マイクロン・テクノロジー Investor update

本日は、社長兼最高技術・製品責任者のスコット・デボア博士とともにお届けします。AIは、メモリーとストレージに対する要件に大きな変化をもたらしています。本日はスコットに参加してもらい、当社の技術ロードマップとイノベーション戦略について、投資家の皆様により深くご紹介できることをうれしく思います。始める前に、本日の議論には、当社の技術・製品ロードマップ、投資、事業機会などに関する将来見通しに関する記述が含まれることを、皆様に改めてお伝えします。これらの記述にはリスクや不確実性が伴い、実際の結果が大きく異なる可能性があります。これらのリスクについては、当社のSEC提出書類をご参照ください。それでは、スコットに引き継ぎます。

ありがとうございます、サティア。皆様、おはようございます。本日はご参加いただきありがとうございます。AIが急速に変化し、コンピューティングを再定義している、業界にとって極めて重要な局面を迎えています。本日は、マイクロンがどのように未来を形作り、それを大規模に実現しているかについてお話しします。次のAI時代を切り開くには、メモリー、ストレージ、コンピューティングを一体として進化させることが不可欠です。マイクロンは、帯域幅、容量、電力効率、信頼性で業界をリードする、独自の強固なポジションにあります。また、今後、お客様が極めて複雑なシステムを実現できるよう支援することに、ますます注力しています。本日は、いくつかのポイントについてお話しし、マイクロンがどのようなポジションにあるのかを感じていただけるようにしたいと思います。間違いなく、私たちは今、メモリーとストレージにとって、特に大きな機会が訪れる前例のない時代にいます。

AI変革のこの初期段階を通じて、マイクロンは非常に優れた実行力を発揮し、成果を上げてきました。マイクロンの技術的リーダーシップはまさに基盤となるものであり、本日はその基盤と、今後どのように進化していくのかについてお話しします。現在、そして今後提供していく、他社と差別化された業界をリードする製品は、すべて中核となる技術的リーダーシップのポジションを基盤としています。今後も、これはマイクロンが注力していく分野です。製品に組み込む技術に加え、AIはチームメンバーのイノベーションと実行の能力も高めます。これはマイクロンが特に注力している分野であり、開発ロードマップ全体にわたってAI製品と技術力を導入する点で、当社は業界をリードしていると考えています。物理現象の段階から設計、そして最終的には製造におけるばらつきの低減やスマートマニュファクチャリングの活用に至るまで、エコシステム全体で取り組むことで、これまで以上に速く立ち上げを進めています。

また本日は、マイクロンの将来の競争力を真に高めるために注力している、より長期的な研究開発投資についても触れます。私たちは大規模な投資を行っており、さまざまな面で長期的な研究開発投資の捉え方を大きく変えています。そこで取り組んでいることの一部をご紹介します。以前から何度か申し上げてきたとおり、また強調してきたとおり、共同イノベーションは重要な要素であり、過去とは大きく異なるものになっています。サプライヤーとお客様の双方のパートナーとの共同イノベーションは、こうした業界をリードするソリューションを提供し、お客様の次世代製品を支える最適なメモリーとストレージを通じて、マイクロンのポジションを確立するうえで中核となる要素です。

これらすべてによって、マイクロンは今後10年間にわたり技術と製品のリーダーシップをさらに強化できるポジションにあります。これまでで最も大きな機会と、おそらく私のキャリアで見たなかで最も先まで広がる技術および先端製品のロードマップを備えており、マイクロンは他に類を見ないポジションにあると考えています。まさに、他に類を見ない時代です。まず、現在の状況に関する背景をいくつか簡単にお話しします。これまでマイクロンの成功を支えてきた主力製品は、主にトレーニング向けであり、推論の波の初期段階にも対応してきました。メモリー需要を押し上げるAIの波は次々と訪れており、AIシステムの普及と進化はまだ初期段階にあります。

こうした変化はいずれも、メモリー製品の使用方法と需要に大きな変化をもたらします。ビット数だけでなく、求められる機能や、メモリーおよびストレージ分野でどのような製品を開発するかという点でも変化が生じます。これは非常に興味深く、他に類を見ない時期です。マイクロンの技術的なポジションを活用することで、今後、当社のポジションをさらに強化できます。こうしたAI変革の波を支えるアーキテクチャ全体を見ると、マイクロンの製品ポートフォリオはそのすべてを網羅しています。さまざまな製品や、お客様とともに注力するさまざまなイノベーションを通じて、時間の経過とともにそのすべてを網羅していきます。

製品ポートフォリオは、現在の超高性能メモリーであるHBMから始まり、カスタム製品、そして本日お話しする将来の垂直統合型HBMソリューションへと広がり、最高水準の性能に対するお客様のニーズに応えていきます。それに加えて、ここ数年で大容量DDRモジュールの重要性が高まり、データセンターにおいて低消費電力DRAMが優れた性能を発揮していることも実感しています。この傾向は今後数年間も続き、さらに拡大していきます。本日お話しするように、私たちは、DDRと低消費電力DRAMの次世代モジュールが、AIの世界で今後求められるものに真に最適化されるよう取り組んでいます。データセンター向けSSDについては、大きな進展を遂げてきました。

事業チームと技術チームは、ここ数年にわたり非常に優れた成果を上げてきました。データセンター向けSSDの進捗については、決算説明会やその他いくつかの公表資料でもお伝えしています。本日は、次に注力することについて、もう少しお話しします。具体的には、AIクラスのNANDの実現です。これは、より高性能なさまざまなNAND製品を開発し、お客様が検討されている機会を支えることで、最終システムの性能を一段と高めることを目指すものです。最後に、大容量SSDです。技術面でのリーダーシップと、先端ノードにおけるコスト構造、すなわちビット当たりコストの強みを生かし、大容量SSDは引き続き注力分野であり、データセンターのお客様にとって重要なポイントとなっています。

メモリーはデータセンター向けだけではありません。ほかのさまざまな分野における技術やAIの導入も、同様に極めて重要です。このスライドでは、自動運転車、ロボティクス、そしてもちろんAI PCやモバイルなど、AIとともに進化し、それぞれ独自のメモリー技術要件を生み出している分野をいくつか示しています。データセンター向けに優れたAI技術であっても、こうした他のエッジ用途に最適化されているとは限らず、実際に最適ではありません。私たちは、これらすべてのエッジ分野に向けた新しいタイプの製品に取り組んでおり、今後、お客様とともに、データセンター以外の各分野に最適なメモリーを開発する機会を探っています。最初の波を振り返ると、基盤となる技術面でのリーダーシップを生かして、業界初となる製品をいくつも実現し、クラス最高の製品を開発することに大きな成功を収めてきました。

これらは、前のスライドで触れた製品ポートフォリオ全体に広がっています。LPDRAMを独自の形で展開し、業界初を実現するとともに、LPベースの製品で市場をリードするポジションを築いています。LPDRAMを活用したSOCAMMモジュールや、LPCAMM、すなわちLPDRAMを活用したSOCAMM2モジュールが登場し、この事業分野の重要な成長要因となっています。もちろん、SOCAMM2では市場をリードしており、業界最高密度を実現してきました。データセンター向けSSDでは、技術面でのリーダーシップと、お客様との長期的なパートナーシップ、そして社内のSSDチームの注力を生かして、業界に先駆けてPCIe Gen 6を実現し、量産に移行しました。

データセンター向けSSDの最前線に立つという点で、マイクロンの立ち位置は、ほんの4、5年前と比べて大きく進歩しました。これは私たちが非常に注力している分野であり、本日は、この道をどのように歩み続けるのかについても少しお話しします。このスライドでは、極めて重要な業界初の取り組みをいくつか取り上げています。もちろん、その一つがHBM4の強みです。お伝えしているとおり、現在HBM4の量産を行っています。立ち上げは非常に順調で、世界最高水準の製品です。続いてHBM4Eに移ります。今後のロードマップについてお話しする中で、こちらについても取り上げます。このスライドで紹介している最近の成果の一つが、高密度RDIMMです。最近、512 gigabyteのDDR5 RDIMMのサンプル出荷を開始しました。

これは、この種のモジュールとして世界初であり、優れた性能を備え、高密度モジュールの最適化とお客様による使用に適した製品です。改めて振り返ると、数年前まで当社はリーダー的な立場にはありませんでしたが、ここ数年、大きな注力を続けてきました。お客様との機会を生かせるよう、この製品ポートフォリオのあらゆる側面を意図的に位置づけることに取り組んできたのです。これから押し寄せるAIの波を考えると、推論がメモリ技術に求められる水準を引き上げることは間違いありません。メモリ技術はAIの動作を支える基盤です。ここでは、処理の流れを追いながら、インメモリー技術がどのように進化し、AIエコシステムに関わっていくのか、その接点についてお話しすることが重要だと思います。

まず、簡単なプロンプトを例に説明します。情報はDRAMに保存され、プロンプトのための背景情報はストレージデータセンターのSSDから取得されます。次に、LLMの推論がそのプロンプトを読み取り、LPDRAMを活用してエネルギー効率を最適化します。また、容量を活用してプロンプトを処理し、その質問への答えを理解します。続いて、KVキャッシュを介してさまざまな計算を行い、HBMエンジンがGPUとの間でデータをやり取りして答えを導きます。その答えは、1トークンずつ生成されます。これらのトークンはメモリ上に保持されます。メモリはシステムの最終的な性能を支える基盤であり、処理はまさにメモリ上で行われます。