RTX 5090・RTX PRO 6000を複数人で共有するには？
｜ComfyUIリモート利用・GPU分割・チーム運用の選び方

画像生成AIを使うスタッフが3人いたら、高性能GPUを3台購入する必要があるのだろうか。

実は、社内のRTX 5090搭載PCでComfyUIを起動し、自宅や別拠点から複数人でアクセスすることはできる。

例えば、3人のクリエイターがそれぞれ違う場所で仕事をしているとする。

• Aさんは、自宅から背景画像を生成する。
• Bさんは、別の拠点からキャラクター案を生成する。
• Cさんは、オフィスからコンセプトアートを生成する。

3人とも自分のブラウザからComfyUIを操作し、画像生成に必要な計算処理はオフィスに設置された1台のGPUに任せる。この仕組みなら、利用者全員が高性能GPUを所有する必要はない。

しかし、ここには重要な違いがある。「3人がアクセスできること」と「3人が独立して同時にGPU処理を実行できること」は同じではない。

標準的なComfyUIの共有構成では、複数人が生成ジョブを投入できても、処理は共有キューで管理される。重い生成が続けば、他の利用者の待ち時間が長くなる。RTX PRO 6000を選ぶ意味は、この制約が業務上の問題になったときに見えてくる。

1. 結論：3人でComfyUIを使うだけならRTX 5090から始められる

RTX 5090は32GBのVRAMを持ち、1台のComfyUIへ複数人が接続する構成を実現できる。一方、RTX PRO 6000 Blackwellは96GBのVRAMを持ち、さらにMIG（Multi-Instance GPU）によるGPU資源の分割にも対応している。

ただし、「RTX PRO 6000だから常に多人数の画像生成が高速になる」わけではない。重要なのは、扱うモデルの大きさ、同時実行の必要性、そして利用者ごとの独立性である。

制作会社やAI開発チーム、研究室における判断の基本は、次の3つのケースと発展構成に整理できる。

2. 3つの実践構成（CASE 01〜03）とアーキテクチャ

それぞれのCASEがどのような技術構成（アーキテクチャ）で動いているのか、具体的なネットワークと処理フローを解説します。あわせて、利用人数とGPUの分割数・同時生成可能な処理数は別である点も整理します。

CASE 01：RTX 5090で始める3人ComfyUIリモート共有

最もシンプルで導入ハードルが低い構成です。オフィスに設置したRTX 5090搭載WindowsまたはLinux PC上でComfyUIを起動し、認証付きメッシュVPN（Tailscale等）経由で自宅や別拠点からブラウザ接続します。

【実務上の挙動と限界】
ComfyUIの内部には単一の「Prompt Queue（実行待ち行列）」があります。Aさんが「Queue Prompt」を押し、その直後にBさんが押した場合、Aさんの生成ジョブが完了した後に、自動的にBさんのジョブが始まります。

画像生成の実務では「プロンプトや構図を考える」「生成結果を確認して選別する」「Photoshop等でレタッチする」といった人間の作業時間が多くを占めるため、軽量な静止画生成が中心であれば3人程度の共有でも実用上成立します。しかし、高解像度アップスケールやControlNetの多段処理、動画生成など1ジョブあたりの計算時間が長いワークフローが連続したり、複数枚のバッチ生成を同時に投入したりすると、後続メンバーの待ち時間は急激に長くなります。

CASE 02：5〜10人の制作チームでComfyUIを直接共有する

制作会社やAIクリエイティブチームでは、各自がComfyUIのノード画面を直接編集し、異なる生成ワークフローを試したい場合が多い。例えば、オフィスにRTX 5090搭載PCを1台設置し、10人のクリエイターがそれぞれのブラウザから同じComfyUIへアクセスする構成も可能である。この場合、メンバー全員が高性能GPUを所有する必要はない。

ただし、ブラウザからアクセスできる人数と、同時に快適な生成処理を実行できる人数は異なる。1つのComfyUIプロセスを共有する構成では、生成ジョブは共有キューで管理される。各自がノードを操作できても、重い生成ジョブが集中すれば待ち時間が発生する。

したがって、5〜10人の制作体制で重要になるのは、API化そのものではなく、共有GPUを円滑に運用するためのルールと環境設計である。

直接共有で限界が見えた場合

複数人でComfyUIを直接共有していると、利用人数そのものよりも、ジョブの集中、GPUメモリ不足、案件ごとの機密性、Custom Nodesの競合などが問題になる場合がある。

その場合は、処理時間の実測に基づいて、GPU増設、ComfyUIインスタンスの分離、MIGによるGPU資源分割、個別PC配備などを検討する。なお、同一GPU上で複数のComfyUIプロセスを起動しても、VRAMや演算資源が自動的に増えるわけではない点に注意が必要である。

発展構成：ComfyUIをAPI化した方がよいケース

一方、利用者がノードを直接操作する必要がない場合は、ComfyUIをAPI経由で利用する構成が有効になる。例えば、次のような業務である。

• マーケティング部門による定型画像の大量生成
• 商品画像のバリエーション制作
• 承認済みワークフローを使用した社内生成ツール
• 夜間の自動バッチ処理
• ノードを操作しないディレクターや営業担当者による生成

この場合、Next.jsやFastAPI、Streamlit等の社内Web UIからComfyUIの /prompt APIへ整形されたワークフローJSONを投入する方法を採用できる。前段にGoogle WorkspaceやMicrosoft Entra ID、Cloudflare Access等によるユーザー認証、Redis・Celery等によるジョブ制限・優先度制御、生成履歴、ユーザー別または案件別のストレージ領域（NAS・S3互換ストレージ等）への振り分け保存を追加すれば、定型業務に適した社内サービスとして提供できる。

ただし、API化はGPUの演算能力を増やすものではない。生成キューが集中する場合は、GPU資源の増強やジョブ運用の最適化が別途必要になる。ComfyUIを直接操作する制作スタッフと、API経由で定型生成を利用する他部門スタッフを併用する構成も可能である。

CASE 03：RTX PRO 6000 BlackwellによるMIGハードウェア分割

ComfyUIを5〜10人で直接共有すること自体は可能だが、複数人が重いジョブを独立して実行したい場合は、単一キューによる共有では待ち時間が問題になる。その際は、RTX PRO 6000のMIGによるGPU資源分割や、GPU・PCを個別配備する方法を検討する。ただしMIGでは各インスタンスのVRAM・演算資源も制限されるため、すべての業務で単一GPU共有より高速になるわけではない。

「共有キューの順番待ちをなくし、複数人が同時にGPU処理を実行したい」「研究者やテクニカルアーティストが各自のコンテナ環境で独立して開発・生成を行いたい」という現場では、RTX PRO 6000 Blackwell（96GB GDDR7 ECC）のMIG（Multi-Instance GPU）機能が選択肢に入ります。

【MIGの価値と技術的な注意点：どこまで分離され、何が共有されるのか】
1つのGPUプロセスを複数人で共有する構成では、誰か1人が過大な設定でVRAMを使い切るとCUDA OOM（メモリ不足エラー）が発生し、他の利用者のジョブに干渉することがあります。

MIGを使用すると、VRAM領域、SM（演算ユニット）、メモリ帯域・キャッシュといったGPU内部の計算資源をインスタンス単位で分離できるため、GPUジョブ同士の干渉や他者のVRAM不足による影響を分離できます。

ただし、MIGはホストOS、CPU、システムメモリ（RAM）、ストレージI/O、ネットワーク、電源などの共有資源やホスト側の障害まで独立させるわけではありません。例えば、あるコンテナがCPUスレッドやディスク読み書きを飽和させたり、ホストOS自体が停止した場合には全インスタンスへ影響が及ぶため、コンテナ側でのCPU・RAM制限（cgroups等）やホスト基盤の安定設計は別途考慮する必要があります。また、4分割時は各インスタンスに割り当てられる演算資源も約4分の1に制限されますが、処理内容やボトルネックによって、すべての処理が単純・正確に元の4分の1の速度になるとも限りません。

3. 技術的に守るべき3つの境界線

複数人でのリモートGPU環境を構築するにあたり、公式ドキュメントやセキュリティ要件から押さえておくべき「3つの技術境界線」を整理します。

境界1：ComfyUIの--multi-userとセキュリティ・ファイル分離

制作会社が顧客の未公開素材や機密アセットを扱う場合、以下のセキュリティ設計が不可欠です。

1. ポートの直接公開を行わない：ComfyUIの標準ポート（8188）をインターネットへ直接公開（ポートフォワーディング）しないこと。認証のないエンドポイント公開は不正利用や情報漏洩のリスクに直結します。
2. VPNまたは認証付きトンネルの併用：TailscaleやWireGuard等の認証付きVPNを利用するか、Cloudflare Tunnelを使用する場合は単体ではユーザー認証が完了しないため、必ずCloudflare Access（Zero Trust）等のアクセス認証機能やリバースプロキシ認証を併用してください。
3. GPU分割とファイルアクセス制御を混同しない：MIGによるGPU資源の分割と、顧客素材や生成ファイルへのアクセス制御は別の問題です。MIGでGPUインスタンスを分けても、ホスト上の同じディレクトリを共有マウントしていれば他者の入出力ファイルにアクセスできてしまいます。コンテナやユーザーごとにボリューム・保存先ディレクトリを分離し、OS・ストレージ層でのアクセス権限を設定してください。

境界2：MIGの「最大4分割」と「96GB全体利用」・動作要件

NVIDIA Multi-Instance GPU User Guideにおいて、RTX PRO 6000 Blackwellは最大4つのMIGインスタンス（各24GB）への分割に対応しています。ここで重要な実務上のポイントが3つあります。

• 「最大4インスタンス」は「利用者数の上限が4人」という意味ではない：4というのは独立したGPUインスタンスの上限数です。例えば1つの24GBインスタンス上でComfyUIの直接共有や社内Web APIサービスを動かせば、5〜10人以上のスタッフがそのインスタンスを共有利用できます。
• 「24GB×4分割運用」と「96GB全体利用」は区別が必要：96GBを24GB×4に分割している状態では、それぞれの環境が使えるVRAMは24GBです。1人で96GB全体を使う大規模LLM推論や高解像度学習と、24GB×4分割運用を同時に兼ねることはできません。96GB全体が必要なワークロードを実行する際は、フルGPUを使うプロファイルへの構成変更やMIGの無効化が必要です。
• Workstation EditionにおけるLinux・Computeモード要件：Workstation EditionでMIGを利用するにはLinux環境が必要であり、MIG有効化の前に対象GPUをComputeモード（画面出力オフ）へ切り替える必要があります。なお、これはMIGを有効化する対象GPUの表示出力に影響するのであって、画面表示用の別GPU（CPU内蔵グラフィックスや小型GPU）や管理機構を併用する構成を含め、PC全体が必ず完全ヘッドレスになるという意味ではありません。

境界3：vGPU（仮想デスクトップ共有）との違い

GPU共有の方式として混同されやすい「NVIDIA vGPU（Virtual GPU Software）」は、MIGとは目的と前提環境が異なります。

ブラウザやAPI経由でComfyUIやAI推論環境をチーム共有したい場合は、MIGまたはコンテナ・API共有で実現でき、仮想デスクトップ用のvGPU環境を一から構築する必要はありません。一方、Windowsの仮想デスクトップ画面ごと複数人に配信したい場合はvGPUの領域となるため、RTX PRO 6000 Server Edition等の公式対応GPUとvGPUソフトウェアライセンスを別途確認する必要があります。

4. 徹底比較：5つの運用アプローチ（直接共有 / API化 / MIG分割 / 一人一台 / クラウド）

「RTX 5090 1台共有（直接共有）」「ComfyUI API化」「RTX PRO 6000 MIG分割」「一人一台 RTX 5090」「クラウドGPU」の5つのアプローチを横並びで比較します。

5. 導入・運用コスト試算（3年間TCO比較と損益分岐）

2026年10月時点の国内販売状況では、RTX 5090搭載BTOパソコンは1台あたり約134万〜185万円前後（例：GALLERIA XDC7A-R59-CWが約134万円、サイコム・G-GEAR等の64GB水冷モデルが約170万〜185万円）、RTX PRO 6000搭載ワークステーションは現在購入可能な主要構成で約550万円〜（DAIV FW-X3N60 600W版／Max-Q版が約550万円〜、Threadripper PRO搭載機が約900万円〜、過去の最安構成実績で約300万円）となっています。

この実勢価格をもとに、3人のクリエイター・開発チームで3年間（36か月）運用した場合の総所有コスト（TCO）を比較すると、導入判断の損益分岐が明確になります。

【最新価格から見える3つの重要な損益分岐】

• 1. まず「RTX 5090 1台共有（パターンB）」で初期投資を3分の1に抑える：RTX 5090搭載BTOが1台130万〜180万円台となった現在、3人に最初から1台ずつ配ると初期費用だけで400万〜550万円規模になります。まず1台を導入して共有キューから始めれば、約268万〜370万円の初期投資を抑えながら実務の稼働率を見極められます。
• 2. 「RTX 5090×3台（パターンA）」と「RTX PRO 6000×1台（パターンC）」の投資規模が接近する：RTX 5090搭載機を3〜4台個別購入する予算（約402万〜740万円）は、RTX PRO 6000搭載ワークステーション1台（現行構成で約550万円〜）の導入費用と重なります。全員が毎日フルタイムで32GBを使い切るなら個別配備（パターンA）が有利ですが、「普段はMIGで24GB×4環境に分割して並行利用し、大口案件や研究開発では設定を切り替えて単一96GB ECC VRAMを使う」という柔軟性とデータガバナンスを求めるなら、PRO 6000を1台導入する合理性が高まります。
• 3. 3人の定常利用ではクラウドGPU（パターンD）の3年総額は540万〜1,080万円に達する：1人あたり月5万〜10万円のクラウド利用でも、3人チームで36か月継続すると総額は540万〜1,080万円となり、オンプレミス機材の購入費を上回りやすくなります。短期のスポット増強にはクラウド、定常的な制作基盤には自社GPUの共有・分割運用を組み合わせるのが経済的です。

6. チームで使うGPUは何を基準に選ぶべきか？

判断するのは利用人数だけではない。

• 利用者がComfyUIのノードを直接操作する必要があるか、それとも定型生成の実行だけでよいか
• 最も重いモデルが必要とするVRAM容量（32GBで収まるか、48GB〜96GBが必要か、あるいは分割時の24GBで足りるか）
• 同時に実行するジョブ数と許容できる待ち時間
• 業務上必要な独立性（GPU資源の干渉やVRAM不足の影響を分離したいか、ホスト基盤まで含めて筐体ごと分けるか）
• 機材購入費に加えて、ソフトウェアライセンス、電力、保守、インフラ管理人件費を含めた総費用

CORE SPECの結論は、まず共有から始めて、限界が明確になった段階で分割や専用環境を検討すること。

高性能GPUは「一人一台」だけが正解ではない。これからの計算環境では、GPUを何枚所有しているかだけでなく、限られた計算資源を何人の仕事に、どのように割り当てるかが重要になる。