ローカルAIを動かすためのPCハードウェア選びは、性能と予算のバランスが重要です
クラウドAIとローカルAIの全体像を比較したい方は、2026年最新AIモデル完全ガイド：Claude 4・GPT-5・Gemini 2.5・Llama 4徹底比較で各モデルの特徴を横断的に確認できます。
ローカルAIのコスト面での利点をさらに深掘りしたい方は、ローカルAIと軽量モデルが見直される理由：コスト・速度・データ保護を同時に進めるもあわせて読むと理解が深まります。
ローカルAIを始める最初の1台：CPU・メモリ・GPUの考え方
最近、ChatGPTやStable Diffusionのような生成AIを自分専用のPCで動かす「ローカルAI」に興味を持つ方が増えています。クラウドサービスを使えば手軽ですが、データを外部に送信したくない、利用料金を気にせず好きなだけ試したい、あるいはカスタマイズしたいというニーズがあるからです。
しかし、「どのようなPCを用意すればいいのか？」という疑問が最初の壁になります。高性能なゲーミングPCを買う必要があるのか、少し古いPCでも動くのか、ノートPCとデスクトップどちらが良いのか。この記事では、ローカルAIを動かすためのPC選びに焦点を当て、CPU・メモリ・GPU・ストレージの基礎知識から、ノートPCとデスクトップの違い、少し古いPCを活かす方法、初学者がまず試す構成、そして実際の用途別の目安まで、約4000字で詳しく解説します。
1. ローカルAIを動かすPC選びの基本
ローカルAIとは、インターネットに接続せず、自分自身のコンピュータ上でAIモデルを実行することを指します。代表的なソフトウェアとして、Ollama（テキスト生成）、Stable Diffusion WebUI（画像生成）、LM Studio（ローカルLLM実行環境）などがあります。
これらのソフトウェアが要求するリソースは、主に以下の4つです：
- CPU（中央処理装置）：モデルのロード、前処理、一部の演算を担当
- GPU（グラフィックス処理装置）：大量の並列計算を高速に処理（特に推論速度に直結）
- メモリ（RAM）：モデルを展開する作業領域。モデルサイズによって必要容量が決まる
- ストレージ（SSD/HDD）：モデルファイルの保存場所。読み込み速度が影響する
初心者が陥りがちなのは「GPUさえあれば何でも動く」という誤解です。確かにGPUは重要ですが、メモリ不足でモデルがロードできなかったり、CPUが遅すぎて前処理がボトルネックになったりすることもあります。バランスが大切です。
2. CPUの基礎知識：コア数、クロック、世代
CPUはコンピュータの頭脳であり、AIモデルのロード、トークナイズ（単語分割）、一部の軽量な演算を担当します。特に、GPUがない環境ではCPUだけで推論することも可能です（速度は遅い）。
コア数
最近のCPUはマルチコアが当たり前です。ローカルAIにおいては、複数コアをフルに使う場面はそれほど多くありません。なぜなら、推論はシーケンシャルな処理が多く、並列化が難しいためです。ただし、モデルのロード時やデータの前処理ではマルチコアが活躍します。最低でも4コア以上を目安にしましょう。
クロック周波数
CPUの動作速度を示すGHz値です。高いほど1コアあたりの処理能力が向上します。ローカルAIでは、単一スレッド性能が重要になることが多いため、ベースクロックが3.0GHz以上あると安心です。
世代とアーキテクチャ
IntelのCore iシリーズやAMDのRyzenシリーズは、毎年世代が進化します。新しい世代ほどIPC（1クロックあたりの命令実行数）が向上し、電力効率も良くなります。過去5年以内のCPUであれば、十分な性能を持っています。たとえば、Intel第10世代Core i5以上、AMD Ryzen 3000シリーズ以上が目安です。
3. メモリ（RAM）の考え方：容量と速度
メモリは、AIモデルを展開するための作業机のようなものです。モデルが大きいほど広い机が必要になります。
必要容量の目安
現在主流のLLM（大規模言語モデル）のサイズは、パラメータ数で示されます。7B（70億）パラメータのモデルを量子化（精度を落として軽量化）した場合、およそ4～5GBのメモリを消費します。同様に、13Bモデルは8～10GB、70Bモデルは35～40GB程度が必要です。
また、オペレーティングシステムや他のアプリケーションもメモリを使用するため、余裕を持たせることが重要です。最低限の目安：
- 8GB：7Bモデル程度であれば動くが、他のアプリと同時実行は難しい
- 16GB：7B～13Bモデルを快適に実行可能。初学者におすすめ
- 32GB：13B～34Bモデルまで余裕を持って扱える。本格的にやりたい方向け
- 64GB以上：70Bクラスの大規模モデルや、複数モデルの同時実行を想定
メモリ速度
DDR4やDDR5といった規格と、その速度（MHz）も性能に影響しますが、ローカルAIにおける差はそれほど顕著ではありません。容量が足りていることが最優先です。
4. GPUの重要性：VRAMと演算性能
GPUはローカルAIの「心臓部」です。特に深層学習の推論は、大量の行列演算を並列処理するため、GPUの得意分野です。GPU性能が推論速度を大きく左右します。
VRAM（ビデオメモリ）の容量
GPUには専用のメモリ（VRAM）が搭載されており、ここにモデルをロードします。VRAM容量がモデルサイズを決める上限となります。先ほどのメモリ容量と同様に、モデルサイズに応じたVRAMが必要です。
- 6GB VRAM：7Bモデルの量子化版を実行可能。エントリー向け
- 8GB VRAM：7B～13Bモデルの量子化版を実行可能。人気ゲーミングGPUと共通
- 12GB VRAM：13B～34Bモデルの量子化版を実行可能。本格派の選択肢
- 24GB VRAM以上：70Bクラスやフル精度モデルを実行可能。高価なワークステーション向け
演算性能（TFLOPS）
GPUの演算能力はTFLOPS（1秒間に1兆回の浮動小数点演算）で表されます。数値が高いほど高速です。NVIDIA GPUでは、CUDAコア数とクロックから計算できます。近年のゲーミングGPU（RTX 3060以上）であれば、十分な性能を持っています。
NVIDIA vs AMD vs Intel
現在、ローカルAIソフトウェアのほとんどはNVIDIA CUDAに最適化されています。そのため、NVIDIA GPUが圧倒的に有利です。AMD GPUでもROCmというフレームワークで動作しますが、設定が複雑で対応ソフトウェアが限られます。Intel Arc GPUも同様です。初学者はNVIDIA GPUを選ぶことを強くおすすめします。
5. ストレージ：SSDの選び方
AIモデルはファイルサイズが大きく、数GBから数十GBに及びます。これらのモデルを素早く読み込むためには、高速なストレージが欠かせません。
- SSD（NVMe推奨）：モデルのロード時間が短縮され、ストレスなく使えます。少なくとも500GB以上の容量を確保しましょう。
- HDD：モデルの読み込みに数十秒から数分かかることがあり、体験が悪化します。SSDが必須です。
また、モデルファイルを多数保存する場合は、1TB以上の大容量SSDを検討してください。価格も手頃になってきています。
6. ノートPCとデスクトップの違い
ローカルAIを始めるにあたり、ノートPCとデスクトップのどちらを選ぶべきか迷う方も多いでしょう。それぞれの特徴を比較します。
| 項目 | ノートPC | デスクトップ |
|---|---|---|
| 性能/価格比 | 低い（同じ価格ならデスクトップの方が高性能） | 高い |
| アップグレード性 | ほとんど不可（メモリ・SSDのみ交換可能な機種あり） | 高い（GPU、メモリ、ストレージなど自由に交換可能） |
| 冷却性能 | 限定的（サーマルスロットリングにより性能低下の可能性） | 優れている（大型クーラーで安定動作） |
| 持ち運び | 可能（どこでもAI実行ができる） | 不可 |
| 電力消費 | 低め（バッテリー駆動） | 高め（高性能GPUは300W以上消費） |
ノートPCは、すでに持っているものを活用したい場合や、場所を選ばずに実験したい場合に適しています。ただし、GPU搭載モデルは高価で、冷却に課題があることも覚えておきましょう。
デスクトップは、予算に対して最高の性能を得られ、将来のアップグレードも可能です。本腰を入れてローカルAIを楽しみたい方にはデスクトップがおすすめです。
7. 少し古いPCを活かす方法
「今使っているPCが5年以上前のものだけど、ローカルAIを試せるか？」という質問はよくあります。答えは「試せるが、制限がある」です。
CPUが古い場合
Intel Core iシリーズ第7世代（2017年）以降であれば、7BモデルのCPU推論は可能です。ただし、速度は遅く、1トークン生成に数秒かかることもあります。それ以前のCPUでも動きますが、実用性は低くなります。
GPUがない、または古いGPUの場合
GPUがない場合はCPUのみで実行できます。NVIDIA GTX 10シリーズ（Pascalアーキテクチャ、2016年）以降のGPUであれば、CUDAをサポートしているので、GPU加速が可能です。ただし、VRAM容量が少ない（2～4GB）場合は、小さなモデルしか動きません。
メモリが8GB以下の場合
8GBメモリでも、軽量化した7Bモデル（4ビット量子化）なら動かせます。ただし、OSやブラウザを閉じてメモリを解放するなどの工夫が必要です。
古いPCを活かすコツは、小さなモデルを選ぶことと、量子化を活用することです。また、Linuxをインストールすると、Windowsよりもリソース消費が少なく、少しだけパフォーマンスが向上することがあります。
8. 初学者がまず試す構成（予算別）
これからローカルAI用のPCを購入する場合、予算別のおすすめ構成を紹介します。
予算5万円～：ノートPC（中古含む）
- CPU：Intel Core i5 第10世代以上 または AMD Ryzen 5 4000シリーズ以上
- メモリ：16GB（8GBでも可）
- GPU：NVIDIA GTX 1650以上（VRAM 4GB）または Ryzen 7 5700Uなどの内蔵GPU
- ストレージ：512GB SSD
- 説明：中古のゲーミングノートPCを探すと、この価格帯で見つかることがあります。GPUがあれば画像生成（Stable Diffusion）も試せます。
予算10万円～：デスクトップ（自作 or BTO）
- CPU：Intel Core i5 第12世代 または AMD Ryzen 5 5600
- GPU：NVIDIA RTX 4060（VRAM 8GB）
- メモリ：32GB DDR4
- ストレージ：1TB NVMe SSD
- 説明：ローカルAIの「楽しめる」領域に到達できる構成です。8GB VRAMがあれば、13Bモデルまで快適に動きます。
予算20万円～：本格デスクトップ
- CPU：Intel Core i7 第14世代 または AMD Ryzen 7 7800X3D
- GPU：NVIDIA RTX 4070 Ti SUPER（VRAM 16GB）
- メモリ：64GB DDR5
- ストレージ：2TB NVMe SSD
- 説明：70Bモデルを含むほぼすべてのローカルAIを快適に実行可能。将来性も考慮したハイエンド構成です。
9. 実際の用途別の目安
最後に、具体的な用途別に必要なハードウェアの目安をまとめます。
| 用途 | 推奨モデルサイズ | 必要なVRAM | 必要なRAM | 推奨GPU例 |
|---|---|---|---|---|
| テキスト生成（会話、文章作成） | 7B～13B（量子化） | 6GB～8GB | 16GB | RTX 3060, RTX 4060 |
| 画像生成（Stable Diffusion） | SD 1.5 / SDXL | 6GB～8GB | 16GB | RTX 3060, RTX 4060 Ti |
| コード生成・解説 | 13B～34B（量子化） | 8GB～12GB | 32GB | RTX 4070, RTX 3080 |
| 研究・開発（フル精度モデル） | 70B以上 | 24GB以上 | 64GB以上 | RTX 4090, RTX 3090 |
| マルチモーダル（画像理解） | 7B～13B（VLモデル） | 8GB～12GB | 32GB | RTX 4070 Ti, RTX 3080 Ti |
あくまで目安です。ソフトウェアの最適化が進むことで、より少ないリソースで動くようになる可能性もあります。
10. まとめ
ローカルAIを始める最初の1台選びは、ハードウェアの知識が少し必要ですが、決して難しくありません。以下に重要なポイントをまとめます：
- CPU：5年以内の中価帯（Core i5/Ryzen 5）で十分。クロックは3.0GHz以上が目安。
- メモリ：16GBを目標に。13Bモデル以上を扱うなら32GB以上。
- GPU：NVIDIA GPUが圧倒的に有利。VRAM容量がモデルサイズの上限を決める。初学者はRTX 3060（8GB）クラスから。
- ストレージ：SSD必須。NVMe SSDがベスト。
- ノートPC vs デスクトップ：持ち運びが必要ならノートPC、性能とアップグレード性を求めるならデスクトップ。
- 古いPC：小さなモデルと量子化で試せる。パフォーマンスは期待しすぎない。
ローカルAIの世界は日々進化しています。最初にバランスの取れたマシンを選べば、長く楽しめるでしょう。この記事が、あなたのローカルAIへの第一歩を後押しできれば幸いです。
この記事は約4000字で、ローカルAIを始めるためのPC選びについて解説しました。次回は、実際にOllamaやStable Diffusionをインストールして動かす手順をご紹介する予定です。
価格や在庫は変わることがあるので、気になる商品はリンク先で確認しつつ比べると失敗しにくくなります。
関連記事
気になるテーマがあれば、同じカテゴリの記事も続けて読むと理解が深まりやすくなります。
