出典:Latent Space「Memory prices up 500% in 12 months」
リンク:https://www.latent.space/p/ainews-memory-prices-up-500-in-12
500%は誇張ではなく、Spot Priceの話
この数字を見たとき、最初に思ったのは「ソースが単位を間違えていないか」ということだった。
間違えていなかった。Latent Spaceが引用した現物市場データによれば、DRAMとNANDフラッシュの過去12か月間の価格上昇率は500%に達している。現物価格、スポットプライス。先物予想でもアナリスト予測でもなく、先週実際に成立した取引価格だ。
さらに痛いのは性能対価格比の比較だ。この傾向が続けば、年末のメモリ性价比は2007年の水準まで逆戻りする。2007年とは初代iPhoneが発表された年である。
ストレージというカテゴリは、過去十数年摩尔定律(ムーアの法則)のおかげで静かに安くなり続けてきた。誰もが高騰するとは思っておらず、TCOを計算する際にも主要変数として扱うことはなかった。
だが今はそれをやり直す必要がある。
なぜ今このタイミングで爆発したのか
メモリ高騰自体は珍しくない。数年に一度の周期で来る。だが今回のサイクルは烈度が違う。三つの力が同時に衝突した。
第一の力:HBMが生産能力を奪っている。HBM(高帯域メモリ)はAIアクセラレータ向けのメモリで、H100/H200/B200などの各カードにHBM3eが数組搭載される。HBMは高度なパッケージングと複雑なダイスタッキング工艺を用いるため、消費するウェハ生産能力は通常DRAMの3倍に達する。同一ラインでHBMを生産すればDDR5は作れない。Samsung、SK Hynix、Micronの三大メーカーすべてが通常DRAMの生産ラインをHBM用へ振り替えており、DDR5の供給が吸い上げられ価格が先に動いた。
第二の力:AI Capexサイクルが到来した。OpenAI、Anthropic、Meta、Googleがこぞってクラスタを拡張している。xAIの10万基クラスタはすでに稼働を開始し、OpenAIのStargate計画には1.8兆ドルが投じられる。これらのクラスタでは各カードに80GB、なかには192GBのHBMが搭載され、需要は実体がある。
第三の力:三大メーカーが足並み揃えて生産を抑制している。Samsung、SK Hynix、Micronはこの2年、默契で生産を抑制してきた。設備投資は削りに削られ、产能拡張は意図的に抑え込まれている。供給カーブは人为的に平らにされている。
HBM3eとHBM4の生産能力は、Nvidiaと大口顧客に優先的に割り当てられる。中堅・中小の買い手は順番待ちでも手が届かない。これは周期的な変動ではなく、構造的な不足である。
GPU積み上げ式の経済モデルが崩壊した
過去2年、AI企業は訓練コストを以下の簡略モデルで計算してきた。
総コスト ≈ GPU調達 + 電力 + データセンター + 冷却
メモリはGPUの一部としてハードウェアコストに含められ、比重は大きく扱われてこなかった。
このモデルはもはや通用しない。HBMのAI訓練ハードウェアコストに占める割合は約20%からほぼ40%へ上昇した。B200はHBMだけで1万ドル以上を食われ、部品表(BOM)の構成は完全に変わった。
さらに深刻なのは帯域の壁だ。GPUの演算能力は世代ごとに倍増するが、HBMの帯域が追いつかない。モデル推論時にはパラメータをメモリから演算ユニットへ運ぶ必要があり、帯域が足りなければGPUは空転する。Nvidia自身がGTC 2025で、B200が多くの推論ワークロードでピークFLOPSを使い切れていないことを認めている。原因はHBM帯域のボトルネックだ。
OpenAIやAnthropicクラスのプレイヤーですら、ここ数か月でTCO表を何度も組み直している。AnthropicのCEO、Dario Amodeiは以前、前沿モデルの訓練コストが10億ドル規模に達したと図解して示した。そこに今回のメモリ高騰分は含まれていない。
MoEアーキテクチャの本当の価値がここで初めて見えてきた。総パラメータ数は大きくできるが、推論ごとに一部しか活性化しないため、メモリの単価上昇を相殺できる。これがMoEが2024年以降にすべてのプレイヤーに賭けられた根本的な理由だ。
MoEとスパース化が逆に命綱になった
直感に反することを言う。今回のメモリ高騰で、MoEモデルがむしろ得をしている。
従来のDenseモデルでは、70Bパラメータなら毎回70Bパラメントを全量ロードし、必要な显存は固定される。DeepSeek-V3の671Bという総パラメータ数は迫力があるが、MoEアーキテクチャにより推論ごとに活性化するのは37B、約5.5%にすぎない。Mixtral 8x7Bも同様で、活性化比率は12.5%。
これは、同じハードウェアでより多くのユーザーにサービスを提供できる、あるいは同じユーザー数ならハードウェア投資を半分以下に圧縮できることを意味する。DeepSeek自身が開示したV3の訓練コストは558万ドルで、Llama 3.1 405Bの訓練コスト(推定約1億ドル)と比べると、能力が同等の割にコストは2桁違う。
核心となるロジックは以下の通りだ。
Denseモデル:ハードウェアコスト ∝ 総パラメータ数
MoEモデル:ハードウェアコスト ∝ 活性化パラメータ数、総パラメータ数とは弱相関
メモリが高ければ高いほど、MoEの相対的な優位性は増す。だからこそNvidia自身がMinitronなどのスパース化手法を推進している。ハードベンダーがソフトウェアでハードウェアのボトルネックを相殺し始めているのだ。
誰が退場を迫られるか
影響を受けるのは巨人だけではない。
中小モデル企業:自社でモデルを訓練しAPI販売するタイプの企業は、ハードウェアコストが突然「任意の支出」から「最大の支出」へと変わった。価格高騰に資金調達ペースが追いつかなければ、値上げするか事業停止かの二者択一になる。
自前でクラスタを構築するスタートアップ:GPUを押さえればすべて解決と思っていたが、GPUこそがシステム全体でいちばん不足していない部品だと気づいていないケースが多い。
推論サービスのマージンが薄いアプリケーション層:Bot、Agent、垂直特化型アプリケーションは、すべて低単価・高並列で成り立ってきた。メモリ高騰はそのまま利益を直撃する。以前はチャット1セッションで30%あった粗利率が、10%未満まで落ちる可能性もある。
Anthropicクラスなら顧客単価を引き上げて吸収できるし、Cursorなら開発者にコスト転嫁できる。だが中小プレイヤーにはその価格決定権がない。
今後12か月で注目すべき3つの変数
今回のサイクルが6か月で終わるか、3年続くかを決める変数は3つある。
HBM4の生産能力。SK HynixとSamsungがHBM4の量産前倒しを競い合っており、Micronも遅れていない。HBM4は単一スタック容量が24GBから36〜48GBへ拡大し、帯域は倍増する。生産の立ち上がりが順調なら、2025年末にはHBMのGB単価が下がり、トレンドは緩和されるが反転まではしない。
国産DRAMの产能拡大。長鑫存储(CXMT)はDDR5の生産能力を2025年に月産6万枚ウェハへ拡大し、長江存储(YMTC)もNAND側で3D NANDラインを増強している。彼らが安定供給できれば、世界の供給側における本物の変数になる。問題は先端プロセスの歩留まりと歩留まりの安定性で、現状三大メーカーとは1〜2世代分の差がある。
ASICへの置き換え速度。Google TPU、AWS Trainium、Microsoft Maiaといった専用チップは、メモリサブシステムを自前で定義するためHBM汎用市場の影響を受けない。ASIC路線が成功すれば、Nvidia汎用GPUの価格決定力が削がれ、HBMの交渉力をも間接的に弱める。
私の見立てでは、今回のメモリ高騰の尾は少なくとも2025年Q4までは続く。HBM4が順調+国産供給が追従+ASICが台頭、という3条件がすべて満たされれば、2026年中盤にピークをつけて反落する可能性がある。2つでも期待外れなら、2027年まで引っ張られる。
AI企業は過去2年間、「演算力はどんどん安くなる」という暗黙の前提に慣れてきた。その前提が崩れた。
今後TCOを計算するとき、メモリが表の中で最も大きな行になる。