AIのために買うなら何から買うか — VRAMと電気代と騒音で決めるGPU選び

手元でAIを回すと決めた。次に来るのが機材の問題だ。しかし多くの人が、最初に見る数字を間違える。演算性能の指標を並べて比較し、上位モデルほど良いと考える。その順序では、買った後に「動かせないモデルがある」という壁に当たる。

GPU選びで最初に効いてくるのは、演算性能ではない。容量だ。本記事では、何を順番に見るべきかを、メーカー公式の仕様値と実際の計算で整理する。価格には触れない。変動が大きく、書いた時点で古くなるからだ。代わりに、判断の順序と計算方法を示す。

何から決めるかを間違えない

判断すべき順序は3段ある。

1. 容量 — そのモデルが載るかどうか。載らなければ性能は関係ない
2. 帯域 — 載った後、どれだけの速さで生成できるか
3. 消費電力と発熱 — 長時間動かし続けられるか

この順序が重要で、1番目を満たさない機材は2番目以降を検討する意味がない。8GBのGPUに20GBのモデルは載らない。演算性能がいくら高くても、この事実は変わらない。

逆に言えば、容量さえ足りていれば、演算性能が控えめでも実用になる場合が多い。特に MoE 構造のモデルでは、全パラメータをメモリに載せつつ計算はその一部だけで済む。メモリに投資して演算に投資しないという配分が成立する。

VRAM容量が最初の制約になる

どれだけ必要かは計算できる。必要バイト数はパラメータ数にビット数を掛けて8で割った値になり、この式は公式の実測表と一致することを確認できる。詳しくは手元のVRAMで動くモデルを見積もる（2026-08-25 公開）で扱った。

具体例で見る。公式モデルカードに必要メモリが明記されているものを挙げると、gpt-oss-20b は「16GBのメモリで動く」、gpt-oss-120b は「単一の80GB GPUに収まる」とされている。画像側では、量子化された FLUX 系のモデルが Q5_K_S で 8.26 GB になる。

ここから逆算すると、こうなる。

16GBが1つの分水嶺になっているのが分かる。公式に必要メモリを明記しているモデルが、ちょうどこの線に置かれているためだ。

この表を読むときの注意点を1つ。モデル本体だけでは終わらないという点である。文章生成ではコンテキストが伸びるほどキャッシュが増え、画像生成では符号化器と復号器が別に載る。したがって、モデルのファイルサイズと同じ容量の機材を選ぶと、実際には足りない。

目安としては、モデルのサイズに対して1.5倍程度の空きがある構成から始めるのが安全だ。8GBの機材なら5GB前後のモデル、16GBなら10GB前後まで。この余裕が、長い文脈を扱ったときの落ちにくさに直結する。

現行GPUの容量と消費電力を並べる

では実際の製品はどうなっているか。メーカー公式の比較ページから、容量と消費電力を引く。

この表を容量の観点だけで読むと、面白い逆転がある。RTX 5060 Ti の16GB構成は、上位の RTX 5070 の12GBより容量が大きい。演算性能では 5070 が上だろうが、載るか載らないかという最初の関門では 5060 Ti のほうが有利になる。

同じことが 4090 と 5080 の間にも見える。世代は 5080 が新しいが、容量は 4090 の24GBが上だ。世代の新しさと容量は独立している。

もう一点、5060 Ti に16GBと8GBの2つの構成があることにも注意したい。同じ型番でも容量が倍違うわけで、型番だけを見て買うと想定の半分しか載らない事態になる。購入時に容量の表記を確認するのは、この分野では必須の手順になる。

こうした逆転が起きるのは、製品の格付けが主にゲーム性能で決められているためだ。ゲームでは一定量を超えたVRAMがそのまま性能に効くわけではないので、上位機ほど容量が大きいとは限らない。AI用途の優先順位は、メーカーの格付けの前提と一致していない。だから格付けをそのまま信用せず、容量の数字を直接見る必要がある。

なお Total Graphics Power は、メーカー公式がゲーム負荷時の消費電力として説明している値だ。推論負荷での実消費は異なりうるので、上限の目安として扱う。生成中は演算器を使い切らない場面もあり、公称値どおりに張り付き続けるとは限らない。上限として電源容量を計画し、実費の計算では余裕を見るという使い分けが実際的だろう。

帯域が生成速度を決める

容量が足りたら、次は速さだ。ここで効くのがメモリ帯域である。

文章生成では、1トークンを出すたびにモデルの重みを読み出す必要がある。したがって生成の速さは、メモリからどれだけ速くデータを取り出せるかに強く依存する。演算器がいくら速くても、データが届かなければ待つことになる。

上の表でメモリ種別が併記されているのはこのためだ。GDDR7 と GDDR6X では帯域が違う。同じ容量でも、生成の体感が変わる。

もう少し踏み込むと、生成の工程は2つに分かれる。入力を読み込む段階と、1トークンずつ出力する段階だ。前者は演算量が多く、後者はメモリの読み出しが支配的になる。したがって、長い資料を投げて短く答えさせる使い方では演算性能が効き、短い指示から長文を書かせる使い方では帯域が効く。

自分の使い方がどちら寄りかを把握しておくと、投資先の判断がぶれない。要約や分類が中心なら演算側、文章生成が中心なら帯域側だ。ただしどちらの使い方でも、容量が足りなければ話が始まらないという前提は変わらない。

MoE 構造のモデルでは、この関係がさらに動く。1トークンごとに読み出すのは活性化した専門家ブロックの分だけなので、総パラメータのわりに読み出し量が少ない。メモリ容量は総パラメータ分が要るのに、帯域の要求は控えめで済む。容量重視の構成と相性が良いのはこのためだ。

統合メモリという別の解

もう一つの選択肢が、CPUとGPUがメモリを共有する構成だ。Apple の公式仕様ページから数値を引く。

この方式の利点は明快で、大きな容量を1つのプールとして扱えることだ。単体GPUで96GBを確保しようとすれば複数枚構成になり、モデルを分割する必要が出る。統合メモリなら分割が要らない。

一方で、帯域には幅がある。M4 の120GB/s と M3 Ultra の819GB/s では7倍近い差がある。容量が大きいことと速いことは別の話なので、下位構成で大きなモデルを載せると、載るが遅いという状態になりうる。

なお、単体GPUと統合メモリ機のどちらが速いかは書かない。同条件で自分で測っていないからだ。書けるのは、それぞれの公称帯域という事実までである。

構造上の違いとして押さえておきたい点が2つある。第一に、統合メモリは後から増やせない。単体GPUなら足りなくなったときに買い替えや増設という手があるが、統合メモリ機は購入時の構成が最後まで続く。判断を先送りできないぶん、必要量の見積もりを正確にしておく必要がある。

第二に、メモリをシステムと共有している点だ。搭載量がそのままモデルに使えるわけではなく、OSやアプリケーションが使う分を差し引いた残りが上限になる。16GBの機体で16GBのモデルを動かそうとしても入らない。前段で「搭載量ではなく空き容量を見る」と書いたのは、この構成で特に効いてくる話でもある。

電気代を計算する

長時間動かすなら、電気代が気になる。計算しておこう。

電力料金の目安単価は、公益社団法人 全国家庭電気製品公正取引協議会が示す31円/kWh（税込、令和4年7月22日改定）を使う。同協議会も明記しているとおり、実際の料金は契約する小売電気事業者によって異なるため、これは目安である。

1日2時間の負荷稼働を月30日続けた場合を計算する。

最上位と下位の差は月800円ほどになる。この差を理由に機材を選ぶ人はいないだろう。電気代は、ローカル実行を検討するときに気にしすぎる項目の代表格だが、実額を出すとこの程度に収まる。

むしろ効いてくるのは電源側の要求だ。575Wを供給できる電源と、それを収める筐体が要る。電気代より、周辺機材のほうが金額に効く。

電源については、GPUの消費電力だけを見て容量を決めると足りなくなる。CPUや記憶装置、冷却機構の分が加わるからだ。加えて、負荷が急に変動したときの余裕も要る。公称値ぴったりの電源を選ばないというのは、この分野で繰り返し言われてきた原則で、AI用途でも変わらない。

筐体についても、大型のGPUは物理的に収まらないことがある。長さと厚みの両方を、購入前に実測しておきたい。ここで詰まると、届いてから組めないという事態になる。仕様表の数字は、電気的な適合だけでなく物理的な適合の確認にも使う。

熱と騒音は仕様表に出てこない

数値化しにくいが、実際の満足度を左右するのがここだ。

消費電力は、そのまま熱になる。575Wの機材は575W分の熱を部屋に出す。夏場に閉め切った部屋で長時間回せば、室温が上がる。そして冷却のためにファンが回れば、音が出る。

騒音のdB値はメーカーが公表していないことが多く、自分でも測っていないので数値は書かない。代わりに構造的な傾向を書く。消費電力が大きいほど、排熱量が増え、ファンの回転数が上がる。この関係は避けられない。

対策としては、置き場所を分けるという方法がある。作業机の下ではなく別の部屋に置き、ネットワーク越しに使う。OpenAI互換のエンドポイントとして立てておけば、同じ部屋にある必要はない。この構成の作り方はローカルLLMのツール呼び出しを実務に繋ぐ（2026-08-26 公開）で扱ったとおりだ。

置き場所を分けると、副次的な利点も出る。長時間ジョブを走らせている間、作業机が静かなままになる。画像の量産や音声の生成は数十分から数時間かかることがあり、その間ずっと隣でファンが回っていると集中が削がれる。処理の重さと作業環境の快適さを切り離せるのは、思ったより効く。

逆に、分けたくない事情もある。ネットワーク越しにすると、大きなファイルのやり取りに時間がかかる。画像を大量に生成して手元に持ってくる用途では、この転送が無視できなくなることがある。どこで作業し、どこに成果物を置くかを先に決めておくと、この判断がしやすい。

予算別の3構成

価格は書かないと述べたが、構成の考え方は示せる。

第一の構成: 既存機の活用。すでにゲーム用などでGPUを持っているなら、まずそれで始める。8GBでも8B級のモデルは動く。ここで自分の仕事に何が足りないかを掴んでから、次を考える。追加投資ゼロで判断材料が手に入るのが最大の利点だ。

第二の構成: 単体GPUの増設。容量が足りないと分かったら、容量を基準にGPUを選ぶ。前述のとおり、上位モデルほど容量が大きいとは限らない。必要な容量を先に決めて、それを満たす中から選ぶ。この順序なら、演算性能に払いすぎることがない。

第三の構成: 統合メモリ機。単体GPUでは届かない容量が必要なとき、あるいは静かさと省スペースを優先するときの選択肢になる。ただし後から増設できないので、買う時点で必要量を決めきる必要がある。

3つを比べると、第一の構成の価値が過小評価されがちだと分かる。すでに持っている機材で始めれば、投資判断に必要な情報が無料で手に入る。何が足りないかを知らずに買うのが、最も高くつく。8GBで動く範囲を1か月使ってみて、それでも足りないと分かってから次を決めれば、買うべき容量が具体的な数字になっている。

順番を守ることには、もう1つ効果がある。足りると分かってしまうことがあるからだ。分類や書式変換のような定型作業しかしないなら、8GBで十分完結する。この可能性を潰さずに残しておくと、買わずに済む道が見える。機材の記事で「買わない」という選択肢に触れないのは不誠実だろう。

3Dプリンターと同じ部屋に置くなら

モノを作る側の読者に向けて、部屋の話をしておく。

3Dプリンターも発熱する。エンクロージャで囲んで庫内温度を上げる構成なら、なおさらだ。そこにGPUの排熱が加わると、両方の冷却が同時に苦しくなる。プリンターは庫内を暖めたい、GPUは冷やしたいという要求が同じ部屋で衝突する。

現実的な対処は、置き場所を分けることに尽きる。前述のとおりネットワーク越しに使えるので、物理的に同じ部屋にある必要はない。

もう1つ見落としやすいのが、粉塵だ。研磨や切削を伴う作業をする部屋は、細かい粉が舞う。冷却ファンは空気とともにそれを吸い込み、ヒートシンクに溜める。発熱する機材を、粉の出る作業と同じ空間に置かないという原則は、GPUでもプリンターでも同じように効く。

なお、排気の取り回しを自作するという発想もある。ダクトやスタンドを設計して印刷する話は、筐体の中は思ったより熱い（2026-08-07 公開）で扱った通気設計の考え方がそのまま応用できる。自分の作業環境そのものを設計対象にできるのは、3Dプリンターを持っている側の利点だろう。

買う前に測る

最後に、購入前にできることを挙げる。

第一に、手元の空き容量を実測する。搭載量ではなく、他のプロセスが使っていない実際の残量を見る。これで「今のままでどこまでできるか」が分かる。

第二に、動かしたいモデルの必要量を計算する。パラメータ数とビット数から掛け算するだけだ。この2つを突き合わせれば、不足量が具体的な数字で出る。

第三に、不足量に余裕を足した容量を目標にする。モデル本体だけでなく、コンテキストの伸びと作業領域の分が要る。ぴったりの容量を選ぶと、少し長い文脈を扱った途端に落ちる。

この3ステップを踏むと、買うべき容量が数値として決まる。そこから先の選択は、その容量を満たす製品の中で消費電力と設置環境を見るだけになる。GPU選びが難しく感じるのは、順序を決めずに製品を比べ始めるからだ。

もう1つ、購入前に確認しておくと後悔が減る項目がある。動かしたいものが本当に手元向きの仕事かである。月に数回しか使わない用途なら、機材を買っても稼働率が上がらない。データを外に出せない制約があるか、試行回数を増やしたい仕事があるか。この2点のどちらかが該当しないなら、買う前に一度立ち止まる価値がある。判断の枠組みはクラウドAIの請求書を見てローカルAIを考え直す（2026-08-24 公開）で整理したとおりだ。

機材は、買ってから使い道を探すと稼働しない。使い道が先にあって、それに必要な容量を計算し、満たす製品を選ぶ。この順序なら、買った後に置物になることはない。

まとめ — 容量、帯域、そして置き場所

本記事の要点を整理する。

• 判断の順序は容量、帯域、消費電力と発熱。容量を満たさない機材は他が良くても選べない
• 現行GPUでは容量と世代・価格帯が一致しない。5060 Ti の16GB構成が 5070 の12GBを上回る例がある
• 生成速度はメモリ帯域に強く依存する。統合メモリでは120GB/sから819GB/sまで7倍近い幅がある
• 電気代は1日2時間の稼働で最上位と下位の差が月800円程度。選定の主要因にはならない
• 消費電力は熱と騒音に直結する。置き場所を分ける構成が現実的
• 買う前に、空き容量の実測と必要量の計算をする

GPU選びで迷うのは、比べる軸が多すぎるからだ。最初の軸を容量に固定すると、選択肢が一気に絞れる。そして容量は計算で出せる。感覚で選ばずに済む数少ない部分が、ここにある。

製品は入れ替わる。ここに挙げた型番も、いずれ現行ではなくなる。それでも容量を先に決め、計算で必要量を出し、満たす製品の中から選ぶという手順は変わらない。覚えておく価値があるのは、個別の型番ではなくこの順序のほうだ。

出典・参考

• NVIDIA「GeForce Graphics Cards Compare」（RTX 50シリーズのメモリ容量と種別）
• Apple「Mac mini 技術仕様」（M4 120GB/s・M4 Pro 273GB/s）
• Apple「Mac Studio 技術仕様」（M4 Max 410-546GB/s・M3 Ultra 819GB/s）
• 全国家庭電気製品公正取引協議会「よくある質問」（電気料金の目安単価 31円/kWh）

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】

swiftwand

X

AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.