推論コストの見えない鎖｜Apple値上げ、AWS値上げ、中国AI台頭。同じ構造の断面

6月25日、AppleがMacとiPadの主要モデルの価格を引き上げた。消費者から見れば同じように見える製品が、一気に数百ドル高くなった。MacBook Airは1,099ドルから1,299ドルへ。iPad Airは599ドルから749ドルへ。

Tim Cookは今回のメモリ不足を「百年に一度の洪水」になぞらえた。
Apple株は約5%下落した。

普通に読めば、メモリチップが高いからAppleが値上げした、という話で終わる。だが構造はもう少し深い。

生成AIは、知能の価格を劇的に下げた。だが同時に、その知能を動かすメモリ、電力、ネットワークという物理資源の価格を押し上げた。ソフトウェアが世界を軽くするはずだった。実際には、ソフトウェアが物理世界に巨大な請求書を送り始めている。

同じ週に、もう一つの値上げがあった。AWSがGPU予約枠の料金を改定し、7月1日からBlackwell世代を含む新料金を適用する。AWSは2006年のEC2開始以来、100回以上の値下げを重ねてきた。クラウドは長期的に安くなるもの、という感覚に対して、GPU予約枠では逆方向の力が表に出始めている。

そしてもう一つ。中国のDeepSeekが5月、最新モデルV4-Proの大幅値下げを恒久化した。フロンティアモデルとの価格差は数十倍に開いている。価格そのものは今後も動くが、重要なのは絶対値ではない。フロンティアモデルとオープンウェイトモデルの桁違いの価格差が、企業のモデル選択を構造的に動かし始めていることだ。

Apple値上げ。AWS値上げ。中国AIの価格破壊。

多くの人はこれを3つの別々のニュースとして読んだ。だがこの3つは、同じ1本の因果チェーンの断面を、異なる角度から切り取ったものだ。

バラバラに見えるニュースの、見えない鎖

6月の最終週、ニュースフィードにはAIコストに関する見出しが並んだ。メモリ価格の高騰。AWSのGPU枠値上げ。エージェントAIの運用コストが想定を大きく超えている。中国製オープンウェイトLLMが急速にシェアを広げている。

ほとんどの人はこれらを別々のニュースとして処理した。だがこの4つは、同じ1本の因果チェーンが異なる地点で地表に顔を出しているだけだ。

鎖の始点はハイパースケーラーにある。

Amazon、Microsoft、Google、Metaの4社は、2026年のCAPEX（設備投資）を合計約7,250億ドルと見込んでいる。前年比77%増。Goldmanは2027年に1兆ドルを超えると予測している。何に使っているのか。GPU、データセンター、冷却、電力。だがMicrosoftのCFOが明かした数字が一つ、全体像を浮き上がらせる。1,900億ドルのうち250億ドルは、メモリチップとコンポーネントの価格上昇分だ。CAPEXの13%が、AIインフラに課された税金のように上乗せされている。

しかもReutersによれば、Google、Amazon、Microsoft、Metaの4社はメモリサプライヤーに対して「コストに関係なく、供給可能な限り全量引き受ける」というオープンエンド注文を出している。青天井の購買宣言だ。

メモリ不足は、単なる供給不足ではない。AIデータセンターが、PCやスマホと同じ生産資源を奪い始めている。半導体の景気循環というより、用途間の取り分争いに近い。

この注文が、メモリ工場の中で何を起こしているか。

HBM（High Bandwidth Memory）は、AIアクセラレータの隣に積層される高帯域メモリだ。NVIDIAのGPUを動かすには、このHBMが大量に必要だ。問題は、HBMもDDR5（PCやサーバーに使われる汎用メモリ）も同じウェハから作られることだ。HBMは複数のダイを薄く削って積み重ねるため、歩留まりや積層工程の制約もあり、通常のDRAMより生産資源を大きく消費する。HBMが増産されるたび、DDR5に回るウェハが減る。

ゼロサムだ。

しかもHBMの方がはるかに儲かる。Micronの直近決算は歴史的な高粗利率を記録した。少なくとも主要メーカーの先端HBM供給は、2026〜2027年にかけて大口顧客に強く押さえられている。メーカーが利益率の高いHBMを優先し、コモディティDRAMを後回しにするのは、経営判断として合理的だ。

つまりこれは、メモリが足りないという話ではない。メモリの行き先が変わった話だ。

その結果、一部の予測では2026年に生産されるメモリの最大70%がデータセンターに消費される見通しになっている。残りを、PC、スマホ、ゲーム機、自動車、家電が奪い合う。Tim Cookの「百年洪水」は、この取り分が急速に細っていることの象徴だった。

TrendForceによれば、DRAM契約価格はQ1 2026で前四半期比最大98%上昇。Q2にはさらに58〜63%の上昇が見込まれている。

ハイパースケーラーがメモリを吸い上げ、AppleがMacの値段を上げ、AWSがGPU枠の料金を改定する。 同じウェハの奪い合いが、異なる場所で異なる形で地表に出ている。

だがこの鎖は、まだ先につながっている。

AWSの値上げは、なぜ「クラウドの値上げ」ではないのか。

推論1回の通行料を分解する

2026年1月、Googleのチューリング賞受賞者David Pattersonが共著論文を発表した。LLM推論が壁にぶつかっている。だがその壁は、多くの人が想像する場所にはない。

LLM（大規模言語モデル）がテキストを生成するとき、内部では2つの段階がある。最初に入力を一括処理するprefill（プリフィル）段階と、そこからトークンを1つずつ生成していくdecode（デコード）段階だ。要するに「まとめて読む時間」と「1文字ずつ書く時間」。

prefillはGPUの演算能力がものを言う。並列処理が効きやすい。だがdecodeは違う。1トークンずつ順番に生成するため、ボトルネックは演算速度ではなく、モデルの重みや中間状態をHBMから計算ユニットに運ぶ速度、つまりメモリ帯域になる。

Pattersonの論文はこう結論づけた。

AIの推論は、巨大な知能の物流網だ。HBMは倉庫。GPU間の接続は高速道路。電力は燃料。モデルの重みや中間状態を倉庫から作業場に運ぶ速度が、荷物の処理能力を決めている。倉庫の容量と搬出速度（メモリ帯域）が変わらないまま、作業場の数（GPU演算力）だけ増やしても、処理速度は上がらない。

ここでAWSの話に戻る。AWSがGPU枠を値上げしたのは、「クラウドの値上げ」ではない。知能の物流網の中で、倉庫の使用料が高騰した結果が、クラウド料金に転嫁されている。

AIを1回動かすと、この物流網の4つの層に通行料を払っている。

計算層。GPUの演算処理。NVIDIAやAMD、Google TPUが通行料を取る。

メモリ帯域層。HBMとDRAMの供給。SK Hynix、Samsung、Micronが通行料を取る。推論のdecode局面では、ここが最も太い料金所になりやすい。

接続層。GPU間やサーバー間のネットワーキング。BroadcomやMarvellが通行料を取る。

電力層。データセンターの電力。Bloom EnergyやConstellationが通行料を取る。

4つの層は全て必要だ。だが2026年の現時点で通行料が最も高騰しているのは、メモリ帯域層だ。Samsung、SK Hynix、Micronの3社でグローバルDRAM市場の約9割を握り、先端HBMの供給は大口顧客に強く押さえられている。新規参入は最短でも2年かかる。寡占で、かつ供給が物理的に詰まっている。だから値上げしても客が逃げない。

だが話はここで終わらない。

推論を「1回」で済ませない時代が来ている。

AIは安くなったのに、なぜ請求書だけ爆発するのか

2023年にGPT-4のAPIが公開されたとき、推論コストは100万トークンあたり数十ドルの水準だった。2026年初頭、同等クラスの性能がオープンウェイトモデルでは1ドル未満で手に入る。数十倍規模の価格崩壊が、わずか3年で起きた。

なのに、企業のAI予算は爆発している。業界レポートによれば、企業AI予算の重心は学習（モデルの訓練）から推論（モデルの実行）へ急速に移っている。一部のFortune 500は月額数千万ドル規模の推論請求書を受け取っているとされる。具体的な金額は企業や時期によって異なるが、方向性は明確だ。推論コストがAI予算の大半を占める時代に入った。

単価が数十分の1に下がったのに、総額は数倍に膨れている。

このねじれの正体は、エージェントAIだ。

従来のチャットボットは、ユーザーの質問に1回答える。推論呼び出しは1回で済む。だがエージェントAIは違う。タスクを受け取ると、自分で計画を立て、ツールを呼び出し、中間結果を検証し、間違いを修正し、最終出力を組み立てる。1つのタスクを完了するのに10回から20回の推論ループが回る。

エージェント型AIは標準的なチャットボットの5倍から30倍のトークンを消費するとされる。さらに厄介なのは、多くのAI APIが「ステートレス」であることだ。毎回、会話を覚えていない相手に履歴を丸ごと送り直すような仕組みになっている。エージェントがループを回すたび、過去の全履歴を再送信する。10ステップ目には10回分の履歴が、20ステップ目には20回分が丸ごとトークンとして消費される。消費量は線形ではなく、二次関数的に膨張する。

推論の単価は数十分の1に下がった。だが1つのタスクが消費するトークン量は5倍から30倍に増えた。しかもエージェントの利用者数も、利用頻度も、対象タスクの範囲も同時に急拡大している。単価の下落を、量の爆発が圧倒的に上回った。

推論のdecode局面ではメモリ帯域がボトルネックになりやすい。エージェントが消費するトークンが5倍から30倍に膨れるなら、メモリ帯域への圧力もそれに連動して増えていく。

AIが安くなったのに請求書が爆発する理由。それは、安くなったことで使い方が変わり、消費する物理資源の総量が跳ね上がったからだ。

では、中国のオープンウェイトLLMが推論コストを30分の1にすれば、この問題は解決するのか。

結論から言えば、逆だ。

安い推論は救済か、火に油か

DeepSeekの値下げを見て、多くの人はこう考えた。「推論コストが30分の1になるなら、AI関連のコスト問題は解決に向かうのでは」。だが構造を追うと、正反対の結論が出る。

OpenRouterは、開発者が複数のAIモデルを切り替えて使えるプラットフォームだ。そのトークン消費データは、AIモデルの実際の利用動向を映す鏡になっている。

2026年6月のOpenRouterレポートとBloombergの報道を合わせて読むと、変化の速さが分かる。1年前まではGoogle、OpenAI、AnthropicのモデルがOpenRouter上の利用の大部分を占めていた。それが今、DeepSeekやGLMといった中国製のオープンウェイトモデルに急速に置き換わっている。MetaのLlamaでさえ上位から姿を消した。

なぜか。価格差が桁違いだからだ。

たとえばDeepSeek V4 Flash。コーディング性能の主要ベンチマークではフロンティアモデルにほぼ追いついているが、利用コストは数十分の1から100分の1以下。しかもモデルの重みが公開されており、自前のサーバーで動かせば外部API事業者のマージンを避けられる。GPU、電力、運用コストは当然残るが、コスト構造そのものが変わる。

DeepSeekの運営母体はヘッジファンドHigh-Flyerで、上場SaaSのように四半期ごとの粗利率を市場から問われる構造ではない。この価格差は一時的なキャンペーンではなく、構造的なものだ。

企業にとっては朗報だ。同じ仕事を30分の1のコストで回せるなら、推論予算の問題は解決するように見える。

だが、全体を俯瞰すると、全く違う景色が見える。

19世紀の英国で、蒸気機関の燃費が良くなるたびに石炭の消費量が減ると皆が思った。実際には逆だった。燃費が改善されたことで蒸気機関の用途が爆発的に広がり、石炭消費は以前よりはるかに増えた。経済学者ウィリアム・ジェヴォンズの名を取って、ジェヴォンズの逆説と呼ばれている。

2026年のAI推論で、同じことが起きている。

推論コストが30分の1に下がったことで、これまで「コストが見合わない」と棚上げされていた用途が一斉に動き始めた。分類、抽出、要約、コード生成、データクレンジング。あらゆる定型タスクにエージェントが投入された。OpenRouterのトークン消費量は1年で4倍に膨れた。

トークンが増えれば、推論を回すためのメモリ帯域への需要が増える。メモリ帯域への需要が増えれば、HBMとDRAMへの圧力がさらに高まる。DRAM価格やAWS料金、消費者向け製品価格への上昇圧力として跳ね返りやすくなる。

安い推論は、メモリ帯域への需要を減らさない。むしろ爆発させる。

ただ、本当に怖いのはここからだ。

中国オープンウェイトLLMの本当の破壊力は、推論コストを下げることではない。モデル層の利益率を壊すことだ。

OpenRouterの整理によれば、DeepSeek V4-ProはSWE-bench Verified（ソフトウェア開発のベンチマーク）で80.6%を記録し、V4 Flashも79.0%とProに近い性能を示している。フロンティアモデルとの性能差は急速に縮まっているのに、価格差は数十倍から100倍以上開いたままだ。モデルの差別化は細る。API課金で粗利を稼ぐビジネスモデルは成り立ちにくくなる。

だが推論の実行量は増え続ける。モデル会社の取り分が減っても、推論が回るたびに消費されるメモリ帯域、ネットワーク、電力は変わらない。使われれば使われるほど、物理インフラ側に通行料が積み上がる。

壊れるのはAIブームではない。AIブームの利益配分だ。

モデルAPIを売る会社から、モデルを動かす物理層へ、利益が移動している。OpenAI、Anthropic、Googleのようなモデル企業は価格競争に巻き込まれる。一方、メモリ、ネットワーク、電力を握る企業は、推論が増えるほど通行料を取り続ける。

中国オープンウェイトLLMの普及が、メモリ価格の高騰をさらに加速させる。鎖は円環を描いている。

請求書の宛先を見る

AI銘柄を見るとき、多くの人は「この会社はAIで何ができるか」を考える。技術の華やかさ、ベンチマークの順位、パートナーシップの発表。だが私が見ているのは、そこではない。

AIが1回動くたびに、この会社は値上げできるのか。

この問いを、4つの層に当てはめる。

計算層。NVIDIAは2026年時点で圧倒的な価格決定権を持つ。CUDAのソフトウェア資産と、Blackwell世代の性能優位がスイッチングコストを高くしている。だがGoogle TPU、Amazon Trainium、AMDの追い上げが始まっており、アナリストは2028年までにNVIDIAの推論市場シェアが大きく動く可能性を指摘している。長期的に見れば、計算層は競争が激化する方向にある。

メモリ帯域層。SK Hynix、Samsung、Micronの3社寡占。先端HBMの供給は大口顧客に強く押さえられており、新規参入（CXMT）が本格化するのは最短でも2年先。MicronはSCA（戦略的顧客契約）で生産量の20%を5年間ロックし、最低価格保証付きの長期契約を16件締結した。スポット市場からインフラ型の予約市場に変わりつつある。値上げしても客が逃げない構造が、契約で固定化されている。 この構造の詳細は、前回のMicron決算記事で掘り下げた。

接続層。BroadcomとMarvellが中心。推論が分散化するほど重要性は増す。以前Computexの記事で書いた「銅の壁」、つまり銅配線の物理限界が迫っており、光接続（CPO）への移行が次のボトルネック候補になりつつある。

電力層。長期的には最終ボトルネックになりうる。ただし電力は「近い時計」と「遠い時計」を分けて見る必要がある。短期で株価に効く話と、長期で構造に効く話は別だ。この点は以下の記事で詳しく書いた。

2026年の現時点で最も強い価格決定権を持っているのは、メモリ帯域層だ。3社寡占、HBMカニバリゼーションによるゼロサム供給構造、長期契約による価格固定。短期的にはほぼ揺るがない。

ただし、メモリ株は歴史的に最も残酷なシクリカル（景気循環）株でもある。好況期に最も利益率が高く、不況期に最も深く沈む。CXMTの増産、HBM4の歩留まり向上、新しいメモリアーキテクチャの登場。供給制約が崩れた瞬間に、利益率も評価倍率も同時に剥がれてきたのが過去のパターンだ。

ただし前回のMicron決算記事で書いた通り、今回は過去のサイクルと一つ違う点がある。MicronのSCA（戦略的顧客契約）は最低価格保証付きの長期契約であり、スポット市場の暴落がそのまま利益を直撃する構造ではなくなりつつある。崩れ方の速度が過去とは変わる可能性がある。だがSCAが全てを守るわけでもない。今の価格決定権が永続するとは限らない。

だからこそ、この問いが重要になる。

私がAI銘柄を見るとき、問いは3つだ。4つの層のどこで通行料を取っているか。値上げしても客が逃げない構造か。その構造はいつまで持つか。

私が普段使っている3つの基準、通行料モデル、スイッチングコスト、メタトレンドの中心にあるかを、この4層に重ねて見る。一つの銘柄が複数の層にまたがることもある。NVIDIAは計算層が主だが、NVLink Fusionを通じて接続層にも通行料を伸ばしている。Micronはメモリ帯域層の中心にいるが、SCAによって市況株から予約型ビジネスへの転換を仕掛けている。

ポートフォリオ全体を見たとき、自分がどの層に賭けているかは意識しておきたい。同じ層に集中していれば、その層の逆風が来たとき同時に沈む。

AIは、知能を無料に近づける技術だと思われていた。だが実際には、知能を大量消費する時代を作った。知能が安くなるほど、知能の物流網は混み始める。物流網が混むほど、料金所を握る企業が強くなる。

だからAI相場の次の勝者は、一番賢いモデルを持つ会社とは限らない。一番逃げられない請求書を出せる会社かもしれない。

AIは魔法ではなく、請求書でできている。

そして請求書の宛先を見れば、次に誰が儲かるかが見えてくる。

いま請求書は、モデルを作る会社から、モデルを動かす物理インフラへ移動している。

私が見ているのは、AIの賢さではない。AIが1回動くたびに、誰が値上げできるのか。それだけだ。

いまはメモリ帯域が、最も太い料金所に見える。だがこの料金所が永遠に続くとは思っていない。供給が追いつけば、次のボトルネックは別の場所に移る。電力か、接続か、あるいは推論を最適化するソフトウェアか。次に請求書の宛先がどこへ動くか。それは、また別の記事で追いかけていく。

※この記事は特定銘柄の売買を推奨するものではありません。投資判断はご自身の責任でお願いします。

主要ソース

Apple値上げ・メモリ不足

• Reuters / Bloomberg / CNN Business（2026年6月25日）：Apple、Mac・iPad主要モデル値上げを報道

• Tim Cook WSJインタビュー（2026年6月中旬）：「百年に一度の洪水」発言

• TrendForce（2026年Q1〜Q2）：DRAM契約価格の四半期推移（Q1 最大+98%、Q2 +58〜63%予測）

AWS値上げ

• AWS公式 EC2 Capacity Blocks for ML Pricing Page：2026年7月1日付改定価格

• InfoQ（2026年1月）：EC2 Capacity Blocks 15%値上げの分析

ハイパースケーラーCAPEX

• 各社2026年度決算発表・ガイダンス（Amazon、Microsoft、Alphabet、Meta）

• Goldman Sachs "Tracking Trillions"（2026年5月）：2026〜2031年AI CAPEX累計7.6兆ドル推計

• Microsoft CFO Amy Hood決算コール：CAPEX 1,900億ドルのうち250億ドルがメモリ・コンポーネント価格上昇分

LLM推論のボトルネック

• Xiaoyu Ma & David Patterson, Google（2026年1月）：LLM推論におけるメモリ・インターコネクト制約に関する論文（SDxCentral報道）

エージェントAIのコスト構造

• Gartner（2026年3月）：エージェント型AIのトークン消費に関する分析（複数の業界レポートが引用）

• AnalyticsWeek 2026 Inference Economics Report：AI予算の85%が推論コスト

中国オープンウェイトLLM

• OpenRouter "The Open Weight Models that Matter: June 2026"：主要オープンウェイトモデルの位置づけ・利用動向

• Bloomberg / Exponential View（2026年6月25日）：クローズドモデルからオープンウェイトへのトークンシェア移行

• DeepSeek API Docs：V4-Pro/V4-Flash価格（2026年5月22日恒久化）

メモリ市場構造

• IDC "Global Memory Shortage Crisis"（2026年2月）：DRAM/NAND供給成長率、PC・スマホ出荷への影響

• SemiAnalysis "China's CXMT Is Set to Challenge DRAM Incumbents"（2026年6月）：CXMT生産能力・コスト分析