『80億分の1』プレイレビュー！誰かの人生を疑似体験することで、世界の見え方がちょっぴり変わる。 SNSで話題の無料ブラウザゲーム『80億分の1』。 実際のプレイの様子をレポートしつつ、本作がなぜこんなにも人々の心を動かすのか、その理由について語る。 #80億分の1#

“統計に基づくリアル人生”シミュレーター『80億分の1』大流行中。生まれはガチャで生き方は自分次第、生々しい人生見守りブーム

発行枚数がピークの4分の1でもマイナカード予算膨張、1枚2000円超の国費発行に財務省が「待った」→2027年度は約445億円、前年比ならぬ前年度比で70億円増を要求 月480万枚の発行能力を維持したまま、実績とのズレが膨らんでいます。

🔎まだ始まっていない2027年の1年分だけで1兆722億ウォン | 買ったのは長期契約を結ぶ10社超のうちの1社にすぎない 009150.KS 1兆722億ウォン。Samsung Electro-Mechanics 009150.KS が9月1日に発表した契約の金額だ。売るのはAIサーバー向けのMLCC（積層セラミックコンデンサ）。同社のMLCC長期供給契約としては過去最大にあたる。 納入期間は2027年1月1日から12月31日まで。この1年に納める分だけで、昨年の連結売上高11兆3,145億ウォンの9.5%になる。まだ始まっていない年の売上が、先に確定したことになる。 相手先は「グローバルの大手」とだけ書かれ、社名は出ていない。同社はMLCCの長期供給契約（LTA）を10社を超える顧客と結んでいる。The Elec によれば、今回の発表はそのうち1社との2027年分の供給数量が固まったのを受けたものだ。相手はこれまでに発表した契約の顧客とは別だという。ほかのLTA顧客とも数量を詰めており、固まるたびに追加の発表が見込まれる。 つまり1兆722億ウォンは、今年の合計ではない。 5月以降、同じ形の契約が3件出ている。5月にシリコンキャパシタ（Si-Cap）が約1兆5,000億ウォン。6月にMLCCが約4,540億ウォン、7月に3,000億ウォン。今回を加えた累計は約3兆3,200億ウォンで、昨年の連結売上高のおよそ29%になる。期間は揃っていない。Si-Capは2027年からの2年間で、MLCCの3件はいずれも2027年の1年だけだ。 なぜ来年の分が先に決まるのか。MLCCは回路の電流をならし、部品どうしの信号の干渉を抑える部品だ。AIサーバーはこれを一般のサーバーの10倍以上積む。しかも24時間365日、高温・高電圧のなかで動き続けるので、容量と信頼性の要求が上がる。MLCCのなかでも技術的な難度が高く、作れる会社はわずかだと会社自身が書いている。AIサーバー向けMLCCで同社のシェアは40%を超える。MLCCを作る会社は他にもあるが、この用途で1年分を約束できる相手は多くない。 市場そのものはまだ薄い。Goldman Sachs の見立てでは、この市場は2025年の14億ドルから2030年に58億ドルへ伸びる。年平均およそ34%の伸びだ。今回の契約は約7億8,000万ドル。年がずれるので同じ土俵には置けないが、この市場がどれだけ小さいところから立ち上がっているかは伝わる。 先に売る分が決まれば、設備も先に置くことになる。フィリピン・ラグナ州カランバの工場は、2027年から増える数量に備えて能力を広げている。韓国の釜山はマザーラインと高付加価値品の研究開発拠点として拡張中で、2040年までにおよそ15兆ウォンを投じる計画だ。生産拠点は水原と釜山、中国の天津、そしてカランバの4か所だ。カランバは新設ではなく、すでにある工場の能力を広げている。 次に見るのは、ほかのLTA顧客との2027年分だ。発表が続けば、公表済みの契約額はさらに積み上がる。止まれば、外から数えられるのは今の約3兆3,200億ウォンまでになる。期間の長さも見ておきたい。MLCCの3件はどれも2027年で切れている。次の契約が2028年へ延びるなら、買う側が2年先の必要量まで置きにきたということだ。 部品会社の業績は、長いあいだ四半期ごとの値段と稼働率で決まってきた。1年分が契約で埋まると、決まり方が変わる。売上の見えている部分が増え、設備投資の時期を値段のピークではなく納入の始まる年から逆算できる。カランバの増強が2027年に合わせてあるのは、その順序がもう働いている印だとみている。 顧客の名前は出ていない。それでも枠は見える。10社を超える顧客とMLCCの長期契約があり、金額まで出たのはそのうち3件だ。 AIサーバーの部品で読むべき数字は、今期の値上げ率ではない。来年の何割が先に契約で埋まっているかだ。 🤘情報提供 Stock Slayer :

中国案を採用したインドネシア高速鉄道、債務返済が最大80年に…乗客数は想定の3分の1、事業費は約1兆1200億円に膨張→5ch「未払い賃金の国に請求書送るらしい」 「国家予算も政府保証も不要」とされた計画が、政府主導の再建に転じています。

💡 Samsung Electronics 、NVIDIA のカスタムメモリ「NVHBM」で先行か | HBM4E 8段・17〜18Gbpsを開発中 $NVDA $MU $TSM $AMZN Samsung Electronics が NVIDIA $NVDA のカスタムHBM「NVHBM」供給で中核パートナーの座を先に押さえた、とソウル経済が8月28日に報じた。 同社は NVIDIA の要求に合わせ、当初準備していた12段・16段ではなくHBM4E（第7世代）の8段品を開発している。提示された動作速度は17〜18Gbpsで、初期HBM4Eサンプルの14.4Gbpsを2割上回る。積層高さを3分の1削り、その分を速度に振り替える構成になる。 NVHBMは NVIDIA が現地時間8月26日、NVLink Fusion の拡張として公開した独自規格である。従来はXPU側の演算ダイに載っていたメモリコントローラをHBMスタック内部へ移す設計で、標準HBM4E比で帯域が最大30%向上、HBM消費電力が最大15%低下、演算ダイ側で使える面積が最大25%増える。JEDEC規格比でPHYと周辺回路の面積は最大67%削減され、インターポーザ配線が簡素化されることでパッケージ全体では最大80%多くのシリコンを実装できるとする。NVIDIA 自身は製造せず、複数のメモリベンダーが供給できる標準実装を整える形を取り、第1号パートナーは Amazon $AMZN 傘下のAnnapurna Labsとなる。次世代Trainiumでの組み合わせが想定されている。 8段への回帰は、これまでのHBM競争の前提を反転させる。HBMは4段から8段、12段へと積み上げて容量を稼いできたが、段数が増えるほどDRAMダイを薄く削って精密に積む必要があり、後工程の難易度と歩留まり負担が跳ね上がる。8段は製造負荷が軽く、同じウェハ投入量からより多くのスタックを取り出せる。 Samsung と SK hynix は今年下期、NVIDIA 向けHBM4でも8段比率を引き上げる計画で、発熱管理と供給安定性が主因とされる。SK hynix のCEOは27日、米インディアナ州の先端パッケージ工場起工式後の会見で、メモリ不足が2030年末まで続くとの見方を示している。8段回帰は、この供給制約下でHBM搭載GPUの絶対数を確保するための現実解と読める。 代わりに NVIDIA は速度を取りにいく。NVHBMは2027年後半投入のRubin Ultra世代からの適用が有力とされ、同世代はスケールアップ領域を従来の72基から最大576基へ8倍に広げる。GPU単体のメモリ容量が減っても、より速いHBMを載せたGPUを数百基束ねて全体演算性能を積み上げる設計思想である。 Samsung のHBM4Eラインアップは8段32GB、16段64GBの構成で、16スタック実装なら8段採用時のパッケージ容量は512GB、当初示された1TBの半分に落ちる。一方、HBM4Eの2048ビット幅（16Gbpsで4.0TB/s）を前提に17〜18Gbpsを当てはめるとスタック帯域は4.4〜4.6TB/sとなり、NVIDIA が掲げる標準HBM4E比30%増とほぼ一致する。容量と帯域のトレードオフを、帯域側へ振り切った判断だ。 Samsung が優位に立つ理由は組織構造にある。NVHBMはDRAMだけでなくロジックベースのベースダイ設計と製造能力を要求する。Samsung はHBM4で1c DRAMと自社Foundry 4nmベースダイを組み合わせ、JEDEC標準8Gbpsを約46%上回る11.7Gbps（最大13Gbps）を安定確保した。対してSK hynix はHBM4E向けロジックダイにTSMC $TSM の3nm採用を検討し、Samsung は自社4nmで対応する構図にあり、Micron $MU も標準・カスタム双方のHBM4Eロジックダイ製造をTSMCに委ねている。高積層ではなく速度と開発回転数で勝負が決まる局面では、この一貫体制が効く。 最大の未確定要素は初適用世代である。NVIDIA 自身の発表はNVHBMを将来のGPUのメモリ基盤とするに留め、時期を明示していない。海外メディアの一部は2028年のFeynman世代を初適用先と見る一方、韓国側の報道はRubin Ultraを指す。 より本質的なのは主導権の移動である。ベースダイに載るコントローラが NVIDIA 設計になるということは、HBMの付加価値の一部が製造側から設計側へ移ることを意味する。Micron 経営陣は既に、設計と認証にかかる時間とコストを踏まえれば顧客が3社すべてと組むとは限らず、2社あるいは単独調達へ収斂し得ると指摘している。標準品の汎用化と特注品の囲い込みが同時に進み、供給者の交渉力は案件ごとに大きく振れる。 需要側の温度は依然高い。NVIDIA の2027年度第2四半期（7月26日締め）は売上高962億ドルで前年同期比106%増、データセンター部門は890億ドルで同117%増、第3四半期ガイダンスは1,058〜1,101億ドル、上位5社のハイパースケーラー設備投資は2026年の8,000億ドルから来年1兆3,000億ドルへ拡大する見通しが示された。この需要を前に、メモリ供給の物理的制約をどう回避するかという設計解がNVHBMであり、8段回帰である。積層数を競う段階から、速度と実装数を競う段階へ。AIメモリの評価軸が入れ替わる過程を注視したい。

⚙️NVIDIAが量産に入れたAI推論ラックの仕様表に、HBMの行が無い | 答えを出す側だけが別の箱へ移った $NVDA $NBIS 仕様表にHBMの行が無い。NVIDIA $NVDA が8月24日にフル生産入りを発表したAI推論ラックの話だ。積むメモリは、チップに直接載せるSRAMがラックあたり128GB、大きなモデルとワークロードのためのDDR5が12TB。この2種類しかない。 Groq 3 LPXという。NVIDIAが昨年12月にGroqから非独占でライセンスした推論技術の、最初の製品だ（金額は報道ベースで200億ドルとされる）。CNBCによれば、このチップを作っているのはSamsungで、NVIDIAのGPUを作るTSMCではない。 HBMが不要になったのではない。HBMが要る仕事のほうを、隣の箱に置いてきた。 推論は途中で性質が変わる。入力を読み込むprefillの段は何千トークンもまとめて行列演算に流せるので、律速するのは計算力になる。答えを1トークンずつ出すdecodeの段は違う。次のトークンが前のトークンに依存するから並列化できず、1トークン出すたびに重みとKVキャッシュを読み直す。ここで時間を決めるのは演算器の数ではなく、読み出しの速さだ。 NVIDIAはこの2つを別々のラックに分けた。同社の技術ブログが標準構成として挙げるのは、Vera Rubin NVL72がprefillを担当し、1ターンに1回KVキャッシュをLPXへ渡す形だ。LPXはSRAMに置いた重みとそのKVキャッシュを使って、decodeの段を丸ごと実行する。 読み出しがdecodeの時間を決めるなら、読み出す場所をチップの中に入れてしまえばいい。それがGroqの元の主張だった。同社の解説はオンチップSRAMの帯域を毎秒80テラバイト超と書き、GPUが外に付けるHBMのおよそ毎秒8テラバイトと並べて、最大10倍の差だと説明している。 NVIDIA版のLPXは1チップに500MBのSRAMを載せ、256個を1ラックに詰めて128GB、帯域はラック全体で毎秒40ペタバイトになる。The Registerの試算では、Gemma 4 31BをFP8で載せるのに要るのは256個のうち64個ぶんだ。モデルはSRAMに収まっている。 decodeがメモリ帯域で詰まる、という話は前からあった。そこにNVIDIAが出した答えは、より速いHBMではない。decodeをHBMの外へ出すことだった。 売るのは計算力ではなく待ち時間になる。Artificial Analysisが計ったのはLPX側の生成速度で、Gemma 4 31Bを10万トークンの文脈で走らせて1ユーザーあたり毎秒3,400トークン。NVIDIAが「いちばん近い代替の4倍」と呼ぶ相手は、Cerebrasの毎秒882トークンだ。 > トークンを提供する側にとっては、待ち時間の要求がいちばん厳しい利用者と顧客に向けて、プレミアム階層のサービスを出せるようになる > （Dion Harris, NVIDIA HPC・AIファクトリーソリューション担当シニアディレクター） 3月のGTCでJensen Huangは、Vera Rubinの性能と価値を延ばすために、Groqラックがデータセンターの面積の最大25%を占めうると述べていた。配分計画ではなく上限の話だが、GPUではない計算機に4分の1まで空ける構図をNVIDIA自身が描いている。 最初に買うのはNebius $NBIS だ。3月にNVIDIAが20億ドルを出資し、Rubin・Vera CPU・BlueFieldへの早期アクセスを含む提携を結んだ相手で、自社の推論基盤Token Factoryに載せる。低遅延の区画にはAMDとCerebrasも入ってきていて、NVIDIAの置き方の違いは、Vera Rubinを置き換えずその隣に並べる点にある。 見どころは水曜の決算そのものより、Nebiusの初号機が年内に実際に立ち上がるかだ。立たなければ、25%という上限は図面のままで終わる。 トークンの速さは長いあいだGPUの枚数の関数として語られてきた。今日量産に入った箱は、その関数の後半だけを切り離して書き直す。隣に残るVera Rubinの側では、HBMは前段の仕事を続ける。 🤘情報提供 Stock Slayer :

大規模言語モデル(LLM)に「株の大口注文をいつ・どれだけ売買するか」を決めさせる研究が出ていた( 機関投資家が大きな注文を一度に出すと価格が動いて損をするため、小分けにして執行する(親注文執行)のがアルゴリズム取引の基本課題。従来はTWAP(注文を時間で均等に分割する手法)のような固定ルールか、個別に学習させたモデルに頼るしかなく、市場の前提が変わるたびに弱くなったり再学習が要ったりした。 この論文が提案する「PACE」(先読み制御執行、の意)は、LLMに役割を分けて執行させる。Planner役が数十分単位の値動きの方向性を読んで大まかな配分計画を立て、Executor役がそれをもとに数分単位で数量を上下させる。市場の前提を置かず、専用の学習も不要というのが利点。 深セン証券取引所の実データで検証したところ、PACEはTWAPやAlmgren-Chriss(伝統的な最適化手法)、XGBoost/LSTM(学習ベースの手法)をすべて上回り、最も成績の良かった手法よりも0.65bps(ベーシスポイント、1万分の1)高い成績を出した。年間1000億ドルを取引するファンドなら年間650万ドルのコスト削減に相当する規模で、1,680件の注文全体でLLMのAPI利用料はわずか30ドル程度だったという。 行動特性も興味深く、人間の投資家は自信過剰だと成績が悪化しやすいが、このLLMは自信度が高いときほど成績が良かった。締め切り間際に慌てるのではなく、早めに多く取引を終わらせる傾向も見られた。