帯域幅メモリ）です。

HBMはDRAMダイを3D積層してTSV（Through-Silicon Via：シリコン貫通電極）で接続し、従来のDDR DRAMとは桁違いの帯域幅を実現します。

規格帯域幅（1スタック）採用GPU主要サプライヤー
HBM3E〜1.2 TB/sNVIDIA H200・B100・B200SKハイニックス、マイクロン
HBM4（2026〜量産）〜1.5〜2 TB/s（目標）NVIDIA Rubin世代（2026〜）SKハイニックス、マイクロン広島、サムスン
HBM4E（2027〜）〜2 TB/s以上次世代AIアクセラレータ同上

注目すべきはマイクロン広島工場の存在です。2026年7月4日に起工式を迎えた1.5兆円投資プロジェクトで、2028年後半からHBM4の量産を開始する予定。ノエトラの学習需要とマイクロン広島のHBM4供給開始は時期が重なります。

ネットワーク半導体：GPU間をつなぐ「神経」

数千枚のGPUを1つのクラスターとして機能させるには、GPU間の超高速通信が必要です。

  • NVLink（NVIDIA製）：同一サーバー内のGPU間接続。帯域幅1.8 TB/s（NVLink4）
  • InfiniBand（NVIDIA傘下Mellanox製）：サーバー間ネットワーク。400Gb/s〜800Gb/s
  • Ethernetスイッチチップ：大規模クラスターのトポロジー構成に使用

これらのネットワーク半導体もGPUと同数量が必要であり、Mellanox（メラノックス）製InfiniBandカードとスイッチの需要もノエトラ基盤によって増加します。

3. フェーズ②：エッジ推論に必要な半導体

なぜエッジでなければならないか

フィジカルAIは「ミリ秒以内に現実世界に介入する」ため、データをクラウドに送って判断してもらう時間的余裕がありません。時速60kmで走る車は100ms（0.1秒）で1.67mも進みます。全ての推論をデバイス内で完結させる「エッジ処理」が必須条件です。

NPU：推論専用プロセッサの台頭

NPU（Neural Processing Unit：ニューラルネットワーク推論に特化したプロセッサ）は、ニューラルネットの基本演算（積和演算）を超低電力で実行します。

製品メーカー用途AI性能消費電力
Snapdragon X EliteQualcomm（クアルコム）PC・ノートPC・産業機器75 TOPS〜23W（全体）
NVIDIA Jetson Orin NXNVIDIAロボット・AGV（無人搬送車）・ドローン100 TOPS10〜25W
NVIDIA Jetson AGX OrinNVIDIA自動運転・産業ロボット（高性能）275 TOPS15〜60W
Renesas RZ/V2Hルネサスエレクトロニクス産業カメラ・組込み推論80 TOPS（DRP-AI）3〜7W
NEC Vector EngineNEC科学技術・産業AI推論—（FLOPS特化）300W（サーバー向け）

TOPSとは「Tera Operations Per Second（毎秒1兆回の演算）」の略で、NPUの処理能力の指標です。フィジカルAIのリアルタイム推論には用途に応じて75〜275 TOPS程度が目安となります。

SoC：複数機能を1チップに統合

SoC（System on Chip：1チップにCPU・GPU・NPU・I/O・メモリコントローラー等を統合した半導体）はエッジデバイスの「頭脳」です。

フィジカルAI向けSoCには以下の機能ブロックが求められます：

  • NPU：AI推論（上述）
  • CPU：制御ロジック・OS実行（Arm Cortex-A系が主流）
  • GPU（小型）：画像処理・レンダリング
  • DSP（Digital Signal Processor：デジタル信号処理装置）：センサーデータのリアルタイム前処理
  • ISP（Image Signal Processor：画像信号処理装置）：カメラ映像のノイズ除去・色補正
  • セキュリティブロック：改ざん防止・暗号化（工場データの保護）

エッジ推論向けメモリ：LPDDR5XとMRAM

エッジデバイスではバッテリー・発熱の制約からHBMは使えません。代わりに以下が使われます。

種別特徴フィジカルAIでの役割
LPDDR5X（低電力DDR5X）低電力・高速。スマートフォン・エッジSoCに搭載推論モデルの重みデータをNPUに供給するワーキングメモリ
MRAM（Magnetoresistive RAM：磁気抵抗メモリ）不揮発性（電源を切ってもデータ保持）・超高速読み出しモデルの一部をNPU近傍にキャッシュし推論レイテンシを削減
フラッシュ（NAND）大容量不揮発ストレージ基盤モデルの重みファイルを保存。推論時にRAMへ展開

特にMRAMは、アイシンとNECがNEDO（国立研究開発法人新エネルギー・産業技術総合開発機構）の支援のもとでスピントロニクス技術を使って開発を進めており、ノエトラのエッジ展開に将来的に組み合わされる可能性があります。

4. フェーズ③：センサー半導体

フィジカルAIは「目・耳・触覚」に相当するセンサーが全ての起点です。センサー半導体はノエトラのもう一つの重要な需要源です。

CMOSイメージセンサー：ソニーが世界1位の領域

CMOSイメージセンサー（CMOS Image Sensor：CIS）はカメラの「目」の部分。光を電気信号に変換する半導体です。

用途センサーの要件主要メーカー
産業ロボットの視覚高解像度（4K〜8K）・高フレームレート（120fps〜）・グローバルシャッター（動体ぶれなし）ソニーセミコンダクタソリューションズ（世界シェア約50%）
自動搬送車（AGV）暗所対応・広ダイナミックレンジ・低遅延ソニー、オン・セミコンダクター
医療・検査装置超高感度・低ノイズ・X線変換対応浜松ホトニクス、ソニー

ソニーグループがノエトラの44社出資企業に名を連ねている背景には、CMOSイメージセンサーという「フィジカルAIの目」を供給するサプライヤーとしての役割があります。

LiDARチップ：3D空間認識の核心

LiDAR（Light Detection And Ranging：レーザー光の飛行時間で距離を計測するセンサー）は、ロボット・自動運転車が3D空間を把握するための中核技術です。

LiDARに使われる主な半導体：

  • レーザー発振素子（VCSEL：Vertical-Cavity Surface-Emitting Laser）：レーザーパルスを発射
  • SPADセンサー（Single-Photon Avalanche Diode：単光子雪崩ダイオード）：1光子レベルの微弱な反射光を検出。ToF（Time of Flight：光の飛行時間計測）原理で距離を算出
  • MEMSミラー（Micro Electro Mechanical Systems Mirror：微小電気機械システムのミラー）：レーザーを機械的に走査するミラー
  • LiDAR専用SoC：点群データ処理・ノイズ除去・物体認識

MEMSセンサー：加速度・角速度の計測

IMU（Inertial Measurement Unit：慣性計測装置）は加速度センサー（加速度の3軸計測）とジャイロスコープ（角速度の3軸計測）を組み合わせた装置で、ロボットの姿勢・動きをリアルタイムで把握します。

これらはMEMS（Micro Electro Mechanical Systems：微小電気機械システム）技術で作られており、シリコンウェーハ上に機械的な可動部品を作り込んでいます。主要サプライヤーはBosch（ボッシュ）、STMicroelectronics（STマイクロエレクトロニクス）、TDKなど。

5. ノエトラ44社の「半導体貢献マップ」

ノエトラの44社出資企業は、フィジカルAIに必要な半導体サプライチェーンを意識的に形成しています。

企業（一部）フィジカルAIでの半導体的役割フェーズ
ソニーグループCMOSイメージセンサー（世界シェア約50%）・ToFセンサーセンサー処理③
NECエッジAI推論チップ（Vector Engine）・AIスーパーコンピュータ・スピントロニクスMRAM学習①・エッジ②
ソフトバンクAIデータセンターインフラ・GPU調達・通信SoC（Arm社株主）学習①
ホンダ車載SoC・自動運転ECU・パワー半導体（EV・ロボット用）エッジ②・センサー③
京セラセラミックパッケージ・センサーモジュール・MEMSセンサーセンサー③
TDKMEMSセンサー・磁気センサー・電源半導体センサー③
デンソー車載マイコン・イメージセンサー・LiDARモジュールエッジ②・センサー③

この44社連合は「使用するだけ」の出資企業ではなく、フィジカルAIの半導体サプライチェーンを国内で垂直統合する試みでもあります。

6. 市場規模から見る半導体需要のインパクト

フィジカルAI市場の成長予測が、半導体需要の規模感を示します。

指標2026年2032年成長率
世界フィジカルAI市場規模15億ドル152億ドルCAGR 47.2%
AIロボット市場規模（日本）—約12.5兆円（2035年）—
AIロボット市場規模（日本）—約55兆円（2040年）—

フィジカルAI市場がCAGR 47%で成長すると、それに搭載されるNPU・CMOSセンサー・車載SoCの需要も連動して急拡大します。これは「ノエトラが生み出す需要」というより、「ノエトラが起点となって顕在化する日本製造業全体のフィジカルAI採用需要」です。

7. 日本企業の競争優位：どこで勝てるか

フィジカルAI半導体の需要拡大を前提とすると、日本企業の強みが際立つセグメントがあります。

セグメント日本の競争力主要企業
CMOSイメージセンサー★★★★★ 世界1位ソニーセミコンダクタ
車載・産業SoC★★★★ 強い（ルネサス世界3位）ルネサスエレクトロニクス
MEMSセンサー★★★★ TDK・アルプスアルパインTDK、京セラ
パワー半導体（SiC/GaN）★★★★ ロームが世界Top3ローム、三菱電機、富士電機
MRAM（次世代メモリ）★★★ 研究段階（アイシン×NEC）NEC、アイシン
エッジNPU★★★ ルネサスDRP-AIルネサスエレクトロニクス
学習GPU★ NVIDIAが世界独占—（国産なし）

日本企業が強みを持つのは、学習GPUではなく「現場に近いセンサー・エッジSoC・パワー半導体」です。ノエトラが推進するフィジカルAIの普及は、まさにこの日本企業の強みゾーンを直撃する需要を生み出します。

まとめ：ノエトラが動かす半導体需要の全体像

ノエトラが生み出す半導体需要を「学習→エッジ推論→センサー」の3フェーズで整理すると、全体像が見えてきます。

  • 学習フェーズ：NVIDIA GPU（TSMC製）・HBM4（マイクロン広島を含む3社）・InfiniBandが主役。国内では富岳後継機が学習インフラとして機能しうる
  • エッジ推論フェーズ：ルネサス・NECのNPU/SoC、LPDDR5X（マイクロン・SKハイニックス）、将来的にMRAMが本命候補
  • センサーフェーズ：ソニーのCMOSセンサー、TDKのMEMS、デンソーのLiDARモジュールが日本企業の稼ぎ場

ノエトラの1兆円プロジェクトは、日本の半導体産業が「得意な領域で世界フィジカルAI市場に貢献できるかどうか」を問う試金石でもあります。

関連記事：ノエトラ（Noetra）とは？フィジカルAI国産基盤モデルの全貌｜フィジカルAI vs 生成AI──半導体の要件はここまで違う｜ラピダス × ノエトラ：国産AI×国産チップは実現するか｜マイクロン広島工場の全貌──HBM4量産・1.5兆円投資

Post Views: 5
AI半導体 CMOSセンサー GPU HBM4 LiDAR LPDDR5X MRAM Noetra NPU SoC エッジAI ソニー ノエトラ フィジカルAI ルネサス 半導体需要
ABOUT ME
semi-connect編集室
半導体業界の技術・企業・市場動向を発信するブログ「semi-connect.net」の管理人。半導体プロセス・前工程・後工程からエレクトロニクス企業の財務分析まで、業界の基礎から最新情報をわかりやすく解説します。