計算資源需要は、メモリとストレージへ広がる｜HBM・DRAM・NAND・SSDを読む｜AIインフラの地図を読む 第20回
第3部｜AIインフラ地図で読む日米銘柄
今日の読みどころ
AIインフラ投資をGPUだけで追うと、次の制約を見落とします。
GPUが増えるほど、GPUへデータを渡すメモリ帯域が必要になります。
AIサーバーが増えるほど、サーバーDRAMの容量も必要になります。
推論、RAG、エージェント利用が増えるほど、NAND、SSD、データセンター向けストレージも重くなります。
第20回で残したい仮説は、次です。
AI半導体需要が強いなら、資金はHBMだけでなく、サーバーDRAM、NAND、SSD、データ供給にも広がるのではないか。
ただし、この回で見たいのは、メモリ企業の概要ではありません。
投資家として知りたいのは、次の順番です。
AIインフラのどこに位置しているのか。
その位置で、いま何が伸びているのか。
どこが詰まりやすいのか。
その変化が、売上、粗利率、営業利益率、営業CF、FCF、CapExへどう出ているのか。
この順番で、Micronとキオクシアを読みます。
Micronでは、HBM、サーバーDRAM、NAND、SSD需要が、売上、粗利率、FCF、CapExにどこまで出ているかを追います。
キオクシアでは、HBMではなく、NAND/SSD側でAIデータの保存、検索、供給需要がどこまで出ているかを追います。
同じメモリ関連企業でも、AIファクトリー上の距離は違います。
Micronは、GPU近接メモリ、サーバーDRAM、ストレージまでまたぐ企業です。
キオクシアは、AIデータを保存し、検索し、必要なタイミングで計算資源へ渡すストレージ層の企業です。
ここを分けないと、HBM、DRAM、NAND、SSDをすべて同じ「AIメモリ銘柄」として読んでしまいます。
第20回では、AI需要がメモリとストレージのどこまで届き、どこから先はまだ次の決算で追う段階なのかを整理します。
はじめに、投資家として気になる問いから
第19回で見たように、AI計算資源の中心にはNVIDIAがあります。
ただし、GPUやAI ASICだけを見ていると、AIインフラの資金の流れを読み違えます。
AIサーバーは、計算チップだけで動くわけではありません。
GPUがどれだけ速くても、必要なデータを十分な速度で読み出せなければ性能は出ません。
推論が増える。
コンテキストが長くなる。
RAGが増える。
エージェント型AIが複数の処理を連続して実行する。
この流れが進むほど、必要になるのは計算能力だけではありません。
メモリ帯域。
メモリ容量。
ストレージ容量。
データ供給能力。
ここにも制約が出ます。
個人投資家として気になる問いは、次です。
AI能力の進化によって計算資源需要が広がるほど、次の制約はGPUだけでなく、メモリ帯域、メモリ容量、保存、検索、データ供給へ移るのではないか。
この問いを、AIインフラの地図に落とすと、見る場所は三つに分かれます。
一つ目は、GPUやAI ASICに近接して配置されるHBMです。
二つ目は、AIサーバー全体の容量を支えるDRAMです。
三つ目は、RAG、推論、データレイク、大規模データ保存を支えるNANDとSSDです。
資金は、計算チップだけではなく、この三つの場所にも流れます。
その流れを確認するために、Micronとキオクシアを置きます。
Micronでは、HBM、DRAM、NAND、SSD需要が、売上、粗利率、FCF、CapExにどこまで出ているかを見ます。
キオクシアでは、HBMではなく、NAND/SSD側でAIデータの保存、検索、供給需要がどこまで出ているかを見ます。
第20回で確認したいのは、単純な「メモリ株はAIで伸びるか」ではありません。
AI需要が、メモリとストレージのどの階層に届き、その需要がどの企業のどの数字へ出ているのか。
この問いを、投資家としての主語に置き換えて読みます。
投資家としての読み方｜メモリとストレージは、計算資源との距離で分ける
AIメモリというと、まずHBMが出てきます。
これは自然です。
HBMは、GPUやAIアクセラレータのすぐ近くに配置され、計算チップへ大量のデータを高速に供給します。
GPU性能を引き出すには、HBMが欠かせません。
ただし、AIインフラをHBMだけで見ると、次の広がりを見落とします。
まず、サーバー全体のDRAM容量が増えます。
推論、長いコンテキスト、エージェント型AI、複数モデルの同時実行が増えるほど、GPU近くのHBMだけでなく、サーバー側のメモリ容量も効いてきます。
次に、NANDとSSDが必要になります。
学習データ、推論ログ、ベクトルデータベース、RAGの参照データ、生成されたデータを保存し、必要なタイミングで読み出す必要があるからです。
さらに、ストレージの速度と容量は、GPU利用率にも関係します。
高価なGPUを積んでも、データ供給が遅ければGPUを遊ばせます。
したがって、AIインフラのメモリ層は、次のように分けて読みます。
HBMは、GPU/AIアクセラレータ近接の高帯域メモリです。
DRAMは、サーバー全体のメモリ容量と推論基盤を支えます。
NANDは、AIデータ保存の基盤です。
SSDは、データセンター、RAG、推論、AIストレージの実装部分です。
この地図では、NVIDIAは主に計算資源層にいます。
ただし、NVIDIAはGPUだけでなく、ネットワーク、ソフトウェア、リファレンス設計を通じて、AIファクトリー全体の標準にも関わります。
ハイパースケーラーは、特定の部材企業というより、AIファクトリー全体の発注者、運営者、利用者です。
この見方を置くと、Micronとキオクシアの違いが見えます。
Micronは、HBM、DRAM、NAND、SSDをまたいでAI需要を受けています。
キオクシアは、HBMではなく、NAND/SSD側でAIデータの保存と供給に接続しています。
第20回で見る企業群
第20回では、Micronとキオクシアを具体例にします。
ただし、二社を同じ棚には置きません。
Micron｜HBM、DRAM、NAND、SSDをまたぐAIメモリ企業
Micronは、AIインフラ上では一か所だけにいる会社ではありません。
GPU近接のHBM。
サーバーDRAM。
NAND。
データセンターSSD。
この複数の階層にまたがって、AI需要を受けています。
投資家として見るのは、Micronが「HBMを作っているか」だけではありません。
AI需要が、DRAM、NAND、CMBU、CDBU、粗利率、営業利益率、FCF、CapExにどこまで出ているかです。
加えて、メモリ企業として避けられないサイクルも見ます。
AI/HBM需要によって、メモリサイクルの上昇局面が長く、高収益になっているのか。
それとも、過去と同じように高い粗利率と低いP/Eが、ピーク利益への警戒を示しているのか。
Micronでは、ここを確認します。
キオクシア｜HBMではなく、AIデータ保存・検索・供給側で見る企業
キオクシアは、Micronと同じメモリ企業として横並びにしません。
キオクシアはHBM企業ではありません。
AIインフラ上の位置は、NAND、エンタープライズSSD、データセンターSSDです。
RAG、推論、データレイク、大規模データ保存が増えるほど、AIが使うデータを保存し、検索し、必要なタイミングで計算資源へ渡すストレージ層が重くなります。
キオクシアで見るのは、この層です。
つまり、キオクシアを「GPU近接のAIメモリ」として読むのではなく、AIデータ供給側の企業として読みます。
SK hynix、Samsungは、HBM競争の確認対象として残す
HBM競争では、SK hynixとSamsung Electronicsも重要です。
ただし、第20回では、Micronとキオクシアを具体例にして、AIメモリ・ストレージ層の読み方を作ります。
SK hynixとSamsungを見る場合は、HBM3E、HBM4、NVIDIAやAMD向け採用、DRAM全体の供給配分、CapEx、顧客集中、輸出管理、地政学リスクを別途確認します。
ここでは、Micronとキオクシアを軸に、AI需要がどの数字へ届いているかを整理します。
本論｜AIメモリ需要は、どの数字に出ているか
AIメモリ需要が強いことは、すでに見えています。
しかし、投資判断で確認したいのは、単に「AI向け需要が増えている」という話ではありません。
AI能力の進化によって増えた計算資源需要が、メモリとストレージのどこへ広がり、どの企業の、どの数字に、どこまで届いているかです。
Micronでは、HBM4の量産、DRAM・NAND・データセンターSSDへの広がり、粗利率、FCF、CapExを確認します。
さらに、今回の利益拡大が、過去のメモリサイクルと同じ一時的なピークなのか、それともAI/HBM需要によってサイクルの性質が変わり始めているのかを確認します。
キオクシアでは、HBMではなく、NANDとSSDを見ます。
RAG、推論、データレイク、大規模データ保存の広がりが、SSD & Storage売上、営業利益率、営業CF、設備投資にどこまで出ているかを確認します。
Micronとキオクシアは、同じメモリ関連企業として並べるだけでは見誤ります。
AIファクトリーのどこにいるのか。
その位置に流れた資金が、決算のどの数字に出ているのか。
次の決算で、何を追えば変化を見落とさないのか。
ここから、個別企業の数字に入ります。
ここから有料記事です。
Micron｜AIメモリ需要が、HBMだけでなくDRAM・NAND・SSDへ広がっている
投資家としての主語
Micronを見る目的は、同社の製品一覧を覚えることではありません。
投資家として見たいのは、AI計算資源需要が、GPU近接メモリ、サーバーDRAM、NAND、データセンターSSDのどこまで広がり、それが売上、粗利率、営業利益率、FCF、CapExへどう出ているかです。
AIインフラ上の位置は、三つに分かれます。
一つ目は、GPU近接メモリ層です。
ここではHBMを見ます。
二つ目は、サーバーメモリ層です。
ここではDRAMを見ます。
三つ目は、ストレージ層です。
ここではNANDとデータセンターSSDを見ます。
Micronは、この三つをまたいでいます。
そのため、HBMだけで読むと狭くなります。
一方で、AI需要だけでMicron全体を読むのも危険です。
Micronはメモリ企業です。
DRAMとNANDのASP、bit shipment、在庫、CapEx、供給能力、顧客の発注計画によって、利益率とFCFが大きく動きます。
したがって、Micronで見る主語はこう置きます。
AI需要は、MicronのHBM、DRAM、NAND、SSDにどこまで届き、その強さはメモリサイクルの振れ幅を変えるのか。
決算に出ているもの
MicronのFY2026 Q2売上は238.60億ドルでした。
前年同期比では196.3%増です。
DRAM売上は187.68億ドル。
NAND売上は49.97億ドル。
CMBU売上は77.49億ドル。
CDBU売上は56.87億ドルです。
この数字を見ると、AI需要はHBMだけに出ているわけではありません。
DRAM、NAND、データセンター向けメモリ・ストレージにも広がっています。
利益率にも強く出ています。
FY2026 Q2のGAAP粗利率は74.4%でした。
GAAP営業利益率は67.6%です。
FY2026 Q3の会社見通しでは、GAAP粗利率は約81%とされています。
ここは読み方を分けます。
粗利率80%超はFY2026 Q2の実績ではありません。
FY2026 Q3の会社見通しです。
ただし、メモリ企業が粗利率80%前後の見通しを出していること自体が、AI需要、供給制約、価格上昇、製品ミックス改善が重なった局面の強さを示します。
キャッシュにも出ています。
FY2026 Q2の営業CFは119.03億ドルでした。
調整後FCFは68.99億ドルです。
一方で、投資負担も大きくなっています。
FY2026 Q2のinvestments in capital expenditures, netは50.04億ドルです。
FY2026通期CapExは250億ドル超の見通しです。
つまり、Micronでは、AI需要は売上、粗利率、営業利益率、営業CF、FCFに出ています。
同時に、その需要に対応するためのCapExも大きく増えています。
HBMでも具体的な接続が見えます。
Micronは、NVIDIA Vera Rubin向けに設計されたHBM4 36GB 12Hを、2026年暦年第1四半期に量産出荷開始したと説明しています。
これは、MicronがAI GPU近接メモリ層に接続していることを示す一次情報です。
ただし、NVIDIA向けの売上額、HBM4の配分、顧客別売上は会社資料上、分解されていません。
そのため、「NVIDIA向け売上がいくら」とは書きません。
確認できるのは、HBM4の量産出荷開始、AI需要によるメモリ・ストレージ需要の拡大、売上・粗利率・FCF・CapExへの反映です。
投資家としての判定
Micronは、AIメモリ需要が業績にかなり近い企業です。
売上に出ています。
粗利率に出ています。
営業利益率に出ています。
FCFにも出ています。
この点では、単なる将来テーマではありません。
一方で、MicronはAI需要でメモリサイクルから卒業した企業ではありません。
ここを混同しない方がよいです。
Micronを見るときの論点は、次です。
AI/HBM需要によって、メモリサイクルの上向き局面が従来より強く、長く、高収益になっているのか。
それとも、現在の高い粗利率とEPSは、過去のメモリ上昇局面と同じように、いずれASP低下と供給増で反転するのか。
この問いを確認するために、次の数字を追います。
DRAMとNANDのASP。
bit shipment。
在庫日数。
粗利率。
営業利益率。
CMBU売上。
CDBU売上。
HBM4、HBM4Eの量産と顧客認定。
CapEx。
調整後FCF。
SCAの相手先、金額、期間、対象製品。
SCAは重要です。
Micronは、従来の長期供給契約とは異なるSCAに取り組み、最初の5年SCAを締結したと説明しています。
ただし、金額、相手先、バックログ換算は会社資料上は非提示です。
ここが見えてくると、AIメモリ需要がどこまで長期契約化しているかを読みやすくなります。
Micronの判定は、次のように置きます。
判定：業績反映の距離は近い。AI需要は売上、粗利率、営業利益率、FCFまで出ている。ただし、CapEx増加後の供給過剰、ASP反転、在庫増加、粗利率低下を同時に見る企業です。
Micronで残る問い｜AI需要でメモリサイクルは変質しているのか
ここで投資家が見るべき主題は、MicronのP/Eが低いか高いかではありません。
AI需要によって、メモリサイクルの性質が変わっているのではないか。
この問いです。
低P/Eは、その問いを考えるための市場シグナルとして見ます。
もし市場が過去のメモリサイクルと同じように見ているなら、低P/Eは「今のEPSはピークに近い」という警戒を含みます。
一方で、AI/HBM需要によってサイクルが伸び、底が上がり、利益の落ち込みが小さくなるなら、低P/Eは市場の過小評価かもしれません。
つまり、Micronで見るべきなのは、低P/Eそのものではなく、いまの高いEPSと粗利率が次の下落局面でどこまで残るかです。
メモリサイクルとは、DRAMやNANDの需給差によって、ASP、粗利率、利益が大きく上下する構造です。
メモリは設備産業です。
供給を増やすには、工場、クリーンルーム、先端パッケージ、製造装置への大きな先行投資が必要です。
しかも、投資を決めてから実際に供給能力が増えるまでには時間差があります。
そのため、メモリ企業の利益は次のように動きやすくなります。
需要が強い。
HBM、DRAM、NANDが不足する。
ASPと粗利率が上がる。
EPSが急増する。
P/Eは低く見える。
各社がCapExを増やす。
数年後に供給能力が増える。
需要が鈍れば、ASPと粗利率が下がる。
EPSが落ちる。
この流れで大事なのは、低P/Eが必ずしも安さだけを意味しないことです。
分母のEPSが一時的に大きく膨らんでいると、株価が高くてもP/Eは低く見えます。
市場が警戒しているのは、Micronの現在のEPSが「通常の利益」ではなく「需給逼迫局面の利益」ではないか、という点です。
ただし、今回を過去サイクルとまったく同じと決めつけるのも粗いです。
2018年や2022年のサイクルは、スマートフォン、PC、一般サーバー、在庫調整、通常DRAM/NANDの需給が中心でした。
現在は、生成AI、HBM、データセンターDRAM、データセンターSSDが同時に効いています。
AIモデルの学習、推論、長いコンテキスト、RAG、AIエージェントが増えるほど、GPUだけでなく、HBM、サーバーDRAM、データセンターSSDが必要になります。
したがって、今回の論点は「メモリサイクルが消えたか」ではありません。
次の三つを確認する局面です。
サイクルが伸びるのか。
サイクルの底が上がるのか。
サイクルの振れ幅が変わるのか。
この見方なら、過去サイクルとの比較も使えます。
過去の2018年、2022年は、低P/Eがピーク利益を警戒していた例です。
今回の2026年AI/HBM局面は、AI需要がそのピーク利益をどこまで通常利益に変えられるかを見る局面です。
投資家として確認するのは、次です。
粗利率80%前後はどこまで続くのか。
HBM4、HBM4Eの割当は増えるのか。
通常DRAMやNANDの価格上昇は続くのか。
在庫日数は増えていないか。
CapEx増加後に供給過剰にならないか。
SCAによって需要がどこまで長期契約化しているか。
Micronは、AIで半導体サイクルから卒業した企業ではありません。
AI需要によって、メモリサイクルの上向き局面が従来より強く、長く、高収益になっている可能性がある企業です。
だからこそ、売上、粗利率、FCFと同時に、CapEx、在庫、ASP、bit shipment、SCAを並べて見ます。
キオクシア｜AIデータ保存・検索・供給への資金が届いているかを見る
投資家としての主語
キオクシアを見る目的は、HBM競争を読むことではありません。
キオクシアはHBM企業ではありません。
AIインフラ上の位置は、NAND、エンタープライズSSD、データセンターSSDです。
つまり、GPUに近接して大量のデータを渡す企業ではなく、AIが使うデータを保存し、検索し、必要なタイミングでGPU/CPUへ供給する企業です。
学習データ。
推論ログ。
ベクトルデータベース。
RAGの参照データ。
生成されたデータ。
大規模データレイク。
これらが増えるほど、SSDとNANDが必要になります。
ここでキオクシアを見ます。
投資家としての主語は、次です。
AI需要は、HBMではなく、NAND/SSDを通じて、データ保存、検索、RAG、推論向けストレージ需要へどこまで届いているのか。
決算に出ているもの
キオクシアのFY2026売上は2兆3,376億28百万円でした。
前年比では37.0%増です。
SSD & Storage売上は1兆3,626億38百万円でした。
前年比37.5%増です。
営業利益は8,703億69百万円。
営業利益率は37.2%です。
FY2025の営業利益率は26.5%だったため、利益率は改善しています。
営業CFは6,165億40百万円です。
PPE購入額は2,810億62百万円でした。
会社は、生成AI中心のデータセンター顧客からの強い需要に伴うASP上昇とbit shipment増加を増収理由として説明しています。
ここから分かるのは、AIデータセンター需要が、キオクシアの売上、SSD & Storage売上、営業利益率、営業CF、設備投資に届き始めていることです。
ただし、AI向け売上比率そのものは会社資料上、非提示です。
したがって、キオクシアの売上や利益率をすべてAI需要で説明しません。
SSD & Storage、データセンター需要、ASP、bit shipment、製品採用説明を組み合わせて読みます。
技術面では、KIOXIA AiSAQも確認対象です。
キオクシアは、RAGのANN検索においてSSD上にインデックスデータを置く技術として、KIOXIA AiSAQを説明しています。
これは、RAGや推論が広がるほど、SSD需要が増えるという接続経路を示します。
ただし、AiSAQがどの程度売上へ寄与しているかは、会社資料上は確認できません。
そのため、ここでも「技術がある」ことと「売上にどれだけ出たか」を分けます。
投資家としての判定
キオクシアは、AIストレージ需要が業績に出始めている企業です。
ただし、Micronとは距離が違います。
Micronは、HBMを通じてGPU近接メモリに接続します。
キオクシアは、AIデータを保存し、検索し、必要なタイミングで計算資源へ供給するストレージ層にいます。
この位置の違いを分ける必要があります。
キオクシアで次に見る数字は、次です。
SSD & Storage売上。
ASP。
bit shipment。
営業利益率。
営業CF。
PPE購入額。
在庫。
AI/RAG向けSSD製品の採用説明。
Dellなどデータセンター・サーバー企業との接続。
AI向け売上比率、SSD & StorageのうちAIサーバー向け売上比率、受注・バックログ、AI向けFCFは、会社資料上はまだ分解できません。
したがって、キオクシアの判定は、次のように置きます。
判定：業績反映の距離は中程度から近い。AIデータセンター需要は売上、SSD & Storage、営業利益率に出始めている。ただし、HBMではなく、RAG・推論・データ保存を支えるストレージ層として読む企業です。
ここまでの整理｜メモリ層は、近さと数字への出方で分ける
ここまで見ると、同じメモリ・ストレージでも、AI計算資源との距離が違います。
HBMはGPUやAIアクセラレータに最も近いメモリです。
DRAMはAIサーバー全体の容量、推論基盤、長いコンテキスト、エージェント型AIに関係します。
NANDとSSDは、RAG、データレイク、推論ログ、生成データ、AIストレージに関係します。
Micronでは、この複数領域をまたいで資金の流れを確認できます。
HBM、DRAM、NAND、SSDを持ち、FY2026 Q2時点で売上、粗利率、営業利益率、FCF、CapExにAI需要が強く出ています。
ただし、Micronはメモリサイクルの外に出たわけではありません。
AI/HBM需要がサイクルを変質させているのか、過去と同じように反転するのかを確認する必要があります。
キオクシアでは、HBMではなく、NAND/SSD側への広がりを確認します。
AIデータを保存し、検索し、供給するストレージ層として置きます。
つまり、第20回で残したい見方はこうです。
AI能力の進化によって計算資源需要が広がるほど、AIインフラのメモリ層はHBMだけでは終わりません。
帯域、容量、保存、検索、データ供給まで広がっています。
投資家としては、企業名よりも先に、AIファクトリー上の位置を見ます。
その位置で、どの数字に出たかを確認します。
決算で追うKPI
第20回のKPIは、企業別の数字を暗記するためではありません。
AI需要が、メモリとストレージのどの段階まで企業の数字へ進んでいるかを確認するために使います。
Micronで見るKPI
Micronで見るのは、AI需要がメモリ・ストレージ全体にどれだけ広がっているかだけではありません。
本当に読みたいのは、メモリサイクルのどこにいるのか、そしてAI/HBMによってサイクルの性質が変わっているのかです。
そのため、KPIは三つに分けて見ます。
まず、サイクルの現在地を見る数字です。
DRAM/NANDのASP。
bit shipment。
在庫日数。
粗利率。
営業利益率。
ここでは、価格がまだ上がっているのか、数量が伸びているのか、在庫が悪化していないか、利益率が高止まりしているかを見ます。
ASPが上がり、bit shipmentも伸び、在庫日数が悪化せず、粗利率が高止まりしているなら、サイクルはまだ上向きにあります。
逆に、売上が伸びていても、ASPが鈍り、在庫日数が増え、粗利率が下がり始めるなら、サイクルのピークアウトを疑います。
次に、AI/HBMでサイクルが変質しているかを見る数字です。
HBM4の量産・顧客認定。
CMBU売上。
CDBU売上。
SCAの相手先、金額、期間、製品別内訳。
調整後FCF。
ここで読みたいのは、今回の上昇局面が通常のDRAM/NANDサイクルだけではなく、HBM、AIサーバー、データセンターSSD、長期契約によって支えられているかです。
最後に、反転リスクを見る数字です。
CapEx。
FY2027以降のCapEx見通し。
在庫日数。
粗利率見通し。
通常DRAM/NANDのASP説明。
Micronで重要なのは、売上成長と投資負担を同時に見ることです。
売上、粗利率、FCFが強い間は、AI需要が業績に出ていると読めます。
ただし、CapExが大きく増えた後に需要が鈍れば、メモリサイクルの反転リスクが出ます。
その兆候は、売上成長率だけでなく、ASP、bit shipment、在庫日数、粗利率、CapEx見通し、SCAの組み合わせに出ます。
キオクシアで見るKPI
キオクシアで見るのは、AIストレージ需要がどれだけSSD & Storageに残るかです。
SSD & Storage売上。
全社売上。
ASP。
bit shipment。
営業利益率。
営業CF。
PPE購入額。
在庫。
AI/RAG向けSSD製品の採用説明。
Dellなどデータセンター・サーバー企業との接続。
キオクシアで注意するのは、AI向け売上比率が会社資料上は非提示であることです。
したがって、売上や利益率が伸びていても、それをすべてAI需要と読みません。
SSD & Storage、データセンター需要、ASP、bit shipment、製品採用説明を組み合わせて読みます。
HBM競争で追加確認するKPI
SK hynixとSamsungについては、第20回では個別深掘りをしていません。
ただし、HBM競争の中心企業であるため、次に確認すべき項目は明確です。
HBM3E、HBM4の出荷状況。
NVIDIA、AMD、カスタムASIC向け採用。
HBM売上比率。
DRAM全体の供給配分。
CapEx。
顧客集中。
中国規制、輸出管理、地政学リスク。
MicronだけではHBM市場全体は読めません。
HBM競争を読む場合は、SK hynix、Samsung、Micronを別途並べる必要があります。
まだ判断しないこと
今回の段階で、判断しないことも残します。
MicronがHBM市場でSK hynixやSamsungをどれだけ奪うか。
MicronのNVIDIA向け売上額。
MicronのSCAの相手先、金額、バックログ換算。
HBM需要がどの時点で通常DRAMへ供給過剰を波及させるか。
キオクシアのAI向けSSD売上比率。
キオクシアのSSD & Storage売上をすべてAI需要と読むこと。
RAGやAIストレージ需要が会社見通しどおりに伸びると断定すること。
SK hynixとSamsungのHBM競争上の優劣。
現在の株価が割安か割高か。
この連載は、個別銘柄の売買判断ではありません。
AIインフラの地図の中で、どの企業がどの位置にいて、需要がどの数字に出ているかを読むことです。
投資家目線の結論
第20回の結論は、冒頭の問いに戻して置きます。
AI半導体需要が強いなら、資金はHBMだけでなく、サーバーDRAM、NAND、SSD、データ供給にも広がる。
ただし、その広がりは同じ距離ではありません。
Micronは、HBM、DRAM、NAND、SSDをまたぐ企業です。
AI需要は、売上、粗利率、営業利益率、営業CF、FCF、CapExに強く出ています。
この意味で、業績反映の距離は近い。
一方で、Micronはメモリサイクルの外に出た企業ではありません。
AI/HBM需要がサイクルを変質させているのか、それとも高い利益率がピーク利益として反転するのかを、ASP、bit shipment、在庫日数、CapEx、SCAで確認します。
キオクシアは、HBMではなく、NAND/SSD側で読みます。
AIデータを保存し、検索し、計算資源へ供給するストレージ層の企業です。
売上、SSD & Storage、営業利益率、営業CFには強さが見えます。
ただし、AI向け売上比率は会社資料上は非提示です。
したがって、キオクシアは「AIストレージ需要が業績に出始めている企業」として読み、AI売上を先取りしすぎないようにします。
第20回で残したい判断軸は、次です。
AI能力の進化が続くと、計算資源需要はどこまで広がり、その需要はHBM、DRAM、NAND、SSD、データ供給能力へどう出るのか。
地図を作る目的は、企業名を覚えるためではありません。AI需要がどの階層で数字になり、どこに詰まりがあり、投資資金が次にどこを確認しに行くのかを考えるためです。
AIインフラ投資を見るとき、最初からGPUだけを見てはいけません。
GPUの次に、HBMを見ます。
しかし、HBMで止めてもいけません。
AI能力の進化によって計算資源需要が広がるほど、AIファクトリーにはDRAM、NAND、SSD、データセンター向けストレージが必要になります。
この広がりを、売上、粗利率、FCF、CapEx、在庫、ASP、bit shipmentで確認します。
第21回への接続
AIメモリを見ると、次に自然に出てくるのが接続です。
GPU、AI ASIC、HBM、DRAM、SSDが増えても、それぞれが孤立していてはAIファクトリーは動きません。
ラック内でGPU同士をつなぐ。
ラック間でデータを動かす。
データセンター内でストレージ、CPU、GPU、ネットワークを接続する。
必要なら、データセンター間でも計算資源とデータをつなぐ。
AI能力の進化によって計算資源需要が広がるほど、次の制約は「どれだけ速く、どの距離で、どのコストでつなぐか」へ移ります。
第21回では、ネットワーク機器、通信半導体、光部品、ファイバー、ケーブルを通じて、AI計算資源をつなぐ需要がどの企業の数字へ出ているかを確認します。
確認済みソース一覧
いいなと思ったら応援しよう！
ご支援ありがとうございます。あなたの時間を節約できるよう、要点→根拠リンクの順で簡潔にまとめます。迷わず事実にたどり着けますように。。。
