過去2年間、PCメーカーは「AI PC」の宣伝で繰り返し「NPU演算能力」というパラメーターを挙げてきた。しかし、インテルのLunar Lakeの45 TOPS也好、AMDのStrix Pointの50 TOPS也好、これらの数値は依然として比較的控えめなレベルにとどまっている。背景ぼかしや音声ノイズキャンセリング、小さなエッジモデルの実行は可能だが、それ以上には及ばない。
5月31日、エヌビディアはGTC 2026でRTX Sparkスーパー・チップを発表し、この数値を1ペタフロップ、つまり1000 TOPSに引き上げました。30%や50%の向上ではなく、一つの数量級を飛び越えました。
同時に発表された他の情報には、マイクロソフトがRTX Sparkに合わせてWindowsのネイティブセキュリティ機能をアップグレードし、NVIDIAのオープンソースサンドボックスランタイムOpenShellをWindowsプラットフォームに導入したことが含まれます。Adobeは、PhotoshopとPremiereを底层から再構築し、RTX Sparkのユニファイドメモリアーキテクチャに特化して最適化したことを発表しました。また、最初の6社のOEMメーカーが、今年の秋にこのチップを搭載したスリムなノートパソコンとコンパクトなデスクトップPCを発売することを確認しました。
NVIDIAはこのGTCで新しいチップを発表したのではなく、「パーソナルAIコンピューター」というカテゴリに新たなハードウェア標準を定めようとしています。
GPUがPCの主役となる
まずこのチップ自体を見てみましょう。NVIDIAがGTCで発表したデータによると、RTX SparkはBlackwellアーキテクチャのGPUを搭載し、6144個のCUDAコアを備え、MediaTekと共同設計した20コアのArmアーキテクチャGrace CPUと組み合わされています。製造プロセスはTSMCの3nmです。重要な変更点はメモリアーキテクチャにあります。最大128GBの統合メモリを搭載し、CPUとGPUが同じメモリプールを共有するため、データを両者間で移動する必要がありません。
これは過去のPCアーキテクチャのロジックとは逆です。
従来のPCの基本構造は、「x86 CPUをメインプロセッサとし、独立したGPUをオプション装備」というものである。近年登場したAI PCという概念においても、インテルやAMDはCPUにNPUを内蔵し、AI加速の追加モジュールとしているが、その計算能力は一般的に40～50 TOPS程度である。GPUは依然として「外付け」である。
RTX Sparkが権力を再配分した。このSoCはGPUを主役にし、CPUを脇役に退かせた。NVIDIAが提供するAI演算能力は1 petaflop FP4、つまり1000 TOPSで、前世代のAI PCに内蔵されたNPUの演算能力の20倍以上である。これは同じレースでのスピードアップではなく、別のレースのスタートである。
OEMメーカーの対応速度がこの判断を裏付けている。NVIDIAの公式発表およびDIGITIMESの後続報道によると、ASUS、Dell、HP、Lenovo、Microsoft Surface、MSIが今年秋にRTX Sparkを搭載したスリムノートパソコンおよびコンパクトデスクトップPCを発売し、AcerとGigabyteのモデルもその後に続投する。主要なWindows PCブランドがほぼすべて参入している。
RTX Sparkはゼロから生まれた製品ではない。2025年初頭、同じBlackwellとGraceコアチップはProject DIGITSおよびDGX Sparkという形で登場していたが、当時は開発者向けのLinuxデスクトップスーパーコンピュータとして位置づけられ、小型デスクトップPCほどのサイズだった。一年後、このアーキテクチャはスリムノートPCの放熱スペースに収められ、オペレーティングシステムはLinuxからWindowsに変更され、ターゲットユーザーはAI開発者から一般消費者および企業ユーザーへと拡大された。これがGTC 2026でのコンシューマー製品発表において最も注目すべき変化である：NVIDIAは開発者向けのおもちゃを発表しているのではなく、コンシューマーマーケットの扉を開こうとしている。
ローカルで120Bモデルを実行するのは十分ですか？
計算力とメモリの数値は、最終的に「何ができるか？」という問いに答える必要があります。
NVIDIAは発表会で、RTX Sparkがローカルで120Bパラメータの大規模モデルを実行でき、コンテキストウィンドウが100万トークンに達すると述べました。120Bとはどのような概念でしょうか？参照として、現在の消費者向けハードウェアでローカルモデルを実行する主流な実践は、24GB VRAMを搭載したRTX 4090が量子化圧縮により30B～40Bパラメータ規模のモデルを実行することです。一部の小さなモデルは、消費者向けGPU上で迅速に実行できるのが9Bモデルです。9Bから120Bへの飛躍は、エッジAIの「十分である」基準を再定義しました。
128GBの統一メモリが、すべての前提である。従来のPCアーキテクチャでは、CPUには独自のシステムメモリが、GPUには独自のビデオメモリが存在し、両者には物理的な境界がある。ビデオメモリ容量を超える大規模モデルは、実行できないか、複雑なモデル分割とメモリ交換を必要とし、速度が急激に低下する。統一メモリアーキテクチャはこのボトルネックを解消し、モデルデータを128GBの共有プールに直接格納することで、CPUとGPUが両方アクセス可能にする。AppleはApple Siliconでこの技術路線のコンシューマー向け実現可能性を最初に実証し、今やNVIDIAはこれをWindowsエコシステムにも導入した。
大規模モデルの推論に加え、NVIDIAが挙げた使用例には、12K動画編集、90GBを超える3Dシーンのレンダリング、1440p解像度で100fpsを超えるレイトレーシングゲームが含まれます。これらのシナリオの共通点は、単一処理で扱うデータ量が非常に大きいことで、従来のPCでは処理時間の数倍を待つ必要があるか、あるいはまったく動作しません。
「動作対応」と「スムーズに利用可能」の間にはまだ距離がある。NVIDIAはRTX Spark上で120Bモデルの実際の推論速度を公表しておらず、百万トークンのコンテキストシナリオにおける最初のトークン遅延データも提供していない。長コンテキスト推論速度を決定する鍵となる指標はメモリ帯域幅である。参照として、同じGB10コアを用いるDGX Sparkの実測値ではメモリ帯域幅は約301GB/sである。この帯域幅レベルでは120Bモデルの実行は可能だが、百万トークン規模のコンテキストウィンドウを処理する際、ユーザーは最初の出力トークンを数秒待つ必要がある可能性がある。RTX Sparkのノートブック版は電力制限のため、実際の帯域幅がさらに調整される可能性がある。
AIエージェントにセキュリティケージを追加する
算力以外のもう一つのコアな発表は、NVIDIAとMicrosoftによるシステムレベルでの協力である。これは、GTC 2026の一般消費者向け発表の中で最も見過ごされやすいが、産業への影響が最も深い部分かもしれない。
120Bモデルを実行できるコンピュータを、デスクトップを自律的に操作し、ボタンをクリックし、ファイルを読み書きできるAIエージェントに委ねた場合、セキュリティリスクは「データが漏れるかどうか」というレベルではなく、「エージェントがユーザーの望まない行動を取らないか」というレベルになる。この問題が解決されない限り、企業はこのようなデバイスを従業員に導入することはできない。
マイクロソフトとNVIDIAが提供するソリューションは二重の防衛ラインです。第一の防衛ラインとして、マイクロソフトはWindowsのネイティブセキュリティメカニズムを強化し、OSレベルでAIエージェントの行動を監視・制約します。第二の防衛ラインとして、NVIDIAはOpenShellランタイムを正式にWindowsプラットフォームに導入しました。NVIDIAの公式ドキュメントによると、OpenShellはオープンソースのサンドボックスランタイムであり、カーネルレベルの隔離を提供します。これにより、AIエージェントは制御された操作範囲内でのみタスクを自律的に実行でき、システムのコアファイル、ネットワーク接続、ユーザーの機密データへのアクセス権限は厳格に制限されます。
このコンポーネントの企業調達における意味は明確である。それまで、「ローカルAIエージェント」という概念は技術デモの段階にとどまっていた。ハードウェアは動作するが、セキュリティフレームワークは空洞だった。企業のIT部門は、このような状態のデバイスを調達リストに含めることはできなかった。NVIDIAとMicrosoftは、ハードウェアとアプリケーションの間に標準化された隔離層を挿入し、「使える」状態を「管理可能」な状態に変えた。
OpenShell自体のパフォーマンスオーバーヘッドは、観察が必要な変数である。サンドボックス隔離は通常、一定程度のパフォーマンス損失をもたらすが、推論速度やシステム応答にどの程度影響するかについては、NVIDIAが現在公表しているデータはない。企業IT管理側でのデプロイの複雑さや、既存のセキュリティポリシーとの互換性といった実際の導入における課題は、OEMデバイスが市場に出荷されてからでなければ検証できない。
アドビはなぜ「基盤から再構築」することを望んでいるのか
ソフトウェアベンダーの協力度は、新しいハードウェアプラットフォームが定着できるかどうかを判断する指標である。
AdobeがGTC期間に発表した動きは、今回のリリースにおけるソフトウェア側で最も大きなシグナルである。NVIDIA公式ブログおよびAdobe経営陣の確認によると、AdobeはPhotoshopとPremiereの基盤を再構築し、RTX Sparkの統一メモリアーキテクチャに特化して最適化した。AIおよびグラフィックス処理のパフォーマンスが最大2倍向上すると宣言している。
「底层重构」不是简单地添加插件或创建适配层。在传统PC上，CPU和GPU各自拥有独立的内存空间，在处理超大PSD文件或8K视频时间轴时，数据需要在两套内存之间反复搬运，这是性能浪费的重灾区。RTX Spark的统一内存让CPU和GPU可以直接共享同一块128GB空间，这一架构变化对专业创作者的工作流程具有实际价值。Adobe为此修改了底层代码，表明其认可这一架构方向并非一次性营销噱头。
しかし、この「2倍加速」の比較基準は、NVIDIAもAdobeも公表していません。同じ世代のx86プロセッサと独立GPUと比較した場合か、前世代のAI PCのNPUソリューションと比較した場合かによって結果は大きく異なります。ベンチマーク条件が公開されるまで、この数値の信頼性は疑問符がつきます。
同時にサポートが発表されたのは、Blackmagic Design、ComfyUI、llama.cpp、OTOY、および複数のゲームメーカーです。ComfyUIとllama.cppの対応は注目されるべきです。これらは現在のローカルAIワークフローで最も活発なオープンソースツールだからです。開発者コミュニティによる早期のサポートは、大手企業の約束よりも、プラットフォームのエコシステムの可能性をより真実に反映しています。
NVIDIAは、CUDAエコシステムとユニファイドメモリアーキテクチャを活用し、WindowsエコシステムでAppleのようなハードウェアとソフトウェアの統合体験を構築しています。違いは、Appleの壁は自ら築いたものであるのに対し、NVIDIAはMicrosoftやISVたちに協力を得て壁を築かなければならない点です。Adobeが下層から取り組む意思を示したことは、この壁の最初のレンガが置かれたことを意味します。
紙面パラメータ以外
最も実際的な問題に戻ると、これらのデバイスは実際に購入できるのでしょうか？購入した後の体験はどのようなものですか？
エヌビディアの発表によると、最初のRTX Sparkデバイスは今年の秋に、ASUS、Dell、HP、Lenovo、Microsoft Surface、MSIの薄型ノートパソコンおよびコンパクトデスクトップモデルで販売開始されます。AcerとGigabyteのモデルはその後に追加されます。すべてのOEMの具体的な価格と販売開始日は未発表です。
定価よりも重要なのは、いくつかの物理的な未知数である。1 petaflopの計算能力を持つチップを薄型軽量ノートパソコンに組み込む場合、消費電力と放熱をどうバランスさせるのか？RTX SparkはAI以外の日常オフィス作業におけるパフォーマンスやバッテリー持続時間はどのようになるのか？128GBの統合メモリは、ノートパソコンの形状において、消費電力の制限により実効帯域幅が著しく低下するのか？
これらは産業化の実際の試練である。あるチップのエンジニアリングプロトタイプでのピーク演算能力と、消費者が毎日8時間使用する際の実際のパフォーマンスは、しばしば異なるものである。NVIDIAは発表会でRTX Sparkのエネルギー効率を強調したが、具体的なTDP値やバッテリー持続時間については提示していない。
PC産業の構造の観点から見ると、RTX Sparkの登場は、新たな分業モデルが形成されつつあることを示している。過去30年間、PCのコアチップの主導権はx86プロセッサメーカーが握っており、GPUメーカーは重要性を高めてきたが、常に「マザーボードに差し込む周辺機器」にすぎなかった。NVIDIAが今回提示したのは、CPUからGPU、メモリコントローラまですべて統合した完全なSoCであり、ArmアーキテクチャのCPU部分はMediaTekが設計している。PCサプライチェーンの権力構造は、「x86 CPUにオプションでGPUを追加」から、「GPUを中心としたSoCプラットフォーム」へと移行しつつある。
この転換は1日で完了しない。OEMの価格戦略、実際の製品のエネルギー効率、ISVソフトウェアの最適化進捗、企業顧客の調達検証サイクル——それぞれの段階が、RTX SparkがPC産業の新たな基準となるか、それとも高開き低下げの技術デモに終わるかを決定する。答えは今年の秋まで待たなければならない。