AI PCが登場！120B級の大型モデルをローカルで駆動可能！NVIDIAはRTX Sparkで「パーソナルAI PC」の概念を再定義します。

過去2年間、PCメーカーは「AI PC」を宣伝する際に、ある一つのパラメータを繰り返し強調してきた。それはNPUの演算能力だ。しかし、IntelのLunar Lake（45 TOPS）であれ、AMDのStrix Point（50 TOPS）であれ、これらの数値は比較的控えめなレベルにとどまっている。背景のぼかし、音声ノイズの低減、小規模なエッジモデルの実行は可能だが、それ以上のことはできない。

5月31日、NVIDIAはGTC 2026でスーパーチップ「RTX Spark」を発表し、その性能を1ペタフロップス（1000 TOPS）にまで引き上げた。これは30%や50%の向上ではなく、桁違いの飛躍的な進歩である。

イベントでは他にもいくつかの発表が行われた。マイクロソフトはRTX Sparkと連携してWindowsのネイティブセキュリティメカニズムをアップグレードし、NVIDIAのオープンソースサンドボックスランタイムであるOpenShellをWindowsプラットフォームに導入した。アドビは、RTX Sparkの統合メモリアーキテクチャに特化して、PhotoshopとPremiereをゼロから完全に刷新すると発表した。また、最初の6社のOEMメーカーは、このチップを搭載した薄型軽量ノートパソコンとコンパクトデスクトップを今秋に発売すると発表した。

今年のGTCでNvidiaが行ったのは、新しいチップを発表することではなかった。「パーソナルAIコンピュータ」というカテゴリーにおいて、新たなハードウェア標準を確立しようと試みたのだ。

GPUがPCの主要コンポーネントになると

まずはチップ自体を見ていきましょう。NVIDIAがGTCで発表したデータによると、RTX Sparkは、6144個のCUDAコアを搭載したBlackwellアーキテクチャのGPUと、MediaTekと共同設計した20コアのArmアーキテクチャのGrace CPUを統合し、TSMCの3nmプロセスを採用しています。重要な変更点はメモリアーキテクチャにあり、最大128GBの統合メモリを搭載し、CPUとGPUが同じメモリプールを共有することで、両者間でデータをやり取りする必要がなくなります。

これは、過去のPCのアーキテクチャ上の論理とは正反対である。

従来のPCの基本的な構造は、「メインプロセッサとしてのx86 CPUと、オプションのアクセサリとしてのディスクリートGPU」です。近年、AI PCという概念が登場しましたが、IntelとAMDのアプローチは、AIアクセラレーションのための追加モジュールとしてNPUをCPUに統合し、その演算能力を一般的に40～50 TOPS程度に抑えるというものです。GPUは依然として「外部」コンポーネントとして扱われています。

RTX Sparkは、パワーバランスを根本から変革しました。このSoCはGPUを主役とし、CPUは脇役に徹しています。NVIDIAは、AI演算能力が1ペタフロップFP4（1000 TOPSに相当）に達すると主張しており、これは前世代のAI PCに搭載されていたNPUの20倍以上の演算能力です。これは単なる既存技術の進化ではなく、新たな時代の幕開けと言えるでしょう。

OEM各社の迅速な対応が、この評価を裏付けている。Nvidiaの公式発表とDIGITIMESのその後の報道によると、ASUS、Dell、HP、Lenovo、Microsoft Surface、MSIは今秋、RTX Sparkを搭載した薄型軽量ノートパソコンとコンパクトデスクトップを発売する予定で、AcerとGigabyteもそれに続く。主要なWindows PCメーカーのほぼ全てが参入している。

RTX Sparkはゼロから開発されたものではありません。2025年初頭、同じBlackwellおよびGraceコアチップがProject DIGITSおよびDGX Sparkとして登場しましたが、当時は小型デスクトップコンピュータに近いサイズの、開発者向けのLinuxデスクトップスーパーコンピュータとして位置づけられていました。1年後、このアーキテクチャは薄型軽量ノートPCの熱容量に収まるように圧縮され、オペレーティングシステムはLinuxからWindowsに変更され、ターゲットユーザーはAI開発者から一般消費者や企業ユーザーへと拡大しました。GTC 2026でのコンシューマー向け製品発表で最も注目すべき変化は、Nvidiaが開発者向けのおもちゃをリリースするのではなく、コンシューマー市場への扉を開いたということです。

120Bモデルは地域内での使用には十分でしょうか？

最終的に、コンピューティング能力とメモリに関する数値は、一つの問いに答えなければならない。それは、「何ができるのか？」ということだ。

NVIDIA は発表イベントで、RTX Spark は 120B パラメータを持つ大規模モデルをローカルで実行でき、コンテキストウィンドウは数百万トークンに達すると回答しました。120B とはどういう意味でしょうか? 参考までに、コンシューマー向けハードウェアでローカルモデルを実行する現在の主流の手法は、24GB の VRAM を搭載した RTX 4090 で量子化と圧縮により 30B ～ 40B パラメータを持つモデルを実行できるというものです。9B 程度の小規模なモデルは、コンシューマー向けグラフィックカードでも高速に実行できます。この 9B から 120B への飛躍は、「十分な」エッジ AI の基準を再定義するものです。

これらすべてを実現するには、128GBの統合メモリが不可欠です。従来のPCアーキテクチャでは、CPUは独自のシステムメモリを、GPUは独自のビデオメモリを持ち、両者の間には物理的な境界があります。ビデオメモリ容量を超える大規模なモデルは、全く実行できないか、複雑なモデル分割とメモリのスワッピングが必要となり、結果として処理速度が著しく低下します。統合メモリアーキテクチャはこのボトルネックを解消します。モデルデータは128GBの共有プールに直接格納され、CPUとGPUの両方からアクセス可能です。AppleはApple Siliconでこの技術のコンシューマー向け実現可能性を初めて実証し、現在NvidiaがWindows陣営にこの技術を導入しています。

NVIDIAは、大規模なモデル推論に加え、12Kビデオ編集、90GBを超える3Dシーンレンダリング、1440p解像度で100fpsを超えるレイトレーシングゲームなどのユースケースを挙げている。これらのシナリオは、極めて大量のデータを一度に処理するという共通の特徴を持っており、従来のPCでは処理時間が数倍必要になるか、あるいはそもそも実行できないことを意味する。

「動作をサポートする」ことと「スムーズな使いやすさ」の間にはギャップがあります。NVIDIAは、RTX Sparkの120Bモデルの実際の推論速度データを公開しておらず、数百万トークンのシナリオにおける最初のトークンのレイテンシデータも提供していません。長いコンテキストの推論速度を決定する重要な指標は、メモリ帯域幅です。参考までに、同じくGB10コアを使用するDGX Sparkのメモリ帯域幅は、約301GB/sです。この帯域幅レベルは120Bモデルを実行するには十分ですが、数百万トークンのコンテキストウィンドウを処理する場合、最初の出力トークンが表示されるまで数秒待たなければならない可能性があります。RTX Sparkのラップトップ版の実際の帯域幅は、消費電力の制限により調整されている可能性があります。

AIエージェントにセーフティネットを追加する

コンピューティング能力以外にも、NVIDIAとMicrosoftのシステムレベルでの連携は重要な発表事項の一つだった。これは、GTC 2026における消費者向け発表の中で、おそらく最も見落とされがちだが、最も影響力のある側面と言えるだろう。

120Bモデルを実行できるコンピュータを、デスクトップを自律的に操作し、ボタンをクリックし、ファイルの読み書きができるAIエージェントに与えた場合、セキュリティリスクはもはや「データが失われるかどうか」ではなく、「エージェントが意図しない動作をするかどうか」というレベルにまで及ぶ。この問題が解決されない限り、企業はこのようなデバイスを従業員に導入することはできない。

マイクロソフトとNVIDIAは、二段階の防御策を提案した。まず、マイクロソフトはWindowsのネイティブセキュリティメカニズムを強化し、オペレーティングシステムレベルでAIエージェントの動作を監視・制限できるようにした。次に、NVIDIAはOpenShellランタイムをWindowsプラットフォームに正式に導入した。NVIDIAの公式ドキュメントによると、OpenShellはカーネルレベルの分離を提供するオープンソースのサンドボックスランタイムである。AIエージェントに対して制御可能な動作範囲を定義し、その範囲内でタスクを自律的に実行できるようにするが、コアシステムファイル、ネットワーク接続、機密性の高いユーザーデータへのアクセスは厳しく制限される。

この組み合わせが企業調達にもたらす意義は明らかだ。これまで、「ローカルAIエージェント」という概念は技術実証段階にとどまっていた。ハードウェアは動作可能だったものの、セキュリティフレームワークは未整備だった。このような状態のデバイスを調達リストに含める企業IT部門は存在しなかった。NvidiaとMicrosoftは、ハードウェアとアプリケーションの間に標準化された分離レイヤーを導入することで、「使用可能」なものを「管理可能」なものへと変革した。

OpenShell自体のパフォーマンスオーバーヘッドは、注目すべき変数です。サンドボックスによる分離は通常、ある程度のパフォーマンス低下を伴いますが、NVIDIAは推論速度やシステム応答性への具体的な影響に関するデータをまだ公開していません。エンタープライズIT管理インターフェースの導入の複雑さや既存のセキュリティポリシーとの互換性は、OEMデバイスが市場に投入されてから初めて検証される実務上の問題です。

なぜアドビは「ゼロから再構築する」ことを厭わないのか？

ソフトウェアベンダーの協力度合いは、新しいハードウェアプラットフォームが市場に定着できるかどうかを示す主要な指標となることが多い。

GTCにおけるAdobeの発表は、今回のリリースの中でソフトウェア分野における最大のニュースだった。NVIDIAの公式ブログとAdobe幹部の証言によると、AdobeはPhotoshopとPremiereの根本的な改良に着手しており、特にRTX Sparkの統合メモリアーキテクチャに最適化することで、AIとグラフィックス処理において最大2倍のパフォーマンス向上を実現したという。

「基盤レベルの再構築」とは、単にプラグインを追加したり、適応レイヤーを作成したりすることではありません。従来のPCでは、CPUとGPUはそれぞれ独自のメモリ空間を持っています。非常に大きなPSDファイルや8Kビデオのタイムラインを処理する場合、2つのメモリセット間でデータを繰り返し移動させる必要があり、これがパフォーマンスの大きな損失原因となります。RTX Sparkの統合メモリにより、CPUとGPUは同じ128GBのメモリ空間を直接共有できます。この構造的な変更は、プロのクリエイターのワークフローにとって真に価値のあるものです。Adobeがこのために基盤となるコードを変更するという決定を下したことは、このアーキテクチャの方向性が単なる一時的なマーケティング戦略ではないことを同社が認識していることを示しています。

しかし、NvidiaもAdobeも、この「2倍の高速化」のベンチマーク結果を公表していない。これは、最新のx86プロセッサと専用グラフィックカードとの比較なのか、それとも前世代のAI PCのNPUソリューションとの比較なのか。結果は大きく異なる。ベンチマーク条件が公表されるまでは、この数値の信憑性は疑問視される。

Blackmagic Design、ComfyUI、llama.cpp、OTOY、そして複数のゲーム開発会社もサポートを発表した。ComfyUIとllama.cppの発表は注目に値する。なぜなら、これらは現在のネイティブAIワークフローにおいて最も活発なオープンソースツールの一つだからだ。開発者コミュニティからの早期のサポートは、大手企業の約束よりも、プラットフォームのエコシステムの可能性をより正確に反映することが多い。

Nvidiaは、CUDAエコシステムと統合メモリアーキテクチャを活用し、Windows陣営におけるAppleと同様の、ハードウェアとソフトウェアが一体化したエクスペリエンスを構築しようとしている。違いは、Appleが独自のファイアウォールを構築したのに対し、NvidiaはMicrosoftとISV各社を説得して共同で構築する必要がある点だ。Adobeがゼロから構築に着手する姿勢を示していることは、少なくともこの壁の最初のレンガが積み上げられたことを示している。

紙面上の仕様を超えて

では、最も実用的な質問に戻りましょう。これらのデバイスは実際に購入できるのでしょうか？そして、実際に手に入れた時の使い心地はどうなのでしょうか？

Nvidiaが発表した情報によると、最初のRTX Spark搭載デバイスは今秋に発売予定で、ASUS、Dell、HP、Lenovo、Microsoft Surface、MSIなどのメーカーから薄型軽量ノートPCやコンパクトデスクトップPCが提供される。AcerとGigabyteのモデルは後日発売される予定だ。各メーカーの価格や正確な発売日はまだ発表されていない。

価格設定よりも重要なのは、物理的なレベルでのいくつかの未知数です。1ペタフロップスの演算能力を持つチップを薄型軽量のノートパソコンに詰め込む際に、消費電力と放熱のバランスをどのように取るのでしょうか？RTX Sparkは、日常的なオフィスワークやAI以外のシナリオでのバッテリー駆動時間において、どのようなパフォーマンスを発揮するのでしょうか？消費電力の制限により、ノートパソコンのフォームファクタでは、128GBの統合メモリの実際の帯域幅が大幅に低下するのでしょうか？

これらの問題こそが、工業化の真の試金石となる。エンジニアリングプロトタイプ上のチップの最大演算能力と、消費者が1日8時間使用した場合の実際のパフォーマンスは、しばしば異なる。Nvidiaは発表イベントでRTX Sparkのエネルギー効率を強調したが、具体的なTDP値やバッテリー駆動時間データは提供しなかった。

PC業界の状況から見ると、RTX Sparkの登場は新たな分業体制の形成を意味する。過去30年間、PC市場の中核となるチップのパワーはx86プロセッサメーカーが担ってきた。GPUメーカーの重要性は増してきたものの、これまで「マザーボードに接続する部品」という位置づけだった。NVIDIAの最新製品は、CPUからGPU、メモリコントローラまで全てを統合した完全なSoCであり、ArmアーキテクチャのCPU部分はMediaTekが設計している。PC業界のパワーチェーンは、「x86 CPU＋オプションのGPU」から「GPU中心のSoCプラットフォーム」へと移行しつつある。

この変化は一夜にして起こるものではありません。OEMの価格戦略、実際の製品のエネルギー効率、ISVソフトウェアの適応状況、そして企業顧客の調達検証サイクルなど、それぞれの要素がRTX SparkがPC業界の新たなベンチマークとなるか、それとも単なる注目を集めるものの最終的には期待外れに終わる技術デモンストレーションとなるかを決定づけるでしょう。その答えは少なくとも今年の秋までは分からないでしょう。