• AI推論にはcomputeだけでなく、増え続けるデータを低コストかつ迅速にアクセスできるstorage capacityが必要です。
• NANDはHBMやDRAMと並ぶAIのcapacity layerになりつつあり、単なるcommodity storageではなくなりつつあります。
• Sandiskは2030年までにenterprise data center flashが1.2 ZBへ拡大すると予想し、AI推論向けHigh Bandwidth Flashを開発しています。
• 長期顧客契約は需要visibilityを高め、過剰なcapacity expansionを抑える可能性があります。
• AIがNANDサイクルをなくすわけではありません。より強いbit demandと供給規律が将来のサイクルをどこまで穏やかにできるかが重要です。

これまでのAIブームでは、半導体投資の流れは比較的わかりやすいものでした。より多くのAIモデルにはより多くのGPUが必要で、GPUにはHBMが必要となり、より高密度なcompute clusterには高速networkingと大量の電力が必要でした。ストレージも重要でしたが、同じほどの注目を集めてはいませんでした。

AI推論はこの構図を変え始めています。

AIがlarge model trainingから、数十億件のquery、enterprise AI agent、multimodal applications、real-time workloadsを処理する段階へ移るにつれ、インフラは計算だけでなく、大量のデータを保存し、継続的に読み出す必要があります。

そこで新たな疑問が生まれます。NANDはAIインフラの次のcapacity bottleneckになり得るのでしょうか。

Sandisk、Samsung、Kioxiaなどの動きを見ると、その可能性は高まりつつあります。

AI推論がより多くのストレージを必要とする理由

AI trainingとAI inferenceでは、インフラへの負荷が異なります。

frontier modelのtrainingには巨大なcompute clusterと極めて高いmemory bandwidthが必要です。そのためGPUとHBMがAI supply chainで最初のbottleneckとなりました。

Inferenceはmodelがdeployされた後に発生します。AIが質問に回答したり、knowledge baseを検索したり、画像を分析したり、agent taskを実行したりするたびに、model parameters、embedding、cached data、user context、multimodal datasetsへアクセスする必要があります。

query volumeが増えるほど、経済的にアクセス可能な状態で維持すべきdata volumeも増えます。

すべてをHBMに置くのは現実的ではありません。HBMは極めて高いbandwidthを提供しますが、capacityは限られ、bitあたりのcostはNANDより大幅に高くなります。NANDは反対に、はるかに大きなcapacityを低costで提供できますが、bandwidthは低くlatencyは高くなります。

その間には大きなarchitecture gapがあります。

将来のAI memory stackは、HBMかNANDかという二者択一ではなく、HBMが最もbandwidth-sensitiveなworkload、DRAMがworking memory、高性能NANDがより大きなdata poolを担当する階層構造になる可能性があります。

SandiskはNANDをAIのcapacity layerとして位置付けている

Sandiskはこの考え方を最も明確に打ち出している企業の一つです。Investor Day 2026では、2030年までにenterprise data center flash市場が1.2 ZBに達する可能性を示し、FY2028〜FY2030の売上高も中〜高10%台で成長すると予想しました。詳細はReutersで確認できます。

この見通しは、急速に成長しているdata center businessを背景としています。Sandiskはconsumer devicesやtraditional enterprise storageだけでなく、AI infrastructureを長期戦略の中心に置き始めています。

AI systemsが必要としているのは単に「より速いstorage」ではなく、systemあたりのstorage容量そのものを増やすことです。大規模model、RAG、multimodal content、persistent AI agentはいずれもdata footprintを増加させます。

Inferenceが将来のdata center workloadの中心になれば、NAND demandのdriverはPCやsmartphoneのcycleから、AIが生成・利用するdata自体へ移る可能性があります。

HBFはNANDとHBMの間を埋める可能性がある

High Bandwidth Flash（HBF）は、memory hierarchyのgapを埋める有力なアプローチの一つです。

SandiskはHBFを、HBMを置き換えるのではなく補完するNAND architectureとして位置付けています。一部のAI inference configurationで、HBMに近いbandwidthを目指しながら、より大きなcapacityと優れたeconomicsを提供することを狙っています。

SandiskはSK hynixともHBF standardizationを進めています。詳細はSandiskのHBF技術資料で確認できます。

Inferenceでは巨大なmodelsとdatasetsをacceleratorの十分近くに置く必要があります。そうでなければtraditional storageからのdata movement自体がperformance bottleneckになります。

HBMを無制限に増やすとbandwidthは改善できますが、costとcapacityが問題になります。

HBFはその中間を狙う技術です。HBMよりはるかに大きなcapacityを持ちながら、従来のflashより高いperformanceを目指しています。

QLC NANDはHBFより先に業績へ影響する可能性

HBFは新技術として注目されますが、traditional NANDの継続的なinnovationのほうが短期的にはより大きな影響を与える可能性があります。

QLC NANDは1 cellあたり4 bitsを保存できるため、同じphysical areaでTLC NANDより大きなcapacityを提供できます。大量のstorageと低いcost per bitを重視するhyperscale data centerに特に適しています。

一方、1 cellあたりのbitsが増えることでenduranceやperformanceへの影響があります。そのため、すべてのworkloadに適しているわけではありません。

ただし、controller、error correction、NAND architectureの進歩によって、QLCを利用できるworkloadは拡大しています。

AI inferenceでは特にcapacity、power efficiency、total costが重要になるため、QLCへの移行をさらに加速させる可能性があります。

NANDサイクルが歴史的に激しかった理由

より大きな投資テーマは、AIがNANDの強いcycleを本当に変えられるのかという点です。

歴史的な問題は需要不足だけではなく、需要と供給の相互作用でした。

NANDが不足すると価格が急騰し、メーカーは高いmarginを得ます。それがcapacity investmentを促します。しかしfabのplanningとconstructionには時間がかかるため、新しいcapacityが稼働する頃には当初のshortageがすでに解消されている場合があります。

その後価格が下落し、marginが低下し、investmentが削減されます。

そして次のcycleが始まります。

AIがこの仕組みを自動的に消すわけではありません。非常に強いend demandでも、メーカーがcapacityを増やしすぎればoversupplyが発生します。

変わる可能性があるのは、投資前にどれだけdemand visibilityを確保できるかです。

長期契約が供給規律を変える可能性

Sandiskは短期取引よりも複数年契約の比率を高めています。

Reutersによると、Sandiskは6社と8件の長期契約を締結しており、総額は約939億ドル、平均契約期間は約4年です。FY2027のoutputの約半分、FY2028には約3分の2がこれらの契約でカバーされる見込みです。

このmodelはsupplierとcustomer双方のvisibilityを高めます。

Hyperscalerは将来のstorage capacityを確保でき、Sandiskはproduction expansionを決定する前により多くのcommitted demandを把握できます。

Sandiskだけではありません。Samsungもlong-term customer agreementsが将来的にmemory salesの60〜70%を占める可能性を示しています。

supplierがspot priceではなくcommitted demandに基づいてcapacityを増やすようになれば、memory industryは極端なoversupplyに陥りにくくなる可能性があります。

Sandisk、Micronなどのメモリ株への意味

AI storageの成長は、すべてのmemory companyに同じ形で恩恵を与えるわけではありません。

SandiskはNANDとenterprise flashへの直接的なexposureが大きく、AI-driven bit demand、long-term agreements、QLC、HBFを組み合わせた投資ストーリーを持っています。

MicronはDRAM、HBM、NANDに幅広く展開しているため、acceleratorに近いpremium high-bandwidth memoryと大容量flashの両方にexposureがあります。

SK hynixはHBMで最も知られていますが、SandiskとのHBF協業は、leading HBM supplier自身がNAND-based inference layerの可能性を見ていることを示しています。

KioxiaはNANDを直接見るもう一つの企業です。AI workloadsによるhigh-capacity storage demandを背景に、next-generation flashの量産を加速しています。

Western DigitalはSandisk分離後、主にHDDへ集中しています。ただしAI-generated dataの増加は複数のstorage tiersを同時に支える可能性があります。flashはperformance-sensitive workloads、HDDは大規模なcold data storageに適しています。

つまり、AI storageはsingle-product tradeではありません。

AI dataの増加はHBM、DRAM、NAND、enterprise SSD、high-capacity HDDを同時に支える可能性があります。

AIはNANDサイクルを変えても、なくすわけではない

現在のmemory boomを、業界が永続的にcycleから脱却したと考えるのは楽観的すぎます。

NANDは依然としてcapital-intensiveです。technology transitionによって新しいfabを建設しなくてもbits per waferは増加し、競合他社も高いmarginを見てsupplyを増やす可能性があります。またAI capexも同じ速度で永遠に増え続けるわけではありません。

より妥当なstructural thesisは次の通りです。

AIによってNANDのlong-term bit demandがより強く予測しやすくなり、long-term customer agreementsと供給規律によってfuture memory cyclesの振れ幅が小さくなる可能性があります。

この違いは重要です。

NAND cycleを穏やかにするためにmemory pricesが永遠に上がる必要はありません。pricingがnormalizationしても、supplierがreasonable profitabilityを維持し、shortageからsevere oversupplyへ極端に振れないことが重要です。

MEXCでSNDK関連市場を確認する

Sandiskを通じてAI storageやNANDテーマを追跡したいユーザーは、MEXCで複数のSNDK関連market exposureを確認できます。

**SNDKSTOCK_USDT無期限契約ではSNDKの価格変動に対してleveraged longまたはshort exposureを取ることができます。実際の米国株へのアクセスを検討するユーザーは、MEXC RealStocks**から関連サービスを確認できます。

また、Ondo FinanceによるSandiskのトークン化株式**SNDKON/USDT**もあります。SNDKONはSandiskへのtokenized economic exposureを提供しますが、Sandisk普通株を直接保有するものではありません。

さらに詳しく調べたい場合は、MEXCのSandisk株ガイドも確認できます。

無期限契約にはレバレッジ、資金調達率、清算リスクがあり、トークン化資産には発行体、流動性、ブロックチェーン、規制上の追加リスクがあります。

FAQ

AI推論ではNANDフラッシュを使いますか？

はい。NANDベースのenterprise SSDは、model data、embedding、cached information、大規模datasetsなど、常に高価なHBMやDRAMに置く必要のないdataを保存できます。

NANDはAI向けHBMを置き換えられますか？

直接は置き換えられません。HBMはAI acceleratorの近くで極めて高いbandwidthと低latencyを提供し、NANDはより低いcost per bitで大容量を提供します。HBFもHBMを補完するための技術として開発されています。

High Bandwidth Flashとは何ですか？

High Bandwidth Flash（HBF）はAI推論向けに設計された新しいNAND-based memory architectureです。traditional NANDより高いbandwidthを提供しながら、HBMより大きなcapacityを維持することを目指しています。

AIによってNANDサイクルは終わりましたか？

いいえ。NANDは依然として循環性が高く、capital-intensiveな業界です。AIはlong-term bit demandを支え、長期契約は供給規律を改善する可能性がありますが、pricing、capacity expansion、technology transitionによってoversupplyやmargin低下は依然として起こり得ます。

より大きな変化：AIに必要なのはcomputeだけではなくcapacity

AI infrastructure boomの第一段階ではcompute scarcityが中心でした。GPU、HBM、networkingが価値を高めたのは、industryに十分なperformanceがなかったからです。

Inferenceは別のconstraintを生みます。capacityです。

AIをglobal scaleで運用するには、膨大なdataをアクセス可能な状態に保つ必要がありますが、すべてを最も高価なmemoryに置くことはできません。

このため、enterprise SSD、QLC、そして将来的にはHBFを通じて、NANDがAI memory hierarchyのより上位に進む余地があります。

AI inferenceがstorage intensityを高め続け、memory suppliersがcapacity disciplineを維持できれば、次のNAND cycleも依然としてcycleではありますが、過去に投資家が見てきたNAND cycleとはかなり異なるものになる可能性があります。