導入｜性能表の先にある「電力と熱」の壁
GPUを選ぶとき、私たちはどうしても性能表を見ます。
CUDAコアはいくつあるのか。VRAMは16GBか32GBか96GBか。生成速度はどのくらい違うのか。どのサイズのローカルLLMまで動かせるのか。
もちろん、それらは重要です。
しかし、高性能なGPUを長時間使うようになると、別の制約が見えてきます。
電力と熱です。
RTX 5090のTotal Graphics Powerは575W。NVIDIAが示すFounders Editionのシステム電力要件は1000Wです。一方、RTX PRO 6000 Blackwell Workstation Editionは最大600W。96GB GDDR7 ECCを搭載しながら、Max-Q Workstation Editionでは最大300Wという別の設計も用意されています。
ここまで来ると、GPUだけを見てPCを考えることはできません。
- GPUへ安定して電力を供給できるのか。
- 発生した熱を筐体の外へ排出できるのか。
- その状態を数分ではなく、数時間、場合によっては数日維持できるのか。
つまり、AI時代の計算資源を考えるなら、
💡 「GPUを持っていることと、GPUの能力を使い続けられることは別である。」
という視点が必要になります。
結論｜実用的な計算資源の概念式
CORE SPECでは、計算資源を単なるGPU性能とは考えません。
一つの概念式として表すなら、
実用的な計算資源 ＝ 演算性能 × メモリ容量 × 持続可能性
と考えると分かりやすくなります。これは物理学上の計算式ではありません。しかし、PCを選ぶときの考え方としては重要です。
どれだけ演算性能が高くても、必要なモデルがVRAMに入らなければ使えません（モデルサイズ別必要VRAM早見表を参照）。
96GBのVRAMがあっても、電力や冷却が不足して長時間の高負荷運用が難しければ、その能力を十分に利用できません。
逆に、ピーク性能では劣っていても、必要なメモリ容量を持ち、安定した状態で長時間運用できるなら、仕事としてはそちらの方が大きな価値を持つ場合があります。
性能とは、瞬間的に出せる数字ではなく、必要な計算を必要な時間だけ維持できる能力でもある。
この記事で考えたいのは、その部分です。
RTX 5090とRTX PRO 6000は、すでに「電力設備」を考えるGPUになっている
まず、代表的なGPUを並べてみます。
| GPU | VRAM | GPU最大電力 | 設計上の特徴 |
|---|---|---|---|
| RTX 5090 | 32GB GDDR7 | 575W | GeForce最高峰。NVIDIA FEのシステム電力要件は1000W |
| RTX PRO 6000 Workstation | 96GB GDDR7 ECC | 600W | 1GPUの最大スループットを重視 |
| RTX PRO 6000 Max-Q Workstation | 96GB GDDR7 ECC | 300W | 電力効率・高密度・マルチGPUを重視 |
RTX PRO 6000 Workstation Editionは96GB ECC、最大600Wで、NVIDIAはシングルGPUのスループットを優先するワークステーション向けとしています。一方Max-Qは同じ96GB ECCを持ちながら300Wで、高密度構成では最大4GPUまでを想定しています。
ここから分かることがあります。
電力はGPUを動かすための付帯条件ではなく、GPUの使い方そのものを決める設計変数になっているということです。
電源は「ワット数が足りればいい」わけではない
例えばRTX 5090では、NVIDIAはFounders Editionについて1000Wのシステム電源を要求しています。
ただし、これは「RTX 5090ならどんなPCでも1000Wでよい」という意味ではありません。
CPU、メモリ、SSD、ファン、ポンプ、拡張カードなど、PC全体が電力を消費します。搭載するGPUのメーカーや構成によっても要件は変わります。
したがって重要なのは、
⚡ 「GPUの消費電力だけを見るのではなく、システム全体として設計すること」
です。NVIDIA自身もRTX 5090について、カードメーカーによって仕様が異なるため、実際の製品仕様を確認するよう案内しています。
さらにRTX 5090を2枚搭載するような構成になると、GPUだけで1kWを超える領域へ入ります。その時点で、
「大きな電源を買えばよい」
だけでは済みません。筐体、電源ケーブル、GPU間隔、排熱、CPU、さらには停電や電圧低下から計算環境を守るUPS（無停電電源装置）、建物側の電源設備まで含めて、一つのシステムとして確認する必要があります。
冷却は「温度を下げるため」ではなく、「計算を続けるため」にある
冷却についても考え方は同じです。
GPUは大量の電力を使って計算し、そのエネルギーの大部分は最終的に熱として周囲へ放出されます。
つまり、高性能GPUを長時間動かすということは、
「大量の計算を行うと同時に、大量の熱を処理し続けること」
でもあります。
ゲームで数十分だけ高負荷になる環境と、ローカルLLMの推論、AI学習、動画生成、GPUレンダリングなどを数時間続ける環境では、同じGPUでも冷却に求められるものが違います。
- 瞬間的な最高温度だけではありません。
- ケース内部へ冷たい空気を入れる。
- GPUから出た熱をケース外へ出す。
- CPUや電源、SSDへ熱を滞留させない。
- そして、その状態を長時間維持する。
ここまでを含めて冷却設計です。NVIDIAもRTX 5090 Founders Editionの設置について、GPU周囲に空間を確保することでエアフロー改善が期待できると案内しています。
「PCの冷却」だけでなく、「部屋の冷却」まで計算資源になる
さらに長時間運用では、ケースの外側も問題になります。ケースから排出された熱は、最終的には部屋へ放出されます。
GPUが1枚なら対応できても、ハイエンドGPUを複数台、あるいは複数PCで運用すると、室温そのものが上昇し、PCへ取り込む空気まで暖かくなります。
🌡️ 熱の流動パイプライン
ここまで来ると、エアコンもまた計算環境の一部です。
研究室、制作スタジオ、AI開発環境などでGPUを複数台運用する場合、「PCは冷えているか」だけではなく、部屋全体から熱を外へ出せるかが計算能力の持続性を左右します。
なぜRTX PRO 6000には600W版と300W Max-Q版があるのか
このことを非常に分かりやすく示しているのが、RTX PRO 6000 Blackwellです。
Workstation Editionは最大600W。Max-Q Workstation Editionは最大300W。しかし、どちらも96GB GDDR7 ECCです。
単純に考えると、
「600W版の方が上で、300W版は下位モデル」
に見えるかもしれません。しかし、実際は用途が違います。
- 600W版： 1GPUから大きなスループットを引き出したい環境。
- Max-Q版： 1枚あたりの電力と発熱を抑え、複数GPUを高密度に配置したい環境。
NVIDIAもMax-Qを、高密度ワークステーションや最大4GPU構成、大規模データモデリング、分散レンダリング、AIトレーニング・推論などに向く設計として位置づけています。
つまり、計算資源は「1枚を最大まで速くする」ことだけではないのです。限られた電力・冷却能力の中で、どれだけのGPU、VRAM、計算量を配置できるか。ここにも設計があります。
ワークステーション選びの全体像は「RTX PRO 6000 Blackwellガイド」でも詳しく解説しています。
RTX 5090×2は、RTX 5090を2枚買えば完成するわけではない
マルチGPUにも同じことが言えます。2枚のGPUを買えば、計算資源がそのまま2倍になるわけではありません。
まずソフトウェア側が複数GPUに対応している必要があります。さらに、
- GPUを搭載できる物理スペース
- PCIeレーン分割
- 電源容量とGPUへ供給する電源経路
- ケース内エアフローとGPU間の熱干渉
- CPUやストレージの発熱
- 室内空調
まで考える必要があります。
これは、計算資源シリーズ#1（RTX 5090とRTX PRO 6000の比較）で扱った「RTX 5090×1 / ×2 / RTX PRO 6000」の違いを、物理インフラ側から見る話でもあります。
GPUを増やすことと、計算能力を増やすことの間には、システム設計が存在します。
水冷にすれば解決するのか
ここで「では水冷にすればよいのでは」と考える人もいるかもしれません。
水冷は、適切に設計すればGPUやCPUから熱を効率的に移動させたり、騒音や温度を改善したりする手段になります。
しかし、水冷にしても熱そのものが消えるわけではありません。ラジエーターから最終的には室内へ熱が放出されます。
また、水冷にしてもVRAM容量が増えるわけでも、GPUの消費電力がゼロになるわけでもありません。
したがって、
「空冷か水冷か」より先に、「どれだけの熱を、どこへ移動させる必要があるのか」を考える方が本質的です。
BTOやワークステーションを買う意味が変わってくる
RTX 5070やRTX 5080クラスでは、自作PCとしてパーツを一つずつ選ぶ楽しさがあります。
一方、RTX 5090やRTX PRO 6000、さらにマルチGPUへ進むにつれて、完成機を購入する意味が変わってきます。
買うのはGPUではありません。GPUを継続して動かせるシステムです。
- 電源。冷却。筐体。
- マザーボード。PCIe。メモリ。ストレージ。
- そして保守体制。
そこまで含めて計算資源になります。RTX PRO 6000を搭載するワークステーションが高価なのも、単に96GB GPUが入っているからではありません。GPUを仕事として使い続けるための土台まで含めて設計されているからです。
では、どの構成を選ぶべきか
大きく整理すると、考え方は次のようになります。
32GBを超える単一GPUメモリ空間が必要で、96GBを使いながら1GPUとしてのスループットを重視するプロフェッショナル環境。
96GBという容量は必要だが、電力効率、発熱抑制、高密度配置、マルチGPU構成を重視する環境。
巨大な計算資源が必要になるのが一時的で、自宅やオフィスに電力・冷却設備まで持つ必要性が低い環境。クラウドGPUとローカルPC比較を参考にしてください。
つまり、「どのGPUが速いか」だけで答えは決まりません。どれくらいの計算を、どれくらいの時間、どんな場所で行うのか。そこまで決めて初めて、GPUの選択が決まります。
まとめ｜計算資源とは「動き続ける環境」である
AI時代になり、GPUの価値は急速に高まっています。
しかし、高性能GPUを所有するほど、GPU以外のものが重要になります。
VRAM。RAM（RAM vs VRAMオフロード）。ストレージ。電源。冷却。筐体。空調。そして、それらを運用する場所。
計算資源とは、GPUそのものではありません。
必要な計算を、必要なサイズで、必要な時間だけ続けられる環境。それ全体が計算資源です。
GPUを買えば、計算資源が完成するわけではない。むしろハイエンドGPUの世界では、GPUを買ったところからシステム設計が始まります。
その視点を持つと、RTX 5090、デュアルGPU、RTX PRO 6000、クラウドGPUが、単なる性能ランキングではなく、それぞれ異なる「計算資源の持ち方」として見えてきます。
