うたカモ ガジェット情報

128GBメモリの小型AIコンピューター！ NVIDIA DGX SparkとGB10搭載機を紹介

小さなPCなのにAI向けのメモリが128GB。そんな製品を見つけると何を動かそうかと想像が膨らみます。ところが価格は約100万円でした。「自宅に置けたら楽しそう」と思った直後、「いや、さすがに高すぎぃ！」と現実に戻されました。

今回紹介するのはNVIDIAの小型AIコンピューター「DGX Spark」です。またDGX Sparkと同じNVIDIA GB10 Grace Blackwell Superchipを採用したASUS Ascent GX10とMSI EdgeXpertも取り上げます。この2機種はDGX Sparkと同系統のパートナー製AIコンピューターです。基本となるAI向けの設計やソフトウェア環境は共通しています。一方で筐体やストレージ、冷却、更新時期、サポートなどはメーカーごとに異なります。いずれも128GBのユニファイドメモリを備え、生成AIの開発やローカルLLMの実行を想定しています。この記事では容量違いを含む4つの構成を「DGX SparkとGB10搭載機」として紹介します。それぞれの構成や特徴を見ていきましょう。

個人で買うならかなりロマンのある買い物だと思います。事業者にとっては「このPCにどんな仕事を任せれば購入費に見合う利益を残せるか」という話になります。この記事は実機レビューではありません。まずは何が特別なPCなのかを整理したうえで、4つの構成を紹介します。

目次

1. DGX Sparkとは何か
2. CPUとGPUで共有する「ユニファイドメモリ」とは
3. どのくらいのローカルLLMを動かせる？
4. 個人で購入するならやっぱりロマン！
5. 仕事ではローカルLLMとクラウドAIを使い分ける
6. 事業者なら費用対効果と投資回収を考える
7. NVIDIA DGX SparkとGB10搭載機を紹介
8. おわりに

DGX Sparkとは何か

DGX Sparkは生成AIを手元で動かし、AIを使うアプリを開発するための小型コンピューターです。文章の要約や対話を行う大規模言語モデル（LLM）も対象です。クラウド上のサービスへ処理を送らず、自分のPCで実行できます。この記事ではこのように手元のコンピューターで動かすLLMをローカルLLMと呼びます。

中心となるGB10 Grace Blackwell Superchipは全体の処理を担う20コアのArm CPUとAI計算を得意とするBlackwell GPUを組み合わせたチップです。128GBの大容量メモリとAI向けのソフトウェア環境もまとめ、デスク上に置けるサイズに収めています。NVIDIA製DGX Sparkの本体は約15cm四方で高さ約5cmです。NVIDIAのハードウェア仕様を見ると、見た目はミニPCでも用途はかなり専門的だと分かります。

公称のAI演算性能は最大1ペタフロップス。ただしこれは少ない情報量で数値を表すFP4形式で計算し、疎性という特定の計算を省ける性質を利用した場合の理論値です。AIの返答速度そのものを表す数値ではありません。実際の処理速度は使用するモデルや設定などによって変わります。

今回の製品は一般的なWindowsミニPCではなく、LinuxのUbuntuをベースにした「NVIDIA DGX OS」を採用しています。AI向けのドライバーなどが用意されています。一方で使いたいアプリや開発環境がArmとGB10に対応するかは導入の前提になります。普段のWindows用ソフトをそのまま使うPCというよりも、AIを動かす環境を自分で扱う人向けの道具です。

CPUとGPUで共有する「ユニファイドメモリ」とは

DGX SparkとGB10搭載機の128GBメモリはCPUとGPUが同じ物理メモリ空間を共有する仕組みです。NVIDIAはこの構成を「ユニファイドメモリ」と呼んでいます。一般的なグラフィックボード搭載PCではCPUが使うメインメモリとGPU専用のVRAMが分かれています。処理するデータをCPU側からGPU側へコピーする作業も必要です。GB10ではCPUと内蔵GPUが同じ領域へアクセスできるため、このデータコピーを減らせます。詳しい構成はNVIDIAの開発者向けガイドでも説明されています。

この仕組みはローカルLLMを動かすときに大きな意味を持ちます。GPUでAIモデルを動かすにはモデルのデータがGPUから利用できるメモリに収まる必要があります。GB10のGPUは共有メモリを利用できるためGPU専用VRAMの容量だけに制限されず、より大きなモデルを扱えます。実際に動かせるモデルの規模は次の節で紹介します。

128GBはCPU用とGPU用を合わせた容量です。それぞれに128GBずつ用意されているわけではありません。OSや処理途中のデータにも使われるため128GBすべてをAIモデルへ割り当てることもできません。大きなモデルがメモリに収まることと快適な速度で動くことも分けて考える必要があります。

どのくらいのローカルLLMを動かせる？

NVIDIAはDGX Sparkについて1台で最大2,000億パラメーターのAIモデルを推論できると案内しています。ここでいう推論とは学習済みのAIに入力を与えて答えを出させる処理です。パラメーター数はモデル規模の目安になります。ただしこれは対応する形式や量子化などの条件を満たした場合の上限です。NVIDIAが公開している実行例を見ると次のような規模のローカルLLMを動かせます。

• 350億パラメーター級：Qwen3.6-35B-A3B
• 700億パラメーター級：Llama 3.3 70B
• 1,200億パラメーター級：gpt-oss-120b

NVIDIAのllama.cpp実行ガイドではQwen3.6-35B-A3Bを使用しています。別の実行ガイドでは1台のDGX SparkでLlama 3.3 70Bやgpt-oss-120bを動かす例も紹介されています。同じGB10と128GBユニファイドメモリを搭載するパートナー製品でもおおむね同じ規模が目安になります。ただし対応するソフトウェアや設定は製品ごとに確認が必要です。

これらはモデル全体のパラメーター数です。モデルごとに構造が異なり、処理時に使われるパラメーター数も同じではありません。そのため数字だけで応答速度や回答品質を比較することはできません。

大きなモデルほど快適とは限りません。モデル本体のほかにOSや会話履歴を保持する領域もメモリを使います。長い文章を扱う場合や複数人が同時に利用する場合は必要な容量が増えます。そのため最大2,000億という数字は上限として考え、実際には用途と応答速度のバランスを見ながらモデルを選ぶことになります。なおNVIDIAは、ローカルでの追加学習について最大700億パラメーターまで対応すると案内しています。

個人で購入するならやっぱりロマン！

個人で魅力を感じるのはやはり「大きなAIモデルを自宅で動かせる」という点でしょう。モデルを入れ替えて回答を比べたり、自分の資料を検索して答えるアシスタントを作ったり。使い道を考えながら試せる小さなAI開発機が机の上にあるだけでも心が動きます。

個人で100万円を超えるPCを買うなら、それはもうロマン以外の何物でもありません。性能を持て余す可能性も含めて踏み込むのですから、かなりのチャレンジャーだと思います。まあ、これから商品を紹介する記事で言うのも何ですが、気軽におすすめできる価格ではありません。

ローカルLLMを始めるだけならDGX Spark級のPCは必須ではありません。小さなモデルなら手持ちのPCで試せる場合もあります。まずはそこで「自分はどのくらい使うのか」「何が足りないのか」を知る。それでも容量不足を解消したい人や、さらに大きなモデルを研究したい人にとっては購入を考える理由が見えてきます。

仕事ではローカルLLMとクラウドAIを使い分ける

業務ではクラウドAIをすべて置き換えようとせず、ローカルLLMで対応できるタスクを洗い出して任せるのが現実的だと思います。決まった形式の処理や繰り返し発生する下準備は手元で行う。難しい判断や複雑な依頼にはクラウドAIも使う。このように担当する仕事を分ければクラウド側に送る処理を減らせます。

最初の試験対象として考えられるのは次のような仕事です。どれもローカルLLMなら必ず正しくできるという意味ではありません。実際の業務データで精度と修正の手間を確かめてから任せる候補です。

• 分類・振り分け：問い合わせを内容別に分類する
• 項目の抽出：文書から商品名や日付を取り出す
• 要約の下書き：議事録や作業メモを短くまとめる
• 定型文の下書き：返信文や社内案内の原案を作る

クラウドAIのAPIには入出力の「トークン」という処理単位に応じて課金されるものがあります。トークンは文章などを細かく区切った単位です。ローカルで完結できる仕事が増えれば、その分のトークン消費と従量料金を抑えられます。一方で月額固定のサービスは利用回数が減っただけでは料金が下がりません。実際に減らせる支出を区別する必要があります。

導入前には代表的な仕事を少量試します。そのうえで正しく処理できた割合や所要時間、人が直す時間を記録したいところです。失敗してクラウドAIにやり直させる処理が多ければ節約効果は小さくなります。外部に出したくない資料を手元で扱える点も利点です。ただし使うアプリが外部サービスへ送信しない設定になっていることも確かめる必要があります。

事業者なら費用対効果と投資回収を考える

事業用に購入するなら一台をどれだけ活用できるかが費用対効果を左右します。一人がたまに使うだけでは約100万円の購入費に見合う効果を得にくいでしょう。複数人の業務で継続的に使えれば組織全体で得られる効果を積み上げられます。

そのうえで各人がクラウドAIに任せている処理をどこまでローカルLLMへ移せるかを考えます。複数人のクラウドAI利用頻度が下がり、従量料金の削減や契約プランの見直しにつながれば購入費を回収する根拠になります。

ただし利用人数が多いだけで投資を回収できるわけではありません。導入前に各人の利用料と処理内容を調べ、ローカルLLMへ移せる仕事を洗い出す必要があります。そこで減らせる支出や増やせる利益が購入費と電気代・保守費・運用負担を上回るなら、事業の道具として導入する理由が生まれます。

NVIDIA DGX SparkとGB10搭載機を紹介

ここからは4つの構成を紹介します。NVIDIA DGX SparkのほかにASUSとMSIのGB10搭載機を選びました。どれも128GBのユニファイドメモリを備えています。それぞれの特徴を見ていきましょう。

1. NVIDIA DGX Spark

NVIDIA自身の製品を選びたいならこちらのDGX Sparkです。対象ページは128GBメモリ・4TB NVMe SSDの構成であり、NVIDIA公式仕様にも4TBストレージが記載されています。複数のモデルや開発用データを本体に置きたい場合は1TB構成より保存容量に余裕があります。

個人的にはNVIDIAのAIコンピューターをそのまま机に置ける点に所有する楽しさを感じます。ただしNVIDIA製だから他のGB10搭載機より必ず高速ということではありません。AIの基礎となるチップとメモリ容量は共通です。4TBの保存容量や販売店のサポート条件まで含めて選ぶ製品です。

2. ASUS Ascent GX10（1TBモデル）

次はASUS Ascent GX10の1TB構成です。対象の型番はGX10-GG0010BNで128GBメモリと1TBのPCIe 4.0 NVMe SSDを組み合わせています。ASUSの公式発表では本体サイズが150×150×51mmとされています。10GbEの有線LANやWi-Fi 7も備えたコンパクトなAI開発機です。

1TB版だからGPUやメモリまで小さくなるわけではありません。まず使うモデルを絞り、保存容量を抑えたい人の候補です。ただし大きなモデルを何種類も保管するならSSDの空き容量を意識することになります。

3. MSI EdgeXpert

MSIのEdgeXpertもDGX Sparkと同じGB10を採用した小型AIコンピューターです。対象商品はEdgeXpert-13SUSと表記されており、128GBメモリ・4TB SSDを搭載します。MSIの国内向け公式発表では教育・研究・企業でのAI開発に向けた製品と位置づけ、GB10・128GBメモリ・4TBストレージの構成を案内しています。

NVIDIAのDGX Sparkと同じ4TBのストレージを備えています。MSI製品の導入窓口や保守を重視する場合には検討する候補です。ただし販売店によってサポート条件は異なります。

4. ASUS Ascent GX10（2TBモデル）

最後はAscent GX10の2TB構成です。対象型番はGX10-GG0020BNで1TB版と同じGB10・128GBメモリに2TBのPCIe 4.0 NVMe SSDを組み合わせます。ASUSが公式に案内するストレージ構成にも2TB版が含まれています。

1TBでは保存容量に不安を感じる場合、最初から2TBを選ぶ考え方もあります。商品名にはAIエージェント関連の名称も並んでいますが、それを理由に別世代の上位チップを積んだ製品と捉える必要はありません。まずは同じGX10の容量違いとして比較すると違いを整理しやすくなります。

おわりに

DGX Sparkとパートナー製のGB10搭載機は128GBユニファイドメモリを生かして大規模なローカルLLMを動かせる小型AIコンピューターです。NVIDIAの実行例では350億から1,200億パラメーター級のモデルが使われており、条件次第では最大2,000億パラメーターの推論にも対応します。ただし大きなモデルが動くことと、用途に合った速度で使えることは分けて考える必要があります。

個人で100万円を超えるPCを選ぶなら、やはりロマンのある挑戦です。事業者が導入する場合は複数人で活用し、クラウドAIの利用頻度や従量料金をどこまで減らせるかが費用対効果と投資回収につながります。今回紹介した4構成は基本となるGB10と128GBメモリが共通するため、ストレージ容量やメーカーのサポートを比べて選ぶことになります。

この記事経由のアフィリエイト収益は残念ながらあまり発生しなさそうだと思っています。それでもこんな小さな箱で大きなAIを動かせる製品があること自体は面白い。すぐに買う予定がなくてもローカルAIで何をしてみたいか考えるきっかけになるPCだと思います。

他のガジェット記事