AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › ガイド › AI時代のPC選び 5つの軸

AI時代のPC選びは「5つの軸」で決まる｜クラウドAIでも仕事は手元のPCで起きる

最終更新: 2026年9月 ・ この記事に広告リンクはありません

「AI用のPC」と聞くと、GPUの性能か、量販店の言うNPU搭載機を思い浮かべる人が多いはずです。どちらも半分だけ正しく、半分は的外れです。ChatGPTだけを使う人にGPUは要りません。一方で、Claude Codeのようなエージェントは、モデルがクラウドにあっても仕事の大半を手元のPCで実行します。当サイトが推奨機を選ぶときに使っている5つの軸は、この「手元で何が起きるか」から逆算したものです。

前提: 「Webで動くAI」と「手元で動くAI」の境界は、ユーザーには見えない

ChatGPTはブラウザで使う。Stable Diffusionは自分のGPUで動く。ここまでは分かりやすい。問題はその中間です。Claude CodeやCodexは、モデルの推論こそAnthropicやOpenAIのサーバで行いますが、コードを書いたあとにビルドし、テストを回し、Dockerでデータベースを立ち上げ、ブラウザを開いて表示を確かめ、Gitにコミットする。

こうした実作業は、全部あなたのPCで動きます。しかもエージェントは待ちません。人間なら順番にやる作業を、並列に、休まず実行します。

自動化ツール（n8n、Dify）をセルフホストすれば、ワークフローはPCが起きている間しか動きません。ブラウザ操作エージェントは、あなたのChromeを実際に動かします。文字起こしのWhisperは、GPUがあれば数分、なければ数十分。つまり「使うAI」と「させたい仕事」の組み合わせによって、PCに要るものが変わります。その違いを具体的な部品と数字に置き換えたのが、当サイトの5つの軸です。

軸1: 並列実行力（CPUコア数とメモリ）

エージェントを使う人にとって最も影響の大きい軸です。Claude Codeを1つ走らせるだけでも、エディタ、ターミナル、開発サーバ、ブラウザ、Docker Desktopが同時に立ち上がります。メモリ16GBのPCでは、この時点でスワップが始まります。サブエージェントを並列に起動する、複数のワークツリーで別の機能を同時に作らせる、といった使い方をすれば、メモリ32GBでも足りない場面が出てきます。

使い方CPUメモリ
クラウドのチャットAIだけ4コアで十分16GB
Claude CodeやCursorでエージェント1つ8コア32GB
並列エージェント・Docker複数・モノレポ12〜16コア64GB
エージェント常時運用＋ローカルLLM16コア64〜128GB

ここで大事なのは、GPUが一切登場しないことです。コーディングAIのためにゲーミングPCを買う人がいますが、そのGPUは使われません。同じ予算をメモリとCPUコアに回すほうが、体感は確実に上がります。

軸2: GPUメモリ / ユニファイドメモリ

画像生成、動画生成、ローカルLLM、文字起こし。手元でモデルを動かす用途では、GPUの「速さ」より先に「メモリ容量」が壁になります。モデルがVRAMに載らなければ、動かないか極端に遅くなるからです。GeForce RTX 4060 Tiの8GB版と16GB版は、ゲームでは大差なくてもAI用途では別物です。

用途GeForceのVRAMMacのユニファイドメモリ
8BクラスのローカルLLM・Whisper8GB16GB
SDXLでの画像生成・14BのLLM12GB24GB
FLUX・Gemma 4 26B-A4BなどのMoE型・gpt-oss-20b16GB32GB
27〜32Bの通常構造（dense型）のLLM・動画生成の入口24GB48GB
70BのLLM・動画生成を実用で32GB（70Bは不可）64〜128GB

Apple SiliconのMacは、CPUとGPUが同じメモリを共有するため、メモリ64GBのMacなら約48GBをモデルに使えます。GeForceでは単体32GBが上限なので、70Bクラス以上のローカルLLMはMacかRyzen AI Max搭載機の領分です。逆に画像・動画生成はCUDA前提のツールが多く、GeForceが標準。MacかWindowsかはこの軸で決まります。

軸3: ストレージ（速度と容量）

地味ですが、確実に差が出ます。エージェント開発ではリポジトリ、node_modules、Dockerイメージ、ワークツリーの複製が積み上がり、512GBのSSDは半年で埋まります。ローカルLLMはモデル1本が5〜70GB。画像生成はチェックポイントとLoRAが数十GB。

動画は素材と生成物で数TB。速度も重要で、モデルの読み込みやインデックス作成はNVMeとSATA SSDで数倍違います。目安は、開発なら1TB、ローカルAIなら2TB、動画なら4TBです。

軸4: 常時稼働性

自動タスクを回す人だけに関係し、しかし関係する人には決定的な軸です。定期実行のルーティン、監視ループ、夜間のバッチ、n8nのワークフロー。これらは「PCが起きている間だけ」動きます。ノートのフタを閉じれば止まる。Windows Updateの自動再起動で途切れる。停電でおかしくなる。

この用途の正解は、速いPCではなく「静かで、省電力で、スリープせず、置きっぱなしにできる機種」です。Mac mini（アイドル数W）、Ryzen搭載の静音ミニPC（アイドル10W台）、保守付きのワークステーション。加えて小型のUPSを足すと、停電1回でデータベースが使えなくなる事故を防げます。ゲーミングPCを24時間回すと電気代が月1,000〜2,000円以上かかるので、常時稼働機は消費電力も選定基準です。

軸5: OS（macOS / Linux / Windows）

ツールによって「本流のOS」があります。Claude CodeやCodexなどターミナル中心のエージェントは、macOSとLinuxが素直で、WindowsではWSL2（Windows上のLinux環境）に入れるのが前提です。WSL2自体がメモリを数GB使い、設定ファイルで上限を調整する必要があります。

逆に、Windowsの「Copilot+ PC」機能（リコール、ライブ字幕の翻訳）はWindows専用で、NPUが要ります。画像・動画生成はWindows/Linux＋GeForceが標準。開発者にMacが多いのは好みの問題ではなく、こうしたOSごとの事情によるものです。

5つの軸で見ると「AIパソコン」の売り文句がどう見えるか

組み合わせで要件が跳ね上がる例

5つの軸の要件は、足し算ではなく「各軸の最大値」で決まりますが、組み合わせによっては1つの軸が跳ね上がります。典型例を3つ挙げます。

当サイトのトップページでは、この合成を自動で行い、要件が上がった軸を「手元のPCに要るもの」として表示します。自分の組み合わせでどの軸が関わっているかを見てから機種を選んでください。

計算例: Claude Code＋Docker＋ローカルLLMを1台で動かすと

抽象的な軸を、実際の数字で追ってみます。想定は「Claude Codeで開発し、Dockerでデータベースを立て、社外秘の文書要約にローカルLLM（Qwen3 8B）も使う」人。メモリの内訳は、OSとブラウザで4〜6GB、VS Codeと言語サーバで2〜3GB、Docker Desktop（WSL2込み）で4GB、開発サーバとエージェントのビルドで2〜4GB。

ここまでで12〜17GB。Qwen3 8BのQ4_K_M（4.7GB）に、会話8,000トークン分の作業メモリ（KVキャッシュ、1.1GB）と計算バッファ（0.6GB）を足すと6.4GB。GPUがあればVRAMに載りますが、なければメインメモリに置かれて合計18〜24GB。

16GB機では動かず、32GB機で余裕が8GB前後。ここにサブエージェントを2つ並列で走らせると、それぞれがビルドとテストで2〜3GBずつ使うので、32GBを使い切る寸前になります。この計算が「エージェント1本なら32GB、並列なら64GB」という当サイトの基準の根拠です。

よくある悩みを5つの軸で考えると

代表的な悩みを5つ、この枠組みに当てはめてみます。どの軸が関わっているかが分かると、答えは一つに絞れます。

「ChatGPTをよく使うので、AI対応のノートに買い替えたい」

関わる軸はありません。ChatGPTの推論はクラウドで、手元はブラウザだけ。買い替えるとしたらメモリ16GBの確保と画面の広さで、NPU搭載機である必要はない。予算があるなら本体ではなく外部モニタに回すほうが、作業時間は短くなります。

「Claude Codeを使い始めたら、PCが重くて仕方ない」

軸1（並列実行力）です。エージェントはビルドとテストを人間より高頻度で走らせるので、メモリ16GBでは足りません。32GBへの増設が最初の一手で、デスクトップなら1万円台。GPUを足しても改善しません。

「画像生成を始めたいが、どのGPUを買えばいいか分からない」

軸2（GPUメモリ）だけを見れば決まります。SDXLで12GB、FLUXで16GB。型番の新しさより容量が先で、RTX 4060 Tiのように同じ型番で8GB版と16GB版がある機種は、AI用途では別物として扱ってください。

「夜のうちに処理を回したいのに、朝見ると止まっている」

軸4（常時稼働）です。ノートのフタを閉じた、Windows Updateが再起動した、スリープから復帰しなかった。性能の問題ではないので、上位機に買い替えても解決しません。静音のミニPCかMac miniを別に1台置くのが答えです。

「社内の文書をAIに読ませたいが、クラウドに出せない」

軸2と軸4の組み合わせです。ローカルLLMを動かすメモリと、部署で共有するなら常時稼働性。個人で試すならVRAM 16GB級、共有するならMac mini M4 Pro 64GBのような静音サーバ。品質を左右するのは機材より文書の前処理です。

この5つの軸を使わないほうがいい場面

枠組みは万能ではありません。次の場合は、5つの軸で考えても答えが出ないか、別の判断のほうが早い。

買う前のチェックリスト

編集部メモ: 要件表の上ではメモリ32GBで足りる用途でも、当サイトのDBを組みながら実際にClaude Codeで並列作業をした感触では、半年以内に64GBが欲しくなる人が多いはずです。理由は「エージェントを使い始めると、同時にやることが増える」から。1エージェントで満足している期間は短い。デスクトップなら後から足せるので32GBで始めて構いませんが、Macとノートは最初から64GB相当を検討しておくと後悔が少ないです。

実際の選び方

当サイトのトップページでは、「使うAI」と「させたい仕事」を選ぶと、この5つの軸の必要量を合成して、要件を満たす構成の中から手頃な順に3台（ぴったり・余裕・別の形）を出します。それぞれの構成に購入先のリンクを付けてあり、要件を満たさない機種は出しません。クラウドAIだけを使う人には「買い替え不要」と表示します。

軸ごとの追加コストの目安

どの軸にいくら払うことになるかを、2026年9月時点の目安で並べます。値段の順に並べ替えると、優先順位が決めやすくなります。

軸一段上げるのにかかる金額差が出る場面
メモリ 16GB→32GB1〜2万円（増設できる機種なら）エージェント、画像生成、仮想環境
メモリ 32GB→64GB2〜4万円並列エージェント、大きなモノレポ
ストレージ 1TB→2TB1.5〜3万円モデルのダウンロード、Dockerイメージ
VRAM 8GB→16GB8〜15万円（GPUごと交換）SDXL・FLUX、14Bクラスの言語モデル
VRAM 16GB→24GB15〜30万円動画生成、30Bクラスの言語モデル
常時稼働の1台を足す15〜48万円自動タスク、共有のローカルLLM

金額の桁が変わるのはGPUのところだけです。メモリとストレージは1〜4万円で一段上がるのに対し、VRAMは8万円から。だからこそ「GPUが本当に要るのか」を先に決める価値があります。

よくある質問

5つの軸のうち、どれから決めればいいですか

GPUが要るかどうかからです。ここだけ金額の桁が違い、あとから替えるのも大変だからです。画像生成・動画生成・ローカルLLMをやらないなら、GPUの軸は「不要」で確定します。残りはメモリとストレージで、こちらは後から足せることが多い。手持ちのPCで判定すると、今の機材がどの軸で足りていないかが分かります。

クラウドのAIしか使わないのに、PCの性能が関係するのですか

関係するのはメモリだけです。推論そのものはクラウドのサーバで動くので、GPUもCPUのコア数も影響しません。影響するのは、ブラウザのタブと業務アプリを同時に開いたときのメモリで、16GBあれば足ります。買い替えを勧められたら、まずその機材のメモリ容量を確かめましょう。

ゲーミングPCを持っていればAI用途にも十分ですか

用途によります。画像生成やローカルLLMなら、そのGPUがそのまま使えます。一方でコーディングAIやエージェントの並列実行では、GPUは一度も使われず、使われるのはCPUのコア数とメモリです。ゲーミングPCはメモリ16GBの構成が多いので、そこが先に足りなくなります。

5つの軸のうち、あとから足せないのはどれですか

ノートPCとMacのメモリ、それにGPU非搭載機のGPUです。デスクトップならメモリもGPUもストレージも後から足せます。買うときに一段上を選ぶ判断が意味を持つのは、増設できない機種を選ぶときに限られます。

使うAI×仕事でおすすめを見る AI別の必要スペック