AI用途でメモリ16GB・32GB・64GBは何が変わるか｜増設で解決する人、買い替えが要る人

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を使い始めて最初にぶつかる壁は、GPUではなくメインメモリであることが多い。ブラウザのタブ、エディタ、Docker、エージェント、ローカルモデル。全部がメモリを取り合います。16GB・32GB・64GBで何ができて、どこでメモリが足りなくなるかは、用途ごとにはっきり分かれます。

まず、メモリが何に使われているか

AI用途で見えにくいのは、モデル以外の消費です。Chromeはタブ1枚で100〜300MB、20枚で数GB。VS CodeやCursorなどのElectron製エディタは1〜3GB。Docker Desktopは起動しただけで2〜4GB（WSL2の割り当て込み）。

開発サーバと言語サーバでさらに1〜2GB。ここにClaude Codeのようなエージェントがビルドやテストを走らせると、一時的に数GB増えます。この「土台」だけで12〜16GBに達するので、16GBのPCではAIを使う前に埋まっています。

16GB: クラウドAIだけなら十分、エージェントには足りない

• できること: ChatGPT・Claude・Geminiをブラウザで快適に使う。Officeとの並行作業。Whisperのsmall/mediumモデル。8BクラスのローカルLLMをGPUなしで「試す」
• 厳しいこと: Docker＋エディタ＋ブラウザ＋エージェント。ローカルLLMとブラウザの同居。画像生成のモデル読み込み時のピーク
• 対処: 増設できる機種（デスクトップ、一部のノート）なら16GB×2を追加して32GBに。オンボードで増設不可のノートは買い替え対象

32GB: エージェントとローカルAIの現実的な着地点

• できること: Claude CodeやCursorでエージェント1つ、Docker Desktopと開発サーバの同居。SDXL/FLUXの画像生成（VRAMは別途必要）。8〜14BのローカルLLMとブラウザの同居。n8n / Difyのセルフホスト。数百万行のデータ分析
• 厳しいこと: サブエージェントを3つ以上並列。複数のDockerスタック。30B級モデルのCPUオフロード（モデル自体が20GB）。動画生成の中間データ
• WSL2の注意: Windowsで開発する場合、WSL2は既定でメモリの50%まで取ります。32GBでも.wslconfigで上限を16〜20GBに調整しないと、Windows側のメモリが足りなくなります

64GB: 並列エージェントと大型モデルのオフロード

• できること: 並列エージェント、複数のワークツリーとコンテナ、大きなモノレポのインデックス。30BのMoE型をCPUオフロードなしで（Macなら48GB以上でGPU側に）。動画生成の中間データ。Claude CodeとCodexの併用
• 厳しいこと: 70Bのdense型（MoEではない通常の構造）をCPUで動かす（メモリには収まるが1秒に1〜2トークン）。それ以上はGPU/ユニファイドメモリの話

Macは話が別: ユニファイドメモリは「GPUメモリ」でもある

Apple SiliconのMacでは、メモリ容量がそのままローカルAIの上限を決めます。16GBは8Bモデルまで、24GBで14B、32GBでGemma 4 26B-A4BなどのMoE型、48GBで32Bのdense型、64GBで70B、128GBで120BのMoE型。後から増設できないので、Windows PCより1段上を選ぶのが定石です。「Claude Codeだけなら24GBで十分、ローカルLLMもやるなら48GB以上」が目安。

増設で済む人・買い替えが要る人

増設するときは、規格（DDR4/DDR5、デスクトップ用/ノート用SO-DIMM）を確かめ、2枚組で同容量を揃えましょう（デュアルチャネルで帯域が倍になり、GPUなしでローカルLLMを動かすときの速度に直結します）。

自分のPCが今どれだけ使っているかを見る

買う前に、今のPCで実際にどこまで使っているかを1週間観察すると、必要量が正確に分かります。Windowsならタスクマネージャーの「パフォーマンス」タブでメモリの「使用中」と「コミット済み」を見ます。コミット済みが物理メモリを常に超えているなら、スワップが起きています。

Macなら「アクティビティモニタ」のメモリタブで「メモリプレッシャー」のグラフを見て、黄色や赤が続くなら不足です。Linuxはfree -hやhtop。この観察を、いつもの作業（エディタ・ブラウザ・Docker・エージェント）を全部開いた状態でやってください。ピークが物理メモリの80%を超えるなら、次の段階が必要です。

WSL2を使う人の設定（Windows）

WindowsでClaude CodeやDockerを使う場合、WSL2（Linux環境）が既定で物理メモリの50%（32GBなら16GB）まで確保します。しかもWSL2は一度確保したメモリをなかなか返さないため、Windows側のブラウザやOfficeに回すメモリが足りなくなります。ユーザーフォルダに.wslconfigというファイルを作り、次のように上限を決めておくと安定します。

[wsl2]
memory=20GB
processors=8
swap=8GB

32GB機ならmemory=16〜20GB、64GB機なら32〜40GBが目安です。Docker Desktopのメモリ上限もこの設定に従います。逆に言えば、WSL2で本格的に開発するなら「Windows側に16GB、WSL2側に16GB」で合計32GBが最低ラインになります。

速度の話: 容量だけでなく帯域幅

GPUなしでローカルLLMを動かすとき、生成速度はメモリ帯域幅で決まります。DDR4-3200デュアルチャネルで51GB/s、DDR5-5600で90GB/s。8Bの4bitモデル（約5GB）なら、理論上1秒に10〜18トークン、実効で6〜10トークン。読める速さですが、GPU（RTX 4060の272GB/s、RTX 4070の504GB/s）とは数倍の差があります。

「メモリを増やせばGPUなしでも十分」は8B以下とMoE型のモデルに限った話で、それ以上はGPUかMacの領分です。

用途別のメモリ計算例

「土台」の消費を固定して、AI用途ごとに足していくと必要量が見えます。ここでは土台を、Dockerや開発サーバを除いたOS＋ブラウザ（タブ15枚）＋エディタの約8GBとします。

数字はいずれも当サイトの計算式と一般的な構成での目安で、プロジェクトの規模で上下します。読み方は「合計が物理メモリの70%を超えたら次の段階」です。OSはメモリに余裕があるほどファイルキャッシュに使い、体感の軽さに変わるので、70%を超えた時点で「まだ動く」と「快適」の間に落ちていると考えてください。

よくある誤解

「メモリが多いほどAIが賢くなる」賢さは変わりません。メモリが決めるのは、同時に何を開けるか、どの大きさのモデルを動かせるかです。回答の質はモデル側の話で、手元の容量とは別の軸になります。

「16GBで動いているから足りている」動いてはいても、スワップが始まっている場合があります。タブの切り替えで一拍待つ、テストの実行が前より遅い。こうした症状が出ていたら、容量が足りていない合図です。

「Macは効率が良いから少ない容量でいい」ローカルでモデルを動かすなら通用しません。ユニファイドメモリはOSとアプリと取り合いになるため、モデルに使える量は公称より小さくなります。当サイトは36GB以下で約2/3として計算しています。

増設の実際: 買う前に確認する4点

デスクトップやスロットのあるノートなら、増設は最も安いAI投資です。ただし規格を間違えると使えないので、注文前に次を確認しましょう。

1. 規格: DDR4かDDR5か。切り欠きの位置が違うので物理的に挿さりません。CPU-Zやタスクマネージャーの「パフォーマンス → メモリ」で確認できます
2. 形状: デスクトップ用のDIMMか、ノート用のSO-DIMMか。小型のミニPCはSO-DIMMのことが多い
3. スロット数と空き: 2スロットのうち1本しか使っていなければ、同じ容量を1本足すだけで済みます。2本とも埋まっているなら両方を入れ替えることになり、外した分が余ります
4. 最大容量: マザーボードやノートの仕様で上限が決まっています。「64GBまで」と書かれていれば、96GBの構成は組めません

2枚組で同容量を揃えるのは、デュアルチャネルで帯域が倍になるためです。GPUなしでローカルLLMを動かすとき、この帯域がそのまま生成速度になります。16GB×2と32GB×1では、容量が同じでも速度が2倍近く違う場面があります。

Macを買うときのメモリの決め方

Macは増設できないので、購入時の選択がそのまま数年分の上限になります。差額は容量1段で3〜6万円。後悔の方向がはっきりしているので、判断の基準を書いておきます。

迷ったら1段上、というのがMacでの定石です。売却時の価格も容量が大きいほうが下がりにくく、差額の一部は戻ってきます。

増設したのに速くならないとき

メモリを足しても体感が変わらない場合、原因はメモリ以外にあります。よくあるのは3つ。ストレージがHDDやSATA SSDで、読み書きが足を引っ張っている。CPUのコア数が少なく、ビルドやテストで待たされている。あるいは、そもそもボトルネックがクラウド側にあり、手元は待っているだけ。増設の前にタスクマネージャーやアクティビティモニタで、メモリ・ディスク・CPUのどれが張り付いているかを見ておくと、無駄な出費を避けられます。

まとめ

• クラウドAIだけ → 16GBで十分。買い替え不要
• Claude Code・Cursor・自動化・画像生成 → 32GB。増設できるなら増設が最安の解決
• 並列エージェント・大型モデル・動画 → 64GB以上。Macなら48〜128GB
• Macは増設不可なので、迷ったら1段上

増設と買い替え、いくら違うか

メモリの一段は、増設できる機種なら1〜4万円です。買い替えとの差が大きいので、まず増設できるかを確認しましょう（2026年9月時点の目安）。

差額を見れば結論は明らかです。増設できる機種なら迷わず増設、増設できない機種は買うときに一段上。Macで16GBと24GBを迷ったら、差額3万円で数年ぶんの余裕が買えると考えたほうが合理的です。

よくある質問

32GBを1枚と16GB×2枚、どちらがいい？

2枚組です。デュアルチャネルで帯域が倍になり、GPUなしでローカルLLMを動かすときの速度と、内蔵GPUの性能に直結します。同じ32GBでも1枚挿しは損です。

DDR4のPCにDDR5は挿せる？

挿せません。スロットの形状が違います。今のPCの規格（DDR4 / DDR5、デスクトップ用 / ノート用SO-DIMM）を確認してから買いましょう。

メモリを増やせばVRAM不足も解決する？

しません。GPUのVRAMは別の部品です。メインメモリに逃がす「CPUオフロード」で動きはしますが、速度が数分の一になります。VRAM不足はGPUの交換かMacへの移行で解決します。

16GBで足りるのはどんな使い方ですか

クラウドのAI（ChatGPT・Claude・Gemini）をブラウザで使い、業務アプリを並行して開く程度なら足ります。GPUを使わないので、推論の負荷は手元に来ません。足りなくなるのは、Docker・仮想環境・エージェントの並列実行・画像生成が入ってきたときです。

32GBと64GB、どちらを選ぶべきですか

エージェントを2つまで並列に動かすなら32GB、3つ以上か、大きなモノレポのインデックスを常時抱えるなら64GBです。デスクトップなら32GBで始めて、足りなくなってから足す順番で構いません。増設できない機種を買うときだけ、先に64GBを選ぶ判断が要ります。

メモリを増やすとAIの生成速度は上がりますか

上がりません。容量で決まるのは「どの大きさのモデルが動くか」で、速度を決めるのはメモリ帯域幅です。ただし容量が足りずにスワップが始まっている状態なら、増設で劇的に速くなります。これは速度が上がったのではなく、遅くなる原因が消えたということです。

デュアルチャネルにする意味はありますか

大きくあります。GPUを積まずにローカルLLMを動かす場合、生成速度はメモリ帯域幅にそのまま比例します。同じ32GBでも、16GB×2枚と32GB×1枚では速度が倍ほど違います。増設のときは必ず2枚組にしましょう。

使うAI×仕事でおすすめを見る 手持ちのPCで何が動くか判定