コンピュート・イン・メモリ（CIM）チップ市場 サイズとシェア 2026-2035

コンピュート・イン・メモリ（CIM）チップ市場規模

世界のコンピュート・イン・メモリ（CIM）チップ市場は、2025年の5億米ドルから、2026年には6億8,770万米ドル、2035年までには128億米ドルに達すると予測され、2026〜2035年の年平均成長率（CAGR）は約38.4%となる見込みです。

CIMは、ニューラルネットワークの重みを保持するメモリアレイの近傍、またはメモリアレイ内部で積和演算を実行します。このアーキテクチャは、従来のプロセッサーとメモリを分離した設計において、推論スループットと電力効率を制約するデータ移動負荷の解消を目指すものです。

CIMは、回路設計上の提案から製品認定の課題へと移行しつつあります。IBMのNorthPole研究アーキテクチャは、256-core設計全体に192 MBのSRAMを統合し、オンチップメモリを分散配置することで、ニューラル推論におけるオフチップの重みデータ移動への依存を低減できることを示しました。商業的な機会は、演算当たりのエネルギー消費量とレイテンシーの低減がシステム調達に影響を及ぼすほど推論ワークロードが継続する領域で最も大きく、クラウド推論クラスター、自動車・産業用エッジシステム、バッテリー容量に制約のある組み込みデバイスなどが含まれます。 ^{[1]IBM Research, Analog AI: In-Memory Computing for Energy-Efficient Deep Learning, research.ibm.com. (research.ibm.com)}

サプライチェーンには、高度なメモリ設計、ロジックノードへのアクセス、ミックスドシグナルまたはデジタル設計の専門知識、コンパイラー対応、パッケージング、システム統合が組み合わさっています。そのため、CIMの採用は、あるアクセラレータカードを別のカードに置き換える場合よりも複雑です。メモリメーカーは、既存のDRAM、SRAM、またはフラッシュメモリのロードマップをプロセッシング・イン・メモリ製品に応用できます。一方、ファブレスベンダーは、ファウンドリーの生産能力を確保し、ソフトウェアスタックがデプロイ、モデル変換、モニタリング、ライフサイクル管理に対応できることを実証する必要があります。したがって、CIMアレイを標準インターフェースや既存のサーバー・エッジデバイスアーキテクチャと統合する能力が、理論上の演算効率だけでなく、設計採用の成約率を左右することになります。

投資の根拠は、GPUやCPUを普遍的に置き換えることにはありません。CIMは、モデルが大規模な重みデータセットを繰り返し移動させる場合、エネルギー供給の制約がスループットを制限する場合、またはレイテンシーと消費電力の制約により従来型アクセラレータの採用が難しい場合に、最も有効です。比較可能なプロセスノードにおけるNorthPoleの実証済みの効率優位性は技術的な前提を裏付けていますが、市場全体への普及には、ソフトウェアの移植性、信頼性検証、統合コストの妥当性が引き続き必要です。2035年までに市場規模が128.1億米ドルへ拡大するとの予測は、ベンダーがベンチマーク性能だけに依存せず、メモリ中心の効率性を認定済み製品へと転換することを前提としています。 ^{[2]Wiley, All-in-One Analog AI Hardware: On-Chip Training and Inference with Conductive-Metal-Oxide/HfOx ReRAM Devices, doi.org. (doi.org)}

主要な成長要因

AI推論では、演算スループットよりもデータ移動が制約要因となる傾向が強まっている。自己回帰型の大規模言語モデルでは、生成するトークンごとにモデルの重みへ繰り返しアクセスする必要がある。そのため、メモリアクセスはレイテンシ、アクセラレーターの利用率、消費電力を左右する重要な要因となる。CIMを統合したTPUの研究設計では、引用されたベースラインであるTPUv4i構成と比較して、生成モデル推論の性能が44.2%向上し、行列乗算ユニットのエネルギー消費が27.3倍削減されたと報告されている。こうした成果が商業的に重要なのは、クラウド事業者がピーク時の1秒当たり演算数ではなく、実用スループットと推論当たりのコストを購入するためである。 ^{[3]Bowen, Patrick, et al., Analog, In-Memory Compute Architectures for Artificial Intelligence, arXiv, arxiv.org. (arxiv.org)}

電力の確保は、AI導入におけるインフラ制約となっている。ローレンス・バークレー国立研究所によると、米国のデータセンターは2023年に176 TWhを消費し、これは全米の電力消費量の4.4%に相当する。AIサーバーの導入が拡大するなか、資本を確保できる場合でも、電力供給、冷却、送電網への接続が設備容量の増強を遅らせる可能性がある。CIMはメモリと演算装置間のデータ転送を削減することで、推論能力の拡張に関する経済性を改善できるが、実際の効果はワークロードの特性、目標とする精度、周辺システムのオーバーヘッドに左右される。 ^{[4]Lawrence Berkeley National Laboratory, In-Memory Computing and Energy-Efficient AI Hardware Research, eta-publications.lbl.gov.}

エッジ導入により、アドレス可能な市場はハイパースケール・インフラの枠を超えて拡大する。自動車の認識処理、産業検査、カメラ、ウェアラブル機器、接続センサーでは、クラウドとの往復通信によってレイテンシ、帯域幅、プライバシー、レジリエンスに不利益が生じるため、ローカル推論が必要となる。フラッシュメモリおよびSRAMベースのCIMは、モデルの重みをローカルに保持しながら、オフチップメモリとのデータトランザクションを削減できることから、特に重要である。Rain AIは2024年10月、低消費電力のアナログ・ニューロモーフィックコンピューティング向け実証ハードウェアの出荷を開始し、エッジ向けに特化したCIMアプローチが顧客評価の段階へ移行していることを示した。

従来型アーキテクチャが直面するメモリウォールの問題は、演算密度の向上だけでは解決できない。高帯域幅メモリはGPUへのデータ供給を改善するが、ストレージ領域と処理領域が分離していることに伴うデータ移動のエネルギーコストとレイテンシを解消するものではない。CIMは、データが存在する場所で特定の演算を実行することにより、この物理的関係を変える。このアプローチは、ニューラル推論で用いられる行列ベクトル演算および行列行列演算に特に適しているが、すべてのモデル演算子や精度要件に等しく適合するわけではない。

メモリ技術の進展により、商用化が可能なCIM基板の選択肢が広がっている。Samsungは、LLM関連ワークロード向けに、HBM-PIM、LPDDR5-PIM、およびCXLベースのプロセッシング・ニア・メモリ構成によるスループットとエネルギー効率の改善を報告している。SK hynixは、AIワークロード向けのAiMアプローチも別途実証している。これらの取り組みが重要なのは、標準化されたメモリインターフェースと実証済みの製造工程により、まったく新しいアクセラレーター・アーキテクチャが直面する導入リスクを低減できるためである。同時に、メムリスタベースのCIM研究では、エッジ推論における極めて低い消費電力の可能性が引き続き示されている一方、大規模展開に先立って必要となるキャリブレーションと信頼性の検証作業も明らかになっている。

主な抑制要因

CIMアーキテクチャの設計は、依然としてシステムレベルのエンジニアリング課題である。デジタル実装では、SRAM密度、精度、配線、電力供給のバランスを取る必要がある。アナログ実装では、デバイスばらつき、熱ドリフト、アナログ・デジタル変換、キャリブレーション、モデルを考慮した誤差管理が加わる。SRAM-CIMに関するレビューでは、アレイ・アーキテクチャと周辺回路が精度、密度、エネルギー性能に大きく影響することが強調されており、単一のマクロ設計をプロセスノードや用途をまたいで変更せずに移植することはできない。その結果、検証負担によって必要資本が増加し、試作チップの完成から顧客認定までの期間が長期化する。

広く採用されたインターフェースとソフトウェアのターゲットが存在しないことも、2つ目の障壁となっている。メモリメーカーはプロセッシング・イン・メモリの標準化に向けて前進しているが、CIM市場には、SRAM、DRAM、フラッシュ、抵抗変化メモリ、アナログ、デジタル、ハイブリッドなど、プログラミングと展開の要件が異なるさまざまなアプローチが含まれる。そのため顧客は移植性リスクに直面する。あるアーキテクチャ向けに最適化されたモデルを別のアーキテクチャで利用するには、大幅な再コンパイル、量子化、または演算子の再設計が必要になる可能性がある。このことは、ハードウェアに加えて、継続的に保守されるコンパイラツール、モデルライブラリ、統合支援を提供するサプライヤーに有利に働く。

アナログ精度と耐久性の制約は、短期的な用途を限定する。フラッシュおよび抵抗変化メモリを用いたCIM設計は、魅力的な密度とエネルギー特性を実現できる一方、物理デバイスのばらつき、データ保持の影響、蓄積するアナログ誤差が高精度推論を複雑にする。組み込みNANDフラッシュCIMに関する研究では、モデル精度を維持するために、しきい値電圧のばらつきとアレイレベルの非理想性に対処する必要があることが示されている。自動車、ヘルスケア、産業用途では、アナログソリューションの公称演算当たりエネルギーが低い場合でも、認定要件によって製品の選択がデジタルまたはハイブリッド・アーキテクチャに傾く可能性がある。

政策要件も商用化の選択に影響を及ぼす。米国CHIPS法のガードレールは、連邦政府のインセンティブ受給者が関与する特定の取引に制約を課しており、輸出規制によって高性能AIハードウェアを販売できる最終市場が狭まる可能性がある。欧州では、EU AI法に基づくリスクベースの義務により、高リスク用途におけるトレーサビリティと適合性評価の重要性が高まっている。これらの措置は、CIMを独立したアーキテクチャとして規制するものではないが、サプライヤーが製品を販売できる地域、システムの検証方法、購入者が重視する信頼性特性に影響を与える。

当面の競争を分けるのは、信頼性の高いプラットフォームを商用化できる企業と、高効率のマクロを実証できるにとどまる企業になる。JEDEC関連のプロセッシング・イン・メモリ研究、メモリベンダーによる製品開発、標準ホストインターフェースの活用は、時間の経過とともに購入者のリスクを低減できる。相互運用性とソフトウェアの成熟度が向上するまで、調達では、確定的な性能、統合支援、信頼できるライフサイクル管理を実証する実装が選好される。アナログCIMは、制約のあるエッジワークロードにおいて長期的に有力な位置を維持するが、その導入はエネルギー効率だけで決まるのではなく、検証を経て段階的に進むことになる。

メモリ内コンピューティング（CIM）チップ市場のセグメント分析

メモリ技術タイプ別

SRAMベースのCIMは最大のメモリ技術セグメントであり、2025年の市場規模は 2億322万米ドル、2035年には 54億1,000万米ドルに達すると予測され、年平均成長率（CAGR）は約 38.95%となる。SRAMマクロは確立されたCMOSプロセスを用いてロジックと統合できるため、実績のある製造技術を活用できる点が、同セグメントの優位性を支えている。これにより、設計者は新興の不揮発性メモリの動作特性に依存することなく、高帯域幅・低レイテンシの推論を追求できる。IBMのNorthPoleアーキテクチャは、分散型SRAMと高密度の演算アレイを組み合わせてオフチップメモリへの依存を低減することで、このアプローチの戦略的価値を実証している。

SRAMの欠点は面積コストにある。6トランジスタセルは、DRAMやフラッシュよりも保存ビット当たりのダイ面積を大幅に多く消費する。そのため、SRAM-CIMは、低レイテンシと予測可能な性能によって、シリコンの部品表コストの上昇を正当化できる分野で最も経済的な魅力を持つ。これは、同セグメントがプレミアムなクラウド推論、ネットワーク、産業用ビジョン、高性能エッジシステムと適合することを意味する。同セグメントが市場をリードしているからといって、SRAMがCIMの基盤として普遍的であることを意味するわけではない。市場の初期商用化段階では、確立された製造技術と確定的な動作特性が特に重要であることを示している。

フラッシュベースのCIMは、最も高い成長率が見込まれるメモリ技術タイプであり、2025年の 1億6,613万米ドルから、約 39.71%のCAGRで成長し、2035年には 46億7,000万米ドルに達すると予測される。不揮発性ストレージにより、電力が遮断された場合でもニューラルネットワークの重みをチップ上に保持できるため、即時のローカル推論を必要とする組み込み機器にとって有用な特性となる。フラッシュ内またはフラッシュ近傍でのコンピューティングに関するIEEEの研究では、高帯域幅のデジタルコンピューティング、検索、アナログ積和演算において、3D NORと3D NANDのアプローチがそれぞれ異なる役割を担うことが示されている。

フラッシュCIMの商業的価値は、エネルギー、メモリ容量、待機時の動作を設計者が同時に管理する必要がある分野で最も高い。これには、センサーノード、カメラ、ウェアラブル機器、一部の自動車機能が含まれる。ただし、フラッシュCIMのサプライヤーは、耐久性、しきい値電圧の制御、推論精度、ツールサポートが製品固有の要件を満たすことを実証しなければならない。したがって、急速な成長予測は、エンジニアリング上のトレードオフが解消されることではなく、エッジ需要の拡大と、ビット当たりコストが有利であることを反映している。

DRAMベースCIMの市場規模は2025年に7,854万米ドルに達し、約37.76%の年平均成長率（CAGR）で成長し、2035年には19.2億米ドルに達すると予測される。このセグメントでは、DRAMの容量面での優位性を維持しながら、高帯域幅データストアの近傍に演算機能を追加する、メモリ内演算およびメモリ近傍演算のアプローチが中心となっている。SamsungのHBM-PIMおよび LPDDR5-PIM の取り組みと、SK hynixのAiM開発により、DRAM-CIMは主に高スループットのデータセンターおよびメモリ中心型AIアプリケーション向けに位置付けられている , . ^{[5]IBM Research, In-Memory Computing: Non-Von Neumann Architectures for AI, doi.org.}

RRAM、PCM、MRAM、FeFETベースCIMなどのその他の基板技術の市場規模は、2025年に5,211万米ドルであり、2035年には7億9,439万米ドルに達すると予測される。これらの技術は、不揮発性やアナログコンピューティングの可能性という価値を提供する一方、歩留まり、耐久性、データ保持、統合に関する課題による制約が依然として存在する。約31.21%という低いCAGRは、製造の一貫性と認定に関するエビデンスが改善するまで、商用化が選択的に進む可能性が高いことを反映している。

アーキテクチャタイプ別

デジタルCIMは最大のアーキテクチャセグメントであり、2025年の市場規模は2億1,753万米ドル、約38.81%のCAGRで成長し、2035年には57.4億米ドルに達すると予測される。デジタル実装は離散演算を維持し、決定論的な出力、使い慣れた量子化モデル形式、より明確な検証経路を必要とするアプリケーションに一般的に適している。このため、予測可能な動作が最大限の効率向上を上回る可能性のある、クラウド推論や規制対象のエッジアプリケーションにおいて商業的な重要性を持つ。

d-MatrixのCorsairプラットフォームは、生成AI推論におけるデジタルCIMの価値提案を示している。同プラットフォームは、メモリアレイに演算要素を組み込むことでデータ移動を削減する一方、商業面では単独の回路指標ではなく、データセンターへの導入に重点を置いている . デジタル設計にも専用コンパイラとメモリを考慮した実行モデルが必要だが、アナログのばらつきに伴う認定負担を軽減できる可能性がある。

アナログCIMは最も急速に成長しているアーキテクチャタイプであり、2025年の1億5,572万米ドルから、約39.70%のCAGRで成長し、2035年には43.8億米ドルに達すると予測される。電流、電荷、コンダクタンスなどの物理特性を利用して演算を行うため、中精度推論において、面積効率とエネルギー効率の向上を実現できる可能性がある。アナログSRAM-CIMアクセラレーターに関する研究は、このアーキテクチャが高いエネルギー効率を実現する可能性を示す一方、キャリブレーションとシステムレベルでの精度管理の必要性も明らかにしている .

成長プレミアムは、クライアントデバイスや組み込みシステムにおける推論当たりのエネルギーの重要性を反映している。EnCharge AIが2025年2月に実施した資金調達ラウンドは、クライアントプラットフォーム向けアナログ・インメモリ・コンピューティングの商用化が継続していることを裏付けている . このセグメントの見通しは、サプライヤーが研究室レベルの性能を、再現性のあるシリコン上の動作、堅牢なソフトウェアワークフロー、顧客が受け入れ可能な精度へと転換できるかどうかに左右される。

ハイブリッドCIMは実用面での中間的なアプローチであり、2025年の市場規模は1億2,674万米ドル、約35.79%のCAGRで成長し、2035年には26.9億米ドルに達すると予測される。アナログ演算ブロックとデジタル補正または制御回路を組み合わせることで、ハイブリッド設計は効率面での優位性を一部維持しながら、精度と信頼性に関する懸念に対処できる。純粋なアナログシステムと比べて予測成長率が低いのは、アーキテクチャがさらに複雑になるためだが、完全なアナログ設計では用途固有の検証基準を満たせない場合に、このアプローチが有力となる可能性がある。

用途別

データセンター・クラウドAIは最大の用途セグメントであり、2025年の市場規模は1億6,225万米ドル、2035年には年平均成長率（CAGR）約38.88%で43億米ドルに達すると予測される。このセグメントには、エネルギー使用量、メモリ帯域幅、推論レイテンシが直接的に運用コストへ影響する高付加価値システムが含まれる。WSE-3ウェハースケールエンジンを中核に構築されたCerebrasのCS-3は、AIワークロード向けに演算処理とオンチップメモリを集約するよう設計されたシステムの一例である。クラウド展開の規模と利用率により、大規模なサービス提供基盤全体で効率向上の効果が積み重なる。

GroqのLPUベースの推論ソリューションは、別の商業化経路を示している。決定論的な推論ハードウェアは、ハードウェアの直接販売だけでなく、クラウドAPIへのアクセスを通じて収益化できる。これらのビジネスモデルにより、購入企業の評価軸は、1ドル当たりの処理トークン数、利用可能な処理能力、レイテンシ、サービスの信頼性へと移行している。このセグメントを対象とするCIMサプライヤーには、チップ性能だけでは不十分であり、ソフトウェア統合、顧客サポート、データセンター展開の専門知識、そして規模拡大への確かな道筋が求められる。

エッジAIは最も成長の速い用途セグメントであり、2025年の1億2,149万米ドルから、年平均成長率（CAGR）約39.71%で2035年には34億2,000万米ドルに拡大すると予測される。エッジ展開では、メモリトラフィックを削減するアーキテクチャが有利となる。これは、消費電力、バッテリー容量、熱設計、応答時間が密接に関連しているためである。自動車の認識システム、産業用ビジョン、スマートカメラ用途は、特に魅力的な機会を生み出す可能性があるが、安全性、信頼性、長期使用要件を満たすソリューションに限られる。

IoT・組み込み用途の市場規模は、2025年の8,854万米ドルから2035年には21億7,000万米ドルに達すると予測される。低消費電力のローカル推論と不揮発性ウェイトストレージは、フラッシュメモリおよび新興メモリを用いたCIMソリューションに有利に働く一方、単位当たりの経済性はデータセンターよりも数量の影響を受けやすい。ベンダーは、マイクロコントローラー、NPU、またはクラウド支援型アーキテクチャと比較して、エネルギー面のメリットが追加コストと統合作業を上回ることを実証する必要がある。

HPC・産業オートメーションの市場規模は、2025年の7,231万米ドルから2035年には16億9,000万米ドルに達すると予測される。このセグメントの購入企業は、決定論的な応答、稼働時間、既存制御システムとの統合、長期的な供給可能性を重視する。政府、防衛、スマートシティ、初期段階の医療画像処理用途などを含むその他の用途は、2025年の5,541万米ドルから2035年には12億1,000万米ドルに達すると予測される。これらの用途は初期認定プログラムを支える可能性がある一方、調達サイクルが長く、厳格な検証を求められることが多い。

最終用途業界別

2025年における主要な最終用途業界はIT・通信であり、クラウド事業者、企業向けAIインフラ、通信ネットワークのワークロードが含まれる。同業界では、運用企業が実運用規模で低消費電力と実効メモリ帯域幅の向上を検証できる場合、CIMの採用が進むと見込まれる。

自動車業界は、ADASおよび車載AIが、一定の熱条件と電力条件の下でローカル処理を必要とすることから、戦略的に重要である。同セグメントでは、機能安全要件と信頼性要件を満たせるアーキテクチャが選好されるため、初期展開においてデジタルCIMおよびハイブリッドCIMの重要性が特に高い。民生用電子機器では低消費電力のアナログCIMおよびフラッシュCIMシステムに数量面の可能性がある一方、医療分野での採用は、デバイスの検証、トレーサビリティ、患者データの取り扱い要件に左右される。産業分野のユーザーは、決定論的な動作と長いライフサイクルにわたるサポートを重視するため、採用の進展は遅れる可能性があるが、認定の障壁をクリアしたサプライヤーにとっては持続的な機会が生まれる。

技術構成も、同じ二極的な成長パターンに沿っています。SRAMとデジタルCIMが主導しているのは、性能が重視される用途における認証取得とソフトウェアのリスクを低減できるためです。フラッシュおよびアナログCIMは、不揮発性ストレージと推論当たりの低消費電力が、電力供給が断続的な機器や熱的制約のある機器に適合しやすいことから、より速い成長が見込まれます。これらのアーキテクチャを代替関係にあるものとして位置付けるサプライヤーは、商業面の実態を見誤ることになります。より持続的な機会は、各導入区分における精度、消費電力、寿命、統合上の制約に合わせて、基板とアーキテクチャの選択を適合させることにあります。

コンピュート・イン・メモリ（CIM）チップ市場の地域別分析

北米

北米市場は2025年に 1億5,708万米ドルと評価され、2035年には 38.4億米ドルに達すると予測されており、年平均成長率（CAGR）は約 37.76% となる見込みです。米国では、ハイパースケールAIインフラ、高度なチップ設計活動、ならびにCerebras、Groq、d-Matrix、EnCharge AI、Mythic、Lightmatter、IBM、MicronなどのCIM関連企業の集積が地域需要を支えています。カナダも、トロントを拠点とするUntether AIやd-Matrixの事業を含め、エンジニアリングおよびAIハードウェア分野を通じて貢献しています。

米国の政策は、地域の設計・製造エコシステムを強化しています。CHIPS and Science Actは、半導体向けの大規模なインセンティブと関連するガードレールを承認し、国内のサプライチェーンに関する意思決定と商業パートナーシップの双方に影響を及ぼしています。北米のサプライヤーは、高度なクラウド事業者および企業の顧客から恩恵を受ける一方、輸出規制と顧客集中がグローバルな規模拡大を制約する可能性があります。同地域で成功するには、技術的差別化を、十分なソフトウェアサポートと運用上の信頼性を備えた量産導入へと転換することが必要になります。 ^{[6]The Conference Board, Artificial Intelligence Computing Infrastructure and Energy Demand, conference-board.org.}

欧州

欧州市場は2025年に 8,778万米ドルを占め、2035年には 19.2億米ドルに達すると予測されており、年平均成長率（CAGR）は約 36.24% となる見込みです。ドイツ、英国、フランス、スペイン、イタリア、ロシア、その他の欧州諸国では、自動車、産業、研究、企業向けAIの需要を通じて市場が形成されています。欧州半導体法（European Chips Act）は2023年9月に発効し、半導体の生産能力とレジリエンスの強化を目的とした枠組みを確立しました。

欧州の機会は、ハイパースケールアクセラレーターの数量規模よりも、認証を必要とする産業用途や規制対象用途に集中しています。EU AI法のリスクベースの枠組みにより、高リスクAIシステムで使用されるハードウェアでは、トレーサビリティと検証の重要性が高まっています。欧州会計監査院も欧州の半導体戦略における実行リスクを指摘しており、掲げられた製造目標は実際の実施面で課題に直面しているとしています。したがって、欧州におけるCIMの導入では、技術性能に加えて、コンプライアンス文書、自動車分野での認証、現地での統合能力を組み合わせたサプライヤーが評価される可能性が高いと考えられます。

2024年7月におけるSoftBankによるGraphcoreの買収は、既存のGPUエコシステムが確立された環境下で、欧州の独立系AIプロセッサー企業が事業規模を拡大することの難しさを示している。コンピューティングと大容量のオンチップメモリを緊密に結び付けるGraphcoreのIPUアプローチは、より広範なメモリ中心型コンピューティングの方向性において引き続き意義を持つが、この取引は、アーキテクチャの品質だけでは商業規模を確保できないことを示している。

アジア太平洋

アジア太平洋は、最大かつ最も急速に成長する地域市場であり、市場規模は2025年の2億190万米ドルから、約40.52%の年平均成長率（CAGR）で拡大し、2035年には60.2億米ドルに達すると予測される。同地域の地位は、メモリ製造、半導体投資、国内のAI需要、地域に蓄積された設計人材の集中によって支えられている。中国、インド、日本、韓国、オーストラリア、その他のアジア太平洋地域は、製造、メモリ技術、組み込みエレクトロニクス、国家主導型AIインフラ、自動車需要の各分野で、それぞれ異なる能力を有している。

韓国では、SamsungとSK hynixが、同地域で最も強固な商用メモリ・コンピューティング・イン・メモリ（CIM）の基盤を形成している。両社のプロセッシング・イン・メモリ・プログラムは、CIM開発を、確立されたDRAM、HBM、モバイルメモリのエコシステムと結び付けている。citation-tooltip^{[7]ServeTheHome, In-Memory Computing and Emerging AI Accelerator Technologies, servethehome.com.}

中国は、国家支援による半導体投資に加え、広範な国内研究基盤と特許基盤を有している。WitMemとしても知られるHangzhou Zhicun Technologyに関連する特許活動は、メモリ内処理を組み込んだマルチチップ構成の開発が継続していることを示している。日本では、先端半導体およびAI技術への支援が強化されている。日本の経済産業省は、半導体およびAI関連技術への投資を支援するため、2025年2月に法制上の措置を進めた。インドでは、IndiaAI Missionや半導体政策の取り組みにより、国家主導型AI、モバイル機器、自動車エレクトロニクス、国内チップ設計に対する同地域の潜在需要が拡大している。同地域の成長は、輸出管理の影響、先端ノードおよびHBMへのアクセス、ならびに現地企業がハードウェアを実用的なソフトウェアエコシステムと統合できるかどうかに左右される。

ラテンアメリカ

ラテンアメリカの市場規模は2025年に2,593万米ドルであり、約33.44%の年平均成長率（CAGR）で拡大し、2035年には4億6,126万米ドルに達すると予測される。ブラジルでは、デジタル経済、クラウドの拡大、公共部門の技術イニシアチブを背景に、地域需要を牽引している。メキシコのエレクトロニクス製造基盤と北米の自動車サプライチェーンへの近接性は、エッジおよび組み込みCIMの導入に向けた規模は限定的ながらも重要な機会を生み出している。

同地域の成長特性は、コストへの感度が高いこと、ならびに北米やアジア太平洋と比べて短期的なAIインフラ需要の強度が低いことによって形成されている。購入企業は、総保有コスト、現地サポート、ハイブリッドクラウド・エッジシステムとの統合を重視するとみられる。そのため、広範なエコシステム投資を必要とする高価格帯のアーキテクチャよりも、消費電力、レイテンシー、またはデバイスコストに明確な優位性を持つソリューションが有利になる。

中東・アフリカ

中東・アフリカ市場の市場規模は2025年に2,732万米ドルであり、約35.15%の年平均成長率（CAGR）で拡大し、2035年には5億6,376万米ドルに達すると予測される。サウジアラビアとUAEが主要な地域需要の中心地であり、国家主導型AIプログラムとデータセンター開発に支えられている。Groqによる2025年の資金調達および地域インフラへのコミットメントは、推論処理能力の構築において国家主導の購入企業が果たす役割を反映している。

サウジアラビア、UAE、南アフリカ、その他のMEA地域では、導入条件がそれぞれ異なる。湾岸市場では、集中的で高付加価値のコンピューティング調達が可能である一方、アフリカ全体の需要は、通信、公共デジタルサービス、モバイルAIアプリケーションを通じて顕在化する可能性が高い。物流、現地でのシステム統合、為替変動の影響、熟練した導入パートナーの確保状況が、専門CIMハードウェアをパイロットプログラムから実稼働インフラへ移行できるペースを左右する。

北米は、専門チップベンダーとハイパースケール事業者による推論向け調達を組み合わせているため、商業面で影響力を維持すると見込まれる。欧州では、特に自動車、産業、規制対象用途において、認定取得が市場の進展を左右する可能性が高い。中南米および中東・アフリカ（MEA）は、広範な早期普及というより、選択的な需要の発生地域となる。したがってサプライヤーは、地域戦略において、高性能システムを大規模に検証できる市場と、現地に適したエッジ経済性、主権調達、またはコンプライアンス要件が最初の実用的な設計採用を決定する市場を区別する必要がある。

コンピュート・イン・メモリ（CIM）チップ市場シェアと競争環境

CIMチップ市場は、サプライヤー各社がメモリとコンピューティングの課題に対して、ウェーハスケールシステム、メモリ製品、クラウド推論プロセッサ、アナログエッジアクセラレーター、フォトニックインターコネクト、ニアメモリアーキテクチャなど、異なる起点からアプローチしているため、細分化されている。2025年の市場シェアは、Cerebras Systemsが推定18.2%で首位となり、Samsung Electronicsが約12.2%、SK hynixが8.1%、Intelが7.9%、Groqが6.8%で続く。Mythic、d-Matrix、EnCharge AI、Rain AI、Lightmatter、IBM、Micron、Untether AI、Graphcoreなどを含むその他のサプライヤーは、推定46.8%を占める。

Cerebras Systemsは、WSEアーキテクチャを中心に構築したウェーハスケールAIシステムによって市場をリードしている。CS-3システムにはWSE-3が搭載されており、Cerebrasによれば、4兆個のトランジスタと40 GBのオンチップ SRAMを備えている。その競争優位性は、システム規模の統合と低遅延推論の可能性にある。一方、システムの拡張に伴う資本集約度、顧客集中、既存のGPUプラットフォームと競合するソフトウェア環境を維持する必要性がリスクとなる。

Samsung Electronicsは、メモリ、ファウンドリーサービス、システム半導体にまたがる垂直統合を実現している。同社のHBM-PIM、LPDDR5-PIM、およびプロセッシング・ニア・メモリに関する取り組みは、コンピューティング機能を大量生産型メモリ技術と統合する確立された道筋を示している。Samsungの主な優位性は、アーキテクチャ開発を製造およびメモリのロードマップと連携できる点にある。商業面での課題は、技術実証や標準化活動を、システムOEMやクラウド顧客が採用する相互運用可能な製品へと転換することである。

SK hynixは、AiM、HBM、モバイルメモリの能力を通じて競争している。同社のGDDR6-AiMおよびAiMX-xPUプログラムは、AIワークロード向けにコンピューティング機能をメモリの近くに配置することに注力していることを示している。主要なHBMサプライヤーであるSK hynixは、CIMが変革を目指す従来型AIメモリのバリューチェーンにも参画している。この二重の事業基盤は、市場に関する知見と製造規模をもたらす一方、従来型の高帯域幅メモリとインメモリ・コンピューティングの双方にまたがる製品ポジショニングを管理する必要性を生じさせる。

Intelは、AIアクセラレーター、CXL対応メモリエコシステム、ニアメモリコンピューティングの経路を通じて参入している。Gaudi 3は、高帯域幅メモリと専用AIコンピューティングを組み合わせており、エンタープライズ向け生成AIインフラにおける代替手段を提供しようとするIntelの取り組みを反映している。IntelのCXLへの関与は、インテリジェントメモリまたはニアメモリデバイスを接続する、より標準化されたアプローチを支える可能性がある。ただし、それだけでCIMの実装間に存在するアーキテクチャおよびソフトウェアの違いが解消されるわけではない。

Groqは、決定論的な推論実行と高いトークン処理性能を中核にLPUアーキテクチャを展開している。2024年8月の資金調達ラウンドは、代替AI推論ハードウェアに対する投資家の関心の高さを浮き彫りにした。Groqの競争モデルは、チップ販売にとどまらず、クラウドベースの推論アクセスにも及ぶ。これにより顧客は、応答時間、スループット、可用性などのサービス指標を通じて性能を評価できる。このモデルは顧客による利用開始を加速できる一方、推論インフラの構築・維持に求められる運用負荷も高める。

専門性の高い新興企業は、より焦点を絞った機会を追求している。d-Matrixはデジタル・インメモリー・コンピューティングによりデータセンター推論に取り組み、商用規模への拡大を支えるため、2025年11月に2億7,500万米ドルを調達した。EnCharge AIは、アナログ・インメモリー技術を用いてクライアントコンピューティングおよび組み込みコンピューティングをターゲットとしている。Mythicは組み込みフラッシュメモリとアナログ・コンピューティングを組み合わせ、2025年12月に1億2,500万米ドルの資金調達ラウンドを発表した。Rain AIは、エッジ展開に向けて低消費電力のアナログ・ニューロモーフィック・アプローチを追求している。これらの企業は、特定用途における製品と市場の適合性から恩恵を得られる可能性があるが、大手既存企業を守るのと同じ認証、ファウンドリーへのアクセス、ソフトウェアエコシステムに関する障壁を克服しなければならない。 ^{[8]Rain AI, Digital In-Memory Compute for AI Training and Inference, rain.ai. (rain.ai)}

相互接続およびパッケージングのサプライヤーは、拡張可能なCIM展開において重要性を増している。Lightmatterが2025年3月に発表したPassage M1000は、最大114 Tbpsの光帯域幅を備えるフォトニック相互接続プラットフォームである。この技術自体はCIM処理を構成するものではないが、メモリ中心型アクセラレーターを複数組み合わせて展開する際に生じる、クラスターレベルの通信上の制約に対処できる可能性がある。Amkor Technologyとの提携による大型3Dフォトニクスパッケージの開発は、高度なパッケージングが競争上のアーキテクチャスタックの一部になりつつあることをさらに示している。

特許活動は、競争に戦略的な層を加えている。WIPOによると、2024年の世界の特許出願件数は370万件で、コンピューター技術が出願の13.2%を占めた。CIM分野では、差別化された知的財産（IP）が、メモリセル構造、アナログキャリブレーション、データフロー、コンパイラ手法、パッケージング、システム統合を対象とする可能性がある。防御力のある特許と実証可能な製造ノウハウを有するサプライヤーは、ライセンス収入、ファウンドリーとの提携、長期的な顧客プログラムを確保するうえで、より有利な立場に立つと考えられる。

最近の業界動向

• 2025年2月 - EnCharge AIは、応募超過となったシリーズBの資金調達ラウンドで1億米ドル超を調達した。この資金は、クライアントコンピューティング用途向けのアナログ・インメモリー・コンピューティング・ソリューションの商用化に充てられた。
• 2025年3月 - Lightmatterは、Passage M1000フォトニック・インターポーザーを発表した。このプラットフォームは、大規模AIシステム向けに最大114 Tbpsの光帯域幅を提供し、複数アクセラレーターのスケーリングを制限し得る相互接続要件に対応する。
• 2025年11月 - d-Matrixは、シリーズCの資金調達で2億7,500万米ドルを調達した。同社は、この資金がAI推論向けデジタル・インメモリー・コンピューティング・プラットフォームの商用化を支えると述べた。
• 2025年12月 - Mythicは、1億2,500万米ドルの資金調達ラウンドを発表した。この資金は、フラッシュメモリベースのアナログCIMアーキテクチャと関連ソフトウェアエコシステムの継続的な開発を支える。