d-Matrixが公開した「ラプター（Raptor）」は、演算装置とメモリを直接積み上げた3D-DRAM構造で、データ移動のボトルネック問題を解決し、AIの推論性能を画期的に改善しました。
想像してみてください。あなたが図書館でとても重要な本を探しているとします。ところがその本は建物地下深くの倉庫にあり、図書館の閲覧室は最上階にあります。本を一冊借りてくるたびに階段を数十回も上り下りしなければならないとしたら、どれほど大変でしょうか？現在私たちが使用している生成AIもこれに近い状況です。AIの「脳」の役割を果たす演算装置が、情報を記憶する倉庫（メモリ）からデータを持ち出すためにエネルギーを浪費し、速度が低下する「メモリボトルネック現象」に苦しんでいるためです。
最近開催された「ホットチップス（Hot Chips）2026」学術大会で、半導体企業d-Matrixはこの悩みを解決する興味深い技術を公開しました。それが「ラプター（Raptor）」という名の3D-DRAMアクセラレータです。もう、AIはデータを探しに遠くの倉庫まで走る必要はありません。AIの脳のすぐ下に本棚がくっついているのと同じだからです。
なぜこれが重要なのか？
生成AIが複雑な回答を出すとき、実際には膨大なデータを瞬時にメモリから取り出し、演算装置へ送るプロセスがものすごい回数繰り返されます。この過程で発生するデータ移動は、AI性能の足を引っ張る巨大な壁となります。これを専門用語で「メモリの壁（Memory Wall）」と呼びます。 出典 d-Matrix Raptor 3D-DRAM Architecture at Hot Chips 2026
私たちが使うスマートフォンの人工知能アシスタント機能がより速くなったり、リアルタイムで複雑な映像を生成するAIサービスがより安価になるためには、この壁を崩さなければなりません。ラプターはまさにその技術的な限界を突破するために誕生しました。 出典 d-Matrix’s Raptor puts stacked DRAM to work on inference bandwidth
わかりやすく理解する
簡単に例えると、従来のAIチップは「キッチンと客席が遠く離れたレストラン」のようなものでした。料理人（演算装置）が料理をするには、材料倉庫（メモリ）までずいぶん歩いて材料を取りに行かなければなりませんでした。一方、ラプターは「料理人が食材をすぐ横から取り出せる最新型のオープンキッチン」です。
| ラプターはTSMCの4ナノメートル（nm）超微細工程で作られた演算装置ダイ（半導体の断片）を、カスタムDRAMの上に直接貼り付ける方式を採用しました。 出典 Hot Chips 2026: d-Matrix stacks AI accelerator directly on custom DRAM for 100 TB/s per card これを「3D-DRAM」構造と呼びます。メモリを演算装置の真下に垂直に積み上げたため、データが移動すべき物理的な距離が極端に短くなります。 [出典 d-Matrix stacks DRAM directly · Hacker News | Zeli](https://zeli.app/story/49695065) |
おかげでラプターはカード当たり100TB/s（テラバイト毎秒）という驚異的なデータ転送帯域幅を提供します。これは一般的なAIチップが抱える慢性的なボトルネック現象を画期的に減少させます。 出典 d-Matrix’s Raptor 3D-DRAM Achieves SRAM-Class Bandwidth at 1/10th the HBM Power
現在の状況
d-MatrixのCTOスディープ・ボジャ（Sudeep Bhoja）がホットチップス2026で発表した内容によると、この技術はメタ（Meta）と協力して研究が進められました。 出典 Hot Chips 2026 - d-Matrix 現在の高性能AIチップは主にHBM（広帯域メモリ）という高価なメモリを使用しますが、ラプターはHBM比で約1/10レベルの電力効率でも同等、あるいはそれ以上の性能が出せるという点が大きな特徴です。 出典 d-Matrix’s Raptor 3D-DRAM Achieves SRAM-Class Bandwidth at 1/10th the HBM Power
しかし、この技術が直ちに市場のすべてのHBMを代替するわけではありません。現在、ラプターは推論（Inference：学習済みのAIが実際に回答を作り出すプロセス）の効率性に特化しており、膨大なデータを扱うAIインフラ全体の軸を担うものと期待されています。 出典 d-Matrix’s Raptor Chip Hits 105 TB/s in Real Silicon Tests, But It’s Not an HBM Replacement Yet
今後はどうなるか？
私たちは今、単に「より多くの電力」を投入する時代から、「より効率的な構造」でAIを加速する時代へと移行しています。ラプターのような3D-DRAM技術が普及すれば、利用するAIサービスの応答速度はより速くなり、電力消費量は減るでしょう。これは、AIを実行するのにかかる社会的なコストが低くなることを意味します。 出典 d-Matrix’s Raptor 3D-DRAM Achieves SRAM-Class Bandwidth at 1/10th the HBM Power
今後、半導体業界がどれほどさらに小さく賢い方法でメモリと演算装置を結合していくのか、ラプターが提示したこの新しい地図が人工知能の未来をどこまで変えるのか、期待してみる価値があります。
参考資料
- d-Matrix Raptor 3D-DRAM Accelerator for Generative Inference
- d-Matrix Raptor 3D-DRAM Architecture at Hot Chips 2026
- Hot Chips 2026 - d-Matrix
- Hot Chips 2026: d-Matrix stacks AI accelerator directly on custom DRAM for 100 TB/s per card
- Hot Chips 2026: d-Matrix Raptor 3D-DRAM - lukebest.github.io
-
[d-Matrix stacks DRAM directly · Hacker News Zeli](https://zeli.app/story/49695065) - D-Matrix Raptor 3D-DRAM Accelerator for Generative Inference at Hot Chips 2026
- Hot Chips 2026 - Hot Chips 2026
- d-Matrix Raptor: 3D-DRAM with 100 TB/s for AI inference
- d-Matrix’s Raptor 3D DRAM Achieves SRAM-Class Bandwidth at 1/10th the HBM Power
-
[Jobs and Employment at d-Matrix Simplify Jobs](https://simplify.jobs/c/d-Matrix) - d-Matrix’s Raptor 3D DRAM performance - Overview
- d-Matrix’s Raptor puts stacked DRAM to work on inference bandwidth
- SRAMを水平に並べる
- 演算装置とDRAMを垂直に積み上げる
- クラウドサーバーを分散させる
- より多くの電力消費
- 約1/10レベルのエネルギー効率
- データ移動速度の低下
- データ移動時に発生する「メモリボトルネック現象」
- インターネット接続速度の問題
- AI学習データの不足