メモリ不足はもう買われた｜次に市場が探すのは、メモリをGPU Timeへ変える企業｜AIインフラの地図を読む 第31回

第4部｜NVIDIAのCMXとCXLが炙り出す、AIメモリ相場で次に見る企業群

ここ数か月の相場を見ていると、かなり分かりやすいものが買われてきました。

HBMが足りない。
DRAMも足りない。
NANDも足りない。

AIサーバーが増えて、一般サーバーのメモリ需要も戻ってきて、スマートフォンやPCまで同じ供給枠を取り合い始めている。そうなれば、SK Hynix、Micron、SanDisk、キオクシアが買われるのは自然です。

この見方自体は、たぶん間違っていません。

AIはメモリを食う。
その一文だけで、かなりの銘柄が説明できてしまう相場でした。

ただ、相場で少し怖いのは、説明しやすくなったテーマほど、すでにだいぶ買われていることです。

メモリ価格が上がり、HBMやSSDの不足が誰の目にも明らかになった段階では、市場はすでに「メモリ不足」を買っています。ここから先に見るべきものは、単純なビット数ではありません。

次の問いは、こう変わります。

そのメモリを、どれだけGPUを止めない形で使えるのか。

AIインフラで最も高価な資産は、メモリではなくGPUです。
GPUを買っても、メモリ待ちで止まる。
推論中の途中データ（KV cache）を捨て続けて再計算する。
DRAMを積んでも、ホストごとに遊休メモリが残る。
NANDを増やしても、GPUがストレージを待つ。

この状態では、HBM、DRAM、NAND、SSDとして容量を増やしても、AI推論の利益には変わりにくい。

だから、次に見るべきものは、メモリ容量やストレージ容量そのものではありません。

メモリとストレージの容量を、Productive GPU Time、つまりGPUが実際に有効な処理に使われた時間（GPU Time）へ変える企業です。

GPU Timeとは何か

ここでいうGPU Timeとは、GPUが実際に有効な推論、学習、エージェント処理に使われた時間です。

逆に言えば、GPUが待っている時間は、すべてGPU Timeの損失です。

メモリ待ち。
ストレージ待ち。
データ転送待ち。
推論中の途中データ（KV cache）の再計算。
ホストごとの遊休DRAM。
ラック内で使い切れないメモリ。

これらは、すべて高価なGPUを眠らせます。

AIインフラの投資額が大きくなるほど、この差は無視できません。GPUの台数を増やすだけではなく、GPUをどれだけ止めずに使えるかが、設備投資の回収を左右します。

つまり、メモリ相場の次の焦点は、容量ではなく利用効率です。

メモリ不足から、GPU利用率の問題へ

これまでのAIメモリ相場は、かなり分かりやすい相場でした。

この段階で市場が買ったのは、メモリを作る会社です。SK Hynix（000660.KS）、Samsung（005930.KS）、Micron（MU）、SanDisk（SNDK）、キオクシア（285A.T）が主役になります。

しかし、次の段階では違います。

メモリをたくさん売る会社ではなく、メモリをAI推論の有効処理へ変える会社が重要になります。

同じ容量でも、GPUを待たせる構成なら価値は低い。
同じSSDでも、単なる保存装置なら価値は限定的です。
同じDRAMでも、ホストごとに分断されていれば、資本効率は落ちます。

AIインフラの制約は、メモリ不足から、次の問題へ移っています。

再計算。
待ち時間。
メモリ配置。
データ転送。
整合性。
電力効率。

ここで出てくるのが、NVIDIAのCMXと、オープン標準のCXLです。

CMXは、長い文脈処理で膨らむ途中データ（KV cacheなど）をGPUの外側に置き、GPUが同じ計算を繰り返さずに済むようにする考え方です。ざっくり言えば、SSDを「保存庫」から「推論を止めないための外部メモリ」に近づける話です。

CXLは、Compute Express Linkの略です。CPU、GPU、アクセラレータ、メモリ拡張装置を高速につなぎ、サーバー1台の中に閉じていたDRAMを、ラック全体で融通しやすくする接続規格です。

CMXは、再計算されるGPU Timeを保存する技術

CMXの本質は、新しいSSD市場ではありません。

再計算されるはずだったGPU Timeを、保存できる資産に変える仕組みです。

AI推論では、長文コンテキスト、エージェント処理、RAG、マルチモーダル処理が増えるほど、KV cache、つまり推論中に再利用する途中データが膨らみます。これを毎回捨てて再計算すれば、GPUは同じ作業を何度も繰り返すことになります。

これはGPU Timeの浪費です。

CMXが狙うのは、この無駄を減らすことです。SSDを単なる保存装置ではなく、GPU推論を止めないための補助メモリに近づける。HBMだけでは抱えきれないデータを、より近い場所に置き、再計算を減らす。

この文脈では、SSDは「安い大容量ストレージ」ではなくなります。

GPU Timeを取り戻す装置になります。

CXLは、遊休メモリをGPU Timeへ変える技術

CXLの本質も、単なるDRAM増設ではありません。

ホストごとに分断されていたメモリを、必要な場所へ割り当て直す仕組みです。

AIサーバーでは、あるサーバーではメモリが足りず、別のサーバーではメモリが遊んでいる、という状態が起きます。サーバー単位でメモリが閉じていると、全体では容量があっても、必要な場所で使えません。

これは資本効率の悪さです。

CXLは、CPU、GPU、アクセラレータ、メモリ拡張装置を低遅延で接続し、メモリをサーバー単位ではなく、ラック単位、プール単位で扱う方向へ進めます。

目的は明確です。

余っているメモリを、GPUを止めないために使う。

つまり、CXLもまた、DRAM容量をGPU Timeへ変える技術です。

メモリ株だけでは拾えない企業群

この視点で見ると、次に確認する対象は単純なメモリ株ではありません。

メモリを作る会社だけではなく、メモリをつなぐ会社、SSDをGPUに近づける会社、サーバー全体として組み上げる会社まで見る必要があります。

メモリ株でもある。
ネットワーク株でもある。
ストレージ株でもある。
サーバー株でもある。
AI推論効率株でもある。

この分類の境界線上に、次に見る企業群があります。

CXL側で確認する企業

CXL側では、CXL側では、Marvell（MRVL）、Astera Labs（ALAB）、Rambus（RMBS）を確認します。

Marvellは、CXLスイッチ、メモリ拡張コントローラ、PCIe/CXLリタイマーの側にいます。メモリ容量そのものではなく、メモリを必要な場所へ動かす側です。AIサーバーがラック単位でメモリを使う方向へ進むなら、かなり近い位置にいます。

Astera Labsは、PCIe/CXL接続の純度が高い企業です。AIサーバー内外の距離が伸びるほど、リタイマー、メモリコントローラ、接続品質の重要度は上がります。GPU、CPU、メモリ、SSDをつなぐ信号が乱れれば、AIサーバー全体の性能は出ません。

Rambusは、派手さはありません。ただ、メモリインターフェース、CXL、SerDes、セキュリティIPに関わる設計知財の側にいます。最終製品ではなく、規格と接続の内側にいる企業です。レバレッジは間接的ですが、粗利率の高いIP側として確認する価値があります。

この3社は、メモリを売る会社ではありません。

メモリをGPUが使える形へ近づける会社です。

CMX・GPU近接ストレージ側で確認する企業

CMX側では、NVIDIA（NVDA）を中心に、キオクシア（285A.T）、SanDisk（SNDK）、Micron（MU）、Samsung（005930.KS）、SK hynix（000660.KS）・Solidigm（非上場）を確認します。

NVIDIAは、CMXやStorage-Nextの方向を定義する側です。GPUを売る会社であると同時に、GPUを止めない周辺構造を作る会社でもあります。AIインフラの価値は、GPU単体ではなく、GPU、HBM、SSD、DPU、NIC、スイッチ、ソフトウェアを含むシステムで決まります。

日本株で最も近いのは、キオクシアです。

キオクシアはHBMメーカーではありません。GPUの横に積むメモリではなく、NANDとSSDの会社です。ただし、AI推論が長文化し、KV cache、RAG、マルチモーダル、エージェント処理が増えるほど、SSDは単なる保存装置ではなくなります。

重要なのは、GPUを待たせないSSDです。

HBMだけでは足りないデータを、どれだけGPUに近い場所で扱えるか。ここに入れれば、キオクシアは単なるNAND株ではなく、GPU Timeを増やすSSD株として見ることができます。

SanDisk、Micron、Samsung、SK hynix・Solidigmも、NAND/SSD供給側として同じ文脈に入ります。ただし、メモリメーカーはすでに容量不足相場で買われています。ここから先は、単なる価格上昇ではなく、AI向けSSD、KV cache、GPU近接ストレージ、CMX対応製品のミックス改善を見る必要があります。

実装側で確認する企業

もう一つ確認したいのは、CMXやCXLを実際のサーバー、ストレージ、ラックシステムへ落とし込む企業です。

Dell、HPE、Supermicro、NetAppなどです。

このグループは、半導体ほどの粗利率はありません。ただし、AIインフラは部品だけでは動きません。GPU、SSD、ネットワーク、冷却、電源、ソフトウェアを一体のシステムとして組む必要があります。

このため、売上は出やすい。
一方で、利益率、在庫、顧客集中は厳しく見る必要があります。

ここは「AIテーマだから強い」ではなく、AIストレージやAIサーバー構成が、受注、粗利率、バックログにどう出るかで判断します。

投資家として確認する順番

このテーマで確認する順番は、かなり明確です。

まず、メモリ価格だけを見ない。
次に、GPU利用率を改善する製品かどうかを見る。
そのうえで、AI向け売上が実際に増えているかを見る。
最後に、粗利率とFCFまで改善しているかを確認する。

見るべき指標は次です。

AI向けCXL製品の採用。
CXLスイッチ、コントローラ、リタイマーの売上寄与。
AI向けSSDのミックス改善。
KV cache、GPU近接SSD、Storage-Next関連の採用。
データセンターSSDの価格と数量。
サーバー・ストレージ実装側の受注と粗利率。
GPU利用率改善が顧客のCapEx回収に効いているか。

このテーマでは、売上だけでは足りません。
「メモリを売った」ではなく、「GPU Timeを増やした」ことが業績にどう反映されるかを確認します。

結論

メモリ相場の第一幕は、メモリ容量不足でした。
この段階では、メモリメーカーが主役でした。

しかし、ここから先は違います。

AIインフラで最も高価な資産はGPUです。GPUを待たせるメモリ、GPUを待たせるSSD、再計算を増やす設計、遊休メモリを放置する構成は、すべて資本効率を落とします。

だから次に見るのは、メモリ容量やストレージ容量ではありません。

メモリとストレージの容量を、GPU Timeへ変える企業です。

CXL側では、Marvell（MRVL）、Astera Labs（ALAB）、Rambus（RMBS）。

CMX・GPU近接ストレージ側では、NVIDIA（NVDA）を中心に、キオクシア（285A.T）、SanDisk（SNDK）、Micron（MU）、Samsung（005930.KS）、SK hynix（000660.KS）・Solidigm（非上場）。

実装側では、Dell（DELL）、HPE（HPE）、Supermicro（SMCI）、NetApp（NTAP）。

このあたりが、メモリ株でも、ネットワーク株でも、ストレージ株でもある境界線上の企業群です。

市場がまだ分類しきれていない場所に、次の超過収益が残る可能性があります。