IOSG：ホットストレージからコールドメモリへ、AI時代のストレージブームにおける分散型ストレージ

この記事を読むのに必要な時間は 34 分

AIストレージは、現在のテクノロジーストーリーの波の中で、資本によって狂ったように再評価されています。

原文タイトル：「IOSG｜ホットストレージからコールドメモリへ：AI時代のストレージブームにおける分散型ストレージ」
原文著者：Jacob Zhao，IOSG Ventures

最近、「国産ストレージ第一株」と称される長鑫存儲（CXMT）が正式に創業板に上場し、500％の急騰という驚異的なパフォーマンスで市場を沸かせた。ストレージセクター全体が依然として調整の余波に揺れているものの、AIストレージは現在のテクノロジーストーリーの波の中で、資本によって狂ったように再評価されている。一方、Web3領域の分散型ストレージは長期にわたる停滞と低迷に陥っている。なぜ同じ「ストレージ」という名を冠しながら、市場のパフォーマンスはこれほどまでに異なるのか？その根本的な理由は、基盤となる価値関数の完全な分岐にある。

AI時代のストレージ再評価は、本質的には「ホットデータの効率性」を巡る熱狂であり、計算リソースの利用率と商業的な収益化の極限的な最大化に奉仕する。一方、分散型ストレージが守るのは「コールドデータの信頼性」という価値提案であり、データの公平性、検閲耐性、そして人類文明の長期的な記憶を擁護する。前者はホットデータの効率システムであり、後者はコールドデータの信頼システムである。現在の資本市場は疑いなく「効率性」側に立っているが、人類文明は最終的に改ざん不可能な記憶の基盤を必要とする。信頼できるコールドストレージの長期的な価値は決して消えておらず、ただ周期の陰に潜み、時代による再評価を待っているだけである。

ストレージがなぜ再びAI産業チェーンの焦点となるのか

従来のIT時代において、ストレージは「容量ビジネス」であった。企業のCIOが注目するのは、単位容量あたりのコスト、ハードディスクの信頼性、災害復旧計画、アーカイブ戦略、そして3〜5年の機器更新サイクルである。ストレージはサーバー購入に付随する付属品と見なされていた。

今回のストレージブームは従来のサイクル回復ではなく、AIによるデータフロー能力の再評価である。大規模モデルの時代において、ストレージのロジックは「容量優先」から「効率至上」へと質的に変化し、GPUの供給率、チェックポイント書き込み、RAGの極低レイテンシといった限界指標にこだわる。これは、ストレージの価値が「データの最終的な駐車場」から「データが計算に入る高速チャネル」へと飛躍したことを示している。

AIインフラのリソースボトルネックの進化は、本質的には「バケツ効果」の補完戦争である。計算リソースの実際の利用率は単一資産の線形的な積み上げではなく、厳格な乗数効果に依存する：計算リソースの実際の利用率 = GPU × HBM × DRAM × SSD × ネットワーク × ファイルシステム。いずれかの要素が欠けると、全体の計算リソース利用率が崩壊する。AI時代において、ストレージは初めて「コストセンター」から「効率エンジン」へと変わった。これこそが、ストレージが再評価される根本的なロジックである。

AIストレージアーキテクチャの全体像：HBM帯域器官からデータレイク基盤まで

AIストレージは単一ハードウェアの積み重ねではなく、密に結合され階層的にスケジューリングされる複雑なシステムです。このシステムにおいて、産業価値と資本の焦点はHBM、エンタープライズSSD、SSDコントローラ、NVMe/CXLプロトコル、そして高性能ストレージシステムに強く集中しています。その価値の流れを明確に分解するため、AIストレージアーキテクチャを上位から下位へと4つのコアレイヤーに分類します：

· 計算近接メモリレイヤー（帯域コア）：HBMが絶対的な主力であり、DRAMとCXLメモリプーリング技術が補完します。このレイヤーはGPU/CPUのパッケージまたはバスに直接密着し、「メモリウォール」を打破することを目的としており、計算能力が十分に解放されるかどうかを決定する最初の関門です。

· 高速永続ストレージレイヤー（IOハブ）：中核ロジックはエンタープライズSSD = NANDフラッシュ + SSDコントローラ + NVMe/PCIeデータパスです。このレイヤーは高頻度のチェックポイント書き込み、大規模トレーニングデータセットのロード、RAGホットデータキャッシュを担い、AIデータセンターにおける最も明確な永続ストレージの増分です。

· 低コスト大容量ストレージレイヤー（容量基盤）：HDD、コールドストレージ、データレイクアーカイブシステムで構成されます。指数関数的に膨張するマルチモーダル生データ、履歴ログ、コンプライアンスバックアップに対して、このレイヤーは依然として代替不可能なTCO（総所有コスト）の優位性を提供します。

· AIストレージシステムとデータソフトウェア（スケジューリングブレイン）：高性能パラレルファイルシステム、分散オブジェクトストレージ、ベクトルデータベース、RAGデータガバナンスレイヤーを含みます。AIが実際に消費するのはベアハードウェアではなく、ソフトウェアスタックによって効率的に整理、インデックス化、権限管理されたデータの可用性です。

· エコシステムの拡張として、分散型ストレージはAIホットデータのミリ秒単位の競争に直接関与せず、代わりにパブリックデータセットの証明、AIトレーニングデータの出所追跡（Provenance）、長期コールドメモリアーカイブに焦点を当て、「信頼できるコールドレイヤー」としての独自のエコポジションを確立しています。

HBM：AIストレージチェーンで最も計算に近い「帯域器官」

高帯域メモリ（High Bandwidth Memory）は従来のストレージではなく、GPU近接の高帯域メモリレイヤーです。その中核的な使命はデータを保存することではなく、極めて高い帯域で計算に継続的にデータを「供給」することです。HBMはAIストレージチェーンの中で最も計算に近く、最も確実性の高い要素であり、GPUが十分に「満たされる」かどうかを直接決定し、現在最も中核的なサプライチェーンのボトルネックです。

HBMのコアアーキテクチャは「3D DRAM積層＋2.5D先進パッケージング」である。TSVによる垂直積層とCoWoSによるヘテロジニアス集積により、メモリと演算の距離を極限まで圧縮し、帯域幅の世代間格差を実現する。その産業上の障壁はDRAM設計だけでなく、DRAMプロセス、TSV、超薄型積層、パッケージング、放熱、テスト、顧客認証に至るシステムエンジニアリングである。いずれかの工程で歩留まり不良が発生すれば、HBMスタック全体が廃棄となる。

現在、世界で安定量産が可能なのはSKハイニックス、サムスン、マイクロンの3社のみであり、トップレベルのDRAMプロセス、パッケージング能力、そしてNVIDIA/AMDの顧客認証という三重の堀を築いている。

DRAMとCXL：システムメモリ基盤とメモリプーリングエンジン

HBMがGPU近傍の限界帯域幅を解決する一方、DRAMはサーバーのシステムメモリ基盤を強化し、CXLは物理的な境界を打破し、データセンターのメモリリソースの編成方法を再構築しようと試みる。

・DRAM：主にCPU側のキャッシュ、データ前処理、中間状態の一時保存、システム動作を担い、サーバーで最も基本的なシステムメモリ層である。世界のDRAM市場はSKハイニックス、サムスン、マイクロンの3社に高度に集中している。長鑫存儲（CXMT）は中国におけるDRAM国産代替の主要な変数である。

・CXL（Compute Express Link）：データセンター向けの次世代キャッシュコヒーレンシ相互接続プロトコルであり、従来のDIMMスロット、ローカルメモリ容量、サーバーメモリリソースのサイロ化の制限を突破し、メモリアーキテクチャの拡張、プーリング、共有への進化を促進することを目的とする。現在、CXLはプラットフォームサポートから大規模展開へと向かう初期段階にあり、中長期的なアーキテクチャ価値は高い。主要企業にはAstera Labsと瀾起科技が含まれる。

エンタープライズSSD：NAND、コントローラ、NVMeが構築するデータハブ

エンタープライズSSDはAIデータセンターにおいて最もコアとなる高スループットの永続化増分であり、極めて高いスループット、極めて低いレイテンシ、安定したQoSにより、データを継続的にGPUに「供給」し、トレーニングデータのロード、チェックポイント書き込み、RAG検索、推論キャッシュ、ログの還流といった全ライフサイクルにわたって機能する。

AIストレージアーキテクチャにおいて、SSDは単なる独立したハードウェアではなく、高度に結合されたシステムであり、産業公式として次のように整理できる：エンタープライズSSD = NANDフラッシュ + SSDコントローラ + NVMe/PCIeデータパス。この3層は独立した産業チェーンセグメントを表す：

· NANDフラッシュ（原材料層）：ストレージ密度と単位コストを決定し、コントローラが性能発揮と寿命管理を担う。代表企業：Samsung、SK hynix（Solidigm）、Micron、Kioxia、Western Digital、長江ストレージ

· SSDコントローラ（性能実現層）：性能発揮、データエラー訂正、QoS安定性、ウェアレベリングを決定。代表企業：Phison（群聯電子）、Silicon Motion（慧栄科技）、Marvell、Maxio（聯芸科技）。

· NVMe/PCIe（データパス層）：ストレージからコンピューティングへのデータ転送効率を決定。GPUDirect Storage技術と組み合わせることで、CPUメモリのバウンスバッファとCPU関与を削減し、I/Oボトルネックを大幅に緩和。代表企業：Broadcom、Marvell、Astera Labs

HDD / コールドストレージ / アーカイブ：AIデータレイクの低コスト基盤

AIはHDDを駆逐しない。マルチモーダル大規模モデルによる動画・画像データへの需要、および企業のコンプライアンスログや履歴データセットの指数関数的な拡大に伴い、低コストなコールドデータストレージの需要も急増している。AIストレージアーキテクチャでは、SSDとHDDはビジネス価値に基づいて階層的に連携する：SSDはホットデータと高スループットを担当し、HDDは低コストと長期保存を担当。代表企業：Seagate、Western Digital、Toshiba。

AIストレージソフトウェアスタック：データ可用性のスケジューリングハブ

AIが実際に消費するのはベアディスクではなく、ソフトウェアスタックによって精密に組織化された「データサービス」である。このアーキテクチャは、基盤ハードウェアを上位AIが直接呼び出せる知識資産に変換し、具体的には4層に分かれる：

· 高性能ストレージシステム（供給システム）：並列スループットと低レイテンシを中核とし、並列ファイルシステムを通じてGPUクラスタの「データ飢餓」問題を解決し、トレーニングと推論の高速な流れを保証。代表企業：VAST Data、WEKA、Pure Storage。

· オブジェクトストレージ（生データレイク）：オブジェクト、キー、メタデータ管理を核とし、大量の非構造化データを保持。極限の低レイテンシーを追求せず、低コストとクラウドネイティブ特性で容量基盤を構築。代表企業：AWS S3

· ベクトルデータベース（セマンティックインデックス層）：ベクトルデータベースは、embeddingモデルが生成したベクトルの保存、インデックス、検索を担当し、AIが膨大な知識から関連コンテンツを正確に特定できるようにする。代表企業：Pinecone、Milvus

· RAGデータ層（知識呼び出し層）：単一の検索を超え、データスライス、クリーニング、アクセス制御、引用トレーサビリティを網羅し、企業データが大規模モデルによって安全、正確、かつトレーサブルに呼び出されることを保証。代表企業：Databricks

AIホットストレージから分散型コールドメモリへ：効率最大化 vs 信頼性最大化

AIストレージは極限の効率駆動型システムであり、その価値関数は計算アウトプットの最大化に焦点を当てる。HBM帯域幅はGPUが十分に活用されるかどうかを決定し、SSDスループットはデータセットとチェックポイントの読み書き効率を左右し、低レイテンシーはRAGと推論のリアルタイム体験に関わる。これらの指標は最終的にGPU利用率と単位トークンコストに集約され、AIアプリケーションのビジネス収益性を直接決定する。AIストレージの究極の目標は保存ではなく加速であり、その対象は生産性である。

一方、分散型ストレージの価値関数は全く異なる。データが10年後も存在するか、改ざんされていないか、単一障害点による検閲に耐えられるかを問う。暗号学的証明と分散ネットワークを通じて、オープンアクセスで永続的に保存される公共データ基盤を構築する。その究極の目標はデータの絶対的な真実性と主権の独立性を守ることであり、公平性、検閲耐性、文明の記憶に奉仕する。

AIストレージは未来の生産性に燃料を供給する「ホットストレージ」であり、分散型ストレージは人類文明のために削除不可能な歴史記録を保存する「コールドメモリ」である。前者は効率に奉仕し、極限の速度を追求する。後者は信頼性に奉仕し、沈黙の記憶を守る。前者はモデルがどれだけ速く動作するかを決定し、後者は記憶が削除されるかどうかを決定する。現在、市場メカニズムは生産性の効率に報酬を与え、AIストレージは風雲の渦中にある一方、分散型ストレージは評価額の崩壊と物語の吸収による静寂を経験しているように見える。

分散型ストレージのビジョンと現実

分散型ストレージプロジェクトは数多く存在するが、業界の認知度とエコシステムの蓄積という観点から見ると、中核的な代表格は常にFilecoinとArweaveである。両者はどちらも「分散型ストレージ」に属するが、基盤となるアーキテクチャの哲学はほぼ全く異なる道を辿っている。前者は市場化された契約でAWSの柔軟性に迫り、後者は一度限りの社会的契約で図書館の永続性に迫る。

· Filecoin：PoRepとPoStを通じて、最も完全な検証可能な経済システムを構築した。今後はコンシューマー向けクラウドストレージでAWSと消耗戦を繰り広げるのではなく、AIデータの来歴証明（Provenance）、パブリックデータセットのホスティング、コンプライアンス準拠のアーカイブへと軸足を移し、モデル監査や著作権証明に検証可能なチェーンを提供すべきである。必須の道は、S3互換APIとしてパッケージ化し、法定通貨での支払いをサポートすることであり、「安価なストレージ市場」から「検証可能なコンピューティングインフラ」へとアップグレードすることである。

· Arweave：「一度の支払いで永久保存」というナラティブのもと、BlockweaveとSPoRAメカニズムを通じて、マイナーが可能な限り多くの、特に希少な履歴データを保存し、迅速にアクセスできるようにインセンティブを逆方向に設計している。その最適なポジションは、人類の公共的な記憶の基盤となることである。すなわち、人権記録、戦争犯罪の証拠、文化典籍を保存し、法律や金融の歴史をアーカイブし、AIエージェントに恒久的にアクセス可能な長期記憶を提供することである。Arweaveの価値は速度にあるのではなく、周期を超えた文明の記憶を保持する能力にある。

Filecoin、Arweaveなどの分散型ストレージプロジェクトが直面する困難は、その価値提案の誤りにあるのではなく、製品化、検索体験、実際の需要、そしてトークンインセンティブの長期的なミスマッチにある。これは、ギークな理念から主流の商業アプリケーションへの巨大なギャップを浮き彫りにしている。

· 需給インセンティブのミスマッチ：Filecoinに代表される初期のネットワークは、トークンによって急速に規模を拡大したが、十分な強度を持つ有料需要側を構築できなかったため、容量は巨大であるものの、利用率と有料転換率が低い。「保存してほしい」ではなく、「保存できる」ことに対して報酬を与えている。

· エンタープライズ向けサービス能力の欠如：AWSの障壁はハードディスクではなく、API、SLA、権限管理、コンプライアンス監査、テクニカルサポートからなる「データオペレーティングシステム」である。企業が購入するのは「安心感」であり、自ら鍵やノード選択を処理する必要がある実験的なインフラではない。

· 検索体験の弱点：「保存する」ことは、「安定して低レイテンシで取り出す」ことと同義ではない。ノードが分散し、トポロジーが複雑で、統一されたSLAが欠如しているため、AIのホットデータワークフローを引き受けるのは難しく、信頼性の高いコールドアーカイブやデータ来歴証明に適している。

· プライバシーコンプライアンスの不足：企業のプライベートデータを公共の永久ネットワークに単純に書き込むことはできません。削除権と永久不変性の間には本質的な矛盾があります。分散型ストレージは、無差別に中核的なプライベートデータを扱うのではなく、公共データや長期アーカイブに適しています。

· トークンエコノミーによるサイクルの増幅：強気相場では金融化が需要不足を隠蔽し、弱気相場ではマイナーのROI低下が商業化の弱点を露呈します。トークンは供給のコールドスタートを可能にしますが、需要と持続可能な収益を自動的に生み出すことはできません。

一方、他の分散型ストレージプロジェクトは、特定のエコシステムやニッチな分野に焦点を当てています。Storj/Siaはサイクルを超えた業界の認知度とWeb3のナラティブ影響力においてFilecoin/Arweaveに劣ります。BNB Greenfield/WalrusはBNBやSUIの特定のパブリックチェーンエコシステムに依存しています。Celestia/EigenDAなどはデータ可用性（DA）レイヤーであり、長期アーカイブではなくRollupのトランザクション確定にサービスを提供します。0GなどのAI/DAハイブリッドナラティブプロジェクトは、ストレージ、データ可用性、コンピューティング、AIエージェントの決済を統合したAIネイティブなモジュラーインフラを目指していますが、その実際の需要、開発者の採用、商業化のサイクルはまだ検証が必要です。

分散型ストレージの未来の機会：効率性と信頼性の長期的な振り子

技術的な好況期には、資本は効率性を熱狂的に追い求め、GPUやHBMなどの資産には極めて高いプレミアムが付与され、「信頼性と公平性」を主張する分散型ストレージは当然のように周縁化されます。しかし、歴史の振り子は永遠に効率性の側に留まるわけではありません。スーパープラットフォームによる理不尽なアカウント停止やコンテンツ削除、AI著作権訴訟の勃発によるデータ出所証明の必要性、地政学的紛争によるデータ主権の争奪、データ独占による公共アーカイブの消失、規制当局によるモデル訓練データのコンプライアンス監査圧力など、これらの出来事は「信頼できるストレージ」の再評価を促す可能性があり、分散型ストレージの未来の機会は以下の方向で独自の価値を発揮する可能性があります。

· AIデータのProvenance（来歴証明）：暗号学的証明と組み合わせて「データの血統証明」を構築し、規制や監査の圧力に対応します。

· 公共データセットと文明アーカイブ：検閲されたアーカイブや文化遺産を固定し、代替不可能で削除不可能な記憶を構築します。

· 信頼できるアーカイブとコンプライアンス証跡保存：ハッシュによる証跡保存を通じて信頼できる自己証明を実現し、高レベルのデジタル公証を提供します。

· ZK/TEE/DID 技術の融合：プライバシーの緊張を解消し、単なる「ストレージプロトコル」から「信頼できるデータ基盤」へと進化。

· 不可視化されたプロダクト戦略：S3互換APIと法定通貨課金を提供し、ユーザーが直接「信頼できるアーカイブ」サービスを購入可能に。

AIストレージと分散型ストレージは、一方が極限の効率性を追求し、未来へ向かうための燃料を提供する。もう一方は沈黙の記憶を守り、過去を振り返る権利を保持する。現在の市場は効率性を惜しみなく報いるため、分散型ストレージは静寂に見え、あるいは崩壊しているようにさえ映る。しかし、AI時代がデータ独占、著作権問題、歴史的記憶の脆弱性をさらに拡大させるとき、分散型ストレージは「信頼できるコールドレイヤー」として価値の再評価を受けるかもしれない。プラットフォームや企業、あるいは単一の権力によって容易に消去されない記憶は、理想主義的なロマンから、周辺的な信念から、必要不可欠なインフラへと変わる可能性がある。