生成AIの競争は、計算する半導体と、データをためて届ける半導体の両方で進んでいます。GPUを増やしても、必要なデータが届かなければ、その計算能力を十分には使えません。AIの性能と採算を考えるうえで、メモリとストレージは中心的な存在になっています。
この変化を日本企業から読み解く入口が、キオクシアです。同社と米Sandiskは2026年8月、日本政府の支援を前提に、2032年までに総額約5兆円の共同投資を見込む計画を発表しました。これは両社を合わせた中長期の投資見通しであり、キオクシア単独の確定済み支出額ではありません。需要に応じた技術開発と生産能力の拡大を目指す計画です。キオクシア：共同投資計画
では、AIはなぜこれほどメモリを必要とするのでしょうか。キオクシアのNAND、Micronや韓国勢のHBM、そして日米の製造・検査装置企業は、それぞれどこで価値を生み出すのでしょうか。製品の技術、量産までの段階、将来のロードマップをつなげて検証します。
まず押さえたい、メモリ革命の5つの論点
- AIの性能は、演算能力に加え、データの容量・帯域・遅延・電力で決まります。
- HBMはDRAMを積層した高速メモリです。キオクシアの主力であるNANDとは、得意な仕事が異なります。
- NANDは学習データの保存だけでなく、推論時のコンテキストを扱う仕組みにも用途が広がっています。
- キオクシアの進化は、積層数、制御回路との接合、SSDの設計を合わせて見る必要があります。
- 多層化と高密度な接合は、成膜・加工・洗浄・検査装置にも新しい技術需要を生みます。ただし、技術的な関連性だけで個別企業の受注を断定することはできません。
メモリがなぜ重要なのか――「保存量」だけでは説明できない理由
メモリを考えるとき、最初に浮かびやすいのは「何GB入るか」です。しかし、AI向けの設計では、容量が十分でも処理が速くならない場合があります。大量の荷物を置ける倉庫があっても、搬出口が細ければ出荷が進まないのと同じです。
比較には、少なくとも次の指標が必要です。
| 指標 | 意味 | AIで問題になる場面 |
|---|---|---|
| 容量 | 保持できるデータの量 | 大きなモデル、長い会話、多数の同時利用者 |
| 帯域 | 単位時間に運べるデータ量 | GPUへの重み・中間データの供給 |
| レイテンシ | データを要求してから応答が始まるまでの時間 | 対話の応答、細かなランダムアクセス |
| 消費電力・発熱 | 保持・移動・読み書きに必要なエネルギー | ラックの電力上限、冷却、運用費 |
| 耐久性・信頼性 | 書き換えへの耐性、誤りの管理、動作の安定性 | 継続的な記録、企業向けサービス |
| 容量当たりのコスト | デバイスとシステム全体で必要な費用 | 大規模なAIサービスの採算 |
帯域が広いことと、アクセス1回の待ち時間が短いことも別です。大きなデータを連続して読む処理に強い製品と、小さなデータを頻繁に読む処理に強い製品では、評価する性能指標が変わります。SSDのGB/秒とIOPSを、条件をそろえずに並べることはできません。
投資の視点でも、この違いは重要です。「AI向け」という名称だけを見ると、すべてのメモリメーカーが同じ需要を取り込むように見えてしまいます。実際には、どのデータを、どこに、どの速度で置くかによって必要な部品と利益の源泉が変わります。
SRAM・HBM・DRAM・NANDは、AIの中でどう分担するのか
AIサーバーは、特性の異なるメモリを組み合わせます。ここで注意したいのは、HBMがDRAMの一種であることと、SSDがNANDそのものではないことです。SSDはNANDに制御用の半導体やファームウェアを組み合わせた製品です。NANDは電源を切ってもデータを保持する不揮発性メモリです。IBM：NANDの基礎、Applied Materials：HBMの構造
| 階層・技術 | 主な役割 | 得意な点 | 設計上の制約 |
|---|---|---|---|
| SRAM | チップ内のキャッシュ、演算の近くの一時保存 | 低遅延で頻繁にアクセスできる | 大容量化するとチップ面積を使う |
| HBM | GPUなどの近くに置く作業用メモリ | 多数の接続を使った広い帯域 | 実装、熱、容量、製造コスト |
| DDR・LPDDR系DRAM | CPU側の主記憶、データ処理 | 容量・速度・電力の組み合わせ | GPU内のHBMとは接続経路が異なる |
| NANDを用いるSSD | データセット、モデル、記録、保存するコンテキスト | 不揮発性と大容量 | DRAMと同じ遅延・書き換え特性にはならない |
| CXLで接続する拡張メモリ | メモリ容量や利用効率の拡張 | プロセッサー外の資源を活用できる | 媒体や接続構成により性能が変わる |
CXLはメモリの材料やセルの種類ではなく、接続の技術です。「CXLメモリ」と聞いても、中身がDRAMなのか、別の媒体を組み合わせるのかを確かめる必要があります。キオクシアが発表したXL1は、XL-FLASHとCXLを組み合わせて、DRAMとSSDの間の需要を狙う例です。キオクシア：XL1
NVIDIAのVera Rubin NVL72では、GPUのHBMとCPU側のメモリがそれぞれ用意されます。GPU1基のHBM容量は288GBという仕様ですが、この数字をCPUメモリやSSDの容量と同一視することはできません。用途と接続が違うためです。NVIDIA：Vera Rubin NVL72
この全体像は、前編の「NVIDIAが描くこれからのAI半導体」でも解説しています。計算するチップだけでなく、通信と保存を含めて設計する動きが、メモリの重要性を高めています。
生成AIがメモリを使う仕組み――モデルの重みとKVキャッシュ
大規模言語モデルでは、学習で得たパラメーターである「重み」を使って計算します。推論には、入力をまとめて処理する段階と、出力を順次生成する段階があります。後者では条件によってメモリ帯域がボトルネックになりやすく、演算性能の上昇だけでは応答を速められません。NVIDIA：LLM推論の最適化
重みだけでも、大きな保存場所が必要になります
例として、700億個のパラメーターを持つ仮想的なモデルを考えます。各パラメーターを16ビットで保持すれば、単純計算で140GBです。4ビットなら35GBになります。これは「個数×1個当たりのビット数÷8」という容量の計算であり、特定製品の実測値ではありません。
| 仮定 | 重み部分だけの概算容量 |
|---|---|
| 700億パラメーター × 16ビット | 140GB |
| 700億パラメーター × 8ビット | 70GB |
| 700億パラメーター × 4ビット | 35GB |
ここでは1GBを10億バイトとしています。実際の稼働には、量子化の補助情報、中間データ、実行環境などの容量も必要です。4ビットにすれば常に精度を保ったまま4倍の効率になる、という意味でもありません。
長い会話を支えるKVキャッシュも増えます
文章を少しずつ生成する際、過去の計算を利用するために保持するデータがKVキャッシュです。標準的な全履歴を保持する構成では、同じモデル・データ形式なら、保持するトークン数や同時処理数の増加に応じて必要量が増えます。単に「モデルを置ける容量がある」だけでは、長い会話を多数同時に扱えるとは限りません。
具体例として、32層、KVヘッド8個、ヘッド次元128、各要素2バイト、131,072トークンという仮定を置くと、1系列分のKVキャッシュは「2×32×8×128×2×131,072」で約16GiBです。同じ条件で8系列なら約128GiBになります。これは構造を説明する独自計算であり、実製品の必要量は圧縮、共有、保持範囲などで変わります。GiBは2の30乗バイトです。
このため、利用頻度の高いデータをHBMに置き、再利用可能なコンテキストを別の階層へ逃がす設計が注目されます。ただし、退避と読み戻しにも時間がかかります。保存先の容量だけでなく、移動のタイミングと速度まで設計しなければ、待ち時間を増やしてしまいます。
ソフトウェアにも改善の余地があります。FlashAttentionは、GPU内の異なるメモリ間で動かすデータ量に着目した手法です。PagedAttentionは、KVキャッシュの管理によるメモリの無駄を抑えます。こうした最適化とハードウェアの進歩は並行して進みます。FlashAttention原論文、PagedAttention原論文
キオクシアのNANDは、何を改良しているのか
NANDの進化には、複数の方向があります。1つのセルに保持する情報を増やす方法、セルを縦に積む方法、周辺回路を効率よく配置する方法、入出力を速くする方法です。
TLCは1セルに3ビット、QLCは4ビットを保持します。扱う状態は、それぞれ8通りと16通りになります。多値化によって容量を増やせる一方、状態の判別や誤り訂正、書き換え耐久性の管理が難しくなります。QLCの価値は、読み出しが中心の大容量用途など、特性が合う場面で高まります。IBM：NANDの種類
3D NANDは、セルを縦方向に積み重ねて密度を高めます。ただし、層を増やすほど深い加工や均一な成膜が難しくなり、配線や周辺回路が占める面積も問題になります。「積層数が多い＝どの指標でも優れている」という単純な比較はできません。Applied Materials：3D NANDの製造課題
CBAが、セルと制御回路の進化を分けます
キオクシアとSandiskの重要技術が、CBA（CMOS directly Bonded to Array）です。メモリのセルアレイと、読み書きなどを制御するCMOS回路を別のウエハーで製造し、接合します。それぞれに適した工程を選びやすくなることが、設計上の意味です。
CBAの特徴は、単にセルを高く積むことではなく、セル側と制御回路側を別々の工程で作って接合できる点です。以下の図では、製造と接合の関係を示しています。
Sandiskは、BiCS9 QLCを、実績のあるBiCS8のアレイとBiCS10ベースのCMOSを組み合わせる例として説明しています。世代名が1つ進むたびにすべてを一斉に置き換えるのではなく、セルと回路の組み合わせを用途に合わせる考え方です。Sandisk：2026年Investor Day
ここから読み取れるのは、NANDの競争が層数の競争だけではなくなっていることです。既存の製造資産を生かしながら必要な性能を上げられれば、投資効率の改善につながる可能性があります。一方で、接合の精度、良品率、製造時間まで含めて成り立つことが条件です。
BiCS FLASHのロードマップ――第9世代と第10世代の違い
2026年のキオクシアの発表では、第9世代と第10世代の開発が並行して進んでいます。用途、セルの種類、発表段階をそろえて読むことが大切です。
| 技術・製品 | 公表された特徴 | 公表時点の段階 |
|---|---|---|
| 第9世代・1Tb TLC | 第8世代のメモリセル技術を基にした230層の積層プロセスと新しいCMOS。主に低〜中容量用途 | 2026年7月、サンプル提供開始 |
| 第9世代・2Tb QLC | 6プレーン構成、4.8Gb/秒のインターフェース。既存セル技術と新CMOSを活用 | 2026年8月、技術開発を発表 |
| 第10世代・1Tb TLC | 332層、主に企業・データセンター向けSSD。4.8Gb/秒のインターフェース | 2026年7月、サンプル提供開始 |
| 第10世代・QLC技術 | 37Gb/mm²を超えるビット密度。第8世代QLC比で最大60％の密度向上 | 2026年8月、技術開発を発表。製品化へ開発継続 |
出典：第9世代TLC、第9世代QLC、第10世代TLC、第10世代QLC
第9世代TLCの「230層」は発表に記された積層プロセスの表現です。会社間で比較するときは、有効な記憶層、工程全体の積層、接合構成など、層数の数え方が一致しているかも確認したいところです。また、Tbはテラビットであり、SSDに表示されるTBとは異なります。1バイトは8ビットです。
4.8Gb/秒という数字も、そのままSSD全体の読み出し速度を表すものではありません。NANDのインターフェース性能と、SSDのPCIe接続、コントローラー、並列動作を組み合わせた実効性能は区別する必要があります。
サンプル提供と生産開始は、同じ意味ではありません
キオクシアは、北上工場K2で第10世代の生産を開始したことも発表しています。一方、個別の1Tb TLC製品はサンプル提供開始という段階です。工場で製造が始まること、顧客が評価すること、幅広い顧客向けの出荷量が増えることは、それぞれ別の節目です。キオクシア：北上K2の第10世代生産
企業の収益を見る場合は、技術発表の日から売上が急増するという見方を避け、顧客の認定、歩留まり、出荷構成の変化まで追う必要があります。高密度化は生産ビット数を増やす一方、立ち上げ時の費用や製品価格の変化も伴うためです。
CM10・GP1・XL1――キオクシアがAI推論に近づく3つの経路
NANDを高度化するだけでなく、システムの中でどんな製品として使うかも重要です。キオクシアの発表を並べると、AI向けの取り組みは1種類のSSDに集約されていないことが分かります。
| 製品 | 技術と狙い | 発表された段階・条件 |
|---|---|---|
| CM10シリーズ | 第10世代TLCとPCIe 6.0を用いる企業向けSSD。NVIDIA CMXを支える用途など | 2026年7月、限られた顧客へサンプル提供。仕様は形状によって異なる |
| GP1シリーズ | XL-FLASH Gen 2を用いる高IOPS型SSD。細かな読み出しの高速化を狙う | 512バイトのランダム読み出しで1,000万IOPSを掲げ、2026年末までのサンプル提供を計画 |
| XL1モジュール | XL-FLASHとCXLを組み合わせ、DRAM容量の効率的な利用を狙う | 2026年8月から評価パートナーへのサンプル提供を計画した発表 |
CM10については、すべての形状がPCIe 6.0と第10世代NANDの組み合わせではありません。発表では2.5インチ製品にPCIe 5.0と第8世代TLCを用いる仕様が含まれます。製品名だけでなく、形状と構成まで確認することが必要です。
製品名だけでなく、形状と構成を確認する必要があります。その違いから対象用途を判断します。
GP1では、「1,000万IOPS」と「将来の1億IOPS目標」を混同しないことが大切です。さらに、IOPSは1回に扱うデータサイズ、読み書きの比率、同時要求数などに左右されます。512バイト条件の数値を、他社の4KB条件の数値と並べて倍率を計算しても、適切な比較にはなりません。
XL1が狙うのは、すべてを高価なDRAMに置く構成の見直しです。アクセス頻度が低いデータを別の媒体に置ければ、限られたDRAMを重要な処理に使いやすくなります。ただし、ソフトウェアの対応とデータ配置が必要であり、単に接続すればHBMと同等に動くものではありません。
キオクシアは中長期的に、データセンター・エンタープライズ分野の売上構成比を60％超にする目標も示しています。これは現在の達成済み比率ではありません。NANDの販売量に加え、企業向け製品とソリューションの比重を高めようとする方向性として読むべき数字です。キオクシア：Investor Day 2026
HBM4は何が難しいのか――DRAMを積めば完成するわけではありません
HBMは複数のDRAMダイを積み、シリコンを貫く配線であるTSVなどを使って接続する技術です。平面方向の微細化に加え、薄いダイの扱い、接続部の抵抗、熱、反りまで管理する必要があります。Applied Materials：HBMの製造工程
HBMの内部では、積層したDRAMを縦方向の導体と接合部でつなぎます。図の層数は説明用であり、HBM4など特定世代の仕様を示すものではありません。
Micronは2026年3月、NVIDIA Vera Rubin向けに設計した36GB・12層のHBM4について、同年第1四半期から大量生産していると発表しました。公表帯域は1スタック当たり2.8TB/秒超です。この数字は、GPU1基やラック全体の帯域ではありません。Micronは同時にSOCAMM2やPCIe Gen6 SSDも示しており、GPU側とCPU側、ストレージ側をまたぐ製品展開を進めています。Micron：HBM4・SOCAMM2・Gen6 SSD
SamsungはGTC 2026でHBM4と、その先のHBM4Eを紹介しています。同じイベントに出ていても、量産製品と次世代技術の展示は段階が異なります。次世代の速度を現在の出荷製品の性能として扱わないことが必要です。Samsung：GTC 2026のメモリ技術
高密度接合では、良品率が完成品の価値を左右します
ハイブリッドボンディングは、金属と絶縁膜の接合を組み合わせて、より細かな接続を狙う技術です。ウエハー同士を接合する方法と、選別したダイをウエハーに接合する方法では、生産性や良品の使い方に違いがあります。後者では良品を選びやすい一方、精密な位置合わせと積み重ねの工程が必要になります。SK hynix：ハイブリッドボンディングの解説
ここで生まれる装置需要は、単純な生産個数の増加だけでは説明できません。端子が細かくなる、ダイが薄くなる、検査する項目が増える、といった製造の難しさが新しい装置や工程を必要とします。ただし、接合方式は製品世代や企業によって異なり、すべてのHBMが同じ方法へ一斉に移行するわけではありません。
メモリを作る企業――日米と主要な競合の強み
「メモリ関連企業」は、まずメモリそのものやSSDを作る企業と、それを製造する装置を作る企業に分けると理解しやすくなります。日本と米国を中心に、競争上欠かせない韓国勢も含めて整理します。
| 企業 | 主な領域 | 技術・事業の強み | 見るべき点 |
|---|---|---|---|
| キオクシア／日本 | NAND、企業向けSSD、XL-FLASH | CBAを使うBiCS FLASH、Sandiskとの共同開発・製造、複数のAI向け製品経路 | 企業向け構成比、顧客認定、NAND原価と投資効率 |
| Sandisk／米国 | NAND、SSD、フラッシュ製品 | キオクシアとの共同基盤、システム設計、HBFの開発・標準化 | 共同生産と自社製品の競争力を分けて評価 |
| Micron／米国 | DRAM、HBM、NAND、SSD | GPU近傍からCPUメモリ、ストレージまでの幅広い製品群 | HBMの認定・増産、次世代DRAM・NANDの立ち上げ |
| Solidigm／米国拠点、SK hynix傘下 | データセンター向けSSD | 高容量QLC SSD、企業向けの制御・運用技術 | 独立した米国資本のメモリメーカーと誤認しないこと |
| SK hynix／韓国 | HBM、DRAM、NAND | 積層メモリに加え、CXLやAI向けメモリ構成の開発 | HBMだけでなく、システム内のメモリ利用の変化 |
| Samsung Electronics／韓国 | HBM、DRAM、NAND、SSD | 幅広いメモリ製品と次世代積層・接合技術 | 製品ごとの量産段階、顧客認定、収益性 |
企業比較の出典：キオクシアの事業戦略、Sandiskの事業戦略、Micronの製品発表、Solidigmの企業情報、SK hynixのFMS 2026展示、SamsungのGTC 2026発表
SolidigmのD5-P5336は、最大122.88TBという大容量を特徴にするSSDです。こうした製品が狙う高密度な保存と、HBMが狙う演算直近の高速な読み書きは異なります。「容量が大きいからHBMの代わりになる」という関係ではありません。Solidigm：D5-P5336
また、共同開発・共同生産があっても、各社の完成品、販売先、利益構造まで同じではありません。キオクシアとSandiskを分析するときは、技術を共有する部分と、市場で競争する部分を分けて見る必要があります。
日本の製造・検査装置企業――どの工程を支えるのか
メモリは、膜を付け、パターンを作り、削り、洗い、測る工程を何度も繰り返して作られます。その後にも、薄化、切断、積層、接合、電気的な検査が必要です。下表は各社が公開している技術・製品領域を整理したものです。キオクシアの特定工場や、Vera Rubin向け部品への採用・受注を示す一覧ではありません。
| 企業 | 主な工程 | 強みとメモリ技術との接点 | 一次資料 |
|---|---|---|---|
| 東京エレクトロン | 成膜、塗布・現像、エッチング、洗浄など | 前工程の幅広い製品群。微細化、多層化に必要な加工を複数の領域で支える | 製品一覧 |
| SCREENホールディングス | 洗浄 | 枚葉洗浄の処理能力、清浄度、装置の設置面積や薬液使用を含む設計 | SU-3400 |
| KOKUSAI ELECTRIC | 成膜、熱処理、膜質改善 | ALDなどを用いた複雑な立体形状への成膜と、生産性を考えたプロセス技術 | 製品・技術 |
| ディスコ | 切断、研削、研磨 | ダイを薄くし、精密に切り分ける加工と工具。積層時の薄化にも関係する技術 | 製品一覧 |
| アドバンテスト | メモリの電気的なテスト | 高速信号、多数の端子、並列測定に対応するテスター。DRAM・HBMなどの評価 | T5503HS2 |
| 東京精密 | ウエハープロービング、研削・CMPなど | ウエハー上の端子と検査系を精密に接触させる装置、加工・計測 | プロービング装置 |
| 芝浦メカトロニクス | 接合、洗浄など | フリップチップ接合、Chip to Waferのハイブリッド接合に対応する精密装置 | 半導体製造装置 |
SCREENのSU-3400は、24チャンバー構成と、最大毎時1,200枚の処理能力を掲げています。これは装置メーカーが示す仕様であり、すべての洗浄条件で同じ処理量になるという意味ではありません。装置の価値は清浄度だけでなく、生産性、床面積、薬液などを含めて評価されます。SCREEN：SU-3400の仕様
アドバンテストのテスター、東京精密のプローバー、後述するFormFactorのプローブカードも役割が異なります。テスターは電気的な信号を発生・測定し、プローバーはウエハーを位置決めし、プローブカードは微小な端子との接点を作ります。同じ「検査関連」でも、技術の得意分野を分けると競争関係が見えやすくなります。
米国の製造・検査装置企業――加工の難化を事業につなげる企業群
米国には、成膜・加工の大型装置から、検査・計測、テスト用の接点まで、異なる工程に強みを持つ企業があります。会社全体の売上がメモリだけに依存するわけではない点も押さえる必要があります。
| 企業 | 主な工程 | 強みとメモリ技術との接点 | 一次資料 |
|---|---|---|---|
| Applied Materials | 成膜、材料加工、CMP、先端実装 | 材料を付ける・削る・性質を変える技術の広さ。HBM向けのTSV形成や反り対策 | 製品群、HBM工程 |
| Lam Research | エッチング、成膜など | 深く細い形状の加工。低温エッチングや高アスペクト比構造への対応 | 低温エッチング |
| KLA | 検査、計測、工程管理 | 不良の検出と立体構造の寸法管理。X線を使う3Dメモリ計測 | Axion T2000 |
| Onto Innovation | 検査、3D計測、先端実装向け露光、ソフトウェア | ウエハーからパッケージまでの欠陥・形状管理、接合工程の品質確認 | 技術・製品 |
| FormFactor | プローブカードなど | ウエハー検査の微小接点。DRAM・Flash向けテストを支える機械・電気の技術 | メモリテスト |
| Teradyne | メモリの電気的なテスト | 測定系をデバイスに近づける設計。NAND、DRAM、HBMの複数段階の検査 | Memory Test |
Lam ResearchはCryo 3.0で、400層以上の3D NANDに向けた加工能力を説明しています。深い穴の底まで形状を保つには、単に強く削るだけでは足りず、温度、化学反応、選択性を制御する必要があります。Lam Research：低温エッチング技術
KLAのAxion T2000は、X線を用いて縦方向に複雑なメモリ構造を計測する装置です。高層化した構造の内部を把握することは、製造条件の調整に役立ちます。加工する装置の進歩と、出来上がりを測る装置の進歩は一体で考える必要があります。KLA：3DメモリのX線計測
TeradyneはMagnum 7HをHBM、Magnum 7をNAND、Magnum EPICをDRAM向けに展開しています。テストが複雑になるほど品質確認の価値は増しますが、検査時間が伸びれば製造コストにも影響します。このため、検査の精度と同時処理の効率が競争点になります。Teradyne：製品別の用途
なお、日米企業だけで製造が完結するわけではありません。露光、基板、接合、材料、工場インフラには他地域の企業も関わります。ここでは日米の主要企業を工程別に整理しており、全世界の企業や全工程を列挙した名簿ではありません。
2027年以降の見通し――量産計画と研究開発を分けて読む
メモリのロードマップには、次の製品、工場能力、将来技術という異なる時間軸があります。発表された年月を、そのまま誰でも購入できる時期と考えないことが大切です。
| 時期 | 公表された方向・節目 | 読み方 |
|---|---|---|
| 2026年 | BiCS9・10の開発とサンプル、CM10のサンプル、HBM4の増産 | 製品ごとの出荷・認定段階を確認 |
| 2026年末まで | キオクシアGP1のサンプル提供計画 | 計画の達成と、その後の量産は別に確認 |
| 2027年前半 | MicronのシンガポールHBMパッケージ能力の本格的な寄与見通し | 前工程だけでなく後工程の能力も重要 |
| 2027年後半 | Micronの次世代DRAM・NANDの量産目標 | 同社の計画。特定のHBM世代の量産時期と自動的に同一視しない |
| 2029年度 | キオクシア北上K3の稼働開始目標 | 市場環境・政府支援などを踏まえる計画 |
| 2032年まで | キオクシア・Sandiskの約5兆円の共同投資見通し | 両社合計、政府支援を前提とする中長期計画 |
| 量産時期を一律に置けない領域 | HBF、酸化物半導体を使う新型DRAM、メモリ近傍での処理 | 標準化・研究・実証と商用量産を区別 |
出典：Micron：2026年度第3四半期説明資料、北上K3、共同投資計画、GP1
HBFは、フラッシュを演算に近づける取り組みです
SandiskとSK hynixは2026年8月、OCPを通じたHBF（High Bandwidth Flash）の技術仕様公開を発表しました。演算装置の近くに、大容量と広い帯域を組み合わせたフラッシュを置く方向です。仕様には接続、電気的条件、信頼性、実装、読み書きに関する項目が含まれます。Sandisk・SK hynix：HBF技術仕様
HBFとHBMは名称が似ていますが、同じものではありません。仕様公開は、複数の企業がシステムを設計しやすくする段階です。幅広い製品で採用済み、あるいはHBMを全面的に置き換えられるという証明ではありません。どの処理で容量・帯域・耐久性・費用の組み合わせが有利になるかが、実用化の焦点になります。
キオクシアのOCTRAMは、研究の広がりを示します
キオクシアはNanya Technologyと共同で、酸化物半導体を用いるOCTRAMを研究しています。2024年の発表では、縦型トランジスタによって小さなセル面積と低い漏れ電流を狙う技術が示されました。DRAMの高密度化と電力低減を考えるうえで興味深い方向です。キオクシア：OCTRAM
ただし、これは研究開発の成果です。キオクシアがHBMを量産していることや、新型DRAMの商用化時期が決まったことを意味しません。NANDの収益事業と、将来のメモリ構造を探る研究は、時間軸を分けて評価する必要があります。
データを動かさずに処理する方向も進みます
SK hynixはFMS 2026で、CXLを活用するメモリ共有や、DRAMとSSDを組み合わせる構成、メモリ側で処理を助ける技術を紹介しています。狙いは、必要な容量を増やすだけでなく、データ移動の無駄を減らすことです。SK hynix：FMS 2026
これらの構想には、OS、実行環境、データの置き方まで含む対応が必要です。デバイス単体の性能がよくても、アプリケーション全体で速くなるとは限りません。評価では、実際の処理時間、同時利用者数、消費電力、総費用を確認することが重要です。
AI半導体はどう進むのか――計算とメモリの共同設計へ
今後のAI半導体では、すべての処理を同じ構成で実行するより、仕事に合う演算器とメモリを組み合わせる設計が増えると考えられます。これは本稿の見通しです。根拠の1つが、GPUと低遅延向けの専用アクセラレーターを組み合わせるNVIDIAの設計です。Groq 3 LPXではSRAMを使うLPUが、Vera Rubinプラットフォームの中で推論を分担する構成が説明されています。NVIDIA：Groq 3 LPX
進歩の軸は、次の4つに整理できます。
- 演算の効率化：低い精度で扱える部分を増やし、必要な計算やデータ量を減らします。
- メモリ階層の最適化：SRAM、HBM、CPUメモリ、SSDなどに、役割に応じてデータを配置します。
- 接続と実装の高度化：チップ間の通信と高密度な接合を改良し、データ移動の負担を下げます。
- ソフトウェアとの共同設計：キャッシュ、圧縮、処理の分担を通じて、ハードウェアを使い切ります。
一方、制約も残ります。高密度に集積すると、熱を逃がすことや電力を届けることが難しくなります。高速なチップを作れても、工場の歩留まり、先端実装の能力、サーバーの冷却、データセンターの電力までそろわなければ、導入は進みません。
したがって、「AI半導体の性能が上がるほど、メモリ需要も一定の倍率で増える」とは言い切れません。量子化やキャッシュの改善は1回の処理に必要な容量を減らし、その結果として利用量が増える可能性もあります。効率化と需要拡大の両方を追う必要があります。
投資家は何を確認するべきか――技術の優位と利益は別に検証します
メモリ産業では、技術進歩と需給の変動が同時に起きます。高密度化で1枚のウエハーから得られるビット数が増えても、市場価格が大きく下がれば売上や利益は伸びにくくなります。反対に、需要が強くても、立ち上げ費用や設備投資が重ければ、手元に残る資金は限られます。
| 確認項目 | メモリ・SSDメーカーで見る点 | 装置メーカーで見る点 |
|---|---|---|
| 需要の中身 | HBM、企業向けSSD、PC・スマートフォンなどの構成 | DRAM、NAND、ロジック、実装の投資配分 |
| 技術の実用化 | 顧客認定、サンプルから量産への移行、歩留まり | 新工程での評価、装置採用、量産ラインへの展開 |
| 価格と原価 | ビット単価、ビット当たり原価、製品構成 | 装置価格、原価、保守・改造の需要 |
| 設備投資 | 能力増強と世代更新の配分、投資回収 | 受注、出荷、検収、顧客の投資延期 |
| 収益の質 | 営業利益だけでなくキャッシュフロー | 売上だけでなく利益率と運転資金 |
| 契約 | 長期契約の数量・価格条件、実際の履行 | 顧客集中、納入条件、保守契約 |
Sandiskは数量や価格の仕組みを含む長期的な契約モデルを説明しています。見通しを立てやすくする効果が期待されますが、契約があることだけで景気循環や顧客リスクが消えるわけではありません。Sandisk：事業モデルの説明
弱気・中立・強気の3つのシナリオ
| シナリオ | 起きること | キオクシアなどメモリ企業への含意 | 装置企業への含意 |
|---|---|---|---|
| 弱気 | AI投資の延期、供給能力の先行、認定や歩留まりの遅れ | 価格・製品構成が悪化し、投資負担が重くなる可能性 | 新規受注や納入の延期。企業ごとの保守・改造需要を確認 |
| 中立 | AI需要は伸びるが、供給増と効率化も進む | 技術移行と原価低減の実力で差がつく | 工程の難化による需要と、顧客の投資選別が併存 |
| 強気 | AI利用が広がり、企業向け製品の採用と量産が順調に進む | 高付加価値製品の構成比が上がり、投資回収が進む可能性 | 成膜・加工・洗浄・実装・検査の複数工程に需要が広がる可能性 |
この表は将来の株価を予測するものではありません。決算や製品発表を見たときに、どの条件が実際に進んでいるかを確かめるための枠組みです。キオクシアの銘柄面については、キオクシアの株価・事業分析も参考になります。過去記事の業績や株価は、その記事の基準日時点の情報として確認してください。
まとめ――メモリの進化は、AIの性能と採算を左右します
キオクシアを入口に見ると、AIメモリの変化は、NANDの高層化、セルとCMOSの接合、企業向けSSD、CXLやHBFなどの新しい使い方まで広がっていることが分かります。HBMの進化とNANDの進化は、システムの異なる場所からAIを支えています。
技術の発表を読む楽しさはありますが、投資家としては採用と量産、その先の利益まで気になります。私もこのつながりを一つずつ追えるようにしていきたいです。
日本には、キオクシアだけでなく、成膜、洗浄、加工、接合、検査を担う企業群があります。米国にも、MicronやSandiskなどのメモリ企業と、Applied Materials、Lam Research、KLAなどの装置企業があります。それぞれが解決している技術課題を見ることで、「AI関連」という大きな言葉の中にある違いが見えてきます。
今後、追うべきなのは性能の発表だけではありません。顧客が採用し、工場で安定して作れ、システムで効果を発揮し、投資に見合う利益を残せるかです。そのつながりを確認することが、メモリ産業の成長を見極める手掛かりになります。
本記事は公開された一次資料に基づく情報提供と筆者の考察であり、特定銘柄の売買を推奨するものではありません。製品仕様や開発・投資計画は変更される場合があります。投資判断は最新の開示資料を確認のうえ、ご自身の責任で行ってください。
調査基準日：2026年9月17日。本文の出典リンクは、各数値・技術・計画の根拠となる企業発表、製品資料、研究論文を示しています。
