【解説】巨大クラウドがHDDから大容量フラッシュ採用へ舵、Metaに続く
AIサーバーの爆発的な普及に伴い、Metaをはじめとする巨大クラウド事業者が、従来のHDDから大容量フラッシュストレージ（QLC SSD）へと記録媒体を大きく転換し始めている。背景には、HDDの性能向上の停滞と、AI学習・推論においてストレージが処理速度を左右するインフラ部品へと進化したという切実な事情がある。
出来事の要点とHDDからの脱却
Metaによる大規模なフラッシュ採用とサプライチェーンの確保
世界的なクラウド大手であるMetaは、AIコンピューティング能力の飛躍的な拡大に向けて、ストレージ戦略を劇的に転換している。2026年7月に流出した内部文書によると、同社はSanDisk、三星電子、住友電工と複数年にわたる長期供給契約を締結したことが明らかになった。Metaは2026年に7ギガワット、2027年には14ギガワットへとAI計算能力を倍増させる計画を立てており、年間の設備投資額は1,450億ドル、日本円で約23.4兆円に達する見込みである。この壮大な計画を支えるために、MetaはSanDiskからフラッシュメモリストレージを、三星電子からメモリチップを確保することに注力している。また、自社開発のAIチップ Iris も2026年9月に量産開始予定であり、ハードウェアの垂直統合を進めている。以下の図は、Metaが構築を進める次世代AIインフラの概念を示している。
このような巨額投資は、AIインフラにおける構造的なメモリ不足という現状を背景としたものであり、供給能力を事前に確保しなければ、拡張計画そのものが頓挫しかねないという危惧が読み取れる。
HDDの性能限界とAIサーバーが求める新たな要件
長らくデータセンターの主要な保存場所であったHDDが、AI時代において大きな課題に直面している。HDDの記録密度は向上し続けているものの、入出力性能（I/O性能）がその成長に追いついておらず、結果として1テラバイトあたりの帯域幅（BW/TB）は低下し続けている。この現象により、頻繁にアクセスされるホットデータがHDD内に取り残され、システム全体のボトルネックとなる問題が発生している。一方で、AIサーバーにおいてSSDは単なる保存場所ではなく、AIの処理速度を支える重要なインフラ部品へと変貌した。AIの学習プロセスでは、巨大なデータセットをGPUへ継続的に供給する必要があり、ストレージの読み出しが遅ければ、高価なGPUが待ち状態になってしまう。さらに、学習の途中経過を保存するチェックポイントの書き込みや、RAG（検索拡張生成）におけるベクトルデータベースの高速な検索など、AIワークロード特有の要求がHDDの物理的な限界を超えつつある。データセンターエンジニアは、この性能ギャップを埋めるために、HDDからフラッシュストレージへの移行を余儀なくされているのである。
技術的進化と新ストレージ階層の構築
QLC SSDが切り拓く中位ストレージ階層の実現
これまでデータセンターでは、コスト効率に優れたHDDと、高性能だが高価なTLC（Triple-Level Cell）フラッシュが主流であった。しかし、Metaはこれらの中間に位置する第3の階層として、QLC（Quad-Level Cell）SSDの導入を提案している。QLCは1セルあたり4ビットの情報を保持する技術で、2009年頃から存在していたが、書き込み耐久性の低さや容量の制約から、データセンターでの採用は限定的であった。しかし、近年では2テラビットのQLCダイや32ダイのスタック技術が主流化し、密度が急激に向上している。Metaがターゲットとするのは、HDDでは性能が足りず、TLCではコストが見合わない10MB/s/TB程度の性能を必要とするワークロードである。QLCを採用したサーバーは、Metaが現在使用している最も高密度なTLCサーバーと比較して、約6倍のバイト密度を実現できるという。電力効率の面でも、QLCはHDDより優れており、特に読み取り中心のAI推論ログやデータアーカイブにおいて、大きなコストメリットをもたらすと期待されている。
ソフトウェアとハードウェアの融合による効率化
フラッシュストレージの性能を最大限に引き出すため、従来のSSDとは異なるアプローチも採用されている。MetaがPure Storageと連携して導入を進めているDirectFlash技術がその一例である。一般的なSSDは、フラッシュメモリをHDDのように見せかけるための翻訳レイヤーを内部に持っているが、これが性能の非効率や信頼性の低下を招く原因となっていた。DirectFlashでは、この翻訳処理をSSD内部で行わず、ホスト側の高度なソフトウェアで直接制御する。これにより、NANDフラッシュの利用効率を約30パーセント向上させることができ、同じチップ数でもより多くの容量を確保することが可能になる。具体的な数値として、DirectFlashを採用したモジュール（DFM）は、標準的なSSDと比較して5倍から10倍の密度向上と、それに伴うスペースや電力の削減を実現できる。Metaはこの技術を自社のソフトウェアスタックに統合することで、数エキサバイト規模のストレージを効率的に管理しようとしている。以下の図を参照してください。
市場の変貌と今後の展望
構造的な供給不足とチップインフレの加速
AI需要の爆発的な増加は、NANDフラッシュ市場に深刻な構造的変化をもたらしている。2026年の市場予測によれば、AIサーバー向けの大容量エンタープライズSSD demandが急増する一方で、サプライヤー側の生産能力拡大は限定的であり、市場は深刻な供給不足に陥ると見られている。これまで市場を支えてきた消費者向け電子機器の需要は停滞しているものの、データセンター向けの旺盛な需要がそれを相殺し、NANDフラッシュの契約価格は上昇傾向を維持する見通しである。この状況は、メモリ価格の急騰がマクロ経済に影響を与えるチップインフレを引き起こしており、Metaのような購買側にとっては、巨額の設備投資コストが財務を圧迫する要因となっている。サプライヤー側は利益率の高いAI向け製品に生産リソースを優先的に割り当てるため、結果としてPCやスマートフォンなどの消費者向け製品の価格上昇や、中低価格帯モデルの出荷減少を招く可能性も指摘されている。
今後の展開とAIインフラが直面する課題
今後の注目点は、このストレージ革命がAIインフラ全体のバランスをどう変えていくかにある。AIの本質は計算能力だけではなく、いかに大量のデータを保存し、高速に移動させ、効率的に供給できるかという総合力にシフトしている。Metaは自社開発チップ Iris の投入により、特定の半導体メーカーへの依存度を下げつつ、ストレージ階層の最適化を急いでいる。一方で、QLC SSDの普及には、読み取りと書き込みの性能差をソフトウェアでいかに管理するかという技術的課題も残されている。また、電力供給や冷却能力といった物理的な制約も、データセンター拡張の大きな障壁となりつつある。AIインフラの軍拡競争は、単なるチップの性能争いから、サプライチェーンの確保とシステム全体のエネルギー効率を競う新たな段階へと突入している。投資家や技術者は、GPUの進化だけでなく、その裏側でデータを支えるメモリとストレージの構造的変化を注視し続ける必要があるだろう。以下のグラフは、将来の需給ギャップの予測を示している。
参照ページ
【A case for QLC SSDs in the data center - Engineering at Meta】https://engineering.fb.com/2025/03/04/data-center-engineering/a-case-for-qlc-ssds-in-the-data-center/
【2026 NAND Flash: AI & HDD Shortage Ignite Price Surge - TrendForce】https://www.trendforce.com/research/category/Semiconductors/NAND%20Flash
【Pure Storage at William Blair Conference: Strategic Growth Insights - Investing.com】https://www.investing.com/news/transcripts/pure-storage-at-william-blair-conference-strategic-growth-insights-93CH-4078574
