統一メモリとは？Mac mini M6からM5 Ultraまで、AppleのメモリとNvidia GPUの違いを理解する

Mac mini M6とMac Studio M5 Ultraが発表されると、コメント欄は一斉に同じ疑問で埋まりました。統一メモリとは、いったい何なのでしょうか。

32GB、128GB、512GB。こうした数字だけを見ると一般的なコンピューターと変わらないように見えます。しかし、AppleのメモリはWindows PCとは仕組みがまったく異なります。統一メモリの役割を理解すれば、なぜデスクトップMacで400億パラメータのAIモデルをローカル実行できるのか、そして約2,000ドルのNvidia GPUではそれができないのかが見えてきます。

本記事はAIハードウェア・サプライチェーンの全体像から派生した、メモリ編です。消費者向け製品の統一メモリを入り口に、その設計思想、AIでの用途、そしてサプライチェーンの中で板挟みになっている状況を見ていきます。

---

統一メモリとは？一言でいうと、こういう仕組み

まずはイメージから説明します。

一般的なWindows PCでは、CPUが使うシステムメモリ（DDR5）と、GPUに搭載されたビデオメモリ（VRAM、通常はGDDR7）は別々です。その間で、PCIeバス（マザーボード上で各コンポーネントをつなぐ高速経路）を使ってデータを移動させます。CPUが画像をGPUに渡して処理させるには、まず「コピーを1つ作って」送らなければなりません。

Apple Siliconは、この処理をなくしました。CPU、GPU、Neural Engine（Appleチップに搭載された、AI演算を専門に高速化するハードウェア）が、チップのすぐ隣に実装された1つのLPDDR5Xメモリを共有します。距離はわずか数ミリです。どのプロセッサがデータを使う場合でも、コピーせず同じメモリを直接読み取れます。

一言でいえば、統一メモリとは「すべてのプロセッサが同じメモリを共有し、データを移動させない」仕組みです。

---

従来のコンピューターとは何が違うのか

違いの核心は、「GPUがどれだけのメモリを使えるか」です。

従来の構成では、Nvidia RTX 5090のビデオメモリは32GBしかありません。モデルが収まらない場合は、一部をシステムメモリに退避させ、PCIe経由で少しずつ送り込むため、速度が大幅に低下します。統一メモリでは分離されていないため、512GB全体がGPUから直接アクセスできる範囲になります。

代償も明確です。LPDDR5Xは、Nvidiaが使うGDDR7ほど帯域幅が高くありません。RTX 5090のメモリ帯域幅は1.79TB/s、M5 Ultraは1.2TB/s、M5 Maxはわずか614GB/sです。同じモデルを両方に載せられるなら、Nvidia GPUのほうが高速に計算できます。しかし、モデルがGPUメモリに収まらないほど大きくなると、統一メモリの容量面の強みが帯域幅の差を上回ります。

---

主要データのスナップショット

2026年8月時点のApple Silicon統一メモリ搭載製品と、NvidiaのフラッグシップGPUを比較します。

帯域幅ではNvidia、容量ではAppleが勝っています。AIを実行すると、この差が最大限に表れます。

---

なぜ統一メモリがAIと関係するのか

AIモデルを動かすには、2つのハードルがあります。メモリ容量が「動かせるかどうか」を決め、帯域幅が「どれだけ速く動くか」を決めます。容量が第一の条件です。モデルが収まらなければ、帯域幅がどれほど高くても意味がありません。

「自分のコンピューターで大規模言語モデルを動かす」ケースで考えてみます。

700億パラメータのモデル（Llama 3 70Bなど）は、量子化すると約40GBのメモリが必要です。RTX 5090の32GBには収まらないため、一部をシステムメモリに移し、PCIe経由で少しずつ送り込むしかありません。推論速度は毎秒20個超のtokenから一桁台まで一気に落ちます。M5 Maxなら128GBに余裕を持って収まり、AppleのMLXフレームワーク（統一メモリ向けに設計されたAIフレームワーク）を使って、毎秒10数個のtokenを生成できます。

400億パラメータのMoE（混合専門家モデル。Llama 4 Maverickなど）になると、さらに大きくなります。量子化後でも約200GB超が必要で、RTX 5090を2枚組み合わせても合計64GBにしかならず、まったく足りません。M5 Ultraの512GBは、2026年時点でこの規模のモデルを1台のデスクトップに完全に収められる唯一の選択肢です。サーバーもクラウドも必要なく、毎秒約12個のtokenを生成できます。

規則はシンプルです。**モデルが大きいほど、統一メモリの容量面の優位性が際立ちます。**小型モデルならどちらでも動かせ、Nvidiaは帯域幅で勝ちます。大規模モデルではNvidiaに収まらず、Appleが容量で勝ちます。

MLXが性能を発揮できるのも、統一メモリによってCUDAのワークフローにある「CPUメモリからGPUメモリへtensorを移動させる」手順を省けるからです。データは最初から同じメモリ上にあるため、起動が速く、メモリ効率も高くなります。

---

サプライチェーンの構図：LPDDR5Xの争奪戦

統一メモリに使われるLPDDR5Xは、スマートフォンにも使われているのと同じメモリ規格です。供給元はSamsung、SK hynix、Micronの3社に限られます。

このことが2026年、大きな問題になりました。

SK hynixとMicronは、生産能力の多くをHBM（AIデータセンターのGPU専用の高帯域幅メモリ）へ振り向けました。利益率が高く、生産計画でも優先されるためです。その結果、LPDDR5Xの生産能力が圧迫されました。2026年第2四半期、LPDDR5Xの価格は四半期で約9割急騰し、納期は10数週から40〜58週へ延びました。Samsungが不足分の一部を補い、現在はAppleにiPhone向けメモリの6〜7割を供給していますが、報道によるとAppleはSamsungが提示した2倍の価格を受け入れました。Tim Cookは決算説明会で、この値上がりの波を「100年に一度の洪水」と表現しました。

値上がりはMacの販売価格に直接反映されています。Mac mini M6の台湾での開始価格は、前世代のNT$19,900からNT$29,900へ跳ね上がり、上昇率は5割を超えました。MacBook AirとMacBook Proも、それぞれ約2割値上がりしています。米国では、メモリメーカーが価格を共同で設定したとして、連邦訴訟まで起きています。

構造的な問題はさらに深いところにあります。Nvidiaも、エッジAIプラットフォーム（Jetson Thorなど）向けにLPDDR5Xを大量調達し始めました。NvidiaのLPDDR調達量は従来のスマートフォンメーカーを上回り、世界最大のLPDDR需要家になると予測されています。AppleとNvidiaが同じメモリを奪い合う状況は、メモリメーカーの生産能力拡大が完了する2028年まで緩和されない可能性があります。

Appleはリスク分散のため、4社目のメモリサプライヤーを探したこともありますが、報道によると成功しませんでした。DRAM市場全体でも、2027年までは新規参入がないと予想されています。

このポイントの要点

統一メモリの役割は直感的です。すべてのプロセッサのメモリを1つにまとめ、分離もデータ移動もなくします。この設計はAI時代に新たな意味を持つようになりました。モデルが大きくなるほど、「計算速度」より先に「メモリ容量」が壁になります。統一メモリの容量面の強みは、ローカルでAIを動かすための入場券になりました。M5 Ultraの512GBは、個人向けデスクトップとして現時点で最大であり、かつてはサーバーでしか動かせなかったモデルを収められます。

一方で、Macの行方はメモリサプライチェーンとより深く結びつきました。LPDDR5XはHBMに生産能力を奪われ、Nvidiaにも需要を分けられています。その価格急騰がMac全体の販売価格を直接押し上げています。このメモリの需給をめぐる綱引きは、今後数年間、Apple製品の価格設定と出荷ペースを左右する大きな変数になるでしょう。NvidiaのエッジAIプラットフォームもLPDDRを大量に消費し始めるなか、消費者向けとデータセンターのメモリ戦争がどのように分かれていくのか、現時点ではまだ見通せません。

AIデータセンターで使われるもう1つのメモリを続けて見るには、HBMとは何かが参考になります。AIハードウェア・サプライチェーンの8つの関門がどうつながるのかを知るには、サプライチェーンの全体像を参照するとよいでしょう。

本記事はAIハードウェア産業に関する知識を整理したものであり、すべての仕様と価格は発表時点のものです。内容は時間の経過に伴って更新され、投資助言を構成するものではありません。