この記事で分かること
高騰した理由
AIインフラ拡大に伴うストレージ需要の急増とNAND供給逼迫、好決算、複数の証券会社による目標株価の大幅な引き上げなどが重なり、サンディスク株は記録的な上昇を続けていました。
反落した理由
半導体大手ブロードコムの弱い業績見通しを引き金に半導体株全体へ売りが広がったほか、利上げ観測や急騰後の利益確定売り、インサイダー売却なども重なってサンディスク株は急落しました。
AIインフラでのNANDの役割
NAND型フラッシュメモリーはAIインフラにおいて大容量ストレージを担い、学習データやモデルの保存、推論時の高速読み出しなどに使われており、その需要は構造的に急拡大しています。
サンディスク株価とストレージ需要
サンディスク（SNDK）は、AIインフラ拡大に伴うNAND型フラッシュメモリーやストレージ需要の急増を背景に株価が急伸し、2026年に入ってから年初来で400%超上昇しました。6月上旬には一時1,860ドル台、さらに2,000ドルを超える水準まで上昇し、過去最高値を更新しています
ところが6月上旬には一転して反落する場面も見られました。半導体大手ブロードコムが市場予想を下回る業績見通しを示したことで半導体株全体に売りが広がり、フィラデルフィア半導体株指数（SOX）が一時10%超下落する中、サンディスク株も1日で10%超下落し、1,600ドル台まで値を下げる日がありました。
こうした急騰と急落を経て、ウォール街では需要の持続性を巡る議論が活発化しています。強気派は、AIインフラ構築はまだ初期段階にあり、ストレージ不足は今後数年続くと主張する一方、慎重派は予想PERが一時9倍程度まで低下していることが市場の過熱やサイクルのピークを示唆している可能性があると指摘しています。
これまで高騰していたのはなぜか
サンディスク株が高騰していた主な要因は、AIインフラ拡大に伴うストレージ需要の急増と、NAND型フラッシュメモリーの供給逼迫という構造的な需給ギャップにあります。
生成AIの普及によりデータセンターでは大容量のSSDやエンタープライズストレージへの需要が急拡大する一方、メーカー各社がHBM（広帯域メモリー）の生産を優先したことなどでNAND生産ラインの増強が後回しになり、供給が需要に追いつきませんでした。
日本のメモリー提携先キオクシアの好決算も、業界全体で供給逼迫が続くとの見方を強める材料となりました。
サンディスク自身の業績
加えて、サンディスク自身の業績が市場予想を大幅に上回り続けたことも株価を押し上げました。2026年度第2四半期は売上高が前年同期比61%増、純利益は672%増となり、続く第3四半期のEPSガイダンスもアナリスト予想の2倍以上の水準を提示しています。
長期供給契約による価格下限の設定で粗利益率80%超を確保できる収益構造も評価され、60億ドル規模の自社株買い計画も発表されました。
目標株価の引上げ
こうした実績を受け、モルガン・スタンレーが目標株価を1,750ドルへ、シティが2,025ドルへ、バークレイズが2,300ドルへとそれぞれ大幅に引き上げ、AIインフラ構築はまだ初期段階で需給逼迫が2〜3年以上続くとの見方を示したことも、買いを呼び込む要因となりました。
2025年2月にウエスタン・デジタルからスピンオフしてストレージ専業となったことや、ナスダック100指数への組み入れも投資資金の流入を後押しし、結果として株価は年初来400%超という異例の上昇を記録し、市場ではAI関連の有望銘柄として個人投資家の関心も急速に高まりました。
AIインフラ拡大によるストレージ需要急増とNAND供給逼迫、好決算、複数の証券会社による目標株価の大幅な引き上げが重なり、サンディスク株は記録的な上昇を続けていました。
反落した理由は何か
サンディスク株が反落した直接的な引き金は、6月4日に半導体大手ブロードコムが市場予想を下回る業績見通しを発表したことです。
AI関連半導体への過度な期待を背景に高値を続けていた半導体セクター全体に売りが広がり、フィラデルフィア半導体株指数（SOX）は一時10%超下落しました。
これを受けてサンディスク株も1日で10%前後下落し、直近高値の1,860ドル台から1,600ドル台まで急落する場面がありました。
業界全体の動き
同業のマイクロンやNVIDIAなどメモリー・AI半導体関連銘柄も軒並み連れ安となり、ナスダック総合指数も1.8%下落するなど、テクノロジー株全般に売りが集中する展開となりました。モルガン・スタンレーが直前に目標株価を1,750ドルへ引き上げていましたが、こうした強気材料もセクター全体の逆風を相殺するには至りませんでした。
反落の背景
背景には複数の要因が重なっています。まず、5月の米雇用統計が市場予想を上回る強い結果となったことで、FRBによる利上げ観測が再燃し、株式市場全体にリスクオフムードが広がりました。
また、サンディスク株は年初来で400%を超える急騰を遂げており、ベータ値の高さから市場全体の動揺に対して特に大きく反応しやすい状態にあったことも影響しました。割高なバリュエーションへの警戒感も根強く残っていました。
さらに、同社の最高法務責任者が6月3日に約104万ドル相当の自社株を売却したことが開示されたほか、オプション市場では通常を上回るプット・オプションの出来高が観測され、機関投資家がヘッジや下落を見込んだ取引を積極化させていたことも、センチメント悪化に拍車をかけました。急騰の反動による利益確定売りが出やすい地合いだったことが、今回の反落の根底にあるとみられます。
半導体大手ブロードコムの弱い業績見通しを引き金に半導体株全体へ売りが広がり、利上げ観測や急騰後の利益確定売り、インサイダー売却なども重なってサンディスク株は急落しました。
AIインフラでのNAND型フラッシュメモリーの役割は何か
NAND型フラッシュメモリーは、AIインフラの中でデータを長期的かつ大容量に保存する「ストレージ層」を担う重要な部品です。
これまでデータセンターのストレージはHDD（ハードディスクドライブ）が主流でしたが、AIの学習や推論ではデータへの高速アクセスが求められるため、低電力かつ故障に強く読み書きが速いNAND型のSSD（ソリッドステートドライブ）の採用が急速に広がっています。
用途
具体的には、AIモデルの学習段階では大量の学習データセットや、計算途中の状態を記録するチェックポイントを高速に読み書きする用途で使われます。
また、運用段階の推論でも、事前学習済みモデルを処理装置の近くから高速に呼び出すためや、社内文書などを検索して回答に反映するRAG（検索拡張生成）の基盤として、DRAMでは容量が不足する部分をSSDで補う使われ方が広がっています。
DRAMとの違い
GPUに直結するHBM（広帯域メモリー）やDRAMが「超高速だが容量が限られる作業用メモリー」であるのに対し、NAND型フラッシュメモリーは「大容量だが比較的低速で持続的なデータ保管庫」という役割分担になります。
なお、HDDとSSDの間でも、低コストで大容量を確保したい「コールドデータ」用途はHDD、高速アクセスが必要な領域はSSDという用途による使い分けが続いています。
こうした需要を受け、企業向けSSD市場では大容量化が急速に進んでいます。主流製品の容量は30TB台から、QLC方式で100TBを超える製品やペタバイト級のSSDまで登場しており、サーバー内の実装方式も高密度化が進んでいます。
AIエージェントの普及や生成データの増加に伴い、容量ベースのNAND需要は年率20%程度で拡大すると見込まれ、契約価格も2025年に50%以上上昇しました。こうした構造的な需要拡大が、サンディスクをはじめとするメモリーメーカーの業績や株価を押し上げる土台となっています。
NAND型フラッシュメモリーはAIインフラの大容量ストレージを担い、学習データやモデルの保存、推論時の高速読み出しなどに使われ、需要が構造的に急拡大しています。
NAND型フラッシュメモリはなぜDRAMよりも容量が大きいのか
NAND型フラッシュメモリーがDRAMよりも大容量化しやすい理由は、主に「セル構造の違い」と「立体積層のしやすさ」にあります。
構成の違い
DRAMは1つの記憶単位（セル）がトランジスタとコンデンサーの組み合わせ（1T1C）で構成され、コンデンサーに電荷を蓄えて1ビット（0か1）の情報を保持します。
電荷は時間とともに漏れてしまうため、数十ミリ秒ごとにデータを再書き込みする「リフレッシュ」動作が必須で、その分周辺回路が複雑になり、微細化や積層には限界があります。
一方、NAND型フラッシュメモリーは、絶縁膜に囲まれた「浮遊ゲート」や「チャージトラップ層」に電荷を閉じ込める構造で、電源を切っても電荷が保持される不揮発性メモリーです。
リフレッシュが不要な分セル構造を単純化できるほか、しきい値電圧を細かく分けて1つのセルに2〜5ビットを記録するTLCやQLC、PLCといった多値化技術も活用できます。さらに近年は、セルを垂直方向に200層以上重ねる3次元（3D）積層技術が確立されており、平面上の面積を増やさずに記憶容量を飛躍的に高められる点も大きな特徴です。
DRAMの高容量化限界
DRAMは、信号品質や速度を保つ必要から大規模な3次元積層が難しく、主に水平方向の微細化に頼ってきたため、物理的な限界に近づいています。
また、DRAMはコンデンサーへの充放電で動作するため、読み書きは非常に高速ですが、その代わりに1セルあたりの構造が複雑で、面積効率を犠牲にしてでも速度を優先する設計になっています。
NANDの高容量化
逆にNANDは、読み書きの速度や書き換え可能回数（耐久性）をある程度犠牲にすることで、多値化と積層という2つの手法を併用し、同じシリコン面積から取り出せる記憶容量を最大化しています。
この「速度を取るか、容量を取るか」という設計思想の違いが、AIインフラにおいてもDRAMやHBMは演算装置に近い高速作業用メモリーとして、NAND型SSDは学習データや推論用モデルを保存する大容量ストレージとして使い分けられている理由にもなっています。
DRAMはリフレッシュが必要な複雑なセル構造で速度を優先するため積層しにくく、NANDは不揮発性で多値化や3次元積層がしやすいため大容量化に向いています。
コメント