FG Free Report 　GPUだけではわからない「AIファクトリー」の全体像（10月6日号抜粋）

メモリ三段構造──HBM・DRAM・ストレージの役割分担

AI計算は、HBM（High Bandwidth Memory）・DRAM・ストレージという3層のメモリ構造の上で成り立っている。

＜HBM＞　GPUのすぐ近くに置かれる超高速メモリ。広帯域と低遅延が特徴。生成AIの推論や細かな演算では、このHBMの速さが処理全体のテンポを左右する。ここが詰まると、GPUは本来の性能を発揮できない。

＜DRAM＞　CPU側の主記憶装置。短期記憶を司る部分だ。データの前処理や読み込み、分散学習の管理などでは、このDRAMがパイプとしての大きな役割を果たす。どれだけHBMが速くても、DRAMが弱ければ必要なデータをHBMに十分に供給できず、結局GPUは待たされてしまう。

＜ストレージ＞　学習データ・ログ・生成データといった古い記憶や知識を支える保存基盤であり、NANDやHDDがこれにあたる。HBMやDRAMはあくまで一時的な記憶であり、学習したデータやログを永続的に保存しておくことはできない。だからこそ、ストレージでは「永続性」と「規模」が要となる。

ここで重要なのは、単体の装置の速さよりも、全体をどう組み合わせるかだ。よく使うデータは速い領域に置き、使用頻度の低いものは大容量側に回す、といった具合に。さらに、障害が起きても止まらないよう、データの持ち方や配置も工夫する必要がある。このようにAI時代のストレージは、ただの保存場所ではなく、運用全体を支える設計の重要な一部分なのだ。

この3層をまとめて見ると、それぞれの役割がはっきりしていることがお分かりいただけただろう。

「HBM＝計算の最前線」、「DRAM＝ノード内の作業領域」、「ストレージ＝システム全体の保存と供給」を担う。だから、推論でも学習でも、この流れのどこかが弱いと全体の効率は落ちることになる。

投資の観点で重要なのは、HBMだけを見ればよいわけではないという点だ。AIファクトリーでは、DRAMやストレージへの追随投資も欠かせない。結局のところ、勝負を分けるのは部品の個々の速さではなく、3層をバランスよくつなぎ、全体を滞りなく回せるかどうかなのである。

ネットワークの中核──NVLinkからSpectrumXへ

AIファクトリーでは、GPUの性能だけでなく、GPU同士やサーバー同士がどれだけスムーズにつながるかも重要になる。どんなに演算能力が高いGPUを並べても、その間の通信が遅ければ、GPUは能力を最大限に発揮できず、全体の処理は遅くなってしまう。

ここでは、AI向けネットワークを大きく二つに分けて考えると分かりやすい。

ひとつは、GPU同士を高速につなぐ内部接続。もうひとつは、データセンター全体をつなぐ外部接続だ。

前者では、NVLinkやInfiniBandのような専用の高速接続が重要で、GPU間のやり取りをできるだけ速く、無駄なく行う役割を担う。

後者では、Ethernet系の仕組みが中心だ。エヌビディアはSpectrumX（および派生のSpectrumXGS）によって、AI向けに最適化したネットワークの整備を進めている。

さらに、近年はDPU（Data Processing Unit）のように、ネットワークやストレージまわりの処理を肩代わりする半導体も注目を集めている。こうした補助役があることで、CPUやGPUは本来の計算に集中しやすくなるのだ。

要するに、AIインフラでは「速いGPUを置けば終わり」ではないということ。GPU同士の接続、データセンター全体の通信、そしてそれを支える補助処理まで含めて設計されて初めて、AIファクトリー全体の性能が引き出されるのである。

だから投資家が見るべきなのは、AIインフラを止めずに回し続ける総合設計力だと言える。

周縁バブルと中核安定──“押し目”を見極めるための構造読解

では、これらのメモリやネットワークが重要だったとして、どこまでを主な投資対象として考えればいいのだろうか。

AIファクトリーの拡張局面では、まずGPU・メモリ・ネットワークといった中核領域に資金が集まり、その後に周辺部材やニッチな運用ツールなどの周縁領域へと物色が広がりやすい。「中核の値段が上がった→乗り遅れた→周縁で何とか安いものを探そう」と動く投資家が多いからだ。

問題は、この第二波で業績の伸び以上に期待だけが先行してしまいやすいこと。中核はPER（利益に対する株価の倍率）が上昇しても、実際の需要と利益成長に支えられて落ち着きやすい。一方、周縁は標準化や競争の影響を受けやすく、価格決定力が長続きしにくい。そのため、上昇は速いが、期待が剥がれると下落も急になりやすくなるのだ。

周縁がバブル化（弾けるニュアンスも含め「バブル」だ）しやすい理由は、大きく三つある。

1. 市場規模の見積もりが楽観的になりやすい
   →初期導入やPoCの数字が、そのまま将来まで一直線に伸びる前提で語られることが多い。
2. 単品依存の弱さ
   →特定の顧客や仕様に依存した製品は、規格変更や競合参入で一気に立場を失うことがある。
3. 供給が増えると価格優位が崩れやすい
   →部材系は模倣や量産の学習が比較的速く、初期の高粗利が長続きしないケースも多い。

さらに言うと、中核と周縁では、下落の意味も異なる。

中核が崩れるときは、「案件の時期ずれ」、「在庫調整」、「供給の平準化」といった一時的な要因であることが多い。これは需要そのものが消えたわけではなく、時間差で回収される可能性が高いことを示している。

これに対して周縁の下落は、「標準化から外れる」、「価格競争に巻き込まれる」、「世代交代で居場所を失う」、「ソフトウェア最適化で需要が減る」といった構造要因。つまり、もうその製品は必要でなくなったことによる下落も多い。

このように、中核の崩れは戻りうる下げだが、周縁は戻りにくい下げになりやすいため、押し目を狙うなら「どこが下がったか」ではなく、「なぜ下がったか」を見る必要がある。

AI相場の第2幕で重要なのは、熱狂の強さではなく、その企業や製品が中核に近いポジションにいるかどうかを見極めることだ。繰り返すようだが、右肩上がりの本体は、GPU・メモリ階層・ネットワーク・ストレージが一体で動く構造にある。だからこそ投資家は、周縁の盛り上がりに目を奪われるのではなく、中核の強さと下落の性質を見分けながら行動する必要があるのだ。

まとめ：AIファクトリーは「全体設計」で見る時代へ

いかがだっただろうか。

AI革命における競争は、もはやGPUなど個別部品の性能だけで決まるフェーズは過ぎた。なぜならGPUを中心に、HBM・DRAM・ストレージといったメモリ階層、NVLinkやEthernetによるネットワークに至るまで、全体が噛み合ってこそ初めてAIファクトリーは高い効率で動くからだ。

特に重要なのは、ボトルネックが常に移り変わることだ。メモリを増やせばネットワークが詰まり、ネットワークを強化すれば今度はストレージや電力負荷が課題になる。つまり、どこか一つだけを強くしても十分ではなく、全体を見ながら設計する必要があるということを強調しておきたい。

さらに、中核領域は今後も成長の土台として重要性を保ちやすいが、周辺領域は期待が先行しやすく、選別が必要になる。

この視点を総合すれば、AI関連投資の見方も変わってくるはずだ。部品単体スペックの派手さに惑わされず、「AIファクトリー全体の中でどのような役割を持つのか」を合理的に考えて投資判断材料としていただきたい。