GeForce RTX 5090には32GBのGPU専用VRAMが搭載されています。ローカルLLMの推論にも、3DCG制作や映像制作、GPUを活用した開発にも余裕を持って応える最高峰のGPUです。
それでも、さらに128GBのユニファイドメモリを搭載したAI PCを追加する意味はあるのでしょうか。「RTX 5090が十分に高速なら、わざわざ2台に分ける必要はないのではないか」と考えるのは自然です。
しかし、重い制作作業とAI推論を同時に行うとき、GPU単体の性能向上だけでは解決できない「資源の奪い合い」や「モデルサイズの壁」が生まれます。今回の問いは、RTX 5090が速いかどうかではありません。RTX 5090の仕事を、別のPCへ分担する必要があるかどうかです。
目次
1. 30秒で結論：どちらを選ぶべきか？
RTX 5090 Desktop単体を選ぶ人
- 制作とAI処理を同時に走らせる機会が少ない
- 使用するAIモデルが32GB VRAMに収まり、実用速度で動作する
- CUDA中心の処理を1台に集約したい
- 導入費用と設置・管理の手間を最小限に抑えたい
- 追加PCを置く明確なボトルネックが存在しない
RTX 5090 Desktop＋UMを選ぶ人
- 制作アプリで5090を使いながらLLMを常時稼働させたい
- 32GB VRAMに収まりにくい大中規模モデルを別ノードで扱いたい
- AIサーバーを制作PCと独立して稼働させたい
- 制作母艦の再起動や更新によってAIサービスを止めたくない
- 計算資源を役割別に分けて運用する明確な価値がある
結論：RTX 5090単体で日々のワークフローが成立しているなら、2台目を急いで買い足す必要はありません。2台目への投資が合理的になるのは、「AI推論と制作の資源競合」「32GBを超えるモデルの利用」「独立稼働の担保」など、追加によって解決できる問題が存在するときです。
2. 比較する構成
単一のデスクトップPCで完結させる構成と、独立した大容量ユニファイドメモリ機をノードとして追加する構成の基本諸元を整理します。
| 項目 | RTX 5090 Desktop単体 | RTX 5090 Desktop＋UM |
|---|---|---|
| PC台数 | 1台（省スペース・単一管理） | 2台（ネットワーク連携・分散管理） |
| 制作側GPU | GeForce RTX 5090 Desktop | GeForce RTX 5090 Desktop |
| 制作側VRAM | 32GB GDDR7 | 32GB GDDR7 |
| AI実行環境 | 同じ5090上、またはCPUオフロード等 | 別AIノードへ完全に分担可能 |
| AIノードのメモリ | なし（PC本体のRAMに依存） | 128GB共有メモリの構成例 |
| 同時実行時の挙動 | 同じPCのGPU/CPU資源を共有 | 別PCの資源を利用するため、制作GPUとの直接的な資源競合を避けやすい |
| CUDA処理 | 5090上で高速実行 | 5090上で実行。別ノードの対応は機種次第 |
| 初期費用 | PC1台分のみ | AIノードの追加導入費用 |
| 管理負担 | 単一OSの更新・バックアップのみ | 2台分のOS・LAN環境・セキュリティ管理 |
※RTX 5090の32GB VRAMは、AIノードを追加しても64GBや160GBに合算されるわけではありません。2台構成のメリットは、メインGPUを巨大化することではなく、重い処理の実行場所を物理的に分離できる点にあります。
3. RTX 5090単体で十分なケース
例えば、動画編集を終えた後にローカルLLMを使ってスクリプトを整える、3DCGのレンダリングが完了してから画像生成を実行するなど、制作とAI処理を時間軸で完全に切り替えられるワークフローを考えます。
このように順次作業を行う運用であれば、同じRTX 5090を順番にフルパワーで活用できます。利用するモデルが32GB VRAMに収まり、必要な応答速度が得られているなら、高価な追加AI PCを導入しなくても目的は完全に達成されます。
32GBを超える大規模なモデルであっても、量子化（4bit/8bit）やシステムRAMへのオフロードを組み合わせれば単体PC上で実行できるケースはあります。ただし、システムRAMオフロード時はPCIeバスを介するため速度低下が生じる可能性があります。
ここで確認すべき核心は、「現在のRTX 5090単体で、具体的に何が滞っているのか」です。VRAM容量に余裕があり、作業中にGPUの奪い合いも起きていないなら、2台目への投資は費用対効果に見合わない可能性が高くなります。
4. 2台目のAIノードが必要になるケース
では、どのような状況で128GB AIノードの追加が必須の投資になるのでしょうか。代表的な3つのユースケースから整理します。
ケースA：制作とAI推論を同時に動かす
TouchDesignerやUnreal Engine 5でインタラクティブなリアルタイム映像を常時描画しながら、同時にローカルLLMへプロンプトや制御値を高頻度で問い合わせるような環境を想定します。
両方の処理を単一のRTX 5090で実行すると、32GB VRAMの奪い合いが起きるだけでなく、CUDA演算リソースの競合によってリアルタイム映像のフレームドロップやAI応答の遅延が発生します。AI推論を別PCのAIノードへ分担すれば、RTX 5090はメイン制作の描画とエンコードなど制作処理へGPU資源を多く割くことができます。
ケースB：より大きなモデルを利用する
例えば70B前後のモデルや長文コンテキスト推論を扱う場合、パラメータ数だけでなく、量子化方式（4bit/8bit等）、精度、KVキャッシュ展開、コンテキスト長、推論エンジンなどによって必要メモリが大きく変動し、32GB VRAMを上回る場合があります。
128GBの大容量共有メモリを持つAIノード（Ryzen AI Max+ 395やMac Studioなど）を用意すれば、32GBの壁を超えて巨大モデルをメモリ内に常駐展開できます。ただし、AMDが公表している通り、128GBメモリ構成時のグラフィックス割り当て上限は最大96GB（Variable Graphics Memory設定時）など、システム予約分を差し引いた実効容量の把握が必要です。
ケースC：AIサービスを独立して稼働させる
メインの制作PCは、ドライバー更新、OS再起動、クラッシュ、休止などが日常的に発生します。しかし、社内ツールやローカルAPIとして常時稼働させたいAIサービスがある場合、メインPCの停止によってAIエンドポイントまで同時に停止することは避けなければなりません。
AIノードを独立させておけば、制作母艦を自由に再起動・アップグレードしても、AI推論環境は24時間365日常駐稼働を継続できます。また、将来的にメインPCを買い替えても、AIノード側をそのまま引き継げる分離運用上の大きなメリットがあります。
5. 増設前に確認する4つのこと
AIノードの追加を検討する際は、「なんとなく便利そう」という理由ではなく、以下の4項目を厳密にセルフチェックしてください。
① GPUメモリが実際に不足しているのか
普段利用しているモデルがRTX 5090の32GB VRAMに収まりきっていないか確認します。収まっているのであれば、追加機材を導入する緊急度は大幅に下がります。
② GPUの処理が実際に競合しているのか
制作作業とAI推論を同時に走らせた際、制作画面のカクつきやAI応答の遅延が実務上の障害になっているかを検証します。時間差で作業できるなら分業の利点は限定的です。
③ AIノードが必要な推論速度を満たせるのか
大容量共有メモリは巨大モデルを「収容」できますが、推論速度（トークン生成速度）はRTX 5090の専用GDDR7帯域（約1,792 GB/s）には及びません。速度要件を満たせるか事前確認が必要です。
④ 2台のハードウェアを管理する価値があるのか
OSアップデート、バックアップ、LANルーター・配線設定、セキュリティ、電気代、設置スペースなど、2台運用には相応の管理コストが伴います。それを上回る生産性向上が得られるかを評価します。
6. 用途別の判断
具体的な制作シナリオや運用環境に応じた推奨構成の整理です。
| 使用状況・ワークフロー | 優先構成 | 判断理由 |
|---|---|---|
| 32GB以内のモデルを単独で推論・開発する | RTX 5090単体 | 5090の高速GDDR7帯域を最大限活かせるため |
| 制作アプリとLLMを時間で切り替えて使う | RTX 5090単体 | GPU資源の奪い合いが発生せず、1台で完結するため |
| 高負荷な3D制作・リアルタイム描画とLLMを同時並行する | 5090＋UMノード | 描画フレームレートとAI応答速度の双方を維持するため |
| 32GBを超えるモデル・長文コンテキストをローカルで動かしたい | 5090＋UMノード | 128GB共有メモリの容量メリットが活きてくるため |
| CUDA専用フレームワークによる深層学習・開発が中心 | RTX 5090単体をまず確認 | 別ノードのプラットフォーム互換性を事前確認すべきなため |
| 複数のPCや制作環境から共通のAIサービスを呼び出す | 5090＋UMノード | 独立したAIサーバーとしてネットワーク越しに共有できるため |
| 設置スペースや日常の管理を極力シンプルにしたい | RTX 5090単体 | 配線・LAN設定・多重管理の手間をゼロに抑えられるため |
| 制作母艦の再起動や機種更新とAIサービスを切り離したい | 5090＋UMノード | システムの独立運用性が高く、障害耐性に優れるため |
7. 増設費用はどう考えるか
この比較では、「すでにRTX 5090搭載PCを所有している状態から、さらにAI PCを追加するか」という前提でコストを評価します。
したがって、増設時に新たに発生する支出は以下の項目です。
- 128GBユニファイドメモリAIノード本体の購入費
- 必要に応じたLANスイッチや高品質LANケーブル（Cat6A等）
- AIモデル格納用の高速大容量SSD
- 2台目の待機電力および設置スペースの確保
- 環境構築と運用管理に要する初期工数
すでにRTX 5090を所有している場合、5090の本体価格を増設費用に再計上する必要はありません。一方、ゼロから環境を新規構築する場合は、RTX 5090 Desktop PCと外付けAIノードを両方調達するためのまとまった初期投資が必要となります。
重要：「既存機への追加投資」と「ゼロからの新規導入総額」を混同せず、自分がどのフェーズにいるのかを明確にして予算を配分してください。
8. メリット・デメリット
RTX 5090 Desktop単体
メリット
- 導入および日常の運用管理が極めてシンプル
- CUDA対応ソフトウェアの資産を1台に集約可能
- 追加のAIノード購入費用が不要
- LAN環境やネットワークレイテンシに依存しない
デメリット
- 重い制作とAI推論で同一GPU資源を奪い合う
- 単一GPUの物理VRAM上限は32GB
- 制作PCの再起動やトラブルがAIサービスを直撃する
RTX 5090 Desktop＋UM
メリット
- 制作処理とAI推論の負荷分離（直接的な資源競合を避けやすい）
- 128GB大容量共有メモリによる巨大モデルの展開
- AIサービスの24時間常駐稼働・独立運用
- 制作PCとAIノードを個別のサイクルで更新・換装可能
デメリット
- 高額な初期費用と2台分の管理コストが発生
- AIノードの推論速度は5090の高速GDDR7とは異なる
- LAN配線やAPI連携のセットアップ設計が必要
- ソフトウェア側のプラットフォーム互換性確認が必要
9. 選んではいけない条件
AIノードの増設を避けるべき条件
現在のRTX 5090単体で日々の業務が何一つ滞りなく完了しており、同時に走らせたいAI処理や32GBを超えるモデルの必要性がない場合。また、動かしたいAIワークロードがNVIDIA独自のCUDAライブラリに強く依存しており、移行先ノードでの動作が保証されていない場合は増設を避けるべきです。
RTX 5090単体完結に固執すべきでない条件
リアルタイム描画や動画レンダリングを回しながらLLM推論を頻繁に利用しており、GPUメモリ不足によるクラッシュやフレームレート低下が日常的に発生している場合。この状況で単一PCのまま我慢するのは制作効率を著しく損ないます。
10. 結論：追加するのはGPU性能ではなく、独立した役割
GeForce RTX 5090 Desktopは、32GB VRAMを備えた現行コンシューマー最上位クラスのGPUです。
しかし、高性能な単一GPUを持つことと、制作とAI推論を同時に快適運用できることは根本的に異なります。
2台目を追加すべきかどうかは、モデルの必要メモリ容量、同時実行の頻度、サービスの独立稼働、管理コストのバランスから論理的に決まります。
「5090を持っているからAIノードは不要」でもなければ、「5090を持っているからAIノードを追加すべき」でもありません。現在のRTX 5090単体では解決できない物理的ボトルネックがあるときだけ、2台目のAIノードへの投資は本領を発揮します。
よくある質問
RTX 5090に128GBのAIノードを追加すると160GB VRAMになりますか？ +
いいえ、自動的に合算されて160GBのVRAMになるわけではありません。RTX 5090の32GB GPU専用VRAMと、別PCの128GB共有メモリは完全に独立したメモリ空間として動作します。AIノードは独立したサーバーとして動作し、メインPCからはネットワークAPIなどを介して処理を分担します。
32GBに収まらないLLMは5090で動きませんか？ +
必ずしも動かないわけではありません。モデルの量子化（4bit/8bit等）や、一部のレイヤーをCPU側のシステムRAMへ退避させるオフロード技術を使用すれば実行できる場合があります。ただし、システムRAMオフロードはPCIe帯域がボトルネックとなり、推論速度が大幅に低下する制約があります。
別AIノードはRTX 5090より速いですか？ +
一概には言えません。RTX 5090はGDDR7による高いメモリ帯域（約1,792 GB/s）を持ち、32GBに収まるモデルの推論や学習では、CUDAに最適化されたワークロードで高速になる場合があります。ただし実性能はモデル、量子化、推論エンジン等に依存します。一方、ユニファイドメモリ機は大容量共有メモリによって32GBを超えるモデルを丸ごと展開できる点に価値があり、実行可能なモデル規模と推論速度を切り分けて評価する必要があります。
2台の接続に10GbEは必要ですか？ +
テキスト中心のREST API通信やストリーミング推論であれば、一般的な1Gbps LAN（1GbE）やWi-Fiでも実用上十分機能します。ただし、高解像度画像や動画生成のRawデータ、大容量チェックポイントファイルを2台間で頻繁に往復転送する場合は、10GbEネットワークの導入が推奨されます。
※仕様、価格、構成は執筆時点のものであり、変更される場合があります。購入・検討前に各社公式サイトをご確認ください。
- NVIDIA GeForce RTX 5090 公式仕様: https://www.nvidia.com/ja-jp/geforce/graphics-cards/50-series/rtx-5090/
- AMD Ryzen AI Max+ 395 仕様情報: https://www.amd.com/en/products/processors/laptop/ryzen/ai-300-series/amd-ryzen-ai-max-plus-395.html
- AMD Variable Graphics Memory FAQ: https://www.amd.com/en/blogs/2025/faqs-amd-variable-graphics-memory-vram-ai-model-sizes-quantization-mcp-more.html
🧭 COMPUTE SETUP VS｜自分の制作環境に合う構成を選ぶ
Laptop、Desktop、大容量AIノード、RTX PRO。
今のボトルネックと予算に合わせて、最適な計算環境の比較へ進めます。
AIノード併用時、デスクトップ母艦の32GB VRAM投資の意味を判断
RTX 5090単体にAIノードを追加すべき条件を整理
別筐体AIノードか、PC内2枚目GPU増設かの排熱・電源・運用比較
5090＋AIノードの分業と、48GB／72GB ECCワークステーション1台構成を比較
5090＋AIノードと、84GB ECCを持つPRO 5500のCUDA完結性と構成・役割比較
5090＋AIノードと96GB単一GPUワークステーションの構成・業務要件を比較