見出し画像

ユニファイドメモリPC戦争が始まった

香川友志

Macが先行し、AMDがWindows/x86へ、NVIDIAがCUDA/RTX付きWindows PCへ

はじめに

AI時代のパソコン選びが、根本から変わり始めています。

これまで高性能PCを考えるとき、多くの人はCPU、GPU、メモリ、ストレージを別々に見ていました。

CPUはIntelかAMDか。
GPUはNVIDIAかAMDか。
メモリは32GBか64GBか128GBか。
SSDは1TBか2TBか。

しかし、ローカルLLM、AIエージェント、生成AI、フィジカルAI、ロボットシミュレーションの時代になると、従来の見方だけでは足りなくなります。

なぜなら、AI時代のPCで一番重要になるのは、単純なCPU性能でも、単純なGPU性能でもなく、

巨大なAIモデルをメモリ上に載せられるかどうか

だからです。

ここで一気に重要になってきたのが、

ユニファイドメモリ

です。

ユニファイドメモリとは、CPU用メモリとGPU用メモリを別々に分けるのではなく、CPU、GPU、NPUなどが同じ大容量メモリを共有する仕組みです。

この仕組みを、一般ユーザーにも分かりやすい形で最初に強く打ち出したのがAppleでした。

Apple SiliconのMacは、M1の時代からユニファイドメモリを前面に出していました。
そしてMac Studioでは、100GBを超える大容量ユニファイドメモリを選べるようになり、M3 Ultra世代では発売時に「512GB」のユニファイドメモリをうたう水準まで到達しました。

ただ、2026年6月時点の公式仕様では256GBが中心ですが、それでもAppleが先に見せた方向性は非常に大きい。

それは、

AI時代のPCは、CPUメモリとGPUメモリを分けるのではなく、大容量メモリをCPU・GPU・AIエンジンで共有する方向へ進む

という方向性です。

そして今、その流れをAMDとNVIDIAが追いかけています。

AMDは、Ryzen AI Max+ 395 / Ryzen AI Haloによって、Macが先に示したユニファイドメモリ型AI PCを、Windows / Linuxのx86世界に持ち込みました。

NVIDIAは、DGX Sparkによって、128GBのコヒーレント・ユニファイドメモリを持つ小型AIスーパーコンピュータを出しました。さらにRTX Sparkによって、Windows PCにも最大128GBユニファイドメモリとNVIDIAのAI / RTXスタックを持ち込もうとしています。

つまり、これは単なる新型PCの話ではありません。

これは、

AI時代のパソコンの設計思想が変わる話

です。

この記事の結論

この話の核心は、「CPUが速いか」「GPUが速いか」だけではありません。
AI時代のPCでは、巨大モデルを載せるためのメモリ設計が主役になります。

Macは、ユニファイドメモリPCの価値を先に見せました。
AMDは、それをWindows / Linuxのx86世界に持ち込みました。
NVIDIAは、CUDA / RTX / ロボティクスまで含めたAI開発スタックとして、Windows PCとデスクサイドAIマシンへ広げようとしています。

つまり、これからのPC選びは、単なるCPU・GPUの比較ではなく、自分がどのAIエコシステムに乗るのかを決める話になります。

目次

  1. これまでのPCは「CPUメモリ」と「GPUメモリ」が分かれていた

  2. ユニファイドメモリは、普通のPCのメモリと何が違うのか

  3. なぜPCは最初からユニファイドメモリではなかったのか

  4. 128GBユニファイドメモリの意味

  5. メモリは「容量」だけではない。「帯域幅」も主役になる

  6. Appleが先に見せた「ユニファイドメモリPC」の強さ

  7. AMD Ryzen AI Max+ 395の意味

  8. NVIDIAも128GBユニファイドメモリPCへ来た

  9. RTX Sparkは、単体GPUボードを駆逐するのか

  10. 机からデータセンターへ ―― DGX Station for WindowsとVera Rubin

  11. Mac、AMD、NVIDIAの違い

  12. Mac向けの人、AMD向けの人、NVIDIA向けの人

  13. どのPCを選ぶべきか

  14. これは「AI PC」の定義が変わる話

  15. ローカルLLMはクラウドAIを置き換えるのか

  16. フィジカルAIではNVIDIAの重要性は変わらない

  17. 日本企業にとっての意味

  18. Appleが開いた道、AMDがWindows/x86に持ち込み、NVIDIAがAI開発スタックを載せる

  19. 私の結論

  20. まとめ

  21. 主要参考リンク

1. これまでのPCは「CPUメモリ」と「GPUメモリ」が分かれていた

従来のPCでは、CPUが使うメインメモリと、GPUが使うVRAMは基本的に別物でした。

たとえば、デスクトップPCに128GBのメインメモリを積んでいても、GPUがRTX 4090ならVRAMは24GBです。
RTX 5090でも、一般向けカードではVRAMは32GBです。

つまり、PC全体では128GBや256GBのメモリを積んでいても、AIモデルをGPUに載せる場合には、GPU側のVRAM容量が上限になります。

ここがローカルLLM時代の大きな壁です。

LLMは、モデルサイズが大きくなるほど、メモリを食います。
特に推論時には、モデル本体だけでなく、コンテキスト、KVキャッシュ、推論ランタイム、システム側の予約領域なども必要になります。

そのため、理論上は入りそうなモデルでも、実際にはVRAM不足で動かないことが多い。

AI開発者がよく言う、

「VRAMが足りない」

という問題です。

これまでは、この問題を解決する方法は限られていました。

1つ目は、高額なNVIDIA GPUを買うことです。
RTX PRO 6000 Blackwell、A6000、A100、H100、H200、B200のようなGPUです。

2つ目は、複数GPU構成にすることです。
ただし、これは電力、発熱、マザーボード、電源、ケース、冷却、ドライバ、分散設定などが一気に難しくなります。

3つ目は、クラウドGPUを借りることです。
しかし、クラウドGPUは使えば使うほど費用がかかります。
しかも、機密データを外部に出す問題もあります。

4つ目が、Apple Silicon Macの大容量ユニファイドメモリを使うことでした。

Apple Siliconは、CPUとGPUが同じメモリを共有します。
そのため、NVIDIA GPUのように「GPU専用VRAMが24GBしかない」「32GBしかない」という壁とは違う設計になります。

これが、MacがローカルLLM界隈で注目された理由です。

もちろん、Macにも弱点はあります。
CUDAは使えません。
NVIDIAのAI研究コードがそのまま動くわけではありません。
Isaac Sim、Omniverse、TensorRTなどNVIDIA前提のツールとは相性が悪い。

それでも、巨大モデルをローカルで「とにかくメモリに載せる」という点では、Macの大容量ユニファイドメモリは非常に魅力的でした。

2. ユニファイドメモリは、普通のPCのメモリと何が違うのか

ここで、技術的な疑問に答えておきます。

「ユニファイドメモリは、普通のPCのDRAMと何が違うのか?」

これは、とても良い質問です。

結論から言うと、メモリの「種類」そのものより、つなぎ方と幅が違います。

順番に説明します。

(1) そもそも「普通のPC」はメモリが2つに分かれている

ディスクリートGPU（独立した拡張カードのGPU）を積んだ普通のPCは、メモリのプールが2つあります。

1つ目は、CPU用のメインメモリ。
DDR5のDIMM（差し込み式のメモリモジュール）です。
マザーボードのスロットに挿します。
増設・交換ができます。

2つ目は、GPU用のVRAM。
GDDR6やGDDR7という、グラフィックス専用メモリです。
GPUカードの基板に直接はんだ付けされています。
交換できません。

この2つは別物で、PCIeという通路でつながっています。

ここが大事です。

CPUのメインメモリにいくらデータがあっても、GPUはそれを直接は使えません。
GPUが計算するには、データをPCIe経由でVRAMにコピーする必要があります。

そしてPCIeは、メモリ本体に比べると遅い。
PCIe 5.0 x16でも、おおよそ毎秒64GB程度です。

だからGPUは、基本的に「自分のVRAMに載るぶんしか」高速には扱えません。
RTX 5090なら32GB。
そこが上限です。

これが、第1章で書いた「VRAMの壁」の正体です。

(2) ユニファイドメモリは、プールが1つ

ユニファイドメモリは、この構造を変えます。

CPUも、GPUも、NPUも、同じ1つのメモリを見ます。

データをコピーする必要がありません。
CPUが置いたデータを、GPUがそのまま読めます。
これを「ゼロコピー」と呼ぶこともあります。

つまり、128GBのユニファイドメモリなら、その大部分をGPUの計算に回せます。
Apple Mac Studioなら数百GB。
AMD Ryzen AI Max+ 395なら最大128GB（うち最大96GBをGPU側に）。

「GPUのVRAMが32GBしかない」という壁が、ここで消えます。

(3) ただし、ここは正直に言う必要がある

実は、「CPUとGPUが同じメモリを共有する」こと自体は、新しくありません。

内蔵GPU（IntelのiGPU、AMDのAPU）を積んだPCは、昔からメインメモリをCPUとGPUで共有しています。
ノートPCの多くがそうです。

では、何が新しいのか。

それは、メモリの幅（バス幅）と容量です。

普通のノートPCの内蔵GPUは、メインメモリを共有していても、メモリの通り道が狭い。
だから速くない。

今回のユニファイドメモリAI機が違うのは、通り道を極端に広げた点です。

(4) 「バス幅」が帯域幅を決める

メモリの速さ（帯域幅）は、ざっくり言うと、

バス幅 × メモリの転送速度

で決まります。

水道に例えると、バス幅は「パイプの太さ」です。

普通のデスクトップPCは、DDR5を2チャネル、128bit幅で使います。
DDR5-6400・128GBのデュアルチャネルで、帯域幅はおよそ毎秒102GBです。

一方、今回のユニファイドメモリ機は、はるかに太いパイプを持ちます。

| 機種 | メモリ種別 | バス幅（目安） | 帯域幅 |
| 普通のデスクトップ（DDR5-6400 2ch） | DDR5（DIMM・増設可） | 128bit | 約102GB/s |
| AMD Ryzen AI Max+ 395 | LPDDR5X-8000 | 256bit | 約256GB/s |
| NVIDIA DGX Spark | LPDDR5X | 256bit | 273GB/s |
| NVIDIA RTX Spark | LPDDR5X | 256bit（最大構成） | 約273GB/s（最大構成、DGX Spark相当） |
| Apple Mac Studio M3 Ultra | LPDDR5 | 1024bit | 819GB/s |
| （参考）NVIDIA RTX 5090のVRAM | GDDR7 | 512bit | 約1,792GB/s |

ここで分かることがあります。

Mac Studio M3 Ultraは、1024bitという非常に太いバスを持っています。
普通のデスクトップPCの約8倍の幅です。
だから819GB/sという、PCのメインメモリでは出せない帯域幅が出ます。

では、なぜ普通のPCはこの太さにできないのか。

それは、DIMM（差し込み式メモリ）のままでは、信号品質の問題で、これほど広く・速くするのが難しいからです。

そこで各社は、LPDDR5X（低消費電力で省スペースなメモリ）を、SoC（チップ）のすぐ近くに大量にはんだ付けします。
Appleはチップと同じパッケージに載せます。
こうして初めて、太く・速く・大容量のメモリが実現します。

代償もあります。

はんだ付け・パッケージ内蔵なので、メモリは増設・交換できません。
買うときに容量を決め切る必要があります。

冒頭で触れた、Mac Studioが発売時に512GBを打ち出しながら、2026年6月時点の公式Tech Specsでは256GBまでの表記になっている話とも、ここがつながります。
ユニファイドメモリは後から足せないので、メモリ供給の逼迫の影響をもろに受けます。

(5) 3つのメモリの違いを整理する

最後に、3種類のメモリを整理します。

DDR5（普通のPCのメインメモリ）
差し込み式で増設できる。比較的安い。
ただしバスが狭く、帯域幅は約100GB/s前後。
CPU用。巨大LLMをGPUで速く動かすには不向き。

GDDR7（ディスクリートGPUのVRAM）
非常に速い（RTX 5090で約1,792GB/s）。
ただし容量が小さい（32GB）。GPU専用で、CPUとは別プール。
モデルがVRAMに収まれば最速。収まらなければ使えない。

LPDDR5X（ユニファイドメモリ）
容量が大きい（128GB〜数百GB）。CPU・GPU・NPUで共有。
帯域幅は中間（256〜819GB/s）。
巨大モデルを「載せられる」。ただし最速のGPU VRAMほどは速くない。増設不可。

つまり、今回のユニファイドメモリ機は、

「GDDR並みの速さ」ではなく、「大容量を、そこそこ速い帯域で、CPUとGPUが共有できる」

という設計を選んだ、ということです。

巨大モデルをローカルで動かすには、まず「載ること」が最優先。
だから、容量を取りつつ帯域も稼げるLPDDR5Xのユニファイドメモリが、今のAI PCの主役になっているのです。

3. なぜPCは最初からユニファイドメモリではなかったのか

ここで、もう一歩踏み込んだ疑問に答えます。

「CPUのDRAMとGPUのVRAMを統合できるなら、なぜPCは最初からそうなっていないのか?」
「Appleは何か特殊なものを開発したのか?」
「それとも、ユニファイドメモリは高いのか?」

順番に答えます。

Appleが発明したわけではない

まず、ユニファイドメモリはAppleの発明ではありません。

実は、ゲーム機は10年以上前からユニファイドメモリです。

PlayStation 4（2013年）。
PlayStation 5。
Xbox One。
Xbox Series X。

これらはすべて、CPUとGPUが同じメモリを共有するAMD製SoCです。
PS5は16GBのGDDR6を、CPUとGPUで共有しています。

さらに言えば、内蔵GPU（IntelのiGPU、AMDのAPU）も、昔からメインメモリを共有しています。

つまり、「統合メモリ」という考え方自体は、まったく新しくありません。

Appleがやったのは、発明ではなく、全面採用と大規模化です。

Mac全機種でユニファイドメモリに統一した。
メモリをチップと同じパッケージに載せた。
バス幅を最大1024bitまで広げた。
GPUとmacOS（MetalやMLX）を自社で最適化した。

ハード、メモリ構成、OSを全部自社で握っているからこそ、ここまで踏み込めました。
これがAppleの「特殊さ」です。技術の発明というより、垂直統合の徹底です。

では、なぜPCは最初からそうしなかったのか

理由は、PCの「強み」が逆方向だからです。

PCの価値は、モジュール式・交換可能・多社競争にあります。

CPUはIntelかAMD。
GPUはNVIDIAかAMD。
メモリはMicron、Samsung、SK Hynixから選び、DIMMで挿す。
足りなければ後から増設する。
GPUが古くなれば差し替える。

この「自由に組み替えられる」ことが、PCの最大の強みでした。

ユニファイドメモリは、この強みを捨てます。

はんだ付け。
増設不可。
CPU・GPU・メモリが一体のSoC。
基本的に1社（Apple、AMD、NVIDIA）が全部を決める。

PC業界は長年、この「閉じた構成」を避けてきました。
だから最初からユニファイドメモリにはしなかったのです。

もう一つの理由：「専用」のほうが速い

技術的な理由もあります。

メモリは、用途ごとに最適化したほうが、それぞれは速くなります。

GPU用のGDDRは、帯域幅を最優先に作られています。
だからRTX 5090は約1,792GB/sという、ユニファイドメモリの数倍の速さを出せます。

CPU用のDDRは、低遅延・大容量・増設・ECC対応を優先しています。
サーバーなら、DDR5のDIMMで1TB以上を安く積めます。

ユニファイドメモリ（LPDDR5X）は、その中間です。
GDDRほど速くなく、DDRほど安く大容量でもない。

つまりユニファイドメモリは、両者のいいとこ取りではなく、両者の中間にある妥協です。

最高のGPU速度がほしい人には、専用GDDRの単体GPUが勝つ。
最大・最安のCPUメモリがほしい人には、DDRのDIMMが勝つ。

だからPCは、長く「専用2プール」を選んできました。

では、ユニファイドメモリは高いのか

コストは、単純ではありません。

メモリ単体で見ると、LPDDRは一般にDDR5より割高です。
さらに、チップに近接してはんだ付けする実装はコストがかかり、メモリが不良ならSoCごと捨てることになります（歩留まりリスク）。
だからApple、AMD、NVIDIAの大容量モデルは高い。

ただし、システム全体で見ると話は変わります。

ユニファイドメモリ機は、別途の高価なGPUカードも、GDDR VRAMも、巨大な電源も冷却も要りません。
小型・省電力で、1つの箱で完結します。

なので、「メモリだけは割高だが、システム全体では割安になりうる」というのが現実に近い。

そしてAppleのメモリ増設価格が高いのは、原価だけでなく利益率の問題もあります。
増設できない構造なので、最初から多めに積ませる価格設計になっているわけです。

なぜ「今」なのか

最後に、一番大事な点です。

これらの統合メモリ機が「今」注目されているのは、技術が急に生まれたからではありません。

AIが、計算の前提を変えたからです。

ゲームや一般作業では、GPUの「速さ」が主役でした。
だから専用GDDRの単体GPUが正解でした。

しかしLLMでは、まず「巨大モデルがメモリに載るか」が最優先になります。
32GBのVRAMでは載らない。
でも128GBのユニファイドメモリなら載る。

この瞬間、ずっと「中間の妥協」だったユニファイドメモリが、急に「正解の一つ」になったのです。

PCが最初からこうしなかったのは、間違いだったからではありません。
AI以前は、専用2プールのほうが理にかなっていた、というだけです。

4. 128GBユニファイドメモリの意味

128GBという数字は、AI時代のPCにおいて非常に重要です。

なぜなら、多くの巨大LLMは、量子化すれば128GB級のメモリで現実的に動かせるからです。

たとえば、70B級モデルは、量子化すればかなり現実的になります。
120B級モデルも、条件次第でローカル実行が見えてきます。
200B級モデルも、4bit量子化などを前提にすれば、128GB級メモリが一つの目安になります。

もちろん、快適に動くかどうかは別問題です。

モデルサイズ。
量子化方式。
コンテキスト長。
推論エンジン。
GPU割り当て。
OS。
ドライバ。
ROCm対応。
CUDA対応。
ランタイム最適化。
冷却。
電力設定。

これらによって実用性能は大きく変わります。

しかし、まずモデルがメモリに載るかどうか。
ここが最初の壁です。

24GBや32GBのVRAMでは載らないモデルが、128GBユニファイドメモリなら載る可能性が出てくる。
これが大きい。

これは、AIの使い方を変えます。

クラウドに投げなくても、社内で動かせる。
顧客データを外に出さなくても、ローカルRAGができる。
自社のマニュアル、契約書、商品情報、設計資料、物流資料、工場手順書をローカルAIに読ませられる。
ClaudeやChatGPTのAPI課金を完全になくすことはできなくても、日常的な処理の一部をローカルに逃がせる。

これは、中小企業にとっても大きいです。

特に日本企業は、機密情報を外部AIに投げることに抵抗があります。
大企業ほど、セキュリティ部門、法務部門、情報システム部門の壁が高い。

そのとき、ローカルLLMは一つの現実解になります。

ただし、ここでも誤解してはいけません。

ローカルLLMが、ChatGPTやClaudeの最先端モデルを完全に置き換えるわけではありません。

クラウドの最先端モデルは、推論品質、マルチモーダル性能、ツール利用、エージェント能力、検索統合、コーディング能力、長文推論などで依然として強い。

ローカルLLMの価値は、

最高性能ではなく、手元で動くこと、データを外に出さないこと、何度でも使えること、カスタマイズできること

にあります。

5. メモリは「容量」だけではない。「帯域幅」も主役になる

ここまで、私はメモリ「容量」の話を中心にしてきました。

128GBあれば、巨大モデルが載る。
これは事実です。

しかし、ここで一つ、見落としてはいけない点があります。

それが、

メモリ帯域幅

です。

メモリ容量は、「どれだけ大きいモデルを載せられるか」を決めます。
メモリ帯域幅は、「載せたモデルがどれだけ速く動くか」を決めます。

特にLLMのトークン生成、つまり文章を出力していく速度は、メモリ帯域幅に強く依存します。

ここが重要です。

同じ128GBでも、製品によって帯域幅は大きく違います。

公表値ベースで見ると、だいたい次のようなイメージです。

| 製品 | メモリ | 帯域幅 | 補足 |
| Apple Mac Studio M3 Ultra | 96GB / 256GB構成が中心 | 819GB/s | 2025発表時は512GB級も象徴的に訴求 |
| AMD Ryzen AI Max+ 395 | 最大128GB | 約256GB/s | VGMで最大96GBをVRAM化可能 |
| AMD Ryzen AI Halo | 128GB | 約256GB/s級 | Windows / Linux対応、最大200B級を訴求 |
| NVIDIA DGX Spark | 128GB | 273GB/s | DGX OS、CUDA、最大200B級 |
| NVIDIA RTX Spark | 最大128GB | 約273GB/s（最大構成） | Windows PC向け。最大1 PFLOP。最大構成はDGX Spark相当。下位構成は要確認 |

ここで分かることがあります。

Mac Studioの帯域幅は、AMDやNVIDIAの小型機より大きい。
つまり、巨大モデルをローカルで「速く」生成するという一点では、Mac Studioは依然として強い。

一方で、NVIDIAはCUDA、TensorRT、RTX、AIソフトウェアスタックが圧倒的に強い。
AMDは、Windows / Linuxのx86互換性とコストパフォーマンスで強い。

つまり、こう整理できます。

容量で「載るかどうか」が決まる。
帯域幅で「生成がどれだけ速いか」が決まる。
GPU演算力で「読み込みや画像生成、動画生成、3D処理がどれだけ速いか」が決まる。
エコシステムで「実際に使えるか」が決まる。

Mac Studioは、帯域幅と静音性が強い。
NVIDIA系は、CUDAとAI/3D/ロボットのエコシステムが強い。
AMDは、x86互換とWindows / Linux対応、そしてコストで勝負する。

ここで一つ言えることがあります。

「128GB」という容量の数字だけでPCを選ぶと、失敗する可能性がある。

容量、帯域幅、GPU演算力、ソフトウェアエコシステム。
この4つをセットで見る必要があります。

6. Appleが先に見せた「ユニファイドメモリPC」の強さ

Apple Siliconの強さは、単に省電力というだけではありません。

CPU、GPU、Neural Engine、メディアエンジン、メモリが1つのSoC思想で統合されていることです。

Macのユニファイドメモリは、もともとは動画編集、写真編集、3D、音楽制作、プロクリエイター向けの意味が大きかったと思います。

4K、8K動画。
大量のRAW画像。
3Dレンダリング。
複数アプリの同時利用。
プロ向けの大容量データ処理。

このような用途で、CPUとGPUが同じ高帯域メモリを共有できることは大きなメリットでした。

しかし、生成AIが登場してから、この価値が一変しました。

ユニファイドメモリは、

巨大AIモデルをローカルで動かすための武器

になったのです。

特にMac Studioは象徴的でした。

Mac Studioは、机の上に置ける小型筐体でありながら、大容量のユニファイドメモリを搭載できます。
NVIDIAの複数GPUワークステーションのような巨大なケースでもなく、爆音でもなく、家庭や小規模オフィスでも扱いやすい。

そのため、ローカルLLMを試す人たちの間では、

「巨大モデルをメモリに載せるならMac Studioが面白い」

という評価が出てきました。

さらにMac Studio M3 Ultraは、819GB/sという非常に高いメモリ帯域幅を持ちます。
これは、今回話題になっているAMD Ryzen AI Max+ 395やNVIDIA DGX Sparkの小型AIマシンより大きい数字です。

ここで重要なのは、メモリには2つの意味があることです。

1つ目は、容量です。
どれだけ大きいAIモデルを載せられるか。

2つ目は、帯域幅です。
載せたモデルをどれだけ速く動かせるか。

Mac Studioは、この2つのうち、とくに帯域幅が非常に強い。
そのため、巨大LLMのトークン生成速度という面では、今でも強力な選択肢です。

一方で、Macは万能ではありません。

CUDAが使えない。
vLLM、TensorRT、CUDA前提のAI研究コードでは不利。
ロボットシミュレーション、Omniverse、Isaac SimではNVIDIAに勝てない。
Windows業務アプリ中心の企業環境では導入しにくい場合もある。

それでも、Appleは一つの方向性を示しました。

それは、

AI時代のPCは、CPUとGPUを別々に考える時代から、大容量メモリを共有する統合型コンピュータへ向かう

という方向性です。

ここに、AMDとNVIDIAが追随してきたわけです。

7. AMD Ryzen AI Max+ 395の意味

AMD Ryzen AI Max+ 395は、単なる新しいAPUではありません。

これは、AppleがMacで先に見せたユニファイドメモリ型AI PCを、

Windows / Linuxのx86世界に持ち込む製品

です。

Ryzen AI Max+ 395は、コードネーム「Strix Halo」と呼ばれてきた巨大APUです。

主な特徴は以下です。

  • 16コア / 32スレッドのZen 5 CPU

  • Radeon 8060S相当の強力な内蔵GPU

  • 40基のRDNA 3.5 Compute Unit

  • XDNA 2 NPU

  • 最大128GBのLPDDR5xユニファイドメモリ

  • 256GB/s級のメモリ帯域幅

  • Windows / Linux対応

  • AMD ROCmによるAI開発対応

AMDの公式ブログでは、Ryzen AI Max+ 395は32GBから128GBまでのユニファイドメモリ構成を持ち、そのうち最大96GBをAMD Variable Graphics MemoryによってVRAM的に割り当てられると説明されています。

ここは記事上、かなり重要です。

SNSでは「110GB以上をAIに使える」「112GB使える」といった表現も見ます。
LinuxやROCm設定、ランタイム、BIOS設定によって、実効的に見えるメモリ容量が変わる可能性はあります。
しかし、AMDが一般向けに明確に説明している数字としては、まずは、

最大128GBユニファイドメモリ。
そのうち最大96GBをVGMでVRAM化可能。

と書くのが安全です。

そして2026年には、AMDはRyzen AI Max+ 395を搭載した小型AI開発機「Ryzen AI Halo Developer Platform」を打ち出しました。
AMD公式ページでは、Ryzen AI Haloは128GBのユニファイドメモリを備え、最大200Bパラメータ級モデルに対応し、LinuxとWindowsの両方で使える開発プラットフォームとされています。

ここが非常に大きい。

これまでWindows PCでローカルLLMをやろうとすると、多くの場合はNVIDIA GPUのVRAM容量に縛られていました。

RTX 4090なら24GB。
RTX 5090なら32GB。
一般ユーザーが手に届く範囲では、ここが上限でした。

もちろん、メインメモリを使ってCPU推論することもできます。
しかし、CPUだけでは速度が厳しい。

そこでAMDは、x86のWindows / Linux PCで、CPUとGPUが128GB級のメモリを共有できる構造を出してきました。

これは、非常に大きい。

なぜなら、Windows PCの世界には、圧倒的な数のユーザーがいるからです。

企業もWindows。
中小企業もWindows。
製造業の現場もWindows。
設計、事務、会計、営業、物流、EC、顧客管理もWindows。
日本の多くの会社もWindows中心です。

Macでできていた巨大ローカルLLM環境が、Windows / Linuxのx86 PCにも降りてくる。

これがRyzen AI Max+ 395の本質です。

私はこれを、

x86版Mac Studio for ローカルLLM

と見ています。

ただし、注意点もあります。

Ryzen AI Max+ 395は、NVIDIA GPUの代替ではありません。
特に、CUDA、TensorRT、Omniverse、Isaac Sim、ロボットシミュレーション、合成データ生成、強化学習、Vision-Language-Actionモデルの研究開発では、NVIDIAのエコシステムが強すぎます。

AMDの強みは、

「巨大LLMをローカルに載せる」
「Windows / Linuxのx86環境で動かす」
「比較的小型・省電力で扱う」
「NVIDIAより開いたPC市場に載せやすい」

という部分です。

つまり、Ryzen AI Max+ 395は、

AI開発者の机の上に置くローカルLLM箱

です。

NVIDIAのハイエンドGPUワークステーションとは、役割が違います。

8. NVIDIAも128GBユニファイドメモリPCへ来た

ここで面白いのがNVIDIAです。

NVIDIAはこれまで、AI時代の中心にいました。

H100、H200、B200、GB200。
CUDA、cuDNN、TensorRT、Triton、NIM、Omniverse、Isaac、Cosmos、GR00T。
クラウドAI、生成AI、ロボティクス、デジタルツイン、シミュレーションの中心にいるのは、間違いなくNVIDIAです。

しかし、一般PCの世界では、NVIDIAは基本的にGPUメーカーでした。

CPUはIntelやAMD。
GPUはNVIDIA。
メモリはシステムメモリとVRAMに分離。

これが従来の構造でした。

ところが、AI PCの時代になり、NVIDIAも変わり始めました。

代表例が、DGX Sparkです。

DGX Sparkは、NVIDIA GB10 Grace Blackwell Superchipを搭載した小型AIスーパーコンピュータです。
128GBのcoherent unified system memoryを持ち、机の上で最大200Bパラメータ級モデルを扱うことを狙っています。

DGX Sparkの主な仕様は以下です。

  • NVIDIA GB10 Grace Blackwell Superchip

  • 20コアArm CPU

  • Blackwell GPU

  • 128GB LPDDR5x coherent unified system memory

  • 273GB/s memory bandwidth

  • 最大1 PFLOP FP4

  • 4TB NVMe SSD

  • NVIDIA DGX OS

  • ConnectX-7 NIC

  • 2台接続で最大405B級モデルを狙える構成

これは、AppleのMac StudioやAMD Ryzen AI Haloと同じく、

机の上に置けるローカルAIマシン

というカテゴリーです。

ただし、DGX Sparkは普通のWindows PCではありません。
NVIDIAのAI開発機であり、OSもNVIDIA DGX OSです。
CPUもx86ではなくArm系です。
Windowsをそのまま動かす機械ではない、という点は押さえておくべきです。

そして、さらに重要なのがRTX Sparkです。

RTX Sparkは、NVIDIAとMicrosoftが進める次世代Windows PC向けの流れです。
NVIDIAの公式発表では、RTX Sparkは最大1 PFLOPのAI性能、最大128GBのユニファイドメモリを持ち、Windows上で個人AIエージェントを動かすためのPCとして位置づけられています。

Microsoftの日本語発表でも、RTX Sparkは最大6,144基のBlackwell RTXコア、Armアーキテクチャの最大20基の高効率コア、最大128GBのユニファイドメモリを搭載すると説明されています。

ここでついに、NVIDIAも

Windows PCにユニファイドメモリ型AIコンピュータを持ち込む

流れに入ってきたと言えます。

ただし、ここも正確に言う必要があります。

AMD Ryzen AI Max+ 395は、x86です。
NVIDIA DGX SparkやRTX Sparkは、Arm系です。

つまり、NVIDIAが出してくるのは「Windows PC」ではありますが、従来のIntel / AMD x86 Windows PCとは別系統です。

この違いは大きいです。

x86 Windowsは、既存のWindowsソフト資産が強い。
Arm Windowsは、省電力・統合設計では強いが、互換性や普及には時間がかかる。
NVIDIAはそこにCUDA、RTX、AIソフトウェアスタックを載せて勝負してくる。

つまり、これからのPC市場は、単純なIntel vs AMDではなくなります。

Apple SiliconのMac。
AMDのx86ユニファイドメモリAI PC。
NVIDIAのArm + CUDA + Windows AI PC。
QualcommのArm Windows PC。
そして従来型のNVIDIA GPU搭載ワークステーション。

この複数の流れが、AI PC市場でぶつかることになります。

RTX Sparkの発売時期と搭載機

RTX Sparkは、2026年秋に搭載PCが登場する予定です。

NVIDIA公式発表では、ASUS、Dell、HP、Lenovo、Microsoft Surface、MSIからRTX Spark搭載の薄型WindowsノートPCと小型デスクトップPCが登場し、AcerとGIGABYTEも後に続くとされています。

NVIDIA公式ページで具体例として示されているのは、

ASUS ProArt P16
Dell XPS 16
HP OmniBook X 14
Lenovo Yoga Pro 9n
Microsoft Surface Laptop Ultra
MSI Prestige N16 Flip AI+

などです。

RTX Sparkは、最大1 PFLOPのFP4 AI性能、最大128GBのユニファイドメモリ、最大6,144基のBlackwell RTX GPUコア、最大20コアのGrace CPUを打ち出しています。
ただし、最終的な価格や実効性能は、製品ごとに確認したい数字です。

メモリ帯域については、最大構成（最大128GB LPDDR5X、256bitバス）で、DGX Spark相当の約273GB/sとされます。
なお、RTX Sparkで「600GB/s」という数字も見かけますが、これはCPUとGPUをつなぐNVLink-C2Cの帯域であって、メモリ帯域とは別物です。
ここは混同されやすいので、注意したいところです。

また、現時点の公式発表では、RTX Sparkの価値は「Copilot+ PC」というより、Windows上で安全にローカルAIエージェントを動かすためのNVIDIA CUDA / RTX / OpenShellスタックにあります。
NVIDIAとMicrosoftは、Windowsのセキュリティ・分離機構とNVIDIA OpenShellを組み合わせ、ローカルエージェントをユーザー管理下で動かす方向を示しています。

AdobeもPhotoshopとPremiereをRTX Spark向けに再設計し、AI・編集・カラー・エフェクト処理を最大2倍高速化するとしています。

Sparkは長期ロードマップ化する可能性がある

RTX Sparkは、単発の実験機ではなく、NVIDIAがPC市場へ本格的に入るための長期プラットフォームになる可能性があります。

NVIDIA公式発表で確定しているのは、2026年秋にGrace CPUとBlackwell RTX GPUを組み合わせたRTX Spark搭載PCが登場することです。
一方で、COMPUTEX / GTC Taipeiで示されたロードマップ資料を報じた複数メディアでは、将来世代としてVera Rubin Spark、Rosa Feynman Sparkという名前も伝えられています。

ただし、将来世代の詳細仕様や発売時期は、現時点では公式製品仕様として確定したものではありません。
記事としては、RTX Sparkを「NVIDIAがWindows on Arm + AIエージェントPCを長期的に育てる意思表示」と見るのが安全です。

9. RTX Sparkは、単体GPUボードを駆逐するのか

ここで、多くの人が気になる点に答えます。

「RTX Sparkが出たら、単体のGPUボード（ディスクリートGPU）はもういらなくなるのか?」

結論から言うと、駆逐しません。
当面は、役割を分け合う形になります。

理由を説明します。

RTX Sparkは「速さの王者」ではない

まず、RTX Sparkは統合型のSoCです。
GPU、CPU、ユニファイドメモリを一体化し、薄型ノートや小型デスクトップに載せるためのプラットフォームです。

ここで大事なのは、NVIDIAがRTX Sparkを「RTX 5090の置き換え」として出しているわけではない、という点です。
RTX Sparkの本質は、最大128GBのユニファイドメモリを使って、ローカルAIエージェント、大きなLLM、創作ワークロードを手元で動かすことです。

一方、単体GPUボードは、GDDR7などの専用VRAMを使い、メモリ帯域幅と瞬間的な演算性能で勝負します。
そのため、モデルやデータがVRAMに収まるなら、単体GPUの方が速い場面が多い。

つまり、RTX Sparkは「最速GPUを置き換える製品」ではなく、
大容量ユニファイドメモリを備えた、常時起動型のAIエージェントPCを作るための製品
と見るのが正確です。

単体GPUボード（ディスクリートGPU）の良さ

一方、単体GPUボードには、はっきりした強みがあります。

1. 帯域幅と生の速さ
RTX 5090は約1,792GB/s級です。
DGX Sparkの273GB/sと比べても、約6.5倍の帯域幅があります。
RTX Sparkも最大128GBユニファイドメモリを打ち出していますが、帯域幅は個別製品ごとの確認が必要であり、少なくとも「単体GDDR7 GPUの帯域幅をそのまま置き換える製品」とは見ない方が安全です。
モデルが32GBのVRAMに収まるなら、単体GPUのほうが速い場面が多い。
トークン生成、画像生成、動画生成、学習、すべてで有利です。

2. 組み替えられる
好きなx86 CPUと組み合わせられる。
GPUだけ差し替えられる。
2枚、4枚と増やせる。
RTX PRO 6000 Blackwell（96GB GDDR7・ECC）のような大容量ワークステーション向けも選べる。

3. ゲームとx86互換
最新AAAゲームを最高画質で動かせるのは、今も単体GPUです。
そして単体GPUは、従来のx86 Windowsソフトがそのまま動く環境で使えます。
RTX SparkがArm版Windowsで、x86アプリをPrismエミュレーションで動かすのとは違います。

4. 冷却と電力の余裕
単体GPUは575Wクラスの電力と大型冷却を前提にできます。
薄型ノートのSoCより、はるかに長時間・高負荷の計算を回せます。

RTX Spark（統合型）の良さ

逆に、RTX Sparkにしかない強みもあります。

1. 容量
128GBを1つのプールで持てる。
32GBのVRAMには載らない120B級モデルを、ローカルで動かせる。

2. 省電力・携帯性
薄型ノートで、バッテリー駆動で動く。
常時起動のAIエージェントに向く。

3. 一体・シンプル
PCIeのコピーがなく、1つの箱で完結する。

だから、両者は共存する

つまり、こう整理できます。

容量で勝負するなら、RTX Spark（統合型）。
速さで勝負するなら、単体GPUボード。

NVIDIA自身が、両方を売り続けています。
ローカルAIエージェント向けにはRTX Spark。
ゲーム・クリエイティブ・高速AIにはGeForce RTX。
ワークステーションにはRTX PRO。
さらに上には、GB300搭載のDGX Stationまである。

NVIDIAは、自社の巨大なGPUビジネスを自分で潰す気はありません。
RTX Sparkは、単体GPUを駆逐する製品ではなく、これまで単体GPUでは埋められなかった「大容量・省電力・携帯」という空白を埋める製品です。

私の見方はこうです。

単体GPUボードは、速さと拡張性で残る。
RTX Sparkは、容量と携帯性で別の市場を作る。
そして多くの現場では、両方を使い分けることになる。

10. 机からデータセンターへ ―― DGX Station for WindowsとVera Rubin

ユニファイドメモリの流れは、個人の机の上だけで終わりません。

NVIDIAは、同じ「大容量メモリを共有する」という考え方を、企業の机、そしてデータセンターまで一気に広げてきました。

DGX Station for Windows ―― 企業の机に置くAIデータセンター

2026年5月31日、NVIDIAはDGX Station for Windowsを発表しました。

これは、単なる高性能PCではありません。
机の横に置く、企業向けの小型AIデータセンターです。

主な仕様は次のとおりです。

  • GB300 Grace Blackwell Ultra Desktop Superchip

  • 72コアGrace CPU + Blackwell Ultra GPU

  • 最大748GBのコヒーレントメモリ（252GBのHBM3e + 496GBのLPDDR5X）

  • 最大20PFLOPS級のFP4性能

  • ConnectX-8 SuperNIC、最大800Gb/s

  • 最大1兆パラメータ級モデルをローカル実行

OSはWindowsです。
WSL（Windows Subsystem for Linux）経由でLinux系のAI開発ツールも使え、既存のWindows環境にそのまま展開できます。
OpenShellにも対応し、AIエージェントを安全に動かせます。

さらにRTX PRO 6000 Blackwell Workstation GPUと組み合わせれば、計算に加えて、レイトレーシングの可視化やシミュレーションまで、1台でこなせます。

登場は2026年第4四半期（Q4 2026）の予定です。

Vera Rubin ―― データセンター側の次世代

そしてデータセンター側では、次世代プラットフォームVera Rubinが動き始めています。

NVIDIAは2026年に、次世代データセンター基盤としてVera Rubinプラットフォームを前面に出しました。
NVIDIA公式発表では、RubinはBlackwellの後継となる極めて大規模なAIプラットフォームであり、AWS、Google Cloud、Microsoft、OCIなどがRubinベースのインスタンスを展開する予定とされています。

Rubinは、GPU単体ではなく、Vera CPU、Rubin GPU、NVLink、ネットワーク、DPUまで含めたラックスケールのAI基盤です。
記事として細かなGPU数や性能値を断定しすぎるよりも、ここでは「NVIDIAがPC、デスクサイド、データセンターを同じAIスタックでつなごうとしている」と捉える方が本質に近いです。

ここで注目したいのは、NVIDIAがGPUだけでなく、CPU（Grace、そして自社設計コアのVera）まで自前で持ち始めたことです。
つまり、IntelやAMDが握ってきたデータセンターCPU市場にも、正面から踏み込んでいます。

ロードマップも示されています。
2027年にRubin Ultra（NVL576）、その先にFeynman。

ユニファイドメモリの「階層」

こうして見ると、今回の流れは1製品の話ではありません。

同じ「大容量メモリを共有する」という発想が、規模を変えて積み上がっています。

  • 個人の机：DGX Spark / RTX Spark（128GB級）

  • 企業の机：DGX Station for Windows（最大748GB級）

  • データセンター：Vera Rubin NVL72などのRubin系ラックスケール基盤（大規模メモリ・高速インターコネクト）

ユニファイドメモリPC戦争は、机の上だけでなく、企業とデータセンターまで地続きでつながっているのです。

11. Mac、AMD、NVIDIAの違い

ここで一度、整理します。

Mac / Apple Silicon

Macは、ユニファイドメモリPCの先行者です。

強みは、省電力、静音性、筐体完成度、macOS、クリエイター用途、MLX、Ollama、llama.cppなどのローカルLLM環境です。
さらに、Mac Studio M3 Ultraは819GB/sという高いメモリ帯域幅を持ち、トークン生成速度や大容量メモリを使う作業で有利です。

Macは、以下のような人に向いています。

  • すでにmacOS中心で仕事をしている人

  • 動画編集、画像編集、音楽制作、デザイン、開発を一台で行う人

  • 静音・省電力・完成度を重視する人

  • ローカルLLMを快適に試したい個人開発者

  • MLX、Ollama、llama.cpp、LM StudioなどでローカルAIを使いたい人

  • NVIDIA CUDAまでは不要な人

一方で、Macの弱点はCUDAが使えないことです。

AI研究、ロボットシミュレーション、Omniverse、Isaac Sim、TensorRT、NVIDIA前提のツール群では不利です。

つまりMacは、

ローカルLLM、クリエイティブAI、個人開発、静音省電力の巨大メモリマシン

です。

AMD Ryzen AI Max+ 395 / Ryzen AI Halo

AMDは、Mac的な大容量ユニファイドメモリ構造を、x86 Windows / Linuxに持ち込んできました。

これは非常に重要です。

なぜなら、企業の現場はWindowsが多いからです。
日本の中小企業もWindows中心です。
製造業の現場、事務所、物流、EC、会計、営業管理、業務システムもWindowsが多い。

そこに、128GBユニファイドメモリのローカルAI PCが入ってくる。

この意味は大きいです。

AMDの強みは、

x86互換性、Windows / Linux両対応、ローカルLLM用途、コストパフォーマンス

です。

AMDは、以下のような人に向いています。

  • Windows / Linuxの両方を使いたい人

  • 既存のx86 Windowsソフト資産を重視する人

  • 会社や現場でWindows業務環境にAIを入れたい人

  • 巨大ローカルLLM、社内RAG、ローカルAIエージェントを試したい人

  • NVIDIAほどのCUDA依存がない人

  • MacではなくWindowsで「ローカルLLM箱」が欲しい人

  • コストパフォーマンスを重視する人

一方で、弱点はNVIDIAのCUDAエコシステムに比べると、AIソフトウェアの成熟度でまだ差があることです。

ROCmは進化していますが、現実のAI開発では、まだCUDA前提のコードが多い。
特に研究、画像生成、動画生成、3D、ロボティクス、シミュレーションではNVIDIAの方が現実的です。

つまりAMD Ryzen AI Max+ 395は、

Windows / Linuxで巨大ローカルLLMを動かすための、x86版Mac Studio的な存在

です。

NVIDIA DGX Spark / RTX Spark

NVIDIAは、AIエコシステムの王者です。

強みは、CUDA、TensorRT、RTX、Omniverse、Isaac、Cosmos、NIM、AI Enterprise、NVIDIAの開発者エコシステムです。

ローカルLLMだけでなく、ロボット、フィジカルAI、デジタルツイン、合成データ生成、3Dシミュレーションまで含めると、NVIDIAの存在感は圧倒的です。

NVIDIAは、以下のような人に向いています。

  • CUDAを使うAI研究者、開発者

  • PyTorch / TensorRT / vLLM / CUDA前提の環境を重視する人

  • 画像生成、動画生成、ComfyUI、3D生成を本格的に使う人

  • Omniverse、Isaac Sim、Cosmos、ロボットシミュレーションを使いたい人

  • フィジカルAI、ヒューマノイド、デジタルツインに関わる人

  • ローカルでAIエージェントを動かしつつ、将来クラウドやデータセンターへ移行したい人

  • 開発環境としてNVIDIAのフルスタックを重視する人

DGX Sparkは、デスクトップAIスーパーコンピュータです。
RTX Sparkは、Windows PCにNVIDIAのAI基盤を持ち込む流れです。

これは、AppleやAMDのユニファイドメモリPCとは似ていますが、目的が少し違います。

AppleやAMDが、

巨大LLMをローカルで動かせるPC

だとすれば、NVIDIAは、

クラウドからロボットまでつながるAI開発スタックを、ローカルにも持ってくるPC

です。

つまり、NVIDIAの本命はローカルLLMだけではありません。

AIエージェント。
生成AI。
3D。
ロボット。
シミュレーション。
合成データ。
フィジカルAI。
デジタルツイン。

ここまで含めた開発環境です。

12. Mac向けの人、AMD向けの人、NVIDIA向けの人

ここは読者にとって一番実用的な部分です。

結局、どれを選べばよいのか。

Mac向けの人

Mac向けの人は、ひと言で言えば、

すでにApple環境にいて、静かで完成度の高いローカルAIマシンが欲しい人

です。

Macのメリットは、非常に分かりやすいです。

まず、静かです。
机の上に置いても邪魔になりにくい。
電力消費も比較的抑えられる。
動画編集、画像編集、音楽制作、開発、文章作成、ローカルLLMを一台でこなせます。

次に、メモリ帯域幅が強い。
Mac Studio M3 Ultraは819GB/sのメモリ帯域幅を持ち、大容量データを扱う用途に強い。

さらに、macOSは完成度が高い。
iPhone、iPad、AirDrop、iCloud、Final Cut Pro、Logic Pro、DaVinci Resolve、Adobe系アプリとの連携も強い。

ローカルAIでも、MLX、Ollama、LM Studio、llama.cppなどを使えば、かなり快適に使えます。

Macが向いている人は、以下です。

  • クリエイター

  • 動画編集者

  • デザイナー

  • 音楽制作をする人

  • macOS中心の個人開発者

  • 静音・省電力を重視する人

  • ローカルLLMを個人用途で深く使いたい人

  • CUDAを必須としない人

  • Apple製品の統合体験を重視する人

逆に、Macが向いていない人もいます。

  • CUDA必須のAI研究者

  • NVIDIA Omniverse / Isaac Simを本格的に使う人

  • Windows業務アプリが中心の会社

  • 工場・現場でWindows端末管理が前提の組織

  • NVIDIA RTXやCUDA最適化アプリを多用する人

つまりMacは、

完成度の高い、静かな、個人・クリエイター向けローカルAIマシン

です。

AMD向けの人

AMD向けの人は、ひと言で言えば、

Windows / Linuxのx86環境で、巨大ローカルLLMを現実的な価格で動かしたい人

です。

AMD Ryzen AI Max+ 395 / Ryzen AI Haloの最大の魅力は、x86であることです。

これは本当に大きい。

Windowsで動く。
Linuxでも動く。
既存のx86ソフト資産を活かせる。
会社の業務端末としても導入しやすい。
日本の中小企業や製造業の現場に入れやすい。

Macは良い機械ですが、会社全体がWindowsの場合、Macを1台だけ入れると運用が難しいことがあります。
一方、AMDのx86 AI PCなら、Windows業務環境の延長でローカルAIを試しやすい。

AMDが向いている人は、以下です。

  • Windows中心の企業

  • 中小企業のAI導入担当者

  • 社内RAGをローカルで試したい人

  • 既存の業務PC環境を崩したくない人

  • LinuxでROCmやOllama、LM Studioを使いたい人

  • MacではなくWindowsでローカルLLMを動かしたい人

  • NVIDIA GPUほど高額な構成にしたくない人

  • 70B、120B、200B級の量子化モデルを試したい人

  • プライベートAI、社内文書検索、ローカルAIエージェントを作りたい人

AMDのメリットは、AIの民主化に近いところです。

これまで巨大ローカルLLMは、Mac Studioの高額構成か、NVIDIAの高額GPUか、クラウドGPUが中心でした。
そこにAMDが、Windows / Linuxのx86小型機として入ってきた。

これは、特に日本企業にとって現実的です。

ただし、AMDにも弱点があります。

CUDAが使えない。
ROCm対応は進んでいるが、まだCUDAほど成熟していない。
画像生成、動画生成、3D、ロボットシミュレーションではNVIDIAが有利。
AI研究コードや最新OSSがCUDA前提の場合、手間が増える可能性がある。

つまりAMDは、

Windows / Linuxで社内LLM・ローカルAI・AIエージェントを始めるための現実解

です。

NVIDIA向けの人

NVIDIA向けの人は、ひと言で言えば、

AI開発、画像生成、3D、ロボット、フィジカルAIまで視野に入れる人

です。

NVIDIAの強みは、ハードウェアだけではありません。

CUDAがあります。
TensorRTがあります。
cuDNNがあります。
NIMがあります。
Omniverseがあります。
Isaac Simがあります。
Cosmosがあります。
Jetsonがあります。
DRIVEがあります。
RTXがあります。

つまり、AI開発の周辺エコシステムが圧倒的に強い。

NVIDIAが向いている人は、以下です。

  • AI研究者

  • 生成AI開発者

  • CUDA前提のコードを動かす人

  • PyTorch / TensorRT / vLLMを本格的に使う人

  • ComfyUI、画像生成、動画生成を高速化したい人

  • Blender、Octane、OptiX、RTXレンダリングを使う人

  • ロボットシミュレーションを行う人

  • Isaac Sim / Omniverse / Cosmosを使いたい人

  • フィジカルAI、ヒューマノイド、産業ロボットに関わる人

  • ローカル開発からクラウド / データセンターへ移行する前提の人

NVIDIAは、単にローカルLLMを動かすだけではなく、

AI開発の本番環境に近いローカル入口

を提供します。

DGX Sparkは、普通のWindows PCではありません。
しかし、NVIDIAのAIスタックに乗って開発するには非常に分かりやすい。

RTX Sparkは、Windows PCにNVIDIAのAI / RTX / CUDAの力を持ち込む構想です。
これは、Windows PC市場にとって非常に大きな変化です。

ただし、NVIDIAにも注意点があります。

価格は高くなりやすい。
DGX Sparkはx86 Windows PCではない。
RTX SparkはWindows向けとはいえArm系であり、従来のx86 Windowsとは別物。
日本での入手性、価格、サポートは製品ごとに確認が必要。

それでも、フィジカルAIやロボットまで見るなら、NVIDIAは外せません。

つまりNVIDIAは、

ローカルLLMだけでなく、生成AI、3D、ロボット、シミュレーションまで含めたAI開発者向けの本命

です。

13. どのPCを選ぶべきか

では、実際にどれを選ぶべきか。

これは用途によって違います。

ローカルLLMを中心に使いたい人

巨大LLMをローカルで動かしたい。
RAGを試したい。
社内文書を外に出したくない。
AIエージェントの検証をしたい。
Windows / Linuxで使いたい。

この場合、AMD Ryzen AI Max+ 395は非常に面白い選択肢です。

特にWindows / Linuxの両方を使いたい人、x86互換性を重視する人には向いています。

macOSが好きで、静音・省電力を重視する人

Mac Studioは今でも有力です。

特にクリエイティブ用途、動画編集、画像処理、macOS環境、MLX、Ollama、llama.cppを使う人には向いています。
帯域幅が高いので、トークン生成の速さを重視する人にも合います。

ただし、CUDAが必要なAI研究やロボットシミュレーションには向きません。

NVIDIAエコシステムを使いたい人

CUDA、TensorRT、Omniverse、Isaac Sim、Cosmos、ロボット、3D、シミュレーションを使う人は、NVIDIA系を選ぶべきです。

DGX SparkやRTX Sparkは、NVIDIAがデスクトップAI市場に本格的に入ってくる象徴です。

特にフィジカルAIを考えるなら、NVIDIAを外すのは難しいです。

コスト重視の人

価格は常に変わります。
特に2026年は、大容量メモリの需要がAIデータセンター向けに集中しているため、価格や納期は変動しやすい。

そのため、記事では価格を断定しすぎない方が良いと思います。

ただ、大まかな傾向としては、

Appleの大容量Macは高い。
NVIDIA DGX Sparkも高い。
RTX Spark搭載PCも、おそらく高価格帯から始まる。
AMD Ryzen AI Max+ 395搭載機は、比較的手が届きやすい価格帯から出てくる可能性がある。

その意味で、AMDは「ローカルAIの民主化」に近いポジションを取る可能性があります。

14. これは「AI PC」の定義が変わる話

これまでAI PCという言葉は、少し中途半端でした。

NPUが何TOPSあります。
Copilotが動きます。
ビデオ会議の背景ぼかしができます。
画像生成が少し速くなります。

この程度では、多くの人にとってAI PCの価値は分かりにくかったと思います。

しかし、128GBユニファイドメモリのAI PCは違います。

これは、単なるCopilot端末ではありません。

巨大LLMをローカルで動かす。
自社データをローカルでRAG化する。
AIエージェントをローカルで走らせる。
社内文書を外に出さずに処理する。
コード生成、仕様書作成、契約書確認、マニュアル検索、問い合わせ対応をローカル化する。
さらにNVIDIA系なら、3D、ロボット、シミュレーションにもつながる。

つまり、AI PCの意味が、

AI機能付きPC

から、

個人・企業が持つ小型AIサーバー

に変わり始めています。

これが一番重要です。

今後のPCは、ただの作業端末ではなくなります。

自分専用のAIサーバーになる。
会社専用のAIサーバーになる。
部署ごとのAIノードになる。
現場ごとのAIノードになる。

クラウドAIだけに依存するのではなく、クラウドAIとローカルAIを組み合わせる時代になります。

15. ローカルLLMはクラウドAIを置き換えるのか

ここで、多くの人が誤解しやすい点があります。

ローカルLLMが進化すると、ChatGPTやClaudeは不要になるのか。

答えは、

不要にはなりません。

少なくとも現時点では、最先端の推論能力、コーディング能力、マルチモーダル性能、エージェント能力、検索統合、長文理解、ツール連携では、クラウドAIが強いです。

OpenAI、Anthropic、Google、xAI、DeepSeek、Alibaba、ByteDanceなどの最先端モデルは、個人のPCで動かすには大きすぎます。
また、モデルそのものだけでなく、推論インフラ、ツール、検索、セーフティ、コンテキスト管理、API設計も含めてクラウド側が進化しています。

では、ローカルLLMの価値は何か。

それは、

全部をクラウドに投げなくてよくなること

です。

日常的な文書処理。
社内マニュアル検索。
商品情報検索。
過去メールの整理。
FAQ生成。
議事録の要約。
契約書の一次チェック。
開発中コードの説明。
社内ナレッジのRAG。
機密性の高い資料の下処理。

こうした用途は、ローカルで十分な場合があります。

特に企業の場合、

「クラウドAIに投げていい情報」

と、

「社内で閉じたい情報」

を分ける必要があります。

このとき、ローカルLLMは非常に重要になります。

つまり未来は、

クラウドAI vs ローカルAI

ではありません。

正しくは、

クラウドAI + ローカルAI

です。

最先端の推論はクラウド。
機密データ処理はローカル。
軽い処理はローカル。
重い推論はクラウド。
社内データ検索はローカル。
最新知識や高度推論はクラウド。

このハイブリッド構成が主流になると思います。

16. フィジカルAIではNVIDIAの重要性は変わらない

ここで、私が特に重要だと思うのは、フィジカルAIとの関係です。

ローカルLLMだけを見れば、Apple、AMD、NVIDIAのユニファイドメモリPCは横並びで比較できます。

しかし、フィジカルAI、ヒューマノイドロボット、産業ロボット、ロボットシミュレーションまで見ると、話は変わります。

この領域では、NVIDIAの存在感が圧倒的です。

Isaac Sim。
Omniverse。
Cosmos。
GR00T。
Jetson。
DRIVE。
RTX Renderer。
合成データ生成。
デジタルツイン。
ロボット学習環境。
GPU最適化されたAIフレームワーク。

これらは、AMD Ryzen AI Max+ 395やMac Studioでは代替しにくい領域です。

特にロボット開発では、現実世界でいきなり試す前に、仮想空間で大量のシミュレーションを回す必要があります。

工場の動線。
倉庫の棚。
人との接触。
ロボットアームの動作。
カメラ視点。
LiDAR。
物体認識。
把持。
移動。
転倒。
接触。
安全停止。

これらを扱うには、単なるLLM推論だけでは足りません。

3D、物理、センサー、レンダリング、合成データ、強化学習、制御、ロボットOSとの連携が必要です。

この領域では、NVIDIA GPUとNVIDIAソフトウェアスタックが非常に強い。

だから、Ryzen AI Max+ 395が出たからといって、NVIDIA GPUが不要になるわけではありません。

むしろ、役割が分かれます。

ローカルLLM用には、Mac StudioやAMD Ryzen AI Max+ 395。
フィジカルAI、ロボット、シミュレーション用には、NVIDIA RTX / RTX PRO / DGX Spark / RTX Spark。
本格学習や大規模推論には、クラウドGPUやデータセンターGPU。

このように分けて考えるべきです。

17. 日本企業にとっての意味

この流れは、日本企業にとって非常に重要です。

なぜなら、日本企業はクラウドAI活用に慎重だからです。

特に、製造業、医療、法律、金融、自治体、物流、商社、貿易、調達、EC、設計、研究開発の現場では、社内データを外部に出すことに強い抵抗があります。

しかし、AIを使わないわけにはいかない。

人手不足。
高齢化。
技能継承。
海外競争。
中国・米国とのAI格差。
DXの遅れ。
現場ノウハウの属人化。

これらを考えると、日本企業こそAI活用が必要です。

そのとき、ローカルAI PCは一つの突破口になります。

たとえば、中小製造業なら、現場にある作業手順書、設備マニュアル、点検記録、不良報告書、過去の改善資料をローカルLLMに読ませる。
クラウドに出さず、社内だけで検索・要約・質問回答を行う。

貿易会社なら、過去の見積書、商品仕様書、通関資料、工場とのメール、検品報告書をローカルRAG化する。
外部に出しにくい顧客データを守りながら、AIで業務効率化する。

EC事業者なら、商品説明、レビュー、問い合わせ、在庫、広告文、SNS投稿案をローカルで処理する。
クラウドAIと組み合わせて、費用を抑えながら運用する。

介護、医療、薬膳、ウェルネスの分野でも、個人情報や医療情報を扱う場合、ローカルAIの価値は高い。

もちろん、ローカルAIだけで完結するわけではありません。
しかし、クラウドAI導入の前段階として、ローカルAI PCは非常に現実的です。

特に日本では、Windows業務環境が多い。
だから、AMD Ryzen AI Max+ 395のようなx86 Windows / Linux対応AI PCは、現場導入のハードルを下げる可能性があります。

一方で、フィジカルAIやロボットを本気でやるなら、NVIDIA環境も必要です。

つまり、日本企業にとっての現実解は、

事務・文書・社内RAG・ローカルAIエージェントはAMDやMac。
フィジカルAI・ロボット・シミュレーションはNVIDIA。
最先端推論や大規模学習はクラウドAI。

という分業になると思います。

18. Appleが開いた道、AMDがWindows/x86に持ち込み、NVIDIAがAI開発スタックを載せる

今回の流れを一言で言うなら、こうです。

AppleがユニファイドメモリPCの価値を先に見せた。
AMDがそれをWindows / Linuxのx86世界に持ち込んだ。
NVIDIAがCUDA、RTX、ロボティクス、AIエージェントのフルスタック付きでWindows PCへ展開しようとしている。

この三社の動きは、似ているようで違います。

Appleは、ハードとOSを統合した完成品として出す。
AMDは、x86 PC市場に開いた形で出す。
NVIDIAは、CUDAとAIソフトウェアスタックを武器に出す。

この違いが、今後のAI PC市場を決めます。

Appleは、個人開発者、クリエイター、ローカルLLMユーザーに強い。
AMDは、Windows / Linuxの業務PC、開発PC、中小企業AIに強い。
NVIDIAは、AI研究、ロボット、シミュレーション、生成AI、3D、産業AIに強い。

つまり、今後はPCを選ぶときに、単にスペック表だけを見るのではなく、

自分がどのAIエコシステムに乗るのか

を考える必要があります。

macOS + MLXの世界か。
x86 Windows / Linux + ROCmの世界か。
NVIDIA CUDA / RTX / Isaacの世界か。
クラウドAI中心か。
ローカルAI中心か。
そのハイブリッドか。

これが、AI時代のPC選びになります。

19. 私の結論

今回のAMD Ryzen AI Max+ 395、AMD Ryzen AI Halo、NVIDIA DGX Spark、NVIDIA RTX Sparkの流れは、非常に重要です。

なぜなら、これは

AIをクラウドだけのものから、手元のPCにも戻す動き

だからです。

生成AIは、最初クラウドから始まりました。

ChatGPT。
Claude。
Gemini。
Perplexity。
DeepSeek。
Qwen。
Kimi。
Doubao。

これらは基本的にクラウドAIです。

しかし、次の段階では、AIはクラウドだけでなく、手元にも来ます。

自分のPCにAIモデルがある。
会社の中にAIモデルがある。
工場の中にAIモデルがある。
ロボットの中にAIモデルがある。
車の中にAIモデルがある。
スマホの中にAIモデルがある。

その第一歩が、ユニファイドメモリPCです。

Macがそれを先に見せました。
AMDがWindows / Linuxのx86で追いかけました。
NVIDIAがCUDAとAI開発環境を持ってWindows PC側に入ってきます。

この流れは、今後のAI産業に大きな影響を与えます。

特に私が注目しているのは、日本企業です。

日本企業は、クラウドAIを使うだけではなく、ローカルAIを組み合わせるべきです。
特に、製造業、物流、医療、介護、貿易、EC、調達、設計、自治体、教育では、ローカルAIの需要が大きい。

巨大LLMをクラウドで使う時代から、巨大LLMを自社内にも持つ時代へ。

そのとき、PCはただの事務機器ではなくなります。
会社のAI頭脳になります。

だから私は、今回の流れをこう見ています。

ユニファイドメモリPC戦争が始まった。

そしてこの戦争は、単なるApple、AMD、NVIDIAの競争ではありません。

これは、

AI時代の主戦場が、クラウドから個人の机、会社の現場、工場、ロボットへ広がっていくサイン

です。

これからのPCは、AIを使うための端末ではありません。
AIを中に持つ端末になります。

その変化を最初に見せたのがMac。
Windows / Linuxのx86に持ち込んだのがAMD。
CUDA、RTX、ロボティクス、シミュレーションまで含めて展開しようとしているのがNVIDIA。

この三社の動きは、2026年以降のAI PC市場を見るうえで、非常に重要な分岐点になると思います。

20. まとめ

最後に整理します。

これまでのPCは、CPUメモリとGPUメモリが分かれていました。
そのため、AIモデルを動かすときにはGPUのVRAM容量が大きな制約になっていました。

Appleは、Apple SiliconでユニファイドメモリPCを一般ユーザーにも分かりやすい形で打ち出しました。
Mac Studioは、大容量ユニファイドメモリによって、巨大ローカルLLMを動かす選択肢として注目されました。
ただし、2025年のM3 Ultra発表時には512GB級が象徴でしたが、2026年6月時点の公式Tech SpecsではM3 Ultraのメモリは96GB / 256GB表記になっています。512GBを、現在も普通に選べる構成として断定しない方が安全です。

AMDは、Ryzen AI Max+ 395によって、128GBユニファイドメモリをx86 Windows / Linuxの世界に持ち込みました。
これは、Macでできていた巨大ローカルLLM環境を、Windows PC側にも広げる動きです。

NVIDIAは、DGX SparkやRTX Sparkによって、128GB級ユニファイドメモリとCUDA / RTX / AIソフトウェアスタックを組み合わせ、Windows PCやデスクトップAI開発機の世界に入ってきます。

ただし、三社の役割は違います。

Macは、静音・省電力・クリエイティブ・ローカルLLM、そして高いメモリ帯域幅に強い。
AMDは、x86 Windows / Linuxで巨大ローカルLLMを動かすことに強い。
NVIDIAは、CUDA、RTX、Omniverse、Isaac、フィジカルAI、ロボットシミュレーションに強い。

つまり、これからのAI PC選びは、

「どのメーカーが速いか」

だけでは決まりません。

自分が何をしたいのか。

ローカルLLMなのか。
社内RAGなのか。
AIエージェントなのか。
画像生成なのか。
ロボットシミュレーションなのか。
フィジカルAIなのか。
クラウドAIとのハイブリッドなのか。

これによって選ぶべきPCは変わります。

しかし、一つだけ確実に言えることがあります。

AI時代のPCは、メモリが主役になる。

ただし、メモリは容量だけではありません。
容量で「載るか」、帯域幅で「速いか」が決まります。
その両方が主役になります。

CPUの時代。
GPUの時代。
そして今、AIモデルを載せるための大容量・高帯域メモリの時代が来ています。

ユニファイドメモリPCは、その象徴です。

Macが先行し、AMDがWindows/x86に持ち込み、NVIDIAがCUDA付きWindows PCへ展開する。
この流れは、AI時代のPC産業を大きく変えていくと思います。

21. 主要参考リンク

AMD Ryzen AI Max+ 395 公式ブログ
https://www.amd.com/en/blogs/2025/amd-ryzen-ai-max-395-processor-breakthrough-ai-.html

AMD Ryzen AI Max+ 395 公式製品ページ
https://www.amd.com/en/products/processors/laptop/ryzen/ai-300-series/amd-ryzen-ai-max-plus-395.html

AMD Ryzen AI Halo 公式ページ
https://www.amd.com/en/products/processors/desktops/ryzen/ryzen-ai-halo.html

NVIDIA DGX Spark 公式ページ
https://www.nvidia.com/en-us/products/workstations/dgx-spark/

NVIDIA RTX Spark / Microsoft連携 公式発表
https://nvidianews.nvidia.com/news/nvidia-microsoft-windows-pcs-agents-rtx-spark

Microsoft日本語記事：NVIDIA RTX SparkがもたらすWindows PCの新たな章
https://news.microsoft.com/source/asia/features/introducing-a-powerful-new-chapter-for-windows-pcs-accelerated-by-nvidia-rtx-spark/?lang=ja

Windows Blog：RTX SparkでWindows PCを次の段階へ
https://blogs.windows.com/windowsexperience/2026/05/31/introducing-a-powerful-new-chapter-for-windows-pcs-accelerated-by-nvidia-rtx-spark/

Apple Mac Studio 公式ページ
https://www.apple.com/jp/mac-studio/

Apple Mac Studio 2025 Tech Specs
https://support.apple.com/en-us/122211

Apple M3 Ultra発表記事
https://www.apple.com/newsroom/2025/03/apple-reveals-m3-ultra-taking-apple-silicon-to-a-new-extreme/

NVIDIA RTX Spark 製品ページ
https://www.nvidia.com/en-us/products/rtx-spark/

NVIDIA DGX Station for Windows 公式ページ
https://www.nvidia.com/en-us/products/workstations/dgx-station-for-windows/

NVIDIA DGX Station for Windows 公式発表
https://nvidianews.nvidia.com/news/nvidia-dgx-station-for-windows-puts-a-trillion-parameter-ai-supercomputer-on-every-enterprise-desk

NVIDIA DGX Spark Hardware Overview
https://docs.nvidia.com/dgx/dgx-spark/hardware.html

NVIDIA Rubin Platform 公式発表
https://nvidianews.nvidia.com/news/rubin-platform-ai-supercomputer

NVIDIA RTX Sparkロードマップ報道（参考）
https://videocardz.com/newz/nvidia-confirms-rtx-spark-roadmap-with-rubin-in-2027-and-rosa-feynman-in-2029

#ユニファイドメモリ
#AI_PC
#ローカルLLM
#AMD
#RyzenAI
#RyzenAIMax
#NVIDIA
#DGXSpark
#RTXSpark
#AppleSilicon
#MacStudio
#生成AI
#AIエージェント
#フィジカルAI
#ロボット
#Omniverse
#IsaacSim
#CUDA
#ROCm
#AI時代のPC
#DGXStation
#DGXStationForWindows
#VeraRubin
#GTCTaipei2026

いいなと思ったら応援しよう！