AI PCとオンデバイスAIは、データセンター需要を減らすのか

第4部｜AI需要はどこに流れるのか

AIがPCで動けば、データセンター需要は減るのか？

AIがPCで動くようになれば、データセンターは作りすぎになるのか。

NPUやGPUを搭載したPCが増えれば、データセンターGPU需要はどう変わるのか。

Apple Intelligence、Copilot+ PC、Snapdragon X、Ryzen AI、Core Ultra、GPU搭載PCは、データセンター需要にどう影響するのか。

AIを使う場所はどこまで増えるのか。

第4部の第1回では、この問いから入ります。

主語は、AI PCそのものより、どの計算が端末側へ移り、どの計算がクラウド側へ流れるのかに置きます。

先に仮説をたてる

AI PCとオンデバイスAIは、低負荷のクラウド推論を一部端末側へ移します。

大規模モデルの学習、高負荷推論、長文処理、マルチモーダル処理、企業データ連携、コード生成と検証、AIエージェント、モデル更新はクラウド側が担います。

そのため、端末側へ移る処理と、クラウド側へ流れる処理を分けて確認します。

まず、端末へ移る処理を分ける

AI PCは、PCの中にAI処理用の半導体を積んだPCです。

PC本体の中にあるNPU、GPU、CPUを使い、一部のAI処理をPC側で動かします。

NPUは、Neural Processing Unitの略で、AI推論向けの専用処理回路です。

オンデバイスAIは、AI処理を端末側で行う考え方です。
ここでいう端末には、PC、スマートフォン、タブレット、車、ロボット、監視カメラ、工場設備、エッジ端末が入ります。

端末側へ移りやすいのは、軽い推論、個人作業、低遅延が重要な処理です。

会議音声のノイズ除去。
カメラ補正。
短い要約。
メール下書き。
簡単な翻訳。
画像の簡易生成・編集。
会議メモ。
ローカルファイル検索。
端末内データを使った補助処理。
個人情報を端末内に保ちたい処理。
オフラインでも動かしたい処理。

ここは、データセンター需要を一部減らす方向に働きます。

これまでクラウドへ投げていた軽い推論の一部が、PCやスマートフォン側で処理されるからです。

次に、クラウドへ流れる重い処理を分ける

端末側へ移る処理と並行して、クラウド側へ流れる重い処理があります。

大規模モデルの学習。
高負荷推論。
長文処理。
マルチモーダル処理。
開発環境。
設計支援。
動画、音声、画像をまとめて扱う処理。
企業データ連携。
RAG。
コード生成と検証。
複数手順を実行するAIエージェント。
モデル更新。
再学習。
評価。
ログ分析。
セキュリティ。
同期と保存。

PC側のNPU、GPU、CPUが担う処理と、データセンターGPUが担う処理は分かれます。

PC側のNPU、GPU、CPUは、低負荷の一部処理を端末側へ移す計算資源です。

データセンターGPUは、大規模モデル、高負荷推論、企業データ処理、長時間のエージェント処理を担います。

したがって、NPU搭載PCやGPU搭載PCの増加は、端末側処理とクラウド側処理の分担として読みます。

PC側のAI処理は、データセンター側のAI計算をどこまで置き換えるのか

PC側の計算資源

AI PCを見るときは、PC側の計算資源全体で確認します。

PC側には、CPUがあります。
GPUがあります。
ゲーミングPC、クリエイターPC、ワークステーション、RTX搭載PCのように、強いGPUを積んだPCもあります。
NPUもあります。

画像生成、動画処理、3D、ローカルLLM、開発支援では、PC側GPUが重要な役割を持ちます。

一方で、AI PCとして語られる文脈では、NPUが前面に出ます。
NPUは、PCやスマートフォンの中で、軽いAI推論を低消費電力で処理するための専用回路です。

つまり、PC側のAI処理は、次の組み合わせで決まります。

CPU。
GPU。
NPU。
DRAM。
SSD。
OS側のAI機能。
アプリ側の実装。

この組み合わせで、どこまでAI処理を端末側へ移せるかが決まります。

端末側へ移りやすいのは、低負荷で、個人データに近く、低遅延が必要な処理です。

会議中のノイズ除去。
カメラ補正。
短い要約。
ローカルファイル検索。
画像の軽い編集。
簡単な翻訳。
端末内の予定やメモに基づく補助。
一部の小型モデル。
一部のローカルLLM。

このあたりは、端末側で処理する意味があります。

速い。
オフラインでも扱える。
個人データを端末内に置きやすい。
クラウド側の推論コストを抑えられる。

この部分は、クラウド側の低負荷推論を減らす可能性があります。

データセンター側の計算資源

一方で、データセンター側には、大規模AI計算資源があります。

NVIDIA H100。
NVIDIA H200。
Blackwell。
Rubin。
AMD Instinct。
TPU。
カスタムASIC。

これらは、PC側のCPU、GPU、NPUとは別の役割を担います。

大規模モデルの学習。
高負荷推論。
長文処理。
マルチモーダル処理。
企業データ連携。
RAG。
コード生成と検証。
複数手順を実行するAIエージェント。
モデル更新。
再学習。
評価。
ログ分析。

この領域は、クラウド側のGPU、TPU、ASIC、大規模なデータセンター計算資源を必要とします。

見るべき問い

見るべき問いは、PC側のCPU・GPU・NPUを使ったローカルAI処理が、クラウド側のどの処理を減らし、どの処理をクラウド側が担い、どの処理を新しく増やすのかです。

AI PCがデータセンター需要をどう動かすか

AI PCとオンデバイスAIの影響は、端末側へ移る処理と、クラウド側へ広がる需要に分けて見ます。

端末側へ移る軽い処理

AI PCとオンデバイスAIは、低負荷のクラウド推論を一部端末側へ移します。

短い要約。
軽い文章補助。
会議メモ。
ノイズ除去。
画像補正。
ローカルファイル検索。
簡単な翻訳。
個人データに近い補助処理。

この領域は、短時間で完結し、低遅延やプライバシーの意味が大きい処理です。

PC側のCPU、GPU、NPU、DRAM、SSDで十分に処理できる作業は、クラウド側へ送る回数を減らします。

ここは、データセンター需要を一部減らす方向に働きます。

クラウド側へ広がる重い処理

AI PCでより重要なのは、AIを使う場面が増えることです。

AIがOS、Office、ブラウザ、開発環境、画像編集、設計支援、会議、検索に常駐する。
これまでChatGPTやCopilotを開いて使っていた人に加えて、PCを使う多くの人が、日常作業の中でAIを使う。

短い要約、会議メモ、ノイズ除去、画像補正、ローカル検索は端末側へ移る。

一方で、端末側AIが入口になることで、より重い処理はクラウド側へ流れる。

長文処理。
高性能モデルによる推論。
企業データ連携。
RAG。
コード生成と検証。
設計支援。
複数手順を実行するAIエージェント。
モデル更新。
同期。
保存。
セキュリティ。

AI PCが増えるほど、AIは特別なアプリから、PC作業の標準機能へ近づきます。

結論｜AI PCはAI利用を広げ、重い処理をクラウドへつなぐ

AI PCとオンデバイスAIは、低負荷のクラウド推論を一部端末側へ移します。

短い要約。
会議メモ。
ノイズ除去。
画像補正。
ローカルファイル検索。
個人データに近い補助処理。

この部分は、データセンター需要を一部減らす方向に働きます。

次に見るのは、AIを使う場面そのものが増えることです。

AIがPC、OS、Office、ブラウザ、開発環境、画像編集、設計支援、会議、検索に入り込むと、AIを使う場面そのものが増えます。

軽い処理をPC側で安く処理できるようになると、AIは特別な作業から、日常作業の中に入り込む機能へ変わります。

軽い処理は端末側へ移る。
その一方で、長文処理、企業データ連携、設計支援、コード生成、AIエージェント、同期、保存、モデル更新はクラウド側へ流れる。

つまり、1回あたりの軽い処理は端末へ移っても、AIを使う場面が増えれば、データセンター需要はむしろ増える構造です。

したがって、AI PCとオンデバイスAIは、軽い処理を端末側へ移し、重い処理をクラウド側へ流し、AI利用の入口を増やす材料として読みます。

この読み方は、AI PCの出荷台数に加えて、AI機能の実利用、クラウド側への処理回数、企業導入、AI推論利用量、クラウド売上、稼働率、長期契約への転換で確認します。

結論を確認する指標｜AI PCはデータセンター需要を減らしているのか

AI PCとオンデバイスAIが、データセンター需要を減らしているかどうかは、AI PCの出荷台数だけでは判断できません。

確認するのは、AI PCの普及と同時に、データセンター側の需要指標が弱くなっているかです。

もしAI PCがデータセンター需要を大きく減らすなら、次のような動きが出るはずです。

AI PCの出荷比率が上がる。
端末側で処理されるAI機能が増える。
その一方で、クラウドAI売上、データセンター電力需要、GPU需要、CapEx、稼働率、長期契約が鈍る。

しかし、現時点で見える数字は、そこまで単純ではありません。

実績値としては、Canalysによると、2024年Q2時点でAI PCはPC出荷全体の14%を占め、Windows AI PC出荷は前四半期比127%増でした。

つまり、端末側にAI処理能力は広がり始めています。

一方で、データセンター側の需要指標は、減少ではなく増加を示しています。

予測値では、AI PC出荷は2025年に1億台超、PC全体の40%に達するとの見方があります。
同時に、米国データセンターの電力需要は2028年までに米国電力消費の6.7〜12%に達する可能性があるとされ、世界でもデータセンターの電力消費は2030年に約945TWhへ増える基本シナリオが示されています。

この並びから見ると、現時点では、AI PCの普及がデータセンター需要を明確に減らしているとは言いにくい。

むしろ、軽い処理は端末側へ移る一方で、AI利用の入口が増え、重い推論、企業データ処理、同期、保存、モデル更新、AIエージェント処理はクラウド側へ流れていると読む方が自然です。

したがって、AI PCを見るときは、端末側の普及台数だけではなく、データセンター側の需要指標が鈍っているかを確認します。

見る対象は、AI PC出荷比率、NPU/GPU搭載比率、AI機能の実利用、クラウドAI売上、GPU需要、データセンター電力需要、CapEx、稼働率、長期契約です。

参考：AI PCとオンデバイスAIは、役割が異なります

AI PCとは

AI PCは、PCの中にAI処理用の半導体を積んだPCです。

従来のPCは、AIを使うときにクラウドへ処理を投げる形が中心でした。
AI PCでは、PC本体の中にある NPU、GPU、CPUを使って、一部のAI処理をPC側で動かします。

NPUは、Neural Processing Unitの略で、AI推論向けの専用処理回路です。

AI PCで想定される処理は、たとえば次のようなものです。

会議音声のノイズ除去。
カメラ補正。
短い要約。
翻訳。
画像編集。
ローカルファイル検索。
メールや文書作成補助。
端末内データを使った軽いAI処理。

つまり、AI PCは、AIをクラウドとPC本体の両方で動かすためのPCです。

ただし、AI PCで扱うのは、一部のAI処理です。

オンデバイスAIとは

オンデバイスAIは、AI処理を端末側で行う考え方です。

ここでいう端末には、PC以外も含まれます。

スマートフォン。
タブレット。
車。
ロボット。
監視カメラ。
工場設備。
エッジ端末。

こうした端末の中でAI推論を行うのが、オンデバイスAIです。

Apple Intelligenceのように、端末内で処理できるものは端末側で処理し、重い処理はクラウドへ送る設計も、この流れに入ります。

つまり、オンデバイスAIは、AI処理の場所を端末側へ移す考え方です。

参考：AI PCは3層で見る

AI PCは、複数の会社と機能層で成り立つ製品です。

PC本体を作る会社。
中の計算資源を作る会社。
OSとAI機能を握る会社。

この3層で見ると、データセンター需要との関係も整理しやすくなります。

PC本体を作る会社

AI PCを実際に市場へ出すのは、PCメーカーです。

Dell。
HP。
Lenovo。
ASUS。
Acer。
Samsung。
Microsoft Surface。
Apple。

MicrosoftのCopilot+ PC発表では、Surfaceに加えて、Acer、ASUS、Dell、HP、Lenovo、SamsungのOEMパートナーが示されています。

出典：Microsoft｜Introducing Copilot+ PCs

この層で見るのは、AI PCが本当に売れるかです。

AI PCの出荷台数。
法人PC更新。
NPU/GPU搭載比率。
DRAM・SSD容量。
平均販売価格。

これらは、端末側AIがどれだけ普及するかを見る指標です。

中の計算資源を作る会社

AI PCの処理性能を決めるのは、PCに入る計算資源です。

Qualcomm。
AMD。
Intel。
Apple。
NVIDIA。

QualcommはSnapdragon X系。
AMDはRyzen AI。
IntelはCore Ultra。
AppleはMシリーズとApple Silicon。
NVIDIAはGPU搭載PC、RTX AI PC系。

この層で見るのは、端末側でどこまでAI処理を回せるかです。

CPU。
GPU。
NPU。
DRAM。
SSD。

これらの組み合わせが、軽い推論をクラウドから端末へ移す力になります。

OS・AI機能を握る会社

AI PCの利用体験を決めるのは、OSとAI機能です。

Microsoft。
Apple。
Google。

Microsoftは、Windows、Copilot+ PC、Copilot、Azureを持ちます。
Appleは、macOS、Apple Intelligence、Private Cloud Computeを持ちます。
Googleは、ChromeOS、Android、Gemini系との接続を持ちます。

この層で見るのは、AIをどのように端末側とクラウド側へ分けるかです。

端末内で処理する軽い推論。
クラウド側へ送る重い推論。
企業データ処理。
同期。
モデル更新。
セキュリティ。

この3層を分けると、AI PCの主語がはっきりします。

Dell、HP、Lenovoは、AI PCが市場で売れるかを見る層です。
Qualcomm、AMD、Intel、NVIDIA、Appleは、端末側計算資源を見る層です。
Microsoft、Apple、Googleは、端末処理とクラウド処理の分担を見る層です。

参照リンク：各社の一次情報は、役割分担を示している

PCメーカー、計算資源を作る会社、OS・AI機能を握る会社を見る目的は、AI PCが端末側処理とクラウド側処理をどう分けるかを確認することです。

見たいのは、各社の一次情報が、クラウド需要の減少を示しているのか、端末側処理とクラウド側処理の役割分担を示しているのかです。

PCメーカーの情報は、AI PCが市場に出る量を示します。
チップメーカーの情報は、端末側で処理できる計算能力を示します。
OS・AI機能の情報は、処理を端末側とクラウド側へどう分けるかを示します。

Microsoftは、Windows向けのローカルAIとして、Windows AI APIs、Foundry Local、Windows MLを用意しています。画像説明、画像生成、セマンティック検索、OCR、音声認識などを端末側で動かす導線です。一方で、同じ資料の中で、クラウドAIモデルを使う選択肢も示しています。

出典：Microsoft Learn｜Use local AI with Microsoft Foundry on Windows

Apple Intelligenceは、端末上で処理できる場合は端末側で動かし、より複雑な要求ではPrivate Cloud Compute上の大きな基盤モデルを使う、と説明しています。

出典：Apple Security Research｜Private Cloud Compute

QualcommのSnapdragon X Eliteは、Hexagon NPUで45 TOPS、13Bパラメータ級の生成AIモデルをオンデバイスで動かせることを前面に出しています。これは、AI PCが端末側推論を担えることを示します。対象は、端末で扱える規模・用途の処理です。

出典：Qualcomm｜Snapdragon X Elite

AMDは、Ryzen AIでPC側のNPU性能を出し、InstinctとEPYCでデータセンター側のAI計算にも接続しています。

Intelは、Core UltraでPC側のAI処理を打ち出し、AI PCをPC更新需要の材料として使っています。

この一次情報から見えるのは、軽い処理を端末側へ移し、重い処理をクラウド側に残す構図です。