96GBのGDDR7は何を変えるか ― RTX PRO 6000で読むBlackwellの設計思想と「1枚で動くAI」の経済学

メモリーの2つの作り方 ― 広くて遅いHBM、狭くて速いGDDR

系統を分ける本質はメモリーにある。HBMはDRAMを垂直に積み、チップに開けた数千の微細な穴 (TSV) で上下をつなぎ、シリコンの中継板を介してGPUに直結する。データ線は1,024本と「広い」代わりに1本ずつは遅い。H200はこの方式で141GB・毎秒4.8テラバイトに達するが、積層と中継板の工程が高価で、生産能力の制約も強い。

GDDR7は逆に、基板にチップを並べる通常方式で「狭い」配線を超高速で振る。2024年3月に標準化された規格では、信号を3つの電圧で送るPAM3方式により2サイクルで3ビット (従来方式は2ビット) を運ぶ。サムスン電子・SKハイニックス・マイクロンの3社が量産し、RTX PRO 6000には3社の製品が使われるマルチソース体制が報じられている。512ビット×高速信号で毎秒1,792GB。H200との帯域差は約2.7倍あるが、HBMが背負う積層歩留まりや先端パッケージングの制約から自由な分、96GBという大容量を「買える値段」で載せられる。この対比の詳しい構造はHBM側を分解した記事と、半導体の教科書で補える。

96GBの重量計算 ― 700億パラメータは載るのか

96GBという容量の意味は、LLMの「重量計算」をすると立体的になる。

モデルの重みが占めるメモリーは、おおむねパラメータ数×1パラメータあたりのバイト数で決まる。NVIDIAの技術文書は「70億 (7B) パラメータのモデルをFP16で読み込むと約14GB」と明記しており、FP16=2バイト、FP8=1バイト、FP4=0.5バイトが換算の基礎になる。700億 (70B) パラメータの場合、FP16では約140GBで96GBに載らない。FP8なら約70GBで収まり、残る約26GBを会話の文脈を保持するKVキャッシュと作業領域に充てられる。FP4 (NVIDIAのNVFP4形式) ならFP16比3.5分の1の約40GBまで縮む。つまり96GBの意味は「70B級を精度を大きく落とさずに1枚で動かせる境界線」であり、市販のワークステーションGPUでこの線を超えたのがこの製品ということになる。実際の生成速度は構成や設定に依存し、公表されているのは個人や販売店の実測報告の水準にとどまる点は付記しておく。

FP4という圧縮 ― 4ビットで精度を保つ2段構えの仕掛け

第5世代Tensorコアの最大の新機能が、このFP4のハードウェア対応である。FP4は1つの数値を符号1ビット+指数2ビット+仮数1ビットの計4ビットで表す。そのままでは粗すぎるため、NVFP4形式は16個の値のブロックごとにFP8の倍率を掛け、さらにテンソル全体にFP32の倍率を掛ける2段階の調整で精度を守る。NVIDIAが公開した例では、FP8からNVFP4への変換で主要な言語タスクの精度劣化は1%以下に収まった。精度を半分にするたびに、同じ回路で理論上2倍の演算と半分のメモリー消費が手に入る。Volta世代のFP16に始まりFP8を経てFP4へ至るTensorコアの歴史は、AIの推論コストを「精度の切り下げ」で下げてきた歴史でもある。

ただしFP4が使えるのは主に推論である。学習では勾配という繊細な数値を扱うため、NVIDIAの公式資料はFP16に落とすだけで勾配の31%がゼロ化して学習が壊れうると明記している。学習は高精度のデータセンター系統で、推論は低精度で効率よく、という分業がアーキテクチャの側から固定されつつある。AIの学習と推論の違いはAI教科書で基礎から解説している。

同じ半導体がなぜ数倍の値段になるか ― ワークステーションGPUという商品

ゲーム用の最上位GeForceとRTX PROは同じ系統の大型ダイを使うとされるのに、価格は数倍離れる。理由は機能と権利の束にある。誤り訂正付きメモリー、1枚を分割して共有するMIG、業務ソフト各社の認証ドライバー、仮想化対応、長期供給と企業サポート。そして決定的なのはライセンスで、NVIDIAのドライバー使用許諾書はGeForceをデータセンターで使うことを認めていない (許諾書2.8条)。24時間365日のサーバー運用を正面から許された商品カテゴリーがRTX PROであり、価格差は「壊れにくさと使う権利」の値段である。

その価格自体も大きく動いた。米国の発売時実勢は8,435〜8,565ドルだったが、2026年6月にはNVIDIA直販の掲載価格が13,250ドルへ約55%引き上げられた。背景としてGDDR7の逼迫が報じられており、日本の実売も発売時の税抜約195万円から、2026年8月時点で最安約254万円へ切り上がっている。メモリー市況がGPUの店頭価格まで動かす構図は、AIインフラ投資の過熱が末端に波及した実例である。

買い切りかクラウドか ― オンプレミスAIの損益計算

では、250万円のGPUは誰にとって合理的なのか。ここに実務の損益計算がある。クラウドでRTX PRO 6000クラスを借りる相場は1時間あたり約0.6〜2.2ドルに分布し、仮に1.7ドル前後で24時間365日借り続ければ、7〜11か月で購入価格を超える。つまり常時稼働のワークロードなら1年以内に買い切りが有利になり、たまにしか使わないならクラウドが有利という単純な分水嶺だ。これに、機密データを外に出せないという定性的な理由が重なる。日本でも、金融システム開発の文書チェックを閉域のローカルLLMで検証するNTTデータ系の取り組みや、建設会社が特化型LLMをオンプレミスで使う事例が公表されており、医療現場では小型GPUのサーバーでも看護記録の要約が実用になった事例がある (この事例の機材は本製品よりずっと小さいクラスで、用途次第で必要な計算力が大きく違うことの好例でもある)。

この市場の規模を示す数字も動いた。NVIDIAの決算でワークステーションGPUを含むプロフェッショナルビジュアライゼーション部門は、2026年1月締めの四半期に売上13億ドル、前年比+159%と急伸した。そしてこれが最後の開示になった。同社は次の四半期からセグメント区分を変更し、この部門を単独開示から外している。急成長の実額が見えなくなったこと自体が、売上の9割をデータセンターが占める同社の開示の重心を物語る。競合ではAMDの業務用GPUが48GB、Intelは低価格の24GB品を束ねる路線で追い、AppleはM系チップの512GB共有メモリーで「容量勝負」の対抗軸を作っている。96GBのGDDR7という選択は、この競争の中では「容量と速度と描画の均衡点」という位置づけになる。

日本の接点 ― 販売網と供給網を決算の裏付けで選ぶ

この製品と日本の接点は2層ある。売る側では、正規代理店のリョーサン菱洋ホールディングス (8137) 系とエルザジャパンが取り扱い、HPCシステムズ (6597) は税込213.4万円で受注を開始し「700億パラメータ級のLLMを単一GPUで」と訴求する。ユニットコムは搭載ワークステーションを約265万〜520万円で製品化し、日本HPは電力を絞ったMax-Q版を最大4基積む筐体を投入した。ワークステーションという古い商品カテゴリーが、ローカルLLMという新しい需要で再定義されている構図である。

作る側では、GDDR7を供給するのはサムスン電子・SKハイニックス・マイクロンの海外3社だが、その周辺に日本企業が並ぶ。AI半導体向け試験装置の需要超過で通期を上方修正したアドバンテスト (6857)、生成AIサーバー向けパッケージ基板で営業利益予想を前期比2倍の1,270億円へ引き上げたイビデン (4062)、AI向け投資を追い風とする東京エレクトロン (8035)、研削・切断のディスコ (6146)。いずれもこの製品個別ではなくAI半導体全般への関与だが、GB202のような750平方ミリ級の大型ダイと大容量メモリーの生産は、こうした装置・材料・基板の集合体の上に成り立っている。AIインフラに流れ込む資金の全体像は5,000億ドルの資金調達枠組みを分解した記事で、関連する日本銘柄の一覧は銘柄情報のページで追える。

確かめるべき次の変化は3つある。GDDR7の逼迫が価格をさらに動かすか。FP4での推論が業務ソフトの標準になるか。そして「1枚で動くAI」の市場が、開示区分の陰でどこまで育つか。96GBという数字は仕様表の1行だが、その裏には、メモリーの作り方と数値精度と使用許諾という、この産業の設計思想がそのまま詰まっている。