AI企業がハイエンドメモリの70%を買い占め、生成AIをエンジニアリング上の惨事に変えた

AI企業は今年、ハイエンドメモリ生産量の70%を消費する可能性があり、生成AIを一般のコンピューター購入者にとってエンジニアリング上の惨事に変えようとしている。ChatGPTやClaudeなどの大規模言語モデルは、応答を生成するために高速メモリを大量に必要とする。そのインフラは今や、限られた生産能力をめぐって、ノートPC、スマートフォン、ワークステーション、業務用サーバーと直接競合している。

これは単なる一時的な部品不足ではない。メモリメーカーは、最大規模で最も収益性の高いAI顧客を中心に生産体制を再編している。家電メーカーは、コスト上昇を受け入れるか、仕様を引き下げるか、製品投入を延期するか、利益率の低い市場から完全に撤退せざるを得ない。

これは、テクノロジー業界が長年掲げてきた最も古い約束の一つを覆すものだ。製造技術の進歩に伴い、コンピューティングはより安価で身近になるはずだった。ところが生成AIは、リモートコンピューティングを途方もなく高額にする一方で、AIサービスを求めたことすらない人々のローカルコンピューティング費用まで押し上げている。

元の調査記事は、この矛盾をエンジニアリング上の失敗として捉えている。業界はモデルの物理的要求を抑制しないまま、規模の拡大に向けて最適化してきた。消費者は、より高価なハードウェアと手頃な選択肢の減少を通じて、その選択の代償を払い始めている。

AIデータセンターがメモリ市場を席巻している

重要な変化は、AIサーバーが大量のメモリを使用することではない。その購入者が今やサプライチェーンを支配していることだ。

定評ある報道が引用した業界予測によると、データセンターは2026年に生産されるハイエンドメモリの約70%を消費する見込みだ。このカテゴリーには、AIアクセラレーターや高性能サーバーに必要な先端部品が含まれる。

広帯域メモリ（HBM）は、アクセラレーターの隣に垂直積層されたDRAMである。この設計により、従来のメモリモジュールよりもはるかに高速にデータを転送できる。その一方で、より複雑な製造、パッケージング、テスト、生産能力が必要になる。

最新のAIアクセラレーター1基には、一般的なパーソナルコンピューターをはるかに上回るメモリが搭載されている。NvidiaのBlackwell世代では、アクセラレーター1基あたり192ギガバイトを搭載できる。したがって、こうしたプロセッサを数十基収容するラックには、通常のサーバーRAMやストレージを含める前から、数テラバイトもの高速メモリが搭載されることになる。

モデル提供企業は一度に1台のマシンだけを稼働させるわけではないため、需要はさらに膨らむ。ChatGPT、Claude、Geminiなどのサービスは、大規模なクラスター全体にワークロードを分散させる。学習では数千基のアクセラレーター間でデータを交換する必要があり、モデルの公開後には推論によって数百万件の個別リクエストに対応する。

推論とは、学習済みモデルを実行して回答を生成するプロセスである。かつては、生成AIにおいて負荷の小さい段階だと説明されていた。しかし、推論モデル、長いプロンプト、動画生成、コーディングエージェント、ユーザートラフィックの増加によって、その前提は崩れつつある。

コンテキストウィンドウが長くなるたびに、処理中に保持すべき情報量が増える。複数のタスクを実行するエージェントは、一つのユーザーリクエストを一連のモデル呼び出しへと変える。提供企業が応答速度を向上させる際には、総需要を削減するのではなく、追加の計算能力を確保することが多い。

これにより、複合的に悪化するインフラ問題が生じる。より優れたモデルがより多くのユーザーを引き付け、普及の拡大が推論を増加させ、新たなワークロードが高性能ハードウェアによる効率向上分を消費する。経済学者は、このパターンをしばしばリバウンド効果と呼ぶ。

メモリ供給企業は合理的に対応している。Samsung、SK Hynix、Micronは、HBM、サーバー向けDRAM、エンタープライズストレージを優先することで、より高い収益を得られる。また、これらの製品には、大規模かつ長期的な供給契約を結ぶ意思のある購入者が集まる。

TrendForceは、クラウド事業者がそのような契約を通じて供給を確保する一方、メーカーが生産能力をサーバー用途へ再配分していると報告した。同社のメモリ市場予測では、第2四半期に従来型DRAMの契約価格が前四半期比58～63%上昇すると予測している。NANDフラッシュについては70～75%の上昇を見込んでいる。

これらの数字は、AI企業がすべてのノートPCに搭載されているものと同じ種類のメモリを文字どおり購入したことを証明するものではない。その仕組みはより間接的であり、より重大な影響をもたらす。供給企業は、工場、先端プロセスノード、パッケージング設備、投資、エンジニアリング人材をAI製品に振り向けている。

その結果、一般的なDRAMやNANDフラッシュに割り当てられる生産能力が減少する。NANDはソリッドステートドライブ内でデータを永続的に保存し、DRAMはプロセッサが即座に必要とする作業データを保持する。どちらも現代のコンピューターに不可欠だ。

したがって、生成AIによるエンジニアリング上の惨事は、サプライチェーンの上流から始まる。家電メーカーが部品の価格交渉を始める前から、最大手の顧客が優先権を得ている。小規模な購入者は、かつて代替可能だと考えていた生産能力が、利用不能になったり、供給が遅れたり、著しく高価になったりしていることに気付く。

AIによるメモリ不足がコンピューター価格を押し上げる理由

AI需要はメモリ製品全体に波及するため、消費者は専用AIハードウェアを搭載していないコンピューターを選んでも、その影響を避けられない。

一般的なノートPCには、Nvidiaのアクセラレーターの隣で使用されるものと同じHBMスタックは搭載されていない。しかし、そのメーカーは、利用可能なすべての生産ラインとAI需要とのバランスを取る供給企業からDRAMとNANDを購入している。ある製品カテゴリーにおける生産能力の決定は、別のカテゴリーの供給状況を変える。

メモリの生産能力は即座には拡張できない。製造工場の建設と設備導入には数年かかる。先端パッケージングの生産能力にも、専用の機械、材料、技術者、認定作業が必要だ。

メーカーは既存の生産体制を変更できるが、転換にはトレードオフが伴う。サーバー向けメモリに振り向けられた生産ラインは、それまでと同量の消費者向け部品を供給できなくなる。業界全体で生産されるメモリのビット数が増えていても、旧世代の製品が不足する可能性がある。

S&P Global Market Intelligenceは、HBMへの移行が従来型DRAMの供給をどのように圧迫しているかを説明した。同社の市場分析では、この変化を促す経済的インセンティブも指摘されている。AI関連メモリは利益率が高いため、メーカーにとって優先するのが合理的なのだ。

パーソナルコンピューターメーカーが取れる対応は限られている。小売価格を引き上げるか、利益率の低下を受け入れるか、搭載メモリを減らすか、ドライブ容量を縮小するか、収益性の低いモデルを廃止するしかない。いずれの対応も購入者を完全には守れない。

仕様の引き下げは特に見落とされやすい。新しいマシンが前モデルと同じ市場ポジションを維持しながら、搭載するRAMやストレージを減らして出荷される場合がある。その場合、購入者は明確な値上げを目にしないまま、実用性の低いハードウェアを受け取ることになる。

メモリ容量の減少は、デバイスの実用寿命を縮める可能性がある。現代のブラウザ、コラボレーションプラットフォーム、開発環境、クリエイティブアプリケーション、オペレーティングシステムは、すでに大量のRAMを消費している。限られた構成で使い始めたシステムは、ソフトウェア更新によってより早く限界に達する。

ストレージ容量の縮小も同様の負担を生む。ユーザーはファイルを外付けドライブへ移したり、クラウドストレージ料金を支払ったり、より早くシステムを買い替えたりすることになる。したがって、部品不足は初期購入費用を超えて、継続的な支出を生じさせる可能性がある。

IDCは、この不足が少なくとも2027年末まで市場を混乱させ続けると予測している。同社のPC市場見通しでは、2026年に出荷台数が11%減少し、平均販売価格が17%上昇すると予測している。

同調査会社は、メーカーが完全な製品ポートフォリオを維持することが難しくなるとも警告している。利益率の低いモデルは、メーカーが部品コストの上昇を吸収する余地がほとんどないため、最も大きなリスクに直面する。

Gartnerは、さらに厳しい予測を示している。メモリコストの高止まりが続けば、手頃な価格のエントリーレベルPC市場は2028年までに消滅すると予測している。これは、市場カテゴリーが商業的に成立しなくなることを示す予測であり、安価な中古コンピューターが文字どおりすべて姿を消すという意味ではない。

この違いは重要だが、警告が些細なものになるわけではない。エントリーレベルのマシンは、学生、家庭、中小企業、図書館、非営利団体、デジタル分野で働き始める人々を支えている。それらがなくなれば、ハードウェアを買い替えられる人々と、老朽化したシステムを延命せざるを得ない人々との格差が広がる。

法人購入者は、同じ問題の別の側面に直面する。数百台のノートPCを入れ替える企業にとって、メモリコストの上昇は単独の不便として扱えるものではない。更新サイクルを延長したり、より低い仕様に標準化したり、利用可能な構成の数を減らしたりする可能性がある。

開発者やクリエイティブ分野の従事者は、使用するアプリケーションがより多くのRAMを必要とするため、早い段階で圧力を感じる。ローカルでのAI開発にも大量のメモリとストレージが必要であり、奇妙な対立が生じている。クラウドAIインフラが、その代替手段になり得るローカルハードウェアのコストを押し上げているのだ。

したがって、この不足が変えるのは小売価格だけではない。メーカーが何を製造するか、どの顧客を優先するか、組織が既存のマシンをどれほど長く使い続けるかも変化する。こうしてインフラ需要が、幅広いアクセスの問題へと発展する。

コストが外部へ転嫁されるため、生成AIはエンジニアリング上の惨事となっている

中心的な失敗はコストの転嫁にある。AI提供企業が製品の恩恵を手にする一方で、ハードウェア、エネルギー、サプライチェーンへの負担を他者へ押し付けている。

エンジニアリングでは通常、あらゆる制約を考慮してシステムを評価する。そこには、性能、信頼性、費用、資源消費、保守性、接続されたシステムへの影響が含まれる。生成AIの開発は、モデルの能力とベンチマーク性能に過度に集中してきた。

大規模言語モデルが有用な製品になり得るかどうかを確かめようとしていた初期の競争では、この重点の置き方にも合理性があった。しかし、そうした製品が世界規模で稼働するようになった今、それを正当化することは難しくなっている。資源消費はもはや研究室内の細かな問題ではない。

モデル提供企業は、テキストの各単位を生成する費用を意味するトークンあたりのコストが低下しているとしばしば説明する。この指標は、インフラ全体の消費量が増加していても改善し得る。ユーザー数の増加、出力の長文化、推論ステップ、エージェント型ワークフローによって、各効率改善の効果が打ち消される可能性がある。

同じ測定上の問題はハードウェアにも見られる。新しいアクセラレーターは、前世代よりも電力単位あたりで多くの処理を実行できるかもしれない。しかし、企業がはるかに多くのアクセラレーターを導入し、より大規模なワークロードを推進すれば、総電力需要は依然として増加する。

メモリ効率も同じパターンに従う。量子化、キャッシング、スパースアーキテクチャ、改良されたサービングソフトウェアは、個々のタスクに必要なリソースを削減する。提供企業はその削減分を、より多くのリクエストへの対応や、より大規模なモデルの運用に充てる。

効率化だけでは生成AIによるエンジニアリング上の惨事を解決できないのは、このためだ。このシステムには、効率化を資源使用量の絶対的な上限へ変換する仕組みがない。節約分は、さらなる成長のための追加容量になる。

外部化されたコストは、まず調達に表れる。クラウド事業者は長期供給契約を交渉し、巨額の資本を投入できる。家電メーカーや小規模なサーバー購入者は、その残りをめぐって競争する。

それは次に製品設計に現れる。PCメーカーは仕様を引き下げるか、利益率の低いシステムから撤退する。スマートフォンメーカーも、特に低価格端末において、メモリとストレージについて同様の判断を下す。

そのコストは電力システムにも及ぶ。Gartnerは、データセンターの電力消費量が2026年に26％増加すると推定している。同社の電力需要予測によると、今年、AI最適化サーバーはデータセンターの電力使用量の31％を占める。

Gartnerは、2027年までにAIサーバーの電力消費量が従来型サーバーを上回ると予測している。また、2030年までにデータセンター全体の電力消費量が1,200テラワット時を超えると予測する一方、電力網の供給能力が将来の建設を制約すると警告している。

一部の開発事業者は、もはや通常の電力網への接続を待っていない。敷地内でのガス発電を導入、または提案している。航空機エンジン由来のタービン技術を応用し、データセンターの近隣で電力を供給しようとする事業者もいる。

改修されたジェットエンジン派生型設備は、小規模または中規模のデータセンターに十分な電力を生成できる。この方法は、送電プロジェクトや電力会社の承認に何年もかかる地域で、迅速な導入を可能にする。同時に、インフラ計画が従来のソフトウェア展開からどれほど遠く離れたかも示している。

かつてソフトウェアは、主にコードを別のマシンへコピーすることで規模を拡大した。生成AIは、メモリ、アクセラレーター、土地、冷却設備、変圧器、送電網、水、電力を確保することで規模を拡大する。これを通常のソフトウェアサービスとして扱うことは、そうした依存関係を覆い隠す。

業界の対応は、通常、さらに多くを建設することだ。テクノロジー企業はデータセンターの大規模拡張を計画し、半導体メーカーは工場を増設し、電力会社は新たな発電設備を検討している。こうした拡張は、最終的には個々のボトルネックを緩和し得る。

しかし、生産能力を増やしても、配分の問題は解決しない。供給が増えても、最も高い利益率と最も長期の契約を提示する顧客に優先的に割り当てられる。消費者向けの供給状況が改善するのは、生産が需要に追いつくか、AIへの支出が減速したときだけだ。

また、拡張によって環境や地域社会へのコストがなくなるわけでもない。敷地内発電は建設を加速できるが、近隣住民は排出ガスや騒音の影響を受ける。電力会社の投資は電力網を強化できるが、規制当局が慎重に負担を配分しない限り、料金支払者がそのコストを負う可能性がある。

生成AIを工学的災害と呼ぶことは、基盤となるモデルに価値がないという意味ではない。それは、システムの成功基準が依然として不完全であるという意味だ。サービスは有用なコード、調査支援、創作物を生み出しながら、より広範な価格負担能力や資源利用の基準を満たせないことがある。

したがって、本当の対立軸はAI対AI嫌いの人々ではない。それは、豊富な知能を提供するという業界の約束と、その実現に必要な物理的希少性との対立である。この緊張関係が、普及の次の段階を決定づけるだろう。

70％という主張は慎重に解釈する必要がある

不足は十分に裏付けられているが、注目を集めるこの数字には、独立した監査が難しい予測、市場区分、購買行動が組み合わされている。

AI企業が世界のハイエンドコンピュータメモリの70％を購入したという主張は、集中度を一つの数字で表しているため説得力がある。読者はこれを、世界中で製造されたすべてのメモリチップに関する完全な集計として解釈すべきではない。

「ハイエンドメモリ」は、HBM、高性能サーバー向けDRAM、またはより広範な高級部品群を指す場合がある。調査会社によってカテゴリーの定義は異なる。データセンターの消費予測も、特定時点で完了した購入ではなく、年間生産量を表している可能性がある。

長期契約は、表現をさらに複雑にする。クラウドプロバイダーは、すべての部品を直ちに受け取らなくても、将来の生産分を予約できる。メーカーは確定注文を基準に生産能力を計画するため、その予約は依然として他の買い手に影響を及ぼす。

サプライチェーンのデータも、一部は非公開のままだ。メモリ供給企業は収益、投資、市況を開示するが、顧客ごとの割当量は商業上の機密情報である。アナリストは、契約、生産量の推計、出荷データ、メーカーとの対話を通じて需要を再構成する。

責任ある結論は、最も劇的な見出しよりも限定的なものとなる。AIインフラは高性能メモリの最大の顧客となっており、その需要が消費者向け用途から生産能力を奪っている。複数の独立した市場指標が、この仕組みを裏付けている。

TrendForceが繰り返し予測を上方修正していることは、この主張を補強する。同社の第1四半期予測では、従来型DRAMの契約価格が前四半期比で90～95％上昇すると見込まれていた。同社はまた、同四半期中にPC向けDRAMの価格が少なくとも2倍になると予測していた。

IDCの出荷台数と平均価格の予測は、下流への影響を示している。メモリ供給企業は長期的な供給制約について公に言及し、PCやスマートフォンのメーカーは仕様を引き下げるか、製品ラインを見直している。正確な市場シェアの推計が異なっていても、これらの兆候は一致している。

とはいえ、予測は運命ではない。メモリ業界には、急激な景気循環を繰り返してきた長い歴史がある。不足期には設備投資が促進され、その後、新たな生産能力と需要の低下によって供給過剰が生じることがある。

景気後退によって電子機器の購入が減る可能性もある。資金調達、電力供給、モデル収益が期待を下回れば、AIプロバイダーはデータセンター建設を延期する可能性がある。アーキテクチャの改善によって、新たなワークロードが効率化の恩恵を消費するよりも速く、メモリ要件が削減される可能性もある。

中国のメモリメーカーは一部のカテゴリーで供給を増やす可能性があるが、貿易制限と技術的な違いにより、それらの製品が最先端HBMを容易に代替できる範囲は限られる。Samsung、SK Hynix、Micronも生産を拡大している。

2028年の低価格PCに関する予測も、同様に慎重に扱うべきだ。メーカーは、旧世代の部品、より小規模な構成、代替プロセッサー、補助金付きの運用モデルを採用することで、低価格システムを維持できる。市場予測が圧力を指摘したからといって、Chromebook、整備済みマシン、中古の法人向けノートPCが消滅するわけではない。

しかし、そうした代替策には妥協が伴う。旧世代の部品はサポート期間が短い。最小限のメモリはマルチタスクを制限し、容量の小さいストレージではアプリケーションやローカルファイルを保存する余地がほとんどない。

予測は、すべての製品を正確に言い当てなくても、方向性を示す価値を持ち得る。Gartnerの警告は、部品価格の上昇を吸収する能力が最も弱いセグメントを特定している。そのカテゴリーが完全に消滅するかどうかよりも、選択肢と性能が明らかに縮小することのほうが重要だ。

批評家はまた、消費者向けデバイスが高価になっている理由はAI以外にもあると主張するかもしれない。関税、為替変動、人件費、物流、プロセッサーの世代交代はいずれも小売価格に影響する。メモリ需要を、あらゆる値上げを説明する万能の理由にすべきではない。

その反論は妥当だ。最も強い証拠は、メモリの契約価格、供給企業による割り当て、デバイス仕様の変更に関するものである。特定のコンピュータの小売価格について主張するには、完全な部品表と市場状況が必要だ。

したがって、「生成AIの工学的災害」という表現は、あらゆる高価なデバイスに関する根拠のない理論ではなく、検証済みの配分問題を表すべきである。正確さは批判をより強固にする。深刻な構造的負担を生み出すために、AI需要がすべての価格変動を説明する必要はない。

メモリ不足はPC購入者以外にも圧力を及ぼす

購買力が最も低い人々が最大の影響を受ける。なぜなら、希少性はまず利益率の低い製品を市場から排除するからだ。

潤沢な資金を持つAI研究所は、複数年契約によってメモリを確保できる。世界規模のPCメーカーは、割り当てを交渉し、製品を再設計できる。学校、独立系開発者、一般家庭には、それに匹敵する交渉力がない。

この不均衡によって、産業上の供給判断が分配問題へと変わる。最も価値の高い顧客が、最新かつ最速のメモリを受け取る。それ以外の人々は、より多くを支払うか、仕様の引き下げを受け入れるか、待つことになる。

学校は、多くの場合、大規模な更新周期でデバイスを購入する。計画された更新時期に価格が上昇すれば、管理者は購入台数を減らすか、サポートが終了したシステムをより長く使い続ける可能性がある。その結果、生徒はデバイスを共用し、劣化したバッテリーに悩まされ、新しいハードウェアを必要とするソフトウェアを利用できなくなる。

中小企業も同様の制約に直面する。大企業は、フリート価格を交渉し、クラウドプロバイダー間でワークロードを移行できる。小規模企業は、ハードウェア障害によって業務が中断するまで交換を延期するかもしれない。

独立系開発者は、両側から圧迫される。AIインフラが高性能なリソースを消費するにつれて、クラウドコンピューティングはより高価になる。大容量メモリを搭載したワークステーションが値上がりしたり、入手困難になったりすれば、ローカル開発も難しくなる。

その影響は、市場集中をさらに強める可能性がある。大手AI企業は大規模にインフラを購入できる一方、スタートアップは高いクラウド料金を支払うか、サーバーの確保に苦労する。そうなれば、既存企業はモデルの品質とは無関係な優位性を得る。

自動車メーカーも、インフォテインメント、運転支援、制御システムのためにDRAMとNANDに依存している。長期にわたる認定作業なしに、任意の部品へ置き換えることはできない。部品が一つ欠けるだけで組立ラインが停止し得るため、わずかな需給不均衡でも積極的な買い付けを引き起こす可能性がある。

通信機器、産業システム、医療機器も同様の課題を抱える。これらは多くの場合、部品を長年使用し、広範な検証を必要とする。供給企業が新しく利益率の高い製品を優先すると、旧世代のメモリが異常に高価になったり、入手できなくなったりする可能性がある。

以前の世界的な半導体不足は、小さな部品がはるかに大きな製品の生産を中断させ得ることを示した。AI主導のメモリ不足は原因こそ異なるが、その波及メカニズムはよく知られている。供給企業の集中と専門化された製造工程により、短期的な柔軟性はほとんどない。

3社が世界のDRAMの大半を生産している。この集中は新しいものではなく、メモリ製造に莫大な費用と高度な技術が必要であることを反映している。AI需要は、その影響をより可視化している。

不足は、ソフトウェア設計にも影響を及ぼす可能性がある。ハードウェア仕様の拡大に慣れた開発者は、低メモリのシステムをより長くサポートする必要が生じるかもしれない。潤沢なRAMを前提とするアプリケーションは、より多くのユーザーを排除することになる。

OSベンダーも同じ圧力に直面する。部品不足によってメモリが高価になる一方で、新しいAI機能はローカルモデル用にメモリを確保することが多い。そのため、AIを売りにするコンピュータが、AIデータセンターによって希少になった資源を必要とするという事態が起こり得る。

ローカル処理には、プライバシー、低遅延、クラウド依存の低減という利点がある。しかし、ローカルモデルも同じ限られた部品を奪い合う。業界は、より分散型のAIへ向かううえで最も現実的な道筋の一つを弱体化させる恐れがある。

雇用主がコンピュータを購入してくれる場合でも、ナレッジワーカーはこの問題に関心を持つべきだ。交換周期の長期化は、バッテリー寿命、性能、セキュリティサポート、新しいソフトウェアへのアクセスに影響する。調達上の圧力は、最終的に日々の生産性の問題となる。

消費者は、デバイスをより長く使用したり、整備済みマシンを購入したり、部品を選択的にアップグレードしたりすることで対応するかもしれない。そうした選択は廃棄物を減らし、予算を有効活用できるが、メーカーはメモリをマザーボードに直接はんだ付けする傾向を強めている。この設計により、多くのノートPCでは後からアップグレードできない。

したがって、修理可能性もメモリ問題の一部となる。RAMを交換できるシステムなら、的を絞ったアップグレードによって不足期を乗り切れる。密閉型システムでは、購入時に十分なメモリを選択するか、後でデバイス全体を交換するしかない。

生成AIの工学的災害とは、突き詰めれば機会費用の問題である。AIに振り向けられるすべてのウェハー、パッケージングライン、変圧器、電力の一単位一単位は、その時点では別の目的に利用できない。市場は、公共の利益ではなく購買力に基づいて、それらの資源を配分する。

だからといって、AIへの投資が自動的に正当化されないわけではない。用途によっては、多大なリソースを投入するに足る価値を生み出す可能性がある。問題は、そのトレードオフを顧客、規制当局、地域社会が評価するために必要な情報を、プロバイダーがほとんど開示していないことだ。

危機が緩和しているかを示す3つのシグナル

メモリ供給、デバイス仕様、AIインフラへの投資計画から、現在の圧力が一時的なものか構造的なものかが明らかになる。

最初のシグナルは、2026年後半における従来型DRAMおよびNANDの契約価格である。小売店ごとに保有する在庫が異なるため、小売価格は不規則に変動することがある。契約価格は、大手メーカーが将来の供給に対して支払う金額を示す。

供給状況が改善する一方で四半期ごとの上昇率が鈍化すれば、新たな生産と需要の低下によって市場の均衡が回復し始めていることを意味する。消費者向け出荷台数が減少しているにもかかわらず価格が高止まりするなら、限界供給は依然としてAI顧客に支配されている。

2つ目のシグナルは、2026年の年末商戦および2027年初頭に発売されるエントリーレベルのコンピューターの仕様である。購入者はモデル名だけでなく、搭載RAM、ストレージ容量、アップグレード可能性、サポート期間を比較すべきだ。

小売価格帯が変わらないままメモリが削減されている場合、それは隠れたインフレを示す。製品は同じカテゴリーに属しているように見えても、購入者が得られる性能は低下している。メーカーがアップグレード可能なモデルまで廃止すれば、危機はさらに深刻になる。

仕様の改善は、手頃な価格のコンピューティングが長期的に衰退しているという主張を弱めるだろう。削減が続けば、低利益率のシステムは持続不可能になりつつあるというGartnerの警告を裏付けることになる。

3つ目のシグナルは、大手AI企業が発表済みのデータセンター建設スケジュールを維持するかどうかである。電力、資金調達、許認可、または収益不足による遅延は、短期的なメモリ需要を減少させる。建設が加速すれば、圧力は長期化する。

投資家は、AI収益がインフラ支出に伴って成長しているかどうかも確認すべきだ。膨大な量のメモリを購入するプロバイダーには、ユーザー、企業、または広告から得られる持続的な収入が必要である。そうでなければ、最終的に資本市場が制約を課す。

効率化に関する発表も、この文脈で精査する必要がある。リクエスト当たりのメモリ使用量が少ないモデルが有効なのは、総需要の伸びが効率改善のペースを下回る場合に限られる。プロバイダーは、タスク当たりの改善と併せて、インフラ使用量の絶対値も報告すべきだ。

公的機関にも果たすべき役割がある。規制当局は、大規模データセンターに対し、必要な電力網の増強費用を負担し、リソース要件を開示するよう義務付けることができる。調達機関は、部品の世代交代を経ても使い続けられる、修理可能でアップグレード可能なコンピューターを優先できる。

企業は、どのワークフローに大規模なクラウドモデルが本当に必要なのかを整理すべきだ。小規模モデル、検索システム、従来型の自動化、ローカル処理でも、より少ないリソースで同じタスクを完了できる場合がある。適切な評価尺度は、インフラ1単位当たりの有用な成果である。

消費者だけで産業規模の供給不足を解決することはできず、買い占めは状況を悪化させかねない。それでも、搭載メモリ、アップグレードの選択肢、修理可能性、現実的なソフトウェア要件に基づいて購入を判断することはできる。これらの要素は、「AI PC」というラベルよりも重要である。

業界は、あらゆるワークロードを拡大する前に、より厳しい問いを投げかけるべきだ。その成果は、割り当てられる希少なメモリ、電力、ハードウェアに見合うものなのか。この問いによって、価値あるコンピューティングと、単に資本が利用可能だからという理由で追求される成長とを区別できる。

生成AIは、そのプロバイダーが物理的制約を他者の問題として扱うとき、工学的な災厄となる。今後1年で、メーカーが均衡を回復させるのか、それともAIの規模拡大競争において、手頃な価格のコンピューティングが引き続き巻き添えとなるのかが明らかになるだろう。