AI時代に、「計算資源を所有する」ということ。
── 1990年代のMacから、RTX 5090とローカルLLMへ

1990年代のMacユーザーは、「ユーザー」ではなく「オーナー」と呼ばれていた。
そんな話を聞いたことがある。

この呼び方が当時どこまで一般的だったのかは別として、その感覚はなんとなく分かる。
当時のMacは、今のパソコンのように誰もが気軽に買えるものではなかった。

1989年に発売されたMacintosh SE/30を1990年に購入した人の回想では、本体だけで40万円ほど。MIDIのインターフェースやシーケンサーソフトまで揃えると、80万円近くになったという（ITmedia NEWS: Macintosh誕生40周年 コンピュータが未来だったあの時代）。

Macintoshのユーザーグループも、かなり早い時期から存在していた。
大阪のMUGNETは1986年、北海道マッキントッシュユーザー会は1987年に活動を始めている。まだMacintoshが広く普及する前から、所有者たちは集まり、情報を交換し、使い方を教え合っていた（Apple: User Groups）。

つまりMacは、単なる道具ではなかったのだと思う。
それを持つことで、新しい世界に参加できた。

「持っている人」にしか見えない世界

1990年代のMacには、DTP、MIDI、グラフィックス、映像といった、当時まだ新しかったデジタル制作の世界が集まっていた。

Photoshopを使う。
MIDIで音楽を作る。
映像をコンピュータで編集する。
紙面をデジタルでレイアウトする。

今では珍しくないことも、当時は「その機械を持っている人」だからこそ試せることだった。

重要なのは、Macを所有していること自体が偉かった、という話ではない。

ここに、「オーナー」という言葉の面白さがあるように思う。

そして2026年。
似たことが、もう一度起き始めている。

ただし今、所有するものは「コンピュータ」ではない。

RTX 5090を持つことは、GPUを買うことではない

GeForce RTX 5090は、32GBのGDDR7 VRAMを搭載している。NVIDIA自身も、高度なAIモデルやクリエイティブワークロードをRTX 5090の用途として掲げている（NVIDIA: GeForce RTX 5090）。

さらにプロフェッショナル向けのRTX PRO 6000 Blackwellでは、96GBのGDDR7 ECCメモリを1枚のGPUに搭載する（NVIDIA: RTX PRO 6000 Blackwell）。

数字だけを見ると、
「32GBのGPU」
「96GBのGPU」
というスペックの話に見える。

けれど、本当の違いはそこではない。

その計算資源が自分の机の下にあることで、

• モデルをダウンロードしてみる。
• 量子化を変えてみる。
• Contextを伸ばしてみる。
• VRAMから溢れたらどうなるか試す。
• 別のモデルと比較する。
• 何度も生成する。
• AIとTouchDesignerやUnreal Engineをつないでみる。
• 失敗したら、もう一度やる。

ということができる。

llama.cppのようなローカルLLM環境では、量子化によってモデルのメモリ使用量を減らしたり、VRAMに収まりきらないモデルをCPUとGPUへ分けて実行したりすることもできる。

※ローカル環境で動かせるモデル規模やVRAM要件の具体的な目安については、ローカルLLMに必要なVRAMとPC構成を詳しく見る → で詳しく整理しています。

また、さらに大規模なモデルやECCメモリを前提とした環境については、AI・制作向けワークステーションの考え方を見る → を参照してください。

クラウドAIは「利用する」。ローカルAIは「所有する」

もちろん、クラウドの方が合理的な場面はたくさんある。

巨大なモデルを一時的に使いたいなら、必要なときだけクラウドGPUを借りればいい。
ChatGPTやClaudeのようなサービスを使えば、GPUを購入する必要すらない。
インフラの管理もいらない。

だから、
「AIを使うために高性能PCを買う必要がある」
という話ではない。

むしろ、多くの人にとってクラウドで十分だ。

それでもローカルに計算資源を持つことには、クラウドとは違う価値がある。

それは、
許可を取らずに試せることだ。

• API料金を気にせず試す。
• 回数制限を気にせず試す。
• モデルを入れ替える。
• 設定を壊す。
• もう一度入れ直す。
• 別のソフトウェアと接続する。
• 一晩走らせる。

その自由は、性能表にはなかなか表れない。

※クラウドとローカルPCの損益分岐点や、どのような作業でローカル所有が合理的になるかについては、クラウドで十分な時代に、なぜハイスペックPCを買うのか → でも詳細に比較しています。

本当の差は、「何回失敗できるか」かもしれない

AI時代の計算資源について考えるとき、私は処理速度以上に重要なものがあるように思う。

試行錯誤の回数だ。

何か新しい技術が登場したとき、一度試しただけで、その可能性を理解するのは難しい。

うまくいかない。
設定を変える。
もう一度試す。
違うモデルを落とす。
別のツールと組み合わせる。

そうしているうちに、
「あ、これはこういうことなのか」
という理解が身体に入ってくる。

クラウドでももちろん実験はできる。
しかし、自分の手元に計算資源があると、実験すること自体の心理的コストが下がる。

失敗してもいい。
電気代はかかるが、ボタンを押すたびに請求額が増えるわけではない。
この違いは意外と大きい。

だから、ハイエンドGPUを所有する価値は、
処理時間を何秒縮めるかではなく、試行錯誤をどこまで日常化できるか
で考えた方がよいのかもしれない。

「VRAM 32GB」を知っていることと、使ったことは違う

ローカルLLMを触っていると、VRAMという数字の意味も変わる。

32GBと書いてある。
それだけなら、スペック表を読めば分かる。

しかし実際にモデルをロードしてみると、

• 「これは入る」
• 「これは少し厳しい」
• 「量子化すると入る」
• 「Contextを伸ばしたらメモリが足りなくなった」
• 「CPUへ逃がしたら動くけれど遅くなった」

という感覚が生まれる。

これは検索して得られる知識とは少し違う。
計算資源に対する身体感覚だ。

1990年代にMacを所有していた人たちも、似たものを持っていたのではないだろうか。

GUIとは何なのか。
デジタルで絵を描くとはどういうことか。
コンピュータで音楽を作るとはどういうことか。

説明を読んだのではなく、自分の机の上で触っていた。
だから、その後起こる変化を想像しやすかった。

ステータスではなく、「工房」に近い

ここまで書くと、
「ではRTX 5090を持っている人が偉いのか」
という話に見えるかもしれない。

そうではない。

私が面白いと思うのは、ステータスではなく、生産手段としての所有だ。

カメラを持つ。
楽器を持つ。
工作機械を持つ。
アトリエを持つ。
研究室を持つ。

それと同じように、
計算資源を持つ。

だからハイエンドPCやワークステーションは、家電というより「工房」に近くなっているのかもしれない。
そこで何を作るかは、その人次第だ。

RTX 5090をゲームだけに使ってもいい。
ローカルLLMを研究してもいい。
生成AIを使って映像を作ってもいい。
AIエージェントを24時間動かしてもいい。

重要なのは、
計算できる環境そのものを、自分がコントロールできる
ということだ。

一方で、「計算資源を持てる人」との差も生まれる

ここには、少し気になる問題もある。

高性能GPUは安くない。
ワークステーションになれば、さらに高価になる。

すると、
計算資源を自由に使える人と、
サービスとして提供されたAIだけを使う人の間に、
経験の差が生まれる可能性がある。

これは単純な性能差ではない。
探索できる範囲の差だ。

• 自由にモデルを入れ替えられる。
• 大量に試せる。
• 独自のシステムへ組み込める。
• 内部で何が起きているのか観察できる。

そうした経験が積み重なるほど、AIに対する理解も変わっていく。

だからこそ、計算資源の価格やアクセス性は、これから意外と重要なテーマになる気がする。

それでも、全員が「所有」する必要はない

ここは1990年代とは違う。

現在は、クラウドがある。
APIがある。
AIサービスがある。
必要なときだけGPUを借りることもできる。

だから、
所有か、クラウドか。
という二択で考える必要はない。

• 普段はクラウドを使う。
• 自分が何度も触る領域だけローカルへ持つ。
• 巨大な計算だけクラウドへ逃がす。
• 機密性が必要な処理だけローカルにする。

そんな組み合わせが自然だと思う。

重要なのは、
「最高性能を持つこと」
ではない。

自分が何を自由に試したいのかを理解して、そのために必要な計算環境を選ぶことだ。

「計算資源オーナー」という人たち

1990年代。
Macを持つことは、少し特別なことだった。

その機械を所有している人たちは、まだ多くの人が触ったことのないデジタル制作の世界を先に経験していた。

そして今。
RTX 5090やRTX PROを積んだワークステーションで、ローカルLLMや生成AIを触っている人たちにも、少し似たところがある。

彼らが持っているのは、高価なPCだけではない。
自由に試せる計算時間だ。

そう考えると、
「ハイスペックPCを買う意味」
という問いへの答えも少し変わってくる。

速いから買う。
高性能だから買う。
だけではない。

AI時代には、そんな「計算資源オーナー」が再び増えていくのかもしれない。

そして、1990年代のMacがそうだったように、
その人たちの机の上から、
次の当たり前が生まれてくるのかもしれない。