# Week 12：製品・産業と総合課題

## 今週のゴール

- 身近な製品の中で複数種類の半導体が協力する様子を説明できる。
- IDM、ファブレス、ファウンドリ、OSAT、EDA、装置・材料企業を区別できる。
- CPU/GPUの仕様を単一指標でなく目的に沿って読める。
- 12週間の内容を10分で一貫して説明できる。

## 1. 製品の中の半導体

### PC

- CPU：OS、アプリ、分岐の多い汎用処理。
- GPU：描画、映像、AI、並列計算。
- DRAM：実行中のコードとデータ。
- NAND：SSDの不揮発記憶。
- 電源管理IC・MOSFET：各部へ適切な電圧を供給。
- 通信IC：Wi-Fi、Bluetooth、Ethernetなど。
- センサー：温度、カメラ、指紋など。

### スマートフォン

CPU、GPU、AIアクセラレーター、画像信号処理、通信モデムなどをSoCへ統合します。省電力が重要なため、高性能コアと高効率コアを組み合わせる場合があります。

### 自動車

制御用マイコン、パワー半導体、センサー、通信、先進運転支援用プロセッサなどが使われます。温度、寿命、機能安全、長期供給といった条件が民生PCと異なります。

### AIサーバー

CPUがシステム制御とデータ準備を担い、GPUや専用アクセラレーターが行列演算を担当します。GPU単体だけでなく、HBM、ネットワーク、電源、冷却、ソフトウェアが全体性能を決めます。

## 2. 半導体産業の役割

```text
EDA・設計IP
    ↓
設計（ファブレス / IDM）
    ↓
製造（ファウンドリ / IDM）← 装置・材料
    ↓
組立・検査（OSAT / IDM）
    ↓
電子機器・クラウド・自動車など
```

- IDM：設計と製造を社内で行う。
- ファブレス：設計を中心に行い、製造を委託。
- ファウンドリ：他社設計の製造を受託。
- OSAT：後工程の組立・パッケージ・試験を受託。
- EDA：設計、検証、物理実装を支援するツール。
- IPベンダー：CPUコア、インターフェースなど再利用可能な設計を提供。
- 装置・材料：露光、成膜、エッチング、検査、ウェハー、ガス、薬品など。

一社だけで先端CPU/GPUを完成できるわけではなく、国際的な専門分業で成り立ちます。

## 3. CPU仕様の読み方

確認する順序：

1. 目的のソフトウェアとISA互換性。
2. 単一thread性能が重要か、並列性能が重要か。
3. 物理コア数とハードウェアthread数。
4. 世代、マイクロアーキテクチャ、クロック、電力枠。
5. キャッシュと対応メモリ。
6. 実際の対象ワークロードによるベンチマーク。

GHz×コア数だけで比較しません。ベンチマークは測定条件、電力設定、冷却、ソフトウェアバージョンも確認します。

## 4. GPU仕様の読み方

確認する順序：

1. 用途：描画、動画、AI、科学計算など。
2. 対応ソフトウェア、API、ライブラリ。
3. VRAM容量と帯域。
4. 対象精度での演算性能。
5. 消費電力と冷却。
6. CPU・メモリ・接続を含むシステム全体。
7. 実ワークロードのベンチマーク。

「コア数」はベンダー、世代、演算器種別が違うと比較しにくいため、同じ条件の実測を優先します。

## 5. CPUとGPUの判断フロー

```text
処理を多数の独立要素へ分けられるか？
├─ いいえ → CPUが中心
└─ はい
   ├─ 同じ演算が多いか？
   │  ├─ いいえ → CPUまたは別アクセラレーターを検討
   │  └─ はい
   │     ├─ 十分大きな問題か？
   │     │  ├─ いいえ → 起動・転送コストからCPUの可能性
   │     │  └─ はい → GPU候補
   │     └─ メモリアクセスと分岐を整理できるか確認
```

## 総合課題

10分の説明資料を6枚で作ります。

### Slide 1：半導体とは何か

- シリコン、キャリア、ドーピング。
- 電気の流れを制御できることが重要。

### Slide 2：MOSFETから論理回路へ

- nMOS、pMOS、CMOSインバーター。
- 論理ゲート、加算器、レジスタ。

### Slide 3：CPUはどう命令を実行するか

- ALU、レジスタ、PC、メモリ。
- IF、ID、EX、MEM、WB。

### Slide 4：CPUをどう高速化するか

- パイプライン、キャッシュ、分岐予測、OoO、マルチコア。
- レイテンシー重視。

### Slide 5：GPUはなぜ大量計算に強いか

- thread、warp、block、SM。
- SIMT、高帯域、メモリ、分岐ダイバージェンス。
- スループット重視。

### Slide 6：製造・用途・結論

- 前工程、パッケージ、電力・歩留まり。
- CPUとGPUが協調する具体例。
- 単一指標で性能を判断しない。

## 最終口頭試問

資料を見ず、次の三問へ答えます。

1. なぜCPUだけですべての計算を行わず、GPUを併用するのか。
2. MOSFETがどのようにCPUの命令実行へつながるのか。
3. コア数、クロック、キャッシュ、帯域、消費電力をどう見ればよいか。

評価基準：

| 観点 | 0 | 1 | 2 | 3 |
|---|---|---|---|---|
| 正確さ | 大きな誤り | 一部正しい | 概ね正しい | 例外も含め正確 |
| 因果関係 | 用語の羅列 | 一部つながる | 始点から終点までつながる | トレードオフも説明 |
| 図 | なし | 不完全 | 正しい | 図が説明を助ける |
| 具体例 | なし | 1例 | 適切な複数例 | CPU/GPU両方を比較 |

合計12点中9点以上を修了基準とします。

## 小テスト

1. 設計を中心に行い製造を委託する企業形態は何か。
2. 他社設計のウェハー製造を受託する企業形態は何か。
3. AIサーバーの性能がGPU単体だけで決まらない理由を二つ挙げよ。
4. CPU/GPUのコア数をベンダー横断で直接比較しにくい理由は何か。
5. 逐次依存が強く小規模な処理は、CPUとGPUのどちらが一般に有利か。その理由も答えよ。

[解答](../answers.md#week-12)

## 次の学習分岐

- CPU設計：Nand2Tetrisを完走し、RISC-V、Verilog、FPGAへ進む。
- GPU計算：Python/C++、CUDAまたは対応する並列API、profilingへ進む。
- 半導体デバイス：MOS電気特性、デバイス方程式、プロセス、TCADへ進む。
- AIハードウェア：行列計算、量子化、メモリ階層、分散学習へ進む。
- 産業分析：企業の役割、設備投資、需給、技術ロードマップを継続調査する。