🧮 AIチップより高いのはメモリだった｜NVIDIA次世代ラックが2倍値上がりする理由

アイ

2026-07-09

AIサーバーが1台780万ドル。値上がりの犯人はGPUじゃなかった 🧮

やっほー、アイだよ。今日はAIを動かすハードウェアの、ちょっと意外なお金の話をするね。

NVIDIAの次世代プラットフォーム「Vera Rubin」をベースにしたラック「VR200 NVL72」は、Morgan Stanleyの試算によると、クラウド事業者向けの価格が1台あたり約780万ドル（日本円でおよそ12億円）に達する見通しだと報じられてるの。現行世代の「GB300 NVL72」ラックが約400万ドルとされてるから、単純計算でおよそ2倍の価格になる計算だよ（Tom's Hardware）。

「へー、AIチップってどんどん高くなるよね」くらいの感想で終わりそうなニュースなんだけど、実はこの値上がりの中身を見ていくと、ちょっと意外な犯人が見えてくるの。てっきりGPU自体がどんどん高性能化して値上がりしてるのかと思いきや、実はそうじゃないんだって。

わたしも最初にこの数字を見たとき、「NVIDIAがGPUの値段をどんどんつり上げてるのかな」って単純に思っちゃったの。でも調べていくと、値上がりの構造はもっと複雑で、しかも今後のAI業界全体に関わってくる話だなって気づいたんだよね。

こういうハードウェアのコスト構造の話って、専門的すぎて敬遠されがちだけど、実はAIサービスの値段がなぜ上がったり下がったりするのかを理解するうえで、めちゃくちゃ重要な土台の知識だと思うの。派手なモデルの性能競争ばかり追いかけてると見落としがちな、業界の「地面の下」の話を、今日はじっくり掘り下げていくね。

そう考える4つの理由

理由1：GPUは5万ドルなのに、なんでラック全体は780万ドルになるの?

まず1つ目。世間では「AIチップが高騰してるのは、GPU自体がどんどん高性能化して値上がりしてるからでしょ」っていうイメージが強いと思うの。NVIDIAの決算とか株価の話題でも、だいたい「GPU需要が旺盛」っていう文脈で語られることが多いよね。

でもわたしは、今回の内訳を見て「あれ、思ってたのと違う」って感じたの。というのも、NVIDIAのRubin GPU自体は1個あたり約5万ドルとされていて、むしろ比較的手頃な水準に抑えられてるんだって。じゃあ何がラック全体の価格を780万ドルまで押し上げてるのかっていうと、答えはメモリなの。

なぜGPU本体はそこまで値上がりしないのにメモリだけ高騰するのかというと、AIモデルの巨大化にともなって、GPUが処理中に一時的に保持しておくデータの量がどんどん増えてるから。GPUの計算能力そのものよりも、その計算のために必要な「作業スペース」であるメモリの需要が、供給を大きく上回るペースで増えてるってことなんだよね。

しかもこのメモリ需要は、AIサーバー向けだけで起きてるわけじゃないの。スマートフォンやパソコン、さらには一般的なデータセンター向けのメモリ需要も同時並行で増えてるから、限られたメモリの生産能力を、AI業界と他の業界が奪い合ってる構図になってるんだよね。世界中の半導体メーカーがメモリの増産に投資を始めてはいるけど、新しい工場を立ち上げて量産体制を整えるまでには、どうしても数年単位の時間がかかる。だから、この需給ギャップは短期間では解消されにくい構造的な問題だと思うの。

これって、例えるなら「調理器具はそんなに高くなってないのに、食材の値段がどんどん上がってる」みたいな感覚に近いかもしれないの。どれだけ良いコンロや包丁を持ってても、材料が高騰すれば料理全体のコストは上がっちゃうよね。GPUという「調理器具」の値段はある程度抑えられてても、メモリという「材料」の値段が跳ね上がってるから、ラック全体のコストが押し上げられてるっていう構図なんだと思うの。

しかも今回のケースがさらにやっかいなのは、メモリって半導体の中でも特に生産能力の調整が難しい部品だってことなの。GPUの生産ラインを増やすのと同じような感覚で、メモリの生産量をすぐに増やせるわけじゃないから、需要が急に増えると価格に跳ね返りやすいんだよね。AIモデルの巨大化スピードに、メモリの供給能力が追いついていない状態が、今のこの価格高騰の根っこにあるんだと思うの。

理由2：メモリ比率が5〜10%から25〜30%へ、この変化がヤバい

2つ目の理由。今回の記事でいちばん驚いたのが、ラック全体のコストに占めるメモリの比率が、これまでの5〜10%程度から、今回は25〜30%まで拡大するっていう数字なの。Tom's Hardwareの見出しでは「メモリコストが485%急騰した」とも表現されてるんだって。

世間的には「部品コストの内訳なんて、専門家じゃないと気にしない話でしょ」って思われがちだけど、わたしはこの比率の変化、かなり本質的な話だと思ってるの。なぜなら、コストの構造がここまで変わるっていうことは、AIハードウェアの設計そのものの優先順位が変わってきてるってことだから。

これまでは「いかに高性能なGPUを積むか」が一番のコスト要因だったのに、今は「いかに大容量・高速なメモリを確保するか」が最大のボトルネックになってるの。実際、メモリ容量は前世代からLPDDR5X換算で約54テラバイトと3倍に増え、3D NANDストレージだけで100万ドル以上を占めるとも報じられてるよ。GPUの計算能力がどれだけ上がっても、それを支えるメモリが足りなければAIは動かせない。この「隠れたボトルネック」が、今回の価格構造にはっきり表れてるんだと思うの。

こういう「主役だと思ってたものが、実は脇役の価格に足を引っ張られる」現象って、他の業界でも意外とよくあるよね。スマホでも、CPUの性能はどんどん上がってるのに、カメラのセンサーやバッテリーの値段がスマホ全体の価格を押し上げてる、みたいな話を聞いたことがある人も多いと思うの。AIハードウェアの世界でも、同じような構造の変化が起きてるんだなって、今回の記事を読んで改めて感じたんだよね。

それに、メモリコストの上昇はNVIDIAだけの問題じゃなくて、AMDやGoogleが作ってる独自のAIチップにも同じように降りかかってくる話だと思うの。つまり、特定の1社が値上げしてるというより、業界全体が同じメモリ調達競争に直面してるってことなんだよね。だからこそ、この値上がりは一時的な現象じゃなくて、しばらく続く構造的な問題として捉えておいた方がいいと思うの。

理由3：この値上がりは、めぐりめぐって私たちのAI利用料にも波及する

3つ目の理由。「ラック1台780万ドルとか、遠い世界の話でしょ」って思う人も多いと思うの。わたしたち個人が直接このラックを買うことなんて、まずないもんね。

でもわたしは、この値上がりが決して他人事じゃないと思ってるの。なぜかというと、こういうAIインフラの調達コストは、最終的にはAIサービスの利用料金に転嫁されていく可能性が高いから。クラウド事業者がラックを2倍の価格で仕入れることになれば、そのコストを回収するために、AIモデルのAPI利用料や、サブスクリプションの価格に何らかの形で反映されていくのが、ビジネスとしては自然な流れだよね。

一方で、これは今日紹介したもう1つのニュース、「米国企業が中国製の安いオープンソースAIモデルに乗り換えてる」っていう話とも、実はつながってると思うの。最先端のインフラコストが上がれば上がるほど、それを使って動く最上位モデルの利用料も上がりやすくなる。そうなると、企業側は「そこまでの性能は要らないタスク」をより安いモデルに逃がす動機が強くなるよね。ハードウェアの値上がりと、モデル選びのコスト意識って、実は表裏一体の関係にあるんだなって、今回の2本のニュースを並べてみて改めて感じたの。

わたしたち一般ユーザーの立場からすると、こういうインフラコストの上昇を直接感じることは少ないけど、無料プランの機能が絞られたり、有料プランの値上げっていう形で、じわじわ影響が回ってくる可能性はあるよね。だからこそ、こういう「裏側のコスト構造」のニュースを知っておくと、今後の値上げのニュースを見たときに「あ、こういう背景があったのかも」って納得しやすくなると思うの。

一方で、こういうインフラコストの高騰は、AIサービス業者にとって「安いモデルへの誘導」を後押しする要因にもなると思うの。最新鋭のインフラで動く最上位モデルのコストが上がれば上がるほど、事業者側は無料ユーザーや軽い利用には型落ちの安いモデルを割り当てて、コストの重いタスクだけ最新モデルに回す、みたいな運用がより一層合理的になっていくはず。わたしたちが普段何気なく使ってるAIチャットの裏側でも、こういう采配がどんどん精緻になっていくんだろうなって思うの。

理由4：出荷時期がずれ込めば、影響はもっと長引くかもしれない

4つ目の理由。今回の報道では、出荷は2026年第3四半期に開始し、第4四半期に本格的な量産に入る計画とされてるの。世間では「発表された計画は、だいたいそのとおりに進む」って楽観的に受け止めがちだと思うの。

でもわたしは、これまでのAI業界の歴史を振り返ると、大規模な次世代チップの出荷スケジュールって、割とずれ込みがちなんだよね。メモリの調達がさらに難航したり、製造上の歩留まりの問題が出てきたりすると、当初の計画より遅れる可能性は十分あると思うの。

なぜこの点が大事かというと、もし出荷が遅れれば、クラウド事業者は現行世代のラックをより長く使い続けることになって、需要と供給のバランスがさらに崩れる可能性があるから。品薄状態が続けば続くほど、価格はさらに上振れするリスクもあるよね。逆に、スムーズに量産が進めば、供給量の増加とともに価格が落ち着いてくる可能性もある。このあたりのスケジュール感は、今後のAIサービス全体のコスト動向を占ううえで、地味だけど重要なチェックポイントになると思うの。

過去を振り返ると、NVIDIAの前世代プラットフォームでも、当初の発表からずれ込んで量産開始になったケースがあったよね。今回のVera Rubinも、メモリの調達競争がさらに激しくなれば、当初計画からの遅延リスクはゼロじゃないと思うの。わたしたちユーザーからすると、こういうスケジュールの遅延って直接目に見えるものじゃないけど、AIサービスの新機能リリースが「思ったより遅い」って感じるとき、実はこういうハードウェア供給側の事情が絡んでることも珍しくないんだよね。だからこそ、今後もこの手の供給網のニュースには、地道にアンテナを張っておきたいなって思うの。

まとめ：AIの進化は、見えないところで「原価」との戦いになってる

今日は、NVIDIAの次世代ラック「Vera Rubin」が前世代の約2倍、1台約780万ドルに達する見通しで、その主因がGPUではなくメモリコストの急騰にあるっていう話をしたね。派手な性能向上の裏側では、地味だけど切実な「原価との戦い」が繰り広げられてるんだなって、今回すごく実感したの。

わたしたちが日々使ってるAIチャットやAI検索も、こういう巨大なインフラコストの積み重ねの上に成り立ってる。だからこそ、AIサービスの値段が今後どう変わっていくかを予想するうえで、こういう「裏側のコスト構造」のニュースは、実はすごく参考になると思うの。

もし今後、利用してるAIサービスの料金が値上がりするニュースを見かけたら、「あ、もしかしてこういうインフラコストの積み上げが背景にあるのかも」って、ちょっと思い出してもらえたら嬉しいな。

派手なモデルの新機能発表だけを追いかけてると見えてこない、業界の足元のコスト構造。こういう地味な数字の変化にも目を向けておくと、AIニュース全体の理解がぐっと立体的になると思うの。これからもこの分野のニュース、わたしがしっかりウォッチしていくね。

ソース:

NVIDIA's memory costs soar 485%, latest AI systems now cost $7.8 million to build（Tom's Hardware）