Googleは退役サーバーからDDR4メモリを回収し、専用インターフェースを介して新世代のAIサーバーへ戻している。AIサーバーの世代交代が、古い部品を一掃する方向へ進むとは限らなくなった。供給制約が強まった結果、一度は役目を終えた旧世代メモリが、最新のAIインフラを増やすための部品へ変わったのだ。

この方針は、Alphabetで供給網インフラを統括するシニアディレクター、Nikhil Cherian氏が2026年9月1日のSEMICON Taiwan 2026で説明した。イベントの公式講演ページは、AIインフラが演算能力中心の制約から厳しいメモリ制約へ移り、高性能メモリがAIサーバーの部品表（BOM）コストで75%以上を占めるとする。現地の経済日報によれば、Googleは再利用可能なDDR4を取り出すために退役サーバーを分解し、メモリメーカーに増産も求めた。

ただし、DDR4をTPUの高帯域幅メモリ（HBM）と置き換えたとは確認できない。Googleが公表したのは旧世代メモリを新しいサーバーへ統合した事実までで、どこへ、どの規格で接続したかは明らかにしていない。今回の意味は「Googleも中古メモリを使う」という珍しさより、AIサーバーのメモリ階層を速度と用途に応じて組み直し、調達できる容量を最後まで使い切ろうとしている点にある。

AD

なぜGoogleは退役DDR4を戻したのか

Googleにとって、サーバーから使える部品を回収する作業そのものは新しくない。同社はデータセンターの循環利用を約10年間続け、退役機器を評価・分解した後、部品を社内再利用、再販売、再資源化へ振り分ける供給網を整えてきた。

2024年には退役したデータセンターハードウェアから約880万個の部品を回収した。この数字には、データ消去後に再利用または再販売した300万台超のハードディスクが含まれる。同じ年、Googleが所有・運営するデータセンターでは運用廃棄物の84%を廃棄から転用した。約880万個はDDR4の本数ではなく、ハードディスクを含む部品全体の実績である。

今回変わったのは、回収網をAI向けの供給対策として前面に出したことだ。旧世代DDR4を資産処分の対象にせず、新しいAIサーバーの一部へ組み戻す。しかも世代の異なるメモリをつなぐ専用インターフェースまで用意した。環境負荷を減らすための仕組みが、製造各社から十分なメモリを調達できない局面で、増設を止めないための供給防衛にもなった。

それでもGoogle側は、回収DDR4だけでは需要を満たせないと説明している。回収できる本数は過去の導入台数と退役時期に左右され、使えるモジュールには検査も要る。部品循環は新規生産を不要にする施策ではなく、供給が追いつくまでの余力を社内資産から引き出す手段と見るべきである。

DDR4はHBMの代替なのか、接続先は未開示

「AIサーバーのメモリ」を一種類として扱うと、今回の発表を読み違える。Googleの第8世代TPUは、チップ内のSRAM、チップ近傍のHBM、ArmベースのAxion CPUを持つホスト、ストレージまでを異なる速度と役割でつないだシステムである。

メモリ／経路 Googleが公表した第8世代TPUの仕様 回収DDR4との関係
TPU 8iのオンチップSRAM 384MB。推論時のKVキャッシュをチップ内に置く 置き換えの説明なし
TPU 8iのHBM 288GB、帯域8,601GB/s DDR4で代替したとの説明なし
TPU 8tのHBM 216GB、帯域6,528GB/s。大規模学習向け DDR4で代替したとの説明なし
CPUヘッダー TPU 8tと8iはいずれもArm Axion ローカルDRAMへの接続かは未開示
回収DDR4 専用インターフェースで新世代AIサーバーへ統合 規格、容量、帯域、遅延、配置が未開示

表から確認できるのは、Googleが高速メモリ階層の仕様とDDR4の統合を別々に示したことまでだ。回収DDR4を別の容量源として加えた可能性はあるが、ここから先は公表資料だけでは確定できない。DDR4がAxionホストのローカルメモリとして使われるのか、拡張メモリとして接続されるのか、別ノードから共有されるのかは不明である。

HBMとDDR4は役割も接続方法も違う。HBMはTPUの近くで毎秒数TB級の帯域を提供し、行列演算へ大量のデータを送り込む。一般的なDDR4 DIMMは容量を増やしやすい一方、HBMと同じ帯域や遅延は出せない。従って、再利用DDR4が効くのは、すべてのデータが常時HBM級の速度を必要とする処理ではなく、アクセス頻度に応じて置き場所を分けられる領域だと考えられる。この条件は先行するMetaの実装が具体的に示しているが、Googleが同じ方式を採った証拠にはならない。

AD

ソフトウェアとデータ経路もメモリを増やす

Googleの対策は、物理メモリの本数を増やす話で完結しない。公式講演は容量上限と帯域不足から、遅延、電力効率までを別々の制約として挙げる。一つの部品で四つを同時に解決するのではなく、用途ごとにデータの置き場所と動かし方を変える設計である。

TPU 8iは推論とサンプリングを主対象にし、オンチップSRAMを384MB、HBMを288GB備える。生成済みトークンの注意計算を再利用するKVキャッシュをチップに近い場所へ置き、長い文脈を処理するときに演算器がメモリ待ちになる時間を減らす。ここでは容量に加え、応答を返すまでの遅延が重要になる。

大規模学習向けのTPU 8tでは、TPU Direct RDMAとTPU Direct StorageがホストCPUとDRAMを迂回する。ネットワークや高性能ストレージからTPUのHBMへ直接データを動かし、ホスト側がデータ転送の通過点になることで生じる詰まりを避ける。これは第8世代のデータ経路に対する設計であり、DDR4再利用の効果とは分けて考える必要がある。

ソフトウェア側では、Google ResearchのTurboQuantがKVキャッシュを3ビットへ量子化する。Googleの公開評価では、長文脈から特定情報を探す課題でKVキャッシュのメモリ使用量を最低6倍縮小した。32ビットの非量子化キーと比べた注意ロジット計算は、H100上の4ビット設定で最大8倍になった。

ここでも数字の対象を分ける必要がある。6倍はKVキャッシュ容量、8倍は注意ロジット計算の一工程である。AI推論全体が8倍速くなるという結果ではない。Googleの講演がハードウェアとソフトウェアの同時対策を掲げるのは、圧縮で必要量を減らしても物理的な供給不足が残り、メモリを増やしても帯域と遅延の問題が残るからだ。

GoogleとMetaの差は、再利用の事実より開示の深さにある

退役サーバーのDDR4を新世代サーバーへ接続する先行例として、Metaは独自ASIC「Vistara」の設計と本番評価をISCA 2026で公開した。両社が古いDIMMを回収する点は似ている。大きく違うのは、Googleが統合の事実までを示したのに対し、Metaは接続規格とメモリ構成を示し、速度差から対象処理、効果まで数値で開示したことだ。

開示項目 Google Meta Vistara
旧世代メモリの接続 専用インターフェース。規格は未開示 Compute Express Link（CXL）対応
新旧メモリの容量 未開示 DDR5-6400が768GB、DDR4-2400が256GB、合計1TB
公称ピーク帯域 未開示 DDR5が614GB/s、CXL接続DDR4が76GB/s
アイドル遅延 未開示 DDR5が約130ns、CXL接続DDR4が約250ns
配置制御 未開示 頻繁に使うページをDDR5、アクセスの少ないページをDDR4へ配置
公表効果 未開示 特定のMLパラメーターサーバーで台数25%減、スループット12%増

Googleは退役サーバーのDDR4を専用インターフェースで新世代AIサーバーへ統合したことまで公表したが、接続規格、サーバー内の接続先、DDR4の容量・帯域・遅延、対象ワークロード、効果を開示していない。対してMetaのVistara論文は、ローカルDDR5 768GBにCXL接続DDR4 256GBを加え、帯域614GB/s対76GB/s、アイドル遅延約130ns対約250nsという異なる階層として運用し、特定のMLパラメーターサーバーで必要サーバー数を25%削減したと報告する。Metaの数値はGoogleへ転用できず、Googleの再利用DDR4をTPUのHBM代替やCXL接続と断定する根拠もない。

Metaの構成では、CXL側のDDR4はローカルDDR5に対して帯域が約8分の1で、アイドル遅延も大きい。遅い階層を足すだけなら処理が重くなる場面もあるため、OSはよく使うページをDDR5へ残し、あまり使わないページをDDR4へ移す。容量不足でサーバーを余分に増やしていた処理では、この速度差を受け入れても全体の台数を減らせる。

Vistara論文は、メモリの有用寿命を7〜10年、サーバーを3〜5年と見積もる。サーバー本体より長く使えるDIMMを次世代へ移す経済合理性はここにある。しかし、Metaの構成と結果はGoogleの仕様を埋める答えではない。Googleの専用インターフェースがCXLかどうかも、同じページ配置を行うかも分からない。25%の台数削減をGoogleの効果として引用することもできない。

比較から見えるのは、Googleの発表で残った検証課題である。再利用DDR4がどのメモリ階層を受け持ち、遅延を許容できるどの処理へ割り当てられるのか。ここが分からない限り、再利用の規模やAIサーバーの費用対効果は評価できない。

AD

再利用を継続策に変える条件

メモリ不足がGoogle固有の問題でないことは、供給側の説明からも分かる。Micronは2026年の業界全体のデータセンター向けDRAMとNANDのビット出荷が2年前の2倍を超えると予想する。Samsungも2026年下期について、サーバーDRAM、eSSD、HBMの需要増加が加速し、一部のPC・モバイル需要が緩んでも市場は供給不足になるとの見方を示した。

この環境では、ハイパースケーラーの調達判断が単価から供給確保へ傾く。高価なTPUやGPUを設置しても、必要な容量と帯域がなければ演算器を十分に動かせない。退役DDR4の再利用は、新しいHBMやDDR5の需要を消す技術ではなく、調達した演算能力を遊ばせないために容量の選択肢を一つ増やす技術である。

今後まず確認したいのは、Googleの専用インターフェースの規格と、回収DDR4を接続する位置だ。続いて、モジュールの容量と速度、追加後の帯域・遅延、対象ワークロードが必要になる。性能が出ても、経年劣化したDIMMの検査方法、訂正可能エラーの監視、故障時の交換手順が大規模運用に耐えなければ供給策としては続かない。

最後に見るべき数字は導入サーバー数と効果である。新規メモリの購入量をどれだけ減らしたか、容量不足による余分なサーバーを何台減らせたか、再利用で製造時の炭素排出をどれだけ避けたか。これらが示されて初めて、今回の措置を緊急避難から継続的な設計原則へ格上げできる。

Googleの発表は、古いDDR4にも使い道が残っていたという事実から、供給網を含むシステム設計へ議論を移した。AIサーバーの価値は最速チップの数で決まらず、速いメモリを必要なデータへ割り当て、遅いメモリを許容できる処理へ回し、供給網に残る部品まで一つのシステムとして使い切れるかで決まる。次の焦点は、Googleがその設計と運用の数字をどこまで公開するかである。