Micronのメッセージは、AIハードウェア論争の焦点を書き換える。2年間、議論はGPUに集中してきたが、演算速度はそれを支えるメモリーの速度に制約される。高帯域幅メモリーが今やボトルネックとなり、モデル性能の到達点を決定している。新規供給が本格化するのは2028年になる可能性があるという警告が重要なのは、循環的な不足を構造的な問題に転換するためだ。最先端のDRAM生産能力の構築には数年と膨大な資本が必要であり、データセンター、エッジ推論、ロボティクスからの需要が、物理的に十分な速さで対応できない供給曲線と衝突している。

戦略的な転換は、スポット購入から複数年にわたる引取契約とカスタム設計メモリーへの移行だ。これは力関係を変える。大規模言語モデル研究所やハイパースケーラーで、容量を事前確保する資本力がある企業は供給を確保する一方、小規模なAI企業や二流クラウド事業者は配給制限を受けるか、希少性プレミアムを支払うリスクに直面する。メモリーは競争上のポジショニングを左右する制約リソースとなり、もはや汎用的な投入物ではない。垂直統合の圧力が予想される。購入側はカスタムスタックを求め、供給側は設備投資を約束する前に需要保証を望む。

日本にとって、その意味は異例なほど明確だ。Kioxiaをはじめとする国内のメモリーおよび材料基盤はこの逼迫の中心に位置し、半導体材料、装置、パッケージング(すべてのHBMウェハの上流にある薬品、フォトレジスト、精密ツール)における日本の強みは、業界が生産能力拡大を急ぐ中でより価値を増す。政府支援による工場投資は、論理回路だけでなくメモリーがボトルネックである場合、より明確な正当性を得る。

日本企業やSIerにとって、実務的な帰結は調達リスクだ。2027年までにオンプレミスのAIインフラやGPUクラスタを計画する企業は、メモリー起因のリードタイム、価格変動、配給の不確実性を想定し、ハードウェアをオンデマンドで入手可能なものとして扱うのではなく、今すぐ予算とベンダー契約に織り込むべきだ。生成AI導入について顧客に助言するSIerは、メモリー効率の高いアーキテクチャ、量子化モデル、容量がプールされるクラウドベースの推論へワークロードを誘導することで、豊富なローカルハードウェアを前提とするのではなく、真の価値を付加できる。

ローカル開発チームやRPA中心の業務にとっての深い教訓は、効率性が今や競争上の武器であり、付加的な要素ではないということだ。モデルサイズ、バッチ処理、メモリーフットプリントを最適化するチームは、希少なハードウェア1ドルあたりでより多くの成果を出す。供給制約下の局面では、勝者は最も多くの演算能力を購入した者ではなく、最も無駄を排除した者によって定義されるかもしれない。