メインコンテンツへスキップ
見出し画像

Xiaomiが仕掛ける「第三のAIコンピューター」

    XRING O100・AI Cubeは、Mac StudioとNVIDIAのDGX Spark/RTX Spark連合を崩せるか

    ローカルAIコンピューターの競争は、Apple対NVIDIAでは終わらなかった。

    Appleは巨大なユニファイドメモリを、NVIDIAはCUDAとBlackwellを武器にしてきた。そこへXiaomiが持ち込んだのは、1.22TB/sの近存メモリ帯域を持つXRING O100、最大160GBの統合メモリを扱うXRING D100、そして両者を一台に束ねたAI Cubeである。

    これは単なる中国製ミニPCではない。スマートフォン、EV、ロボット、家庭機器を一つのAI基盤で結ぼうとするXiaomiが、AppleとNVIDIAの間に第三の設計思想を持ち込んだ瞬間だ。

    そして、この三つ巴には見えない第四の当事者がいる。世界的なメモリ不足である。Appleは2026年3月にMac Studioの512GB構成を、5月には256GB構成を購入フローから外した。NVIDIAは2月にDGX Sparkを18%値上げした。Xiaomiが80GBと160GBという数字を持ち出したのは、まさにその渦中である。


    目次

    1章 8月24日、Xiaomiが三つのチップを同時に出した意味

    2章 最大の誤解――1.22TB/sと160GBと80GBは、それぞれ別の数字である

    3章 XRING O100――「メモリーウォール」を3D積層で突破する

    4章 XRING D100――自動運転チップがローカルAIの大容量基盤になる

    5章 XRING O3――スマホSoCがAI Cubeの司令塔を担う

    6章 Xiaomi AI Cube――三つの頭脳を一台に封じ込めた試作機

    6-2章 もう一台の原型機――玄戒O100 Prototypeと295 tokens/s

    7章 120B+3Bの二重モデルは何を意味するのか

    8章 第一の王者、Mac Studio――巨大な一枚のメモリ空間が消えた年

    9章 M5 Ultraはどこまで伸びるのか

    10章 第二の王者、DGX Spark――容量よりCUDAが価値を作る

    10-2章 RTX Spark――Windowsがユニファイドメモリ戦争へ参戦する

    10-3章 第四の選択肢――AMD Ryzen AI Halo、最大192GBへ

    11章 三つ巴のスペック比較

    11-2章 見えない第四のプレイヤー――Xiaomi発表直前に加速した世界的メモリ不足

    12章 「帯域1.22TB/s」を正しく比較する

    13章 ローカルLLMの速度を決める本当の条件

    13-1 モデル重みがメモリへ入るか

    13-2 Decode時のメモリ帯域

    13-3 Prefill時の演算性能

    13-4 KVキャッシュ

    13-5 量子化の品質とカーネル

    13-6 ソフトウェアの成熟度

    13-7 MoEかDenseか――同じ「120B」でも10倍違う

    13-8 TOPSはもう差別化要因ではない――Snapdragonが示した証拠

    14章 70B、120B、200B、600B――どこまで載るのか

    15章 ソフトウェア戦争――MiMo、MLX、CUDA

    16章 価格戦争――Xiaomiはいくらなら勝てるのか

    17章 電力、冷却、静音性の戦い

    18章 スマホ、EV、ロボットを貫くXiaomiの本当の狙い

    19章 Apple、NVIDIA、Xiaomiの勝利条件

    20章 日本企業にとって何が変わるのか

    21章 現時点での暫定判定

    22章 結論――AIコンピューターは三つの思想に分裂した


    1章 8月24日、Xiaomiが三つのチップを同時に出した意味

    2026年8月24日、Xiaomiは北京で開催したXRING(玄戒)チップ技術コミュニケーション会において、3種類の自社開発チップを同時に公開した。

    • XRING O3:フラッグシップスマートフォン向けSoC

    • XRING O100:端末上の大規模モデル推論に特化した高帯域AIアクセラレーター

    • XRING D100:自動運転向け高演算SoC

    表面的には、スマートフォン、AI、EVという別々の製品向けチップに見える。しかし、Xiaomiはこの日、チップだけでなく二台の原型機も同時に披露した。三つのチップをすべて載せた「Xiaomi AI Cube Prototype」と、O3とO100の二芯構成でスマートフォンの筐体を改造した「玄戒O100 Prototype」である。ここに今回の発表の本当の意味がある。

    Xiaomiは、スマホ用SoCを作っただけでも、自動運転チップを作っただけでもない。異なる役割を持つ自社チップを高速バスとソフトウェアで束ね、ローカル大規模モデルを動かす一つのAIコンピューターとして見せたのである。

    これはAppleがApple Siliconで実現した垂直統合、NVIDIAがGrace BlackwellとCUDAで築いた垂直統合に対する、中国側からの回答と見ることができる。

    AppleはCPU、GPU、Neural Engine、メモリコントローラー、macOS、Metal、MLXを設計する。NVIDIAはGrace CPU、Blackwell GPU、NVLink、CUDA、TensorRT、NCCL、AI Enterpriseを設計する。そしてXiaomiは、O3、O100、D100、HyperOS、MiMo、スマートフォン、EV、ロボット、家庭機器を一つの体系に収めようとしている。

    三社に共通するのは、AI時代には「良いチップを一つ買ってくる」だけでは勝てず、ハードウェアからOS、モデル、アプリケーション、実世界の端末までを一体で設計する必要があるという認識だ。

    Reutersによれば、Xiaomiは玄戒チップ開発に累計200億元(約30億ドル)超を投じ、半導体設計チームを前年の2,500人から3,000人超へ拡大した。2026年の発表ではスマホ用O3だけでなく、MiMo向けO100、自動運転向けD100まで開発範囲を広げている。これは部品の内製化という防衛策ではなく、「人・車・家」のAI演算基盤を自社で握る攻撃的な戦略である。

    製造はいずれもTSMCが担う。Reutersの取材によれば、O3とD100が3nm、O100が6nmで、三品種ともTSMCへ委託されている。Xiaomi自身の説明では、O3はすでに量産に入り、O100とD100は開発を完了して2027年の展開を予定している。

    規模感も押さえておきたい。前世代のXRING O1搭載機はスマートフォン、タブレット、ウォッチを合わせて累計100万台を超えたが、スマートフォン単体では2025年5月の発売以降およそ15万台である。O3を初搭載する折りたたみ機の出荷目標も20万~30万台と報じられており、玄戒はまだ「自社の最上位機だけを支える少量生産のチップ」の段階にある。この規模から、AI Cubeのような新カテゴリーをどう立ち上げるかが問われている。

    この記事が追いかける三つの問い

    本稿はこの発表を、単発のニュースとしてではなく、2026年のローカルAIコンピューター競争の中に置いて読む。追いかける問いは三つある。

    第一に、数字を正しく分解できているか。1.22TB/s、160GB、80GB、330 tokens/s。今回のニュースで流通している数字は、それぞれ別のレイヤーの話であり、そのまま並べると必ず誤読する。まずここを片付ける。

    第二に、Xiaomiは誰と戦っているのか。相手はApple Mac StudioとNVIDIA DGX Sparkだけではない。NVIDIAはWindows側にRTX Sparkを、Microsoftは発売前のSurface RTX Spark Dev Boxを、AMDは128GB・3,999ドルの開発プラットフォームと最大192GBの次世代機を用意している。机の上のAI箱は、すでに四つ巴に近い。

    第三に、この競争を実際に縛っているものは何か。答えは演算性能ではない。世界的なメモリ不足である。Appleは2026年3月にMac Studioの512GB構成を、5月には256GB構成を購入フローから外した。NVIDIAは2月にDGX Sparkを仕様据え置きのまま18%値上げした。Xiaomiが160GB対応のチップを持ちながら80GBの試作機を出したのも、同じ渦中の出来事である。

    2026年のローカルAI機の勝敗を決めるのは、最大TOPSでも最大帯域でもない。必要な量のメモリを、必要な価格で、必要な時期に調達できるかどうかである。本稿はその視点で全体を貫く。

    2章 最大の誤解――1.22TB/sと160GBと80GBは、それぞれ別の数字である

    今回のニュースで最も誤解されやすいのが、次の説明である。

    Xiaomiの新チップは、1.22TB/sのメモリ帯域を持ち、160GBのユニファイドメモリを搭載できる。

    この文章は、AI Cube全体の特徴を短く表現するなら大きく外れてはいない。しかし、一個のチップ、一個のメモリプールの仕様として読むと誤りになる。

    正確には次の通りだ。

    【1.22TB/s】担当=XRING O100。NPUと3D積層された専用高速DRAM間の近存演算帯域。Xiaomiは「主流フラッグシップスマートフォンのLPDDR5Xの16倍」と説明する

    【最大160GB統合メモリ】担当=XRING D100。D100のメモリコントローラーが対応できる統合メモリの上限値

    【80GB統合メモリ】担当=Xiaomi AI Cube Prototype。実際に試作機へ搭載された容量

    【120B+3Bモデル】担当=AI Cube。O3、O100、D100を協調させたシステム実演

    ここで見落とせないのが三番目である。発表翌日にXiaomiが公開した実機情報によって、AI Cube Prototypeの統合メモリが80GBであることが判明した。160GBはD100というチップの対応上限であって、机の上に置かれた試作機に載っている量ではない。

    この誤解は理論上の話ではない。実際、香港の経済メディアなど複数の媒体が「AI Cubeは160GB統一メモリを搭載」と見出しに掲げている。チップの仕様上限が、そのまま製品の搭載量として流通してしまう典型例である。

    つまり「1.22TB/s」「160GB」「80GB」は、それぞれ別のレイヤーの数字である。160GBの全領域をO100が常時1.22TB/sで読み出せると確認されたわけでもない。O100内部の高速メモリ容量、D100とO100の接続帯域、メモリ階層、キャッシュの構成、モデルを各チップへどう分割するかは、現時点で十分に公開されていない。

    この区別は極めて重要だ。Mac Studio M3 Ultraの819GB/sは、CPUとGPUが共有するユニファイドメモリ全体に対するシステム帯域である。DGX Sparkの273GB/sも、CPUとGPUが共有する128GB LPDDR5Xに対する帯域である。一方、O100の1.22TB/sは専用AIアクセラレーター内部の近距離帯域だ。

    したがって、数字だけを一列に並べて「XiaomiはMacの1.5倍、Sparkの4.5倍速い」と結論づけることはできない。比較対象の「道路」の長さも幅も、そもそも違うからである。

    しかし同時に、O100の価値を過小評価してもいけない。LLM推論で最大の問題になりやすいのは、演算器の不足よりも、モデルの重みを演算器へ運ぶメモリ帯域だからである。Xiaomiは、汎用GPUを大きくするのではなく、メモリをNPUの真上に積み、物理的な距離を縮めることでこの問題に正面から取り組んだ。

    3章 XRING O100――「メモリーウォール」を3D積層で突破する

    XRING O100は、Xiaomi初の端末大規模モデル向け高帯域AIアクセラレーターである。報道されている主要仕様は次の通りだ。

    • 6nmロジックプロセス(TSMC製造と報道)

    • Wafer-on-Waferによる3D垂直積層

    • Hybrid Bonding(混合接合)

    • NPU計算ウェハー1枚と高速AI専用DRAMウェハー2枚を積層

    • Face-to-Faceの金属層直結構造

    • 接合ピッチ1.4μm

    • TSV(シリコン貫通電極)の孔径0.7μm

    • 約258万個の物理接合点

    • 28,672本の有効データ線

    • 14コアの大規模モデル専用NPU

    • XRING HB-Matrix(高帯域マトリクスバス)

    • メモリ帯域1.22TB/s(主流フラッグシップ機の16倍とXiaomiは説明)

    • 2027年の商用化予定

    Xiaomiは接合点の密度について、「クラウドAIチップのHBMを上回る」と説明している。HBMも同じくDRAMを積層する技術だが、O100はNPUの計算ウェハーとDRAMウェハーを直接、面と面で貼り合わせている点が異なる。製造上の難所は高温接合時のウェハーの反りと割れで、Xiaomiはレイアウトの反復に半年を要したと述べている。

    従来のスマートフォンやPCでは、演算器とDRAMは基板上で離れている。データは限られた幅の配線を通り、パッケージ外へ出て、再び演算器へ戻る。演算器のTOPSを増やしても、重みやKVキャッシュを十分な速度で供給できなければ、演算器はデータ待ちで止まる。

    これが「メモリーウォール」である。

    O100は、NPUとメモリを水平方向に並べず、垂直方向へ重ねる。Hybrid Bondingによって多数の微細接点を作り、広大なデータ経路を確保する。一般道路を高速化するのではなく、工場の作業台の真上に部品倉庫を設置し、数万本の搬送口から同時に部品を落とすような設計だ。

    Xiaomiは推論の段階によって内部ネットワークも切り替えるとしている。Promptを読み込み、まとまった計算を行うPrefill段階ではリング型ネットワークを使い、1トークンずつ生成するDecode段階ではAll-to-All型のブロードキャストを使う。LLM推論を一種類のデータフローとして扱わず、段階ごとに最適化する点が特徴である。

    330 tokens/sという数字は魅力的だが、条件を正確に押さえる必要がある。中国側の報道と発表資料を突き合わせると、この数字はO3とO100を組み合わせた原型機が、Xiaomi MiMo 3Bをオフラインでローカル実行したときの、小米実験室での最高値である。120Bモデルの速度ではない。

    そして同じ原型機について、Xiaomiは別途実測295 tokens/sという数字を公表している。330が実験室条件の上限、295が実測値、という二段構えで読むのが妥当だろう。

    それでも量子化精度、バッチ数、Prompt長、PrefillとDecodeのどちらを指すかは公開されていない。3B級モデルの推論と120B級モデルの単一ユーザーDecodeでは、同じtokens/sでも意味が全く異なる。

    現時点では「O100があらゆるLLMで330 tokens/sを出す」と受け取るべきではない。むしろ、XiaomiがLLMのメモリアクセス特性を理解し、専用シリコン、専用メモリ、専用ネットワーク、MiMoモデルを共同設計していることが重要だ。

    4章 XRING D100――自動運転チップがローカルAIの大容量基盤になる

    XRING D100は、本来は高度な自動運転向けに設計された3nm SoCである。

    • 3nmプロセス(中国国内初の3nm自動運転チップとXiaomiは説明)

    • 20コア高性能CPU

    • 16コア高算力NPU

    • 最大160GB統合メモリ対応

    • 200B級モデルのローカル配置に成功したと公式が確認

    • XRING高速インターコネクトによる複数チップ協調

    • 2027年の商用化予定

    ここは表現に注意したい。Xiaomiは「200Bを配置できる」という将来形ではなく、「200Bパラメータ規模のモデルをローカルに配置することに成功した」と説明している。ただし、配置に成功したことと、実用的な速度で生成できることは別問題である。

    自動運転チップは、一般のPC向けSoCとは異なる要件を持つ。複数のカメラ、レーダー、LiDAR、車両センサーから連続的にデータが入り、認識、予測、経路計画、制御を低遅延で処理しなければならない。クラウドとの通信が切れても、安全に動作する必要がある。消費電力と熱も車載条件の中へ収める必要がある。

    このため、D100の設計思想はローカルAIコンピューターと相性が良い。大量のセンサーデータを扱い、複数のAI処理を並行し、ネットワークに依存せず、高い電力効率で連続運転するからだ。

    最大160GBという容量はDGX Sparkの128GBを上回る。ただし「最大対応容量」と「AI Cube試作機の実搭載容量」は分けて考えるべきである。XiaomiはD100のメモリコントローラーが最大160GBを扱えると説明しているが、AI Cubeの全構成、実装チップ数、実利用可能容量、OS予約量を詳細には明らかにしていない。

    また、200Bモデルを「配置できる」ことと、快適な速度で「生成できる」ことも別である。200Bモデルを4ビットで量子化すると、重みだけで理論上約100GB必要になる。実際には量子化メタデータ、KVキャッシュ、ワークスペース、OS、実行ランタイムが加わる。160GBなら搭載可能性は高いが、長いコンテキストや大きなバッチでは余裕が減る。

    D100の重要性は、O100の超高速だが容量不明な近存メモリと、システム側の大容量統合メモリを橋渡しする点にある。Xiaomiは「全部を同じ速度の巨大プールにする」のではなく、速い小容量階層と大きい容量階層を組み合わせる方向を選んだ可能性が高い。

    5章 XRING O3――スマホSoCがAI Cubeの司令塔を担う

    XRING O3は、2026年9月にXiaomi 18 Foldなどへ搭載予定のフラッグシップSoCである。

    • TSMC 3nm製造と報道

    • ダイ面積133mm²(前世代O1は109mm²)

    • 240億トランジスタ(O1の190億から26%増)

    • 10コア全大核CPU(超大核6+大核4)

    • C1-Ultra 4.35GHz、C1-Premium 3.68GHz、C1-Pro 3.15GHz

    • 16コアG2-Ultra NX GPU(グラフィックス性能+85%、レイトレーシング+182%、同一性能点での消費電力は最大64%低減)

    • 4コアNPU、200 TOPS(A8W4テンソル演算)、3.13 TFLOPSベクトル演算

    • NPU近存メモリ28MB

    • LPDDR6対応(世界初と公称)、4×24bit・10667Mbps

    • メモリ帯域113.8GB/s(O1比+48%)

    • 総キャッシュ約60MB(CPU L2 12MB、L3 16MB、システムレベルキャッシュ16MB)

    • 静的メモリアクセス遅延82ns(Apple A19 Proは92ns、前世代O1は121ns)

    • Geekbench 6.5でシングル3,945、マルチ15,221を公称(O1比+31%/+60%)

    • AnTuTu 522万超を公称(実験室の低温環境下)

    • 日常の中低負荷域での消費電力をO1比25%低減

    ベンチマーク数値は条件付きで読む必要がある。AnTuTuの522万は実験室の低温環境という限定条件での値であり、市販機が同じ数字を出すとは限らない。マルチコア15,221という数字も、XiaomiはApple A19 Proの11,054を上回ると説明しているが、シングルコアでは依然A19 Proがわずかに上である。

    ローカルAIの観点でより重要なのは別のところにある。XiaomiはMiMoと共同で「5値量子化」モデルを設計し、NPU側にハードウェアのハフマン無損圧縮を実装した。Xiaomiの説明では、精度は従来のINT4量子化と同等でありながら、メモリ帯域の占有を30%削減できる。実験室条件でMiMo 3Bの初語応答が40%、推論速度が45%向上し、消費電力は26%下がったという。

    これは「帯域が足りないなら、運ぶデータそのものを減らす」というアプローチである。O100が物理的距離を縮めることで帯域を稼ぐのに対し、O3はモデル表現を圧縮することで同じ壁に挑んでいる。二つは補完関係にある。

    O3単体はMac StudioやDGX Sparkと競うデスクトップAIチップではない。しかしAI Cubeでは、軽量な処理、ユーザーインターフェース、OS、常時待機、低電力推論を担当する司令塔として機能できる。

    AIシステムは、常に最大モデルを全力で回す必要はない。「今日の天気を教えて」「このファイルを開いて」といった単純な要求に120Bモデルを使えば、応答時間と電力を浪費する。軽量モデルと大規模モデルを使い分け、さらにルーティング、音声認識、画像処理、センサー処理を異なる演算器へ割り当てる方が合理的だ。

    ここでO3の存在が効く。O3はスマートフォン向けとして大量生産される可能性があり、OSとアプリを動かす成熟したSoC機能を持つ。O100とD100を常に起動するのではなく、O3が待機し、必要な時だけ高性能系を呼び出せば、150Wの筐体でも高い実効効率を得られる。

    この構造はAppleの単一SoC統合とも、NVIDIAのCPU+GPU統合とも違う。Xiaomiは用途別に最適化した三つのチップを束ねる「異種協調」を選んだ。

    6章 Xiaomi AI Cube――三つの頭脳を一台に封じ込めた試作機

    Xiaomi AI Cube Prototypeは、O3、O100、D100を搭載した小型AI端末の技術検証機である。

    公開された特徴は次の通りだ。

    • O3+O100+D100の三チップ構成

    • 80GBの統合メモリ

    • 150Wの持続性能放出

    • 航空宇宙用アルミニウムの一体成形筐体

    • 33,874個のCNC加工された放熱孔

    • 120Bモデルと3Bモデルのローカル同時配置

    • 高速応答系と深い推論系の切り替え

    • Xiaomiの位置づけは「個人向けAIスーパーコンピューティング端末」

    • デモ内容はフロントエンド開発と複雑なプログラミング作業

    • 発売日、価格、量産計画、端子配置、ストレージ、OS詳細はいずれも未発表

    雷軍(レイ・ジュン)は発表の場で「三つのチップは設計と検証をすべて完了した。玄戒O3は小米18 Foldに初搭載し、O100とD100は来年(2027年)量産して製品へ載せる」と述べている。裏を返せば、AI Cube自体は量産計画の枠外にあり、あくまで技術検証機という位置づけが公式見解である。

    この80GBという数字が重要である。DGX SparkとRTX Sparkの128GBより少なく、D100の対応上限160GBの半分だ。ただし、Xiaomiが80GBを選んだ理由は公表されていない。メモリ価格、試作基板、消費電力、モデル容量など複数の要因が考えられるが、調達と原価だけが理由だと断定することはできない。

    また、デモが「フロントエンド開発と複雑なプログラミング」だったことも見逃せない。Xiaomiは家庭用のスマートスピーカー的な使い方ではなく、開発者の机の上を最初の戦場に選んでいる。これはDGX Sparkと同じ土俵である。

    外観だけ見ればDGX Sparkに近い「机上のAIキューブ」である。しかし内部思想はかなり違う。

    DGX Sparkは、20コアArm CPUとBlackwell GPUをGB10 Superchipとして結合し、128GB LPDDR5Xを共有する。AI Cubeは、スマホSoC、近存AIアクセラレーター、自動運転SoCという出自の異なる三つを協調させる。

    一般に、チップを増やすほどソフトウェアは難しくなる。モデルのどの層をどのチップへ載せるか、テンソルをいつ転送するか、異なる精度をどう扱うか、キャッシュの整合性をどう保つか、負荷と温度に応じてどこを止めるかを制御しなければならない。

    一方、うまく設計できれば、すべてを巨大なGPUで処理するより効率が良い。軽量な処理はO3、帯域依存のLLM推論はO100、大容量モデルと複雑な処理はD100という役割分担が可能になる。

    AI Cubeは現時点で市販製品ではない。ベンチマークも第三者検証もなく、対応モデル、精度、コンテキスト長、ストレージ速度、ネットワーク、開発環境も不明だ。したがって、今日購入できるMac StudioやDGX Sparkと同じ成熟度で評価することはできない。

    それでも、150Wで120B+3Bをローカル運用する設計目標は明確であり、Xiaomiが「クラウドAIの縮小版」ではなく「端末専用に再設計したAIコンピューター」を狙っていることは読み取れる。

    6-2章 もう一台の原型機――玄戒O100 Prototypeと295 tokens/s

    今回の発表でAI Cubeの陰に隠れがちだが、Xiaomiはもう一台の原型機を展示している。小米集団パートナー兼社長の盧偉冰(ルー・ウェイビン)が翌日に公開した「玄戒O100 Prototype」である。

    こちらはAI Cubeとは全く別の形をしている。ベースはスマートフォンだ。

    • O3とO100の双芯協調計算

    • 従来のスマートフォン用カメラモジュールを撤去

    • メインボードを全面的に再設計

    • 能動空冷(ファン)システムを追加

    • 最大10W相当の放熱能力

    • Xiaomi MiMo端末モデルを内蔵

    • 実測295 tokens/sの推論速度

    Xiaomiはこれを「端末大規模モデルのための高速AI実証端末」と呼んでいる。カメラを捨て、基板を作り直し、スマートフォンにファンを付けてまで確かめたかったのは、たった一つのことだ。O100の帯域は、スマートフォンの電力枠と熱枠の中で本当に活きるのか。

    10Wという熱設計は、通常の受動冷却スマートフォンより大きい。今回の原型機はカメラを外し、基板を再設計してファンを追加しているため、量産スマートフォンの完成形ではない。ただし、この事実だけから「O100はスマートフォンへ搭載できない」とも断定できない。将来の低クロック版、パッケージ改良、タブレットや能動冷却端末への搭載を含め、今回の実証は性能と熱設計の上限を確認する段階と見るべきだ。

    二台の原型機の役割分担はこう整理できる。

    【玄戒O100 Prototype】O3+O100の二芯。10W級。MiMo 3Bで実測295 tokens/s。狙いは将来のスマートフォンとタブレット

    【Xiaomi AI Cube Prototype】O3+O100+D100の三芯。80GB統合メモリ。150W級。120B+3Bを同時配置。狙いは机上のAI端末と車載・家庭のローカル推論ハブ

    同じシリコンを、電力枠を一桁変えて二つの製品カテゴリーへ展開する。これはAppleがA系列とM系列で行ってきたことに近い。ただしAppleが一つのアーキテクチャを拡大縮小するのに対し、Xiaomiは用途別の別チップを足し引きしている。

    7章 120B+3Bの二重モデルは何を意味するのか

    AI Cubeのデモで、最大スペック以上に重要なのが120Bと3Bの二モデル構成である。

    3Bモデルは小さい。4ビット量子化ならモデル重みは数GB程度で、起動が速く、消費電力も少ない。音声コマンド、簡単な質問、分類、ルーティング、端末操作などに適する。

    120Bモデルは重い。4ビットでも重みだけで約60GB、実装によっては70GB以上になる。しかし推論、コード生成、複雑な計画、長文理解では小型モデルより高い能力を期待できる。

    AI Cubeは、すべての要求を120Bへ送るのではなく、3Bがまず受け取り、必要に応じて120Bを呼び出す構造を想定していると考えられる。

    これは人間の神経系にたとえると分かりやすい。反射や日常的な動作は高速で省エネな系が処理し、難しい問題だけを大脳へ送る。AIエージェントでも、常時監視、音声待機、通知、ファイル整理などを小型モデルが担当し、契約書分析、ソフトウェア設計、複雑な意思決定を大型モデルが担当する。

    この方式には四つの利点がある。

    第一に、平均応答時間を短縮できる。簡単な要求は3Bが即答する。

    第二に、消費電力を減らせる。大型モデルを常時全力で動かさない。

    第三に、メモリ帯域を節約できる。120Bの全重みを毎回読み出す必要がない。

    第四に、プライバシーを守りながら常時動作させやすい。音声や映像をクラウドへ送らず、端末内で一次判断できる。

    Appleもオンデバイスモデルとクラウドモデルを使い分ける。NVIDIAもNIMやエージェント基盤で複数モデルを組み合わせる。Xiaomiの独自性は、三種類の自社チップと二種類のモデルを、スマホ、車、家庭、ロボットまで共通化しようとしている点にある。

    8章 第一の王者、Mac Studio――巨大な一枚のメモリ空間が消えた年

    Mac Studio M3 Ultraは、ローカルLLM用途で長く特殊な位置にいた。

    • 最大32コアCPU

    • 最大80コアGPU

    • 32コアNeural Engine

    • 発表時の最大512GBユニファイドメモリ

    • メモリ帯域819GB/s

    • UltraFusionのダイ間帯域2.5TB/s超

    • macOS、Metal、MLX、Core ML

    • Appleは600B超モデルのローカル実行可能性を訴求

    Macの最大の武器は、CPU用RAMとGPU用VRAMを別々に買わなくてよいことだ。ユニファイドメモリをCPU、GPU、Neural Engineが共有する。GPUが巨大モデルを処理する際、PCIe越しにシステムRAMからVRAMへ全データをコピーする従来型PCの制約が小さい。

    ローカルLLMでは「計算性能は十分だが、モデルがVRAMへ入らない」という問題が頻繁に起こる。RTX 5090は高速でもVRAMは32GBであり、70B以上のモデルでは量子化やCPUオフロード、複数GPUが必要になる。Mac Studioは巨大な一つのプールへモデルを置ける――はずだった。

    512GBはもう買えない

    ここが本稿で最も重要な訂正点である。2026年8月現在、Mac Studioの512GB構成も256GB構成も購入できない。

    経緯はこうだ。

    2026年3月、Appleは512GBユニファイドメモリの選択肢をMac Studioの構成画面から静かに削除した。同時に96GBから256GBへの増設価格を1,600ドルから2,000ドルへ引き上げている。削除前の512GBオプションは4,000ドルだった。

    2026年5月、残っていた256GBの選択肢も消えた。M3 Ultra版Mac Studioは96GB構成のみになった。M4 Max版の128GBも同時に姿を消し、Mac miniではM4 Proの64GB、標準M4の32GBが削られている。

    Apple自身は理由を公表していない。ただし同時期にティム・クックCEOは、Mac miniとMac Studioの供給逼迫が数か月続くと決算説明で述べている。世界的なDRAM不足が背景にあることは、業界の共通認識である。

    2026年8月26日にApple公式の技術仕様ページと米国オンラインストアを再確認したところ、M3 Ultraのメモリは96GBのみが掲載され、256GBと512GBは構成候補に表示されない。発表時には最大512GB対応だったが、現在の公式販売仕様は96GBのみである。ただし、Appleは削減が恒久措置か一時的な供給対応かを説明していない。

    さらに2026年6月、AppleはMac全体の価格を引き上げた。Mac StudioではM3 Ultra版が1,300ドル値上がりして5,299ドルから、M4 Max版が500ドル値上がりして2,499ドルからになっている。M4 Max版の統合メモリ上限は64GBである。

    整理すると、2026年8月のMac Studioは次の姿になっている。

    【M4 Max版】2,499ドルから/統合メモリは最大64GB/帯域は構成により最大546GB/s

    【M3 Ultra版】5,299ドルから/統合メモリは96GBのみ/帯域819GB/s

    **5,299ドルで96GB。**同じ時期に、NVIDIAは4,699ドルで128GB、AMDは3,999ドルで128GBを売っている。かつて「512GBを載せられる唯一の市販デスクトップ」だったMac Studioは、いま容量あたりの価格で最も不利な位置にいる。

    そのうえ構成や地域によって納期が長期化する場合があり、M5世代への更新時期も確定していない。ローカルLLM目的で新規購入する場合は、96GBという上限、価格、実際の納期、次世代機を待つ価値をまとめて判断する必要がある。

    それでも819GB/sは強い

    容量の前提は崩れたが、帯域の優位は残る。819GB/sという値は、DGX Sparkの273GB/sの約3倍である。LLMの1トークン生成ではモデル重みの大部分を繰り返し読み出すため、単一ユーザー・小バッチのDecodeは帯域の影響を強く受ける。

    つまり2026年8月のMac Studioは、「巨大モデルを一台に載せる機械」から「96GBに収まるモデルを最も速く回す機械」へ性格が変わっている。96GBという容量は、AI Cubeの80GBより少し多く、DGX SparkとRTX Sparkの128GBより少ない。かつて圧倒的だった容量差は、いま逆転しかけている。

    ローカルAIエージェントの普及が大容量ユニファイドメモリ機への需要を押し上げた可能性は高い。Mac Studioの納期も長期化した。ただし、Appleは需要増の内訳を公開しておらず、OpenClawなど特定ソフトが品薄の直接原因だと証明されたわけではない。データセンター向けAI需要、DRAM供給制約、製品更新前の在庫調整などを含む複合要因として捉える必要がある。

    ただし、MacにはCUDAがない。PyTorchのMPSバックエンド、MLX、llama.cpp、Ollama、LM Studioなどで多くのモデルを動かせるが、CUDA前提の新しいカーネル、TensorRT-LLM、NCCL、NVIDIA NIM、特定の学習ライブラリをそのまま利用できない。

    したがってMac Studioは、「静かな机上機で推論したい」「MLX対応モデルを使う」という用途には依然強いが、「データセンターと同一のCUDAコードを開発したい」「最新の学習最適化をすぐ使いたい」用途では不利になる。そして2026年8月時点では、かつての決定的な強みだった「最大モデルを一台に載せたい」という理由でMac Studioを選ぶことは、そもそもできなくなっている。

    9章 M5 Ultraはどこまで伸びるのか

    2026年8月26日時点で、M5 UltraはAppleから正式発表されていない。ここは確定情報と予測を明確に分ける必要がある。

    Appleが正式発表したM5 Maxの上位仕様は次の通りだ。

    • 18コアCPU

    • 最大40コアGPU

    • 各GPUコアにNeural Accelerator

    • 16コアNeural Engine

    • 最大128GBユニファイドメモリ

    • 最大614GB/s

    従来のUltraと同様に二つのMax系ダイを結合するなら、M5 Ultraは最大36コアCPU、80コアGPU、32コアNeural Engine級となる可能性がある。帯域も単純合計なら次の値になる。

    614GB/s × 2 = 1,228GB/s

    つまり約1.23TB/sであり、O100の1.22TB/sと数字上は並ぶ。

    ただし、Appleが実際にどのメモリインターフェースとパッケージを採用するかは未発表である。単純な二倍になる保証はない。

    また、Bloombergのマーク・ガーマン氏の2026年6月25日の報道によれば、Appleは最大768GBのユニファイドメモリをテストしている。これが製品化されれば、容量ではAI Cubeの80GBやSparkの128GBを圧倒する。

    ただしこの説は、いま非常に強い逆風の中にある。同じAppleが512GBと256GBの販売を止めた直後に768GBを出せるのか、という疑問は当然だ。Mac Studio自体の更新時期も、当初の2026年前半から10月前後へ後ろ倒しされたと報じられており、その理由もメモリ供給と価格上昇とされている。M5 Ultraの構成は約36コアCPU、80コアGPUとされ、M3 Ultra(最大32コアCPU、80コアGPU)から劇的には変わらない。**この世代の主役は演算コアではなく、メモリ容量そのものになる。**そして、それが最も調達しにくい部品である。

    M5 Ultraの議論で重要なのは、未発表製品を既成事実にしないことだ。現時点の確定した比較対象はM3 Ultraである。M5 Ultraは「Appleが次にどこまで伸ばせるか」を見る予測軸として扱うべきだ。

    仮に768GB・約1.23TB/sが実現すれば、AppleはXiaomiのO100と同等級の帯域を、はるかに大きなユニファイドメモリ全体で提供することになる。それはローカルLLMにとって強烈である。一方、価格が1万ドルを大きく超え、CUDAが使えないなら、用途は依然として限定される。

    そしてもう一つ。M5 Maxは「各GPUコアにNeural Accelerator」を持ち、AppleはM5 Pro/M5 MaxのAI向けGPU演算ピークを前世代の4倍超と説明している。Prefill(長いPromptの一括処理)は演算に律速されるため、この改善はコンテキストの長い実務で効く。帯域が効くのはDecode、演算が効くのはPrefillという二分法で見ると、M5世代のAppleは長らく弱点だったPrefill側を大きく埋めてきたことになる。

    10章 第二の王者、DGX Spark――容量よりCUDAが価値を作る

    NVIDIA DGX Sparkは、GB10 Grace Blackwell Superchipを搭載した小型AIコンピューターである。

    • 20コアArm CPU

    • Blackwell GPU

    • 第5世代Tensor Core

    • 最大1PFLOPSのFP4演算性能(スパース性を含む公称値)

    • 128GB LPDDR5X統合メモリ

    • 256ビットインターフェース

    • メモリ帯域273GB/s

    • 1TBまたは4TB NVMe

    • ConnectX-7

    • 10GbE

    • 約1.2kgの小型筐体

    • DGX OS/Ubuntu

    • CUDA-X、PyTorch、TensorRT、NVIDIA AIソフトウェア

    容量と帯域だけなら、現行M3 UltraにもXiaomiの公称値にも見劣りする。それでもSparkが重要なのは、CUDAを動かす最小クラスの統合メモリ機だからだ。

    AI開発では、ハードウェア性能だけでなく、使いたいモデルとライブラリが動くかどうかが決定的である。CUDA向けに最適化されたFlashAttention、量子化カーネル、推論サーバー、分散通信、学習ツール、プロファイラーは膨大に存在する。新しい論文の実装も、最初にNVIDIA GPUへ対応する場合が多い。

    Sparkで作ったコードやコンテナを、より大型のDGX、HGX、DGX Cloudへ持っていきやすいことも強みである。Macで動くMLXモデルは優秀でも、そのままデータセンターのH100、H200、B200へ展開する標準経路にはなりにくい。

    一方、Sparkには弱点もある。273GB/sは巨大LLMの単一ユーザー推論には狭い。128GBの統合メモリも、OSとランタイムを差し引けば実利用可能量は減る。さらに、一部のアプリがUMAを正しく認識せず、約64GBしかGPUメモリとして扱わない事例や、cudaMemGetInfoが解放可能なLinuxページキャッシュを含めず、空き容量を小さく報告する問題がある。

    ハードウェアは128GBをCPU 64GB、GPU 64GBへ固定分割しているわけではない。NVIDIA公式は、CPUとGPUがDRAMを動的に共有すると説明している。64GB制限が見える場合は、アプリ、フレームワーク、メモリ報告API、予約設定の問題を疑う必要がある。

    Sparkは、完成した高速なローカルLLM家電というより、「CUDAデータセンターを机上で試作する開発機」と考えると価値が分かりやすい。

    価格も動いている。DGX Sparkは2025年10月に3,999ドルで発売されたが、2026年2月23日、NVIDIAは世界的なメモリ供給の逼迫を理由にFounders Editionを4,699ドルへ改定した。値上げ幅は700ドル、率にして約18%である。ハードウェア仕様は一切変わっていない。純粋にメモリ原価だけで、机上AI機の値札が700ドル上がったのである。

    なお、パートナー各社のOEM版はストレージ容量、保証、冷却、地域によって価格が異なる。Founders Editionは4TB NVMeだが、OEM版には1TB構成もある。モデルとデータセットとコンテナを置けば1TBはすぐ埋まるため、実質的な比較価格はこの4,699ドルより高くなる場合がある。

    10-2章 RTX Spark――Windowsがユニファイドメモリ戦争へ参戦する

    この競争に、2026年5月31日、NVIDIAとMicrosoftがもう一つの重要な製品群を加えた。台北で開かれたNVIDIA GTC Taipeiで発表された「NVIDIA RTX Spark」である。

    名称が似ているため混同されやすいが、RTX SparkとDGX Sparkは同じ製品ではない。

    DGX Sparkは、UbuntuベースのDGX OSを搭載し、AI開発者が机上でCUDAワークロードを試作する小型ワークステーションである。一方のRTX Sparkは、Windows PCそのものをArm+Blackwell+大容量統合メモリへ作り直すコンシューマー/クリエイター向けプラットフォームだ。

    NVIDIAとMicrosoftが正式に発表したRTX Sparkの主要特徴は次の通りである。

    • 最大1PFLOPSのAI演算性能(FP4)

    • 6,144基のBlackwell RTX世代CUDAコア

    • 第5世代Tensor Core(FP4対応)

    • 20コアNVIDIA Grace CPU(MediaTekとの共同設計)

    • 最大128GBユニファイドメモリ

    • CPUとGPUを結ぶNVLink-C2C

    • 最大120Bモデルをローカル実行

    • 最大100万トークンのコンテキストを公称

    • WindowsネイティブのCUDA、TensorRT、OptiX、Reflex、G-SYNC

    • DLSS 4.5、レイトレーシング、1440p・100fps超のAAAゲーミング

    • 90GB級の巨大3Dシーンのレンダリング、12K 4:2:2動画編集

    • ノートPCと小型デスクトップの両形態

    • 2026年秋からASUS、Dell、HP、Lenovo、Microsoft Surface、MSIが発売予定、AcerとGIGABYTEが追随

    NVIDIAの公式発表では、RTX Spark搭載ノートは最薄14mm、最軽量約1.36kg(3ポンド)、14~16インチで展開される。デスクトップだけでなく、128GBの統合メモリとCUDAを持ち歩ける点が、MacBook Proや将来のXiaomi端末に対する大きな意味を持つ。

    見落とされがちなのが、CPU設計にMediaTekが関与している点だ。NVIDIAはArm系SoCの設計実績を持つMediaTekと組むことで、電力効率と接続性を確保したと説明している。NVIDIAがPCプラットフォームそのものを売る側へ回ったこと、そしてその足回りを台湾のSoCメーカーが支えていること。この構図自体が、Xiaomiの垂直統合と対照的である。

    エージェントを安全に走らせる層――NVIDIA OpenShell

    RTX Sparkで技術的に最も新しいのは、実はハードウェアではない。

    NVIDIAとMicrosoftは、ローカルエージェントを個人のメインPCで安全に走らせるための層を共同で設計した。Windows側が新しいセキュリティプリミティブ(識別、封じ込め、ポリシー、エンドツーエンドの保護)を提供し、NVIDIA側が「NVIDIA OpenShell」というランタイムを提供する。

    OpenShellが担うのは次の三つである。

    • エージェントに何を許可し、何を禁止するかをユーザーが定義する

    • ユーザーのプライバシー方針に基づき、問い合わせをローカルモデルへ自動的に振り分ける

    • クラウドモデルへ送る問い合わせから個人情報を隠す

    三番目は特に興味深い。ローカルとクラウドの二重構成を前提に、「どこまでを外へ出すか」をOSとランタイムのレイヤーで制御しようとしている。

    これはXiaomiのAI Cubeが訴求する「3Bと120Bの使い分け」と、目的の一部が重なる。ただしXiaomiは速度と電力の観点で語り、NVIDIAとMicrosoftはプライバシーとセキュリティの観点で制度化している。企業導入で問われるのは後者である。

    MicrosoftとNVIDIAは、RTX SparkをノートPCだけでなく小型デスクトップにも展開すると発表している。そのうちMicrosoft自身が作るのが「Surface RTX Spark Dev Box」である。5月31日のRTX Spark発表に続き、6月のMicrosoft Buildで正式に披露された。

    Microsoft公式の製品ページで確認できる仕様は次の通りだ。

    • 最大128GBのユニファイドメモリ

    • 最大1PFLOPSのAI演算性能

    • 100Wの熱設計

    • アノダイズ処理したアルミニウム製の3Dプリント筐体

    • グリッド構造に1,000個の通気孔(1,000 TFLOPSの演算性能にちなんだ意匠)

    • 筐体自体がヒートシンクとして機能する設計

    • USB-C×2、USB-A、HDMI、Ethernet、ヘッドホン端子

    • 開発者向けに事前構成されたWindows 11 Pro

    • WSLを含む開発者向けWindows環境。RTX Spark全体ではCUDAスタックを利用する

    • Visual Studio Code、GitHub Copilot、PowerShell 7を初期搭載

    • RTX Sparkプラットフォーム全体では120Bパラメータ級モデルのローカル実行を訴求

    • 発売時期と価格は未発表。FCC認可前のプレリリース製品で、仕様は変更される可能性がある

    ここでXiaomi AI Cubeとの符合に気づく。航空宇宙用アルミの一体成形筐体に33,874個のCNC放熱孔を開けたXiaomiと、3Dプリントのアルミ筐体に1,000個の通気孔を開けて筐体自体をヒートシンクにしたMicrosoft。机の上に置くAI箱の設計解が、北京とレドモンドでほぼ同じ形に収束している。

    違うのは電力枠と容量だ。Microsoftは100Wで128GB、Xiaomiは150Wで80GB。なお報道ベースでは、RTX Spark搭載ノートPCの熱設計は45〜80W程度とされる。ノートで45〜80W、開発機で100W、Xiaomiの三芯機で150W。この帯域が「机上AI機」の現実的な電力枠である。

    150WのXiaomi AI Cubeと最も直接に競合するのは、DGX SparkでもMac Studioでもなく、この100Wの箱かもしれない。

    RTX Sparkは「Windows版DGX Spark」ではない

    両者はGrace系Arm CPU、Blackwell GPU、最大128GB統合メモリ、最大1PFLOPS級という共通点を持つ。しかし、狙う用途とシステム構成が違う。

    【主用途】DGX Spark=AI開発、モデル試作、Linuxサーバー連携/RTX Spark=Windows AI PC、エージェント、制作、ゲーム

    【OS】DGX Spark=DGX OS/Ubuntu/RTX Spark=Windows on Arm

    【CPU】DGX Spark=Grace 20コアArm/RTX Spark=Grace 20コアArm(MediaTek共同設計)

    【メモリ】DGX Spark=128GB LPDDR5X/RTX Spark=最大128GB統合メモリ

    【公称モデル】DGX Spark=最大200B/RTX Spark=最大120B、最大100万トークン

    【ネットワーク】DGX Spark=ConnectX-7、200Gbps級/RTX Spark=一般PC向けWi-Fi 7が中心

    【CUDA】DGX Spark=Linuxネイティブ/RTX Spark=Windowsネイティブ

    【グラフィックス】DGX Spark=開発機寄り/RTX Spark=DLSS 4.5、RTX、1440p・100fps超のゲーミング

    【エージェント基盤】DGX Spark=NVIDIA AIソフトウェア/RTX Spark=Windowsセキュリティプリミティブ+NVIDIA OpenShell

    【筐体】DGX Spark=小型デスクトップ/RTX Spark=ノート+小型デスクトップ

    【価格】DGX Spark=4,699ドル(2026年2月に3,999ドルから改定)/RTX Spark=未発表

    【発売】DGX Spark=発売済み/RTX Spark=2026年秋予定

    RTX Sparkが最大120B、DGX Sparkが最大200Bを公称する違いにも注意したい。RTX Sparkの120Bは100万トークン文脈、Windowsの常用アプリ、グラフィックス処理などを含む個人PC用途を想定した主張である。DGX Sparkの200BはFP4など強い量子化条件を含むAI開発機としての最大モデル規模である。片方の数字をもう片方へ流用してはいけない。

    Microsoftが解決しようとしている「64GBの壁」

    これまでWindowsの統合GPUでは、搭載RAMが128GBあっても、GPUへ自由にほぼ全量を渡せない場合があった。Windows、BIOS、ドライバー、アプリが、CPU RAMとGPU VRAMを別物として扱う従来設計を引きずっていたためである。

    MicrosoftはRTX Sparkに合わせ、GPUがアクセスできる総システムメモリの上限を、より大きく、より動的にするWindows側の最適化を発表した。これは本稿冒頭で触れた「WindowsではCPUとGPUへ64GBずつ分けるのではないか」という問題に対する、MicrosoftとNVIDIAの直接的な回答である。

    つまりRTX Sparkは、単にWindowsへDGX Sparkのチップを載せる企画ではない。Windowsのメモリ管理、Windows ML、TensorRT、セキュリティ、エージェント実行環境まで変更し、Macのユニファイドメモリ体験へ追いつこうとする計画だ。

    ただし、上限が引き上げられたからといって、128GBの全量をモデルへ使えるわけではない。Windows本体、常駐アプリ、GPUワークスペース、KVキャッシュ、画面描画が同じプールを使う。実利用可能量と安定性は、出荷後の実機検証を待つ必要がある。

    RTX SparkがXiaomi AI Cubeへ与える圧力

    AI CubeとRTX Sparkは、DGX Spark以上に直接競合する可能性がある。

    両者ともクラウドやデータセンター専用ではなく、個人の机、家庭、クリエイター、ローカルエージェントを狙う。120B級モデル、電力効率、大容量統合メモリ、専用AIアクセラレーションという方向も近い。Microsoft製のDev Boxが100Wで128GBを掲げたことで、電力枠の比較軸は一応そろった。もっとも他OEM機の消費電力は未発表であり、実効性能あたりの電力効率は実機と第三者計測を待つ必要がある。

    RTX Sparkの最大の武器は「Windows+CUDA+RTX」である。ユーザーはOffice、Adobe、CAD、ゲーム、既存周辺機器を使いながら、同じPCでCUDAモデルとローカルエージェントを動かせる。NVIDIAはAdobeがPhotoshopとPremiereをRTX Spark向けに再設計し、AI・グラフィックス性能を最大2倍にすると説明している。

    Xiaomi AI Cubeの武器は、O100の1.22TB/s近存帯域、D100の最大160GB対応、150W、MiMoとの共同最適化である。ただし実演機の統合メモリは80GBで、RTX Sparkの最大128GBより48GB少ない。160GBはD100側の対応上限であり、AI Cube製品版の搭載量として約束された数字ではない。専用NPUの局所帯域が非常に高いことと、システム全体の容量は分けて評価すべきだ。

    しかし、Xiaomiが独自SDKに閉じれば、WindowsでCUDA、Adobe、PyTorch、TensorRT、Hugging Face、ComfyUI、Cursor、Claude Codeなどを動かせるRTX Sparkの方が、一般ユーザーには圧倒的に導入しやすい。

    逆にXiaomiがAI Cubeを低価格で販売し、主要オープンモデル、自社EV、スマートホーム、ロボットとの接続を完成させれば、RTX Sparkは「汎用PCとしては強いが、Xiaomiの物理端末網を持たない」という弱点を突かれる。

    RTX SparkがMacへ与える圧力

    RTX Sparkは、Macの長年の強みをNVIDIAが正面から取り込んだ製品でもある。

    • Arm CPU

    • CPU/GPU統合

    • 最大128GBユニファイドメモリ

    • 高い電力効率

    • 薄型ノート

    • OSとAIエージェントの一体化

    • クリエイティブ用途

    これまでMacを選ぶ理由だった「静かで省電力な統合メモリ機」に、CUDAとRTXを追加したような構成である。特にM5 Max MacBook Proも最大128GBであるため、ノート市場ではメモリ容量が真正面から並ぶ。

    一方、M5 Maxのメモリ帯域は最大614GB/sと正式発表されている。RTX Sparkの統合メモリ帯域は、今回確認したNVIDIA一次発表では明確な数値が示されていない。NVLink-C2Cの600GB/sという報道値と、メモリ自体の帯域を混同してはいけない。MacBook Proとの実際のLLM速度、バッテリー、静音性、アプリ互換は実機レビューが必要だ。

    またWindows on Armには、従来x86アプリ、ドライバー、周辺機器、アンチチートの互換性という課題が残る。MicrosoftのPrismエミュレーションが改善しても、すべての業務アプリとゲームが同じ性能で動くわけではない。

    NVIDIA陣営は二段構えになった

    RTX Sparkの追加によって、NVIDIAは一つのSparkで全市場を狙う必要がなくなった。

    • DGX Spark:Linux、CUDA開発、データセンターへの移行

    • RTX Spark:Windows、個人エージェント、制作、ゲーム、日常業務

    • DGX Station for Windows:GB300 Grace Blackwell Ultraを搭載し、兆パラメータ級を机の横で扱う企業向け

    三段目のDGX Station for Windowsは、同じ発表の中で予告されている。Microsoftの表現を借りれば、Windowsは「RTX Sparkからデータセンター級ワークステーションまで」連続する。

    AppleとXiaomiから見ると、NVIDIAは複数機種ではなく、一つのCUDA生態系を二つのOSと三つの価格帯へ展開している。三つ巴の「NVIDIA陣営」がLinuxとWindowsの両側から攻める構図になったのである。

    10-3章 第四の選択肢――AMD Ryzen AI Halo、最大192GBへ

    三つ巴という枠組みで語ると抜け落ちるが、ユニファイドメモリのローカルAI機には、すでに第四の当事者がいる。AMDのRyzen AI Max+ 395、開発コード名Strix Haloである。

    • 16コアZen 5 CPU

    • 40基のRDNA 3.5演算ユニットを持つRadeon 8060S内蔵GPU

    • XDNA 2 NPU、約50 TOPS

    • 最大128GB LPDDR5X統合メモリ

    • AMD Variable Graphics MemoryではWindows上で最大96GBをVRAMへ設定可能。LinuxではAMDの技術記事がTTMカーネルパラメーターを使って最大120GBをGTT領域として確保する手順を公開しているが、標準のBIOS割り当てと同じではなく、設定変更を伴う

    • メモリ帯域256GB/s(AMD公式開発機仕様)

    • ROCm、Vulkan、PyTorch、vLLM、llama.cpp、Ollama、ComfyUI、LM Studioなどに対応

    数字だけ見れば地味である。帯域はDGX Sparkよりわずかに狭く、O100の1.22TB/sとは比較にならない。CUDAもない。

    それでもStrix Haloが重要なのは、CUDA以外の選択肢として128GB統合メモリを市販PCへ持ち込んだことにある。

    AMDはすでに「箱」を売っている

    見落とされがちだが、AMDはチップだけでなく完成機も出している。Ryzen AI Halo開発プラットフォームである。

    • Ryzen AI Max+ 395、128GB統合メモリ、2TB SSDの構成で3,999ドルから

    • 2026年6月に予約開始、米Micro Centerの専売として7月10日ごろ店頭へ

    • Windows/Linux、ROCm対応

    • AMDは最大200Bパラメータのモデルをローカルで動かせると説明

    つまりDGX Sparkの4,699ドルに対し、AMDは3,999ドルで128GBの箱を並べている。しかも米国での実売が始まっている。

    AMDはこの機械を、AIのトークン課金を払い続けている開発者に向けて売り込んでいる。同社の説明では、月773ドルをクラウドAIに払っている開発者なら、3,999ドルを約6か月で回収できるという。ローカルAI機の売り文句が「速さ」でも「容量」でもなく「クラウド課金からの離脱」になっている点は、この市場の性格をよく表している。

    次世代は192GBへ――Gorgon Halo

    さらにAMDは2026年5月のCOMPUTEX 2026で、次世代のRyzen AI Max PRO 400シリーズ(開発コード名Gorgon Point、プラットフォームとしてはGorgon Halo)を2026年第3四半期に投入すると発表した。

    • Ryzen AI Max+ PRO 495:16コア32スレッド、最大5.2GHz、40基のRadeon 8065S演算ユニット

    • Ryzen AI Max PRO 490:12コア24スレッド、最大5.0GHz、32基

    • Ryzen AI Max PRO 485:8コア16スレッド、最大5.0GHz、32基

    • NPUは55 TOPSへ引き上げ

    • 最大192GBの統合メモリ、うち最大160GBをVRAMとして割り当て可能(32GBはシステム予約)

    • 基準TDP 55W、45〜120Wで可変

    • ASUS、HP、Lenovoなどが2026年第3四半期から搭載機を投入予定

    現行128GB構成の標準的なWindows VGM上限が96GBであることを踏まえると、次世代の160GB VRAMは大きな飛躍だ。LinuxではTTM設定により120GBを確保したAMD公式の技術例もあるが、これは通常のVGM設定とは区別すべきである。AMDは次世代機を「300Bパラメータ級をローカル実行できる初のx86クライアントプロセッサ」と表現しているが、モデル形式と量子化条件に依存するメーカー主張である。

    実現すれば、容量はXiaomi D100の対応上限160GB、DGX/RTX Sparkの128GBを上回る。Apple以外で唯一、200B級の実用域へ手が届く市販クライアント機になる。

    AMDは現行128GB版についても、GPT-OSS 120B、Qwen 3.5 122B、GLM 4.7 Flashなどを用いた比較を公開している。ただし、これはAMD自身の測定であり、コンテキスト長、ランタイム、ドライバー条件を揃えた第三者検証が必要だ。300B超という主張も同じく、独立検証を待つ段階にある。

    Xiaomiにとって何を意味するか

    Xiaomiが「AI Cubeで価格破壊を起こす」と考えるとき、比較対象はDGX Sparkだけではない。すでに市場には、CUDAはないが128GBを3,999ドルで持つ完成機がある。AI Cube試作機の80GBという容量は、この相手に対して明確な優位ではない。2027年にAI Cubeが量産される頃には、相手は192GBになっている可能性がある。

    そしてもう一つ。Strix Haloの実測データは、次章以降で扱う「同じ120Bでも速度は桁違いに変わる」という論点を、最も分かりやすく示している。

    11章 三つ巴のスペック比較

    現時点の公表・確認情報を並べると次のようになる。

    【Xiaomi AI Cube Prototype】状態=試作機/チップ=O3+O100+D100/設計思想=異種3チップ協調/CPU=O3 10コア+D100 20コア/AI演算器=複数NPU+GPU/統合メモリ=実機80GB(D100の対応上限は160GB)/公称帯域=O100内部1.22TB/s/帯域対象=O100内蔵DRAM/持続電力=150W公称/モデル規模=120B+3Bを実演、D100は200B配置成功を公表/ソフト=MiMo、独自SDKの詳細不明/価格=未発表/最大の強み=近存演算と異種協調/最大の不安=製品化・SDK・第三者実測

    【NVIDIA DGX Spark】状態=市販中/チップ=GB10 Grace Blackwell/設計思想=Linux+CUDA開発/CPU=Arm 20コア/AI演算器=Blackwell Tensor Core/統合メモリ=128GB/公称帯域=273GB/s/帯域対象=128GB共有LPDDR5X/持続電力=電源240W、GB10 TDP 140W/モデル規模=最大200B公称/ソフト=Linux+CUDA/TensorRT/PyTorch/価格=4,699ドル/最大の強み=CUDAとサーバー連続性/最大の不安=帯域と価格性能

    【NVIDIA RTX Spark】状態=2026年秋予定/チップ=Grace CPU+Blackwell RTX GPU/設計思想=Windows+CUDA+RTX/CPU=Arm 20コア(MediaTek共同設計)/AI演算器=6,144 CUDAコア+第5世代Tensor Core/統合メモリ=最大128GB/公称帯域=メモリ帯域は未公表/帯域対象=統合メモリ/持続電力=Surface RTX Spark Dev Boxは100W熱設計、ノートPCは45〜80Wと報道、他OEM機は未発表/モデル規模=120B+最大100万トークン公称/ソフト=Windows+CUDA/RTX/OpenShell/価格=未発表/最大の強み=WindowsとCUDAを一台に統合/最大の不安=Arm互換・実測・価格

    【Mac Studio M3 Ultra】状態=市販中/チップ=M3 Ultra/設計思想=一つの巨大UMA/CPU=最大32コア/AI演算器=GPU+Neural Engine/統合メモリ=現在購入可能なのは96GBのみ(発表時の上限は512GB)/公称帯域=819GB/s/帯域対象=UMA全体/持続電力=構成・負荷依存/モデル規模=発表時にAppleは600B超を訴求/ソフト=Metal/MLX/Core ML/価格=5,299ドルから(2026年6月に1,300ドル値上げ)/最大の強み=全体帯域とOS完成度/最大の不安=CUDA非対応と大容量構成の供給停止

    【Mac Studio M5 Ultra(予測)】状態=未発表/チップ=M5 Ultraと予測/設計思想=次世代巨大UMA/CPU=約36コアと報道/AI演算器=各コアにNeural Acceleratorを持つ最大80コアGPUと予測/統合メモリ=最大768GB説・未確認/公称帯域=約1.23TB/sの可能性/持続電力=未発表/モデル規模=600B~1T級の可能性/ソフト=Metal/MLXと予測/価格=未発表/最大の強み=次世代の容量・帯域/最大の不安=発売時期とメモリ調達

    【参考:AMD Ryzen AI Halo(現行)】状態=市販中/チップ=Ryzen AI Max+ 395/統合メモリ=128GB(Windows VGMは最大96GB、LinuxではTTM設定で120GBを確保したAMD技術例あり)/公称帯域=256GB/s/ソフト=Windows/Linux+ROCm、PyTorch、vLLM、llama.cpp/価格=3,999ドル(128GB+2TB SSD構成、米Micro Center専売)/モデル規模=AMDは最大200Bと説明/最大の強み=x86互換と価格あたりの容量/最大の不安=CUDA非対応とソフト成熟度

    【参考:次世代AMD Ryzen AI Halo】状態=2026年第3四半期予定/チップ=Ryzen AI Max PRO 400シリーズ(Gorgon Point)/統合メモリ=最大192GB/VRAM割り当て=最大160GB(32GBはシステム予約)/NPU=55 TOPS/持続電力=基準TDP 55W、45〜120W可変/ソフト=Windows/Linux+ROCm/モデル規模=AMDは300B超を主張(4ビット時)/最大の強み=このクラスで最大級の容量/最大の不安=価格、帯域、実機性能、そしてDRAM調達が未確定

    この表から分かるのは、三者が同じ競技をしていないことである。

    Xiaomiは、モデルに近い専用メモリとNPUを作り、用途別チップを協調させる。NVIDIAは、CUDA互換性とデータセンターへの連続性を優先する。Appleは、非常に大きいメモリ空間をシステム全体で共有する。

    勝者はベンチマーク一個では決まらない。ユーザーが何をしたいかで変わる。

    そしてもう一つ、この比較表を横に眺めると気づくことがある。**容量の数字がどれも小さくなっている、あるいは伸びていない。**Appleは512GBを失い、Xiaomiは160GB対応のチップを持ちながら80GBの試作機を出し、NVIDIAは128GBのまま値上げした。この同時性は偶然ではない。

    11-2章 見えない第四のプレイヤー――世界的メモリ不足

    2026年のローカルAI機を語るとき、Apple、NVIDIA、Xiaomiの三者だけを見ていると本質を外す。三者すべての行動を同じ方向へねじ曲げている外部要因がある。DRAM不足である。

    数字で押さえておこう。

    • J.P.モルガンの調査部門は、DRAM価格が2024年初頭から2026年末までに400%超上昇すると見積もっている

    • TrendForceは2026年第1四半期の従来型DRAM契約価格が前四半期比90~95%上昇したとしている

    • IDCは2026年のDRAMビット供給の伸びを前年比16%、NANDを17%と見込む。いずれも歴史的水準を下回る

    • 2026年6月時点でDRAM価格は15年ぶりの高値をつけ、DRAM契約価格は当四半期に63%上昇したと報じられている

    主因の一つは、Samsung、SK hynix、MicronなどがAIアクセラレーター向けHBMへDRAM生産能力と先端パッケージ投資を振り向けていることである。HBM、DDR5、LPDDRは同じDRAM産業の生産能力や設備投資を奪い合う。一方、SSDの主要部品はNANDフラッシュであり、HBM用DRAMウェハーがそのままSSDから転用されるわけではない。NAND価格にもAI需要や設備投資抑制の影響は及ぶが、供給構造はDRAMと分けて説明する必要がある。

    この一つの原因が、本稿の登場人物すべてに別々の形で現れている。

    【Apple】Mac Studioの512GB構成を2026年3月に、256GB構成を5月に販売停止。96GBのみに縮小。Mac miniも64GB・32GBの選択肢を削除。ティム・クックCEOは供給逼迫が数か月続くと発言

    【NVIDIA】DGX Sparkを2026年2月にメモリ供給逼迫を理由として3,999ドルから4,699ドルへ18%値上げ。仕様は据え置き

    【Xiaomi】D100は160GBに対応するが、AI Cube試作機の搭載量は80GB。スマートフォン事業では原価上昇が粗利益率を圧迫し、日本を含む複数市場で値上げを実施(詳細は後述)

    【AMD陣営】現行のRyzen AI Haloは128GB構成で3,999ドル。次世代Gorgon Haloが掲げる192GBは、そのまま調達難度の上昇を意味する

    そして重要なのは、この局面で発表済みの次世代機がそろってDRAM価格上昇の直撃を受けるという点だ。Tom's Hardwareは、NVIDIAのRTX SparkとAMDのGorgon Haloがともに同四半期の契約価格63%上昇の対象になると指摘している。192GBや128GBという数字は、発表できても、その容量で予定価格のまま出荷できるとは限らない。DGX Sparkが仕様据え置きで18%値上げされた前例が、まさにそれを示している

    つまり、いま起きているのは「誰が最も大きなメモリを積めるか」の競争ではない。「誰がメモリを調達できるか」の競争である。

    この視点で見ると、Xiaomiの立ち位置は意外に興味深い。O100はNPUの真上に専用DRAMを積層する設計であり、汎用のLPDDRモジュールを大量に買い集める設計とは調達構造が違う。汎用DRAMの奪い合いに全面依存しないアーキテクチャは、この局面で相対的に有利になり得る。

    一方で弱点も同じところにある。Wafer-on-Waferの3D積層は、DRAMウェハーとNPUウェハーを丸ごと貼り合わせる。2層のDRAMのどこか一層に欠陥があれば、積層全体が不良になる。汎用DRAMの価格高騰から距離を取れる代わりに、歩留まりというまったく別の原価リスクを抱える構造だ。

    ローカルAIエージェントの普及と、大容量ユニファイドメモリ機の需要増が同時に起きたことは確かである。NVIDIAもRTX Sparkの発表資料でOpenClawとHermes Agentを名指しした。しかし、特定のエージェント需要がAppleの構成削減を直接引き起こしたと断定できる公開データはない。2026年のローカルAIハードウェアは、データセンターAI、端末AI、供給制約、製品更新が重なる循環の中にいる。

    Xiaomi発表直前、メモリ市場で何が起きていたのか

    そしてここが、今回の発表を読むうえで最も重要な文脈である。Xiaomi自身が、このメモリ不足の最大の被害者の一つだった。

    チップ発表会の6日前、2026年8月18日にXiaomiは2026年第2四半期決算を公表した。

    • 総売上:1,089億元(前年同期比-6.1%)

    • 調整後純利益:62億元(-42.6%)

    • 全社粗利益率:19.8%(前年同期22.5%)

    • スマートフォン売上:421億元(-7.5%)

    • スマートフォン出荷:3,120万台(-26%)

    • スマートフォン粗利益率:8.5%(前年同期11.5%)

    • スマートフォンASPは過去最高の1,351元

    • EV販売:104,199台(6四半期連続で前年超え)

    • 研究開発費:92億元(+19%)

    粗利益率8.5%という数字が、この四半期のすべてを語っている。決算説明会で盧偉冰は、メモリ価格の上昇が同社の想定を超えたと明言した。とくに影響が大きかったのは低価格帯である。Xiaomiのスマートフォン出荷の半分は200ドル以下の価格帯であり、大手5社のなかでメモリ高騰に最も脆弱だった。Omdiaによれば、2026年第2四半期の世界スマートフォン出荷は保存装置価格の影響で前年同期比6%減っている。

    そして発表会の3日前、8月21日。**Xiaomi Japanは、日本国内で販売するスマートフォンとタブレット計11機種の価格改定を発表した。**理由として同社が挙げたのは「メモリ価格の高騰を中心とする製品コストの上昇」である。

    • 実施日:Xiaomi/REDMIブランドは9月1日、POCOブランドは9月4日

    • Xiaomi 17T Pro(12GB/256GB):11万9,800円 → 13万9,800円

    • Xiaomi 17T Pro(12GB/512GB):13万9,800円 → 15万9,800円

    • POCO X8 Pro(8GB/256GB):5万9,980円 → 7万9,980円(上昇率約33%)

    • Xiaomi Pad 8 Pro(12GB/512GB):11万9,800円 → 12万9,800円

    • スマートフォンは容量やモデルを問わず一律2万円の値上げ

    同社は改定前の購入を検討するよう呼びかけている。定額での値上げであるため、安いモデルほど上昇率が大きくなる構図だ。

    つまり時系列はこうなる。

    8月18日――メモリ高騰でスマホ粗利益率が8.5%まで落ちたと発表

    8月21日――日本で11機種、最大33%の値上げを発表

    8月24日――1.22TB/sと160GB対応のチップ、80GB搭載の試作機を発表

    同じ会社が、同じ週に、この三つを並べている。AI Cubeの試作機が160GBではなく80GBだったことを「調達と原価の判断ではないか」と疑う根拠は、ここにある。もちろんXiaomiは80GBを選んだ理由を公表していないので断定はできない。だが、この会社がいまメモリにいくら払わされているかは、決算書に書いてある。

    Xiaomiが1.22TB/sという「メモリを近づけて速くする」設計にこれほど賭けているのは、単なる技術的野心ではないのかもしれない。汎用DRAMを大量に買い集める構造から逃れることには、粗利益率8.5%の会社にとって切実な意味がある。

    12章 「帯域1.22TB/s」を正しく比較する

    メモリ帯域は道路の幅に似ている。しかし、どこからどこまで続く道路なのかを見なければならない。

    O100の1.22TB/sは、NPUと真上に積んだ高速DRAMを結ぶ、短く極端に広い専用道路である。M3 Ultraの819GB/sは、CPUとGPUが巨大な共有メモリへアクセスする都市全体の幹線道路に近い。Sparkの273GB/sも共有幹線だが、幅が狭い。

    AI Cubeで大きなモデルを動かす時、モデルの全重みがO100内蔵メモリへ入らなければ、システム側の統合メモリからO100へ必要なデータを運ばなければならない。その接続が1.22TB/sより狭ければ、システム全体の速度は接続側で決まる。

    しかもAI Cube試作機のシステム統合メモリは80GBである。120Bモデルを4ビット量子化した重みだけで約60GBを要するため、80GBという枠は「載る」が「余裕はない」水準だ。O100内蔵の高速DRAM容量が公表されていない以上、120Bの重みのうちどれだけが1.22TB/sの恩恵を受けるのかは、外からは判断できない。

    コンピューターの実効性能は、最も速い一区間ではなく、処理経路の最も遅い区間に制約される。

    例えば次のような階層が想定される。

    1. O100内蔵DRAM:極めて高速(1.22TB/s)だが容量は未公表

    2. システム統合メモリ:試作機で80GB(D100の対応上限は160GB)、帯域は未公表

    3. O3のLPDDR6:113.8GB/s

    4. チップ間インターコネクト:詳細未公表

    5. NVMeストレージ:詳細未公表

    頻繁に使う層、KVキャッシュ、専門家モデルの一部をO100へ置き、残りをD100へ置くなら、キャッシュのヒット率とモデル分割が性能を左右する。Mixture-of-Experts型モデルで、毎トークン一部の専門家しか使わない場合は特に相性が良い可能性がある。

    反対に、すべての重みを毎トークン一様に読むDenseモデルでは、大容量側の帯域とチップ間転送が重要になる。

    したがってO100の真価を測るには、少なくとも次の情報が必要だ。

    • 内蔵高速DRAMの容量

    • 対応データ型と実効帯域

    • D100およびシステム統合メモリとの接続帯域と遅延

    • PrefillとDecode別の性能

    • Dense/MoE別の性能

    • モデル規模と量子化精度

    • バッチサイズ

    • コンテキスト長

    • 消費電力あたりtokens/s

    これらが公開されるまで、1.22TB/sは「非常に有望な局所帯域」であり、「160GB全体の保証帯域」ではない。

    13章 ローカルLLMの速度を決める本当の条件

    ローカルLLM機を比較する時、TOPSやメモリ容量だけでは不十分である。主な条件は次の通りだ。

    13-1 モデル重みがメモリへ入るか

    最初の条件は単純で、モデルが入らなければ動かない。SSDから逐次読み込んだり、ネットワーク越しに分割したりできても、速度は大きく落ちる。

    13-2 Decode時のメモリ帯域

    1ユーザー、バッチ1でトークンを一つずつ生成する場合、多くのLLMは演算よりメモリ帯域に制約される。モデル重みを毎回読み出す必要があるからだ。

    単純化した上限は次式で考えられる。

    理論tokens/s ≈ メモリ帯域 ÷ 1トークン当たりに読む重み量

    例えば4ビット120BのDenseモデルの重みを60GBと仮定すると、273GB/sのSparkでは理想上限約4.6 tokens/s、819GB/sのM3 Ultraでは約13.7 tokens/sとなる。ただし実際はキャッシュ、並列性、量子化カーネル、MoE構造などで上下し、この単純式がそのまま実測になるわけではない。

    O100が必要な重みを1.22TB/sの内蔵メモリから供給できれば約20 tokens/s相当の帯域余地があるが、60GBすべてが内蔵メモリに入るかは不明である。

    なお、この計算はモデルがDense(毎トークンで全重みを読む構造)である場合の話だ。ここが実務では決定的に効く。次節で扱う。

    13-3 Prefill時の演算性能

    長いPromptを一括処理するPrefillは行列演算量が大きく、Tensor CoreやNPUの演算能力が効く。NVIDIAのFP4 Tensor Core、Xiaomiの14コアNPU、Apple GPUのNeural Acceleratorはこの部分で競う。

    13-4 KVキャッシュ

    長文脈ではKVキャッシュが巨大になる。同じ120Bモデルでも、8K文脈と1M文脈では必要メモリが大きく違う。容量が大きいMacは長いコンテキスト、複数エージェント、同時ユーザーで有利になりやすい。

    13-5 量子化の品質とカーネル

    4ビットといっても、GPTQ、AWQ、GGUF、MLX量子化、NVFP4など実装は異なる。モデル精度、速度、メモリ使用量が変わる。対応する高速カーネルがなければ、理論性能を引き出せない。

    13-6 ソフトウェアの成熟度

    新しいハードウェアは、ドライバー、コンパイラー、フレームワークが成熟するまで性能が出ない。Sparkですら一部アプリでUMA認識問題が起きた。完全に新しいO100/D100では、SDKの完成度が最大の不確定要素になる。

    13-7 MoEかDenseか――同じ「120B」でも10倍違う

    これが2026年のローカルLLMを語るうえで、最も重要でありながら最も見落とされる論点である。

    Denseモデルは毎トークン、全パラメータを読む。120BのDenseなら、4ビットでも毎回約60GBを読み出す。

    MoE(Mixture-of-Experts)モデルは違う。総パラメータは120Bでも、1トークンあたり実際に稼働するのは一部の専門家だけだ。gpt-oss-120Bのような構造なら、毎トークンの実効読み出し量はDense 120Bの何分の一にもなる。

    この差は実測値にはっきり出る。報道されている数値を並べると次のようになる。

    【AMD Strix Halo(実測約215GB/s)】120B級MoEモデルでおよそ31~55 tokens/s。一方、Dense 70Bではおよそ4~6 tokens/s

    【NVIDIA DGX Spark(273GB/s)】gpt-oss 120Bでおよそ38.6 tokens/sという第三者計測が報じられている

    同じ帯域の機械が、Dense 70Bで4~6 tokens/s、MoE 120Bで30~55 tokens/sを出す。パラメータ数が多い方が速いという逆転が起きている。「何Bまで載るか」だけを見て機械を選ぶと、この10倍近い差を丸ごと見落とす。

    ここからXiaomiの設計を読み直すと、辻褄が合う。

    AI Cubeの統合メモリは80GBである。120BのDenseを4ビットで載せると重みだけで約60GB、KVキャッシュとOSを足せば余裕はほとんどない。しかし120B級のMoEであれば、載るだけでなく、毎トークンの読み出し量が小さいためO100の内蔵高速メモリに稼働部分を収めやすい。

    O100は「小容量だが極端に速い層」と「大容量だが遅い層」を組み合わせる階層設計だ。この構造は、毎トークン一部だけを選択的に読むMoEと相性が良い。逆に全重みを一様に読むDenseでは、階層のどこかで必ず詰まる。

    Xiaomiが実演した120Bがどの構造なのかは公表されていない。だが設計思想から逆算すれば、MoE前提の最適化である可能性は高い。もしそうなら、AI Cubeの評価軸は「120BのDenseを何tokens/sで回せるか」ではなく、「MoEモデルの専門家配置をどこまで賢くできるか」になる。

    13-8 TOPSはもう差別化要因ではない――Snapdragonが示した証拠

    前節の話は、別の陣営でもっと明快な形で証明されている。Qualcommである。

    Qualcommは2026年、Snapdragon X2 Eliteおよびその上位版X2 Elite Extremeを投入した。

    • 18コアの第3世代Oryon CPU、最大5.0GHz

    • Hexagon NPUは80 TOPS(Extremeの一部SKUは最大85 TOPS)

    • アドレス可能メモリは前世代の64GBから128GBへ拡大

    • メモリ帯域はX2 Eliteが152GB/s、X2 Elite Extremeが最大228GB/s

    NPUのTOPSは前世代の45から80へ、ほぼ倍増した。ところが帯域は135GB/sから152GB/sへ、13%しか伸びていない。

    結果はどうなったか。8Bモデルを4ビットで動かす場合のDecode上限は、帯域÷1トークンあたりの読み出し量で概算できる。前世代の135GB/sで約30 tokens/s、X2 Eliteの152GB/sで約34 tokens/s。NPUの数字は倍になったのに、生成速度の天井は13%しか上がっていない。

    同じ計算を256GB/sのRyzen AI Max+ 395に当てはめると約57 tokens/sになる。NPUのTOPSでは劣るAMDが、帯域が広いというだけで倍近く速い。

    Copilot+ PCの要件である40 TOPSを全社が超えた時点で、TOPSは差別化要因ではなくなった。いま端末AIの体感を決めているのは、演算器の理論性能ではなく、メモリの幅と量である。

    この構図こそ、XiaomiがO100で1.22TB/sを、AMDが192GBを、Appleが819GB/sを、それぞれ看板に掲げている理由だ。TOPS競争は終わり、帯域と容量の競争が始まっている。O100の3D積層は、その競争でXiaomiが選んだ答えである。

    なお、Qualcommの端末は最大128GBをアドレスできるとはいえ、実際に大容量構成のノートPCが潤沢に出回っているわけではなく、ローカルLLM用途の完成機としてはRyzen AI HaloやSparkほど前面に出ていない。本稿が「三つ巴+AMD」で構成を組み立てているのはそのためだが、TOPS神話の終わりを示す証拠としてはQualcommの世代交代が最も分かりやすい。

    14章 70B、120B、200B、600B――どこまで載るのか

    モデル重みだけの概算は、パラメータ数×ビット数÷8で求められる。実運用には10~30%以上の追加領域、KVキャッシュ、ランタイム、OSが必要になる。

    【3B】16ビット約6GB/8ビット約3GB/4ビット約1.5GB/実運用の目安2~8GB程度

    【70B】16ビット約140GB/8ビット約70GB/4ビット約35GB/実運用の目安45~100GB程度

    【120B】16ビット約240GB/8ビット約120GB/4ビット約60GB/実運用の目安75~150GB程度

    【200B】16ビット約400GB/8ビット約200GB/4ビット約100GB/実運用の目安120~250GB程度

    【400B】16ビット約800GB/8ビット約400GB/4ビット約200GB/実運用の目安240~500GB程度

    【600B】16ビット約1.2TB/8ビット約600GB/4ビット約300GB/実運用の目安360~750GB程度

    【1T】16ビット約2TB/8ビット約1TB/4ビット約500GB/実運用の目安600GB超

    この数字から、各システムの現実的な範囲が見える。

    AI Cube試作機 80GB

    70Bは4ビットで余裕がある。120Bは4ビットなら重み約60GBで、KVキャッシュとOSを含めるとかなり切り詰めた構成になる。ここでXiaomiが120Bを実演したという事実は、MoE構造や独自量子化を前提にしている可能性を示唆する。200BはD100が160GB対応であることを踏まえた将来の話であり、80GBの試作機の話ではない。

    D100の対応上限 160GB

    70Bは余裕があり、120Bは4~8ビット構成で現実的である。200Bは4ビットなら搭載可能性があるが、長文脈や同時実行では余裕が少ない。XiaomiがD100について「200Bの配置に成功した」と述べているのは、この枠の限界に近い実験と考えられる。

    DGX Spark/RTX Spark 128GB

    70Bは実用範囲、120Bは量子化と設定次第、200BはFP4やMoEなど強い条件付きとなる。NVIDIAの「最大200B」は、あらゆる200B Denseモデルを自由に動かせるという意味ではない。RTX Sparkが200Bではなく120Bを掲げているのは、Windowsと常駐アプリと画面描画が同じプールを使うためだろう。

    Mac Studio M4 Max 64GB/M3 Ultra 96GB(2026年8月の購入可能構成)

    M3 Ultra版の96GBなら、70Bは4ビットで実用範囲、120Bは4ビットでぎりぎりである。M4 Max版の64GBだと70Bの4ビットが限界に近い。かつての512GB構成なら400B級まで視野に入ったが、その選択肢はいま存在しない。819GB/sという帯域は96GBに対しても効くため、「96GBに収まるモデルを最速で回す機械」としては依然として最上位である。ただし5,299ドルという価格を考えると、その一点だけで選べる相手は限られる。

    AMD Ryzen AI Halo 128GB/次世代192GB

    現行の128GBはSpark系と同条件である。次世代の192GB(うちVRAM 160GB)が実現すれば、200Bを4ビットで載せてなお余裕があり、AMDが主張する300B級も4ビットなら計算上は視野に入る。ただし帯域は256GB/s級のままとみられるため、載っても速度は帯域に律速される。「入るが遅い」という状態に、また戻る可能性がある。

    M5 Ultra最大768GB説

    実現すれば600B級をより余裕を持って扱い、1T級も4ビットで視野に入る。ただし発売も容量も未確定であり、AppleがいまM3 Ultraで512GBを供給できていないという事実を踏まえて読む必要がある。

    ここで注意したいのは、大きいモデルが常に優れているとは限らない点だ。最新のMoEモデル、蒸留モデル、推論特化モデルは、総パラメータ数が大きくても1トークン当たりの稼働パラメータを減らせる。AI Cubeの近存メモリは、こうした選択的アクセスと相性が良い可能性がある。

    15章 ソフトウェア戦争――MiMo、MLX、CUDA

    三つ巴の本当の勝負は、シリコンではなくソフトウェアで決まる。

    15-1 NVIDIA CUDA

    CUDAには約20年の蓄積がある。

    • CUDA Toolkit

    • cuBLAS

    • cuDNN

    • TensorRT/TensorRT-LLM

    • NCCL

    • CUDA Graphs

    • Triton

    • PyTorchの優先対応

    • vLLM

    • NeMo

    • NIM

    • Nsight

    • Docker/NGC

    研究論文から商用推論、分散学習まで道がつながっている。Sparkのハードウェア性能がMacやO100の数字に負けても、開発者が「今日コードを動かせる」価値は大きい。

    15-2 Apple Metal/MLX

    AppleはCUDAを使えない代わりに、Metal、Metal Performance Shaders、Core ML、MLXを整備している。MLXはApple Siliconのユニファイドメモリを前提に作られ、モデルの変換、量子化、微調整、生成を比較的扱いやすい。

    llama.cpp、Ollama、LM Studioなどの普及により、一般的なGGUFモデルをMacで動かす障壁も下がった。最大の強みは、巨大なメモリを一台の静かな完成品で利用できることだ。

    しかし、すべてのCUDA最適化をMetalへ移植できるわけではない。新しい推論エンジン、特殊な量子化、分散処理ではNVIDIAより遅れて対応する場合がある。

    15-3 Xiaomi MiMo/XRING SDK

    Xiaomiは自社MiMoモデルをO100へ共同最適化し、実験室最高330 tokens/s、実測295 tokens/sを示した。5値量子化とハードウェアハフマン圧縮も、MiMoとチップを同時に設計できるからこそ成立している。裏を返せば、この最適化はMiMo以外のモデルには直接効かない。第三者モデルと開発者環境について不明点が多い。

    重要な質問は次の通りだ。

    • PyTorchモデルをそのまま読み込めるか

    • ONNXに対応するか

    • GGUF、AWQ、GPTQなどを支援するか

    • 独自コンパイラーが必要か

    • カスタム演算子を書けるか

    • Linuxで一般ユーザーへSDKを公開するか

    • 中国国外で提供するか

    • ドライバーを何年間更新するか

    • Hugging Faceモデルを簡単に変換できるか

    • O3、O100、D100へのモデル分割を自動化できるか

    もしAI CubeがMiMo専用に近ければ、性能が高くても汎用ローカルAI機にはならない。反対に、オープンなSDK、PyTorch対応、自動量子化、モデル分割コンパイラーを提供すれば、XiaomiはAppleとNVIDIAの間に第三の開発者生態系を作れる。

    中国には巨大な国内市場がある。Xiaomiのスマートフォン、EV、家庭機器へ同じSDKを展開できれば、開発者は一つのアプリを数億台規模の端末へ届けられる可能性がある。これがCUDAともMacとも違う武器になる。

    16章 価格戦争――Xiaomiはいくらなら勝てるのか

    AI Cubeは価格未発表で、量産計画も明確ではない。したがって現時点の価格比較は仮説になる。

    DGX Sparkは2026年2月23日、メモリ供給逼迫を理由に3,999ドルから4,699ドルへ値上げされている。日本円換算では為替だけで約75万円前後となり、税、流通、ストレージ構成を加えるとさらに高くなる。仕様は据え置きのままの値上げであることに注意したい。

    RTX Sparkの正式価格は未発表である。DGX Sparkの4,699ドルという価格をRTX Sparkへ流用してはいけない。RTX Sparkは複数OEMのノートと小型デスクトップとして販売されるため、画面、バッテリー、SSD、メモリ容量、冷却によって価格差が大きくなる可能性がある。Xiaomiは、CUDA搭載Windows PCとの価格競争まで考えなければならなくなった。

    Mac Studioはチップ、メモリ、SSD構成で価格が大きく変わる。ただし2026年8月時点では、そもそも大容量構成を買えない。M3 Ultra版は96GBのみである。しかも2026年6月にAppleはMac全体を値上げし、M3 Ultra版は1,300ドル上がって5,299ドルからになった。「512GB級を持つ市販デスクトップとしては競合が少ない」という長らく有効だった主張は、いったん成立しなくなっている。

    そして忘れてはいけないのが、すでに市場にいるAMD Ryzen AI Max+ 395(Strix Halo)勢である。とりわけAMD自身が出しているRyzen AI Halo開発プラットフォームは、128GB+2TB SSD構成で3,999ドル。DGX Sparkの4,699ドルより700ドル安い。さらにAMDは2026年第3四半期予定のRyzen AI Max PRO 400シリーズで、最大192GBの統合メモリと最大160GBのVRAM割り当てを予告した。CUDAはないが、Windows/LinuxとROCmを使えるため、Xiaomiが価格と開放性で攻めるなら無視できない第四極である。

    したがって、AI Cubeの価格帯を考える際の基準線は次のようになる。

    【約64万円】AMD Ryzen AI Halo 128GB(3,999ドル)

    【約85万円】Apple Mac Studio M3 Ultra 96GB(5,299ドルから)

    【約75万円】NVIDIA DGX Spark 128GB(4,699ドル)

    【未定】NVIDIA RTX Spark各社製、Surface RTX Spark Dev Box

    【未定】Xiaomi AI Cube

    (1ドル160円換算。税、送料、地域差は含まない)

    AI Cubeが80GB構成のまま3,999ドル相当を超えると、容量でも価格でもAMDに勝てない。80GBという数字が試作段階のものであってほしい理由は、ここにある。

    Xiaomiの勝負価格は、製品の開放性によって変わる。

    30万~50万円の場合

    80GB以上、150W、120Bモデル対応、十分なSDKが本当に提供されるなら、DGX Sparkを強く圧迫する。中国国内では圧倒的な価格性能比になり得る。ただしこの価格帯にはStrix Halo勢がすでにいるため、容量ではなく実速度とソフトで差をつける必要がある。

    50万~80万円の場合

    Sparkと正面衝突する。CUDAがない不利を、帯域、容量、消費電力、MiMo最適化、Xiaomiエコシステムで補えるかが問われる。

    100万円以上の場合

    汎用SDKが弱ければ厳しい。Mac Studioの大容量構成や複数GPU機、クラウド利用と比較される。Xiaomi製品専用の開発機として企業へ売るなら成立する可能性はある。

    XiaomiにはスマートフォンとEVで量産したO3、D100のコストを分散できる利点がある。NVIDIAのSparkは比較的小規模な専用製品だが、Xiaomiは同じチップを車、家庭機器、ロボット、AI Cubeへ展開できる。量産規模が出れば価格を下げやすい。

    ただしその「量産規模」には注意が要る。Reutersの取材によれば、O1搭載機は累計100万台超(スマートフォン単体では約15万台)、O3を初搭載する折りたたみ機の出荷目標は20万~30万台である。EVは2026年第2四半期に10万4,199台を販売し、売上高239億元を計上した。玄戒はまだ、Qualcommの出荷規模に対抗できる量には達していない。コスト分散の理屈は正しいが、その分母はまだ小さい。

    一方、O100のWafer-on-Wafer積層とHybrid Bondingは歩留まりとパッケージコストが課題になる。2層のDRAMとNPUのどこか一層に欠陥があれば、積層全体の良品率へ影響する。量産価格がXiaomiの想定通り下がるかは未知数だ。

    17章 電力、冷却、静音性の戦い

    ローカルAI機は、データセンターのGPUサーバーと違い、机の横や家庭に置かれる。性能だけでなく、騒音、発熱、電源、連続運転が重要だ。

    AI Cubeは150Wの持続性能放出を公称する。筐体には33,874個の放熱孔があり、熱設計が製品コンセプトの中心にある。150Wで120B+3Bを実用速度で動かせるなら、電力効率は大きな武器になる。

    比較対象として最も近いのは、MicrosoftのSurface RTX Spark Dev Boxである。128GB統合メモリで熱設計は100W。Microsoftは、アルミ筐体自体をヒートシンクとして使い、長時間の学習ジョブでも性能を落とさない設計だと説明している。

    Xiaomiは150Wで80GB、Microsoftは100Wで128GB。同じ「机の上のAI箱」でありながら、電力枠と容量のバランスの取り方が逆になっている。ただし両者とも第三者による持続性能の実測はなく、実効性能あたりの消費電力を比べられる段階ではない。

    なお報道ベースでは、RTX Spark搭載ノートPCの熱設計は45〜80W程度とされる。ノートで45〜80W、開発機で100W、Xiaomiの三芯機で150W。この40〜150Wという幅が、2026年の端末AI機が現実に使える電力枠である。

    もう一台の玄戒O100 Prototypeが10W級であることも押さえておきたい。同じO100が10Wと150Wの両方に現れている。これはXiaomiが電力枠でシリコンを積み替える設計を採っている証拠であり、将来スマートフォンやタブレットへ降りてくる道筋を示している。

    DGX Sparkは小型で、GB10のTDPは140W、付属電源は240Wである。240Wは電源容量であり、常時消費電力やチップTDPではない。CUDA開発機としては省電力だが、273GB/sのメモリ帯域に対して価格が高いという評価もあり得る。

    Mac StudioはApple Siliconの電力効率と静音設計に長い実績がある。最大負荷時の消費電力は構成と処理で変わるが、巨大メモリ機を通常のオフィス環境へ置けることが価値だ。

    電力効率は「最大TOPS÷最大W」だけで評価できない。実際に使うモデルで、1トークン生成に何ジュール必要かを見るべきである。

    必要な比較指標は次の通りだ。

    • Decode tokens/s/W

    • Prefill tokens/s/W

    • アイドル時消費電力

    • 3Bモデル常時待機時の消費電力

    • 120Bモデル起動時間

    • 24時間連続運転時の騒音

    • サーマルスロットリング後の持続性能

    • 複数エージェント同時実行時の効率

    Xiaomiの150Wは有望だが、第三者による長時間実測が出るまで優勝とは言えない。

    18章 スマホ、EV、ロボットを貫くXiaomiの本当の狙い

    AI Cubeを単体PCとしてだけ見ると、Xiaomiの狙いを見誤る。

    Xiaomiは「人・車・家」の全場面を製品で押さえている。

    • 人:スマートフォン、タブレット、ウェアラブル

    • 車:Xiaomi EV、自動運転、車内AI

    • 家:テレビ、家電、カメラ、センサー、ルーター

    • 次の領域:ロボット、工場、自動化

    Xiaomiはこれを「人・車・家の全生態に向けたAI演算基盤」と呼ぶ。O3は人の手元、D100は車、O100は大規模モデル推論、AI Cubeは家庭や開発拠点のローカルAIサーバーになり得る。

    家庭内のカメラ映像、音声、生活データをすべてクラウドへ送ることには、プライバシー、通信費、遅延、障害の問題がある。AI Cubeが家庭内で認識と推論を行えば、個人データを外へ出さず、複数のXiaomi製品へ知能を提供できる。

    車でも同じである。D100は運転だけでなく、車内エージェント、音声対話、経路計画、映像理解、乗員監視を処理できる。O100を組み合わせれば、高速な大規模モデル推論も可能になる。

    ロボットでは、視覚、言語、行動モデルを低遅延で回す必要がある。クラウドへ毎回問い合わせるロボットは、通信遅延と安全性の問題を抱える。150W級のAI Cubeアーキテクチャは、家庭用ロボットや小型ヒューマノイドの外部頭脳、工場のエッジサーバーとして使える可能性がある。

    Appleは個人端末とサービスを支配する。NVIDIAはデータセンター、ロボット開発、シミュレーションを支配する。Xiaomiは大量の物理端末とEVを持つ。三つ巴は、PC市場のシェア争いではなく「現実世界のAIをどの計算基盤が動かすか」という争いである。

    19章 Apple、NVIDIA、Xiaomiの勝利条件

    Appleの勝利条件

    Appleが勝つには、M5 Ultraで大容量と帯域の優位をさらに伸ばし、MLXとMetalの対応範囲を広げる必要がある。

    • まず512GB構成の販売を再開する(2026年8月時点で96GBのみ)

    • 768GB説を製品として着地させる

    • 1TB/s級の帯域を実現する

    • MLXの学習、分散、推論サーバー機能を強化する

    • PyTorchモデル変換をさらに容易にする

    • 大容量構成の価格を抑える

    • MacをローカルAIエージェントの標準機にする

    Appleの最大の敵はハードウェアではなくCUDAのネットワーク効果である。

    NVIDIAの勝利条件

    NVIDIAが勝つには、DGX SparkとRTX SparkのCUDA優位を維持しながら、帯域、容量、Linux/Windows双方のUMA対応を引き上げる必要がある。

    • UMA対応を全CUDAソフトへ徹底する

    • 64GBに見えるアプリ互換問題を解消する

    • 128GBを超える廉価なSparkを用意する

    • LPDDR帯域を500GB/s以上へ引き上げる

    • DGX Stationとの巨大な価格差を埋める

    • メモリ価格を理由とした再値上げを避ける

    • ローカルからクラウドへの移行価値を明確にする

    • RTX SparkでWindowsの統合メモリを動的に利用し、従来のCPU/GPU固定配分問題を解消する

    • Windows on Armのアプリ、周辺機器、ゲーム互換性を実証する

    • OpenShellをローカルエージェントの事実上の標準に育てる

    Spark 128GBとDGX Station 748GBの間は広い。DGX Stationは、Grace CPU側の最大496GB LPDDR5XとGB300 GPU側の最大252GB HBM3eをNVLink-C2Cでコヒーレントに接続し、合計最大748GBとして扱う構成だ。Macのように全領域が同一種類・同一帯域のメモリという意味ではなく、GPU直結HBM3eは最大7.1TB/s、CPU側LPDDR5Xとは特性が異なる。公式価格は公開されていないため、本稿では「約10万ドル」と断定しない。この容量と価格帯の隙間へXiaomiやAMDが入る余地がある。

    Xiaomiの勝利条件

    Xiaomiが勝つには、試作機を現実の製品と開発生態系へ変えなければならない。

    • AI Cubeを量産する

    • 80GBを超え、160GBを実搭載した構成を提供する

    • O100内蔵メモリ容量を公開する

    • 1.22TB/sの測定条件を明示する

    • 120B実演時のモデル名、構造(DenseかMoEか)、量子化、tokens/sを公開する

    • 主要オープンモデルを支援する

    • PyTorch、ONNX、Hugging Faceとの互換性を作る

    • 自動モデル分割と量子化ツールを提供する

    • 中国国外でも販売・支援する

    • 5年以上のドライバー更新を約束する

    • 50万円前後までの価格を実現する

    Xiaomiの敵は「発表時の性能」ではなく「開発者が安心して5年間使えるか」である。

    20章 日本企業にとって何が変わるのか

    日本の企業、特にロボット、製造、物流、医療、店舗、介護分野では、ローカルAIの選択肢が増えることに大きな意味がある。

    クラウドAIは便利だが、現場には次の制約がある。

    • 工場データを外部へ出せない

    • 医療・個人情報を送信できない

    • 通信が不安定な場所がある

    • 画像・映像を常時送ると通信費が高い

    • 制御ではクラウド遅延を許容できない

    • API価格やサービス変更を制御できない

    Mac Studioは、96GBに収まるモデルを静かに高速で動かす分析・開発端末として有力だ。DGX Sparkは、CUDAでロボットモデルや視覚モデルを開発し、将来データセンターへ拡張する用途に向く。RTX Sparkは、既存のWindows業務環境を維持したままローカルエージェントを走らせたい現場に向く。AMD Ryzen AI Haloは、x86互換とWindows/Linuxの両対応を保ったまま128GBを確保したい場合の現実解になる。AI Cubeが製品化されれば、低電力の工場エッジ、店舗AI、車載、ロボット群のローカル推論ハブとして選択肢になる。

    ただし2026年の日本企業にとって、最初の関門はどれを選ぶかではない。買えるかどうか、いつ届くか、いくらになるかである。Mac Studioは6月に米国価格が1,300ドル上がり、構成や地域によって在庫・納期も変動する。DGX Sparkは仕様据え置きで18%値上がりした。

    日本市場でも同じことが起きている。Xiaomi Japanは8月21日、メモリ価格の高騰を理由に11機種の価格改定を発表し、POCO X8 Proの一部モデルは約33%値上がりする。スマートフォンでこうなのだから、大容量メモリを積むAI機で同じ圧力がかからないと考える理由はない。

    導入計画を立てる際は、機種選定と同じ重みで、調達リードタイムと契約から納品までの価格改定リスクを見積もる必要がある。

    日本企業が注意すべきなのは、ハードウェア価格だけで選ばないことだ。

    評価項目は次のようになる。

    1. 使用モデルが公式対応しているか

    2. 対象モデルがDenseかMoEか(実速度が数倍から10倍変わる)

    3. 日本語精度と専門分野精度

    4. 量子化後の精度低下

    5. カメラ、センサー、ロボットミドルウェアとの接続

    6. セキュリティ更新期間

    7. データが国外へ送信されないことの検証

    8. SDKとドライバーの継続性

    9. 故障時の保守

    10. 複数台管理

    11. 1日・1年単位の電力と運用費

    12. 調達リードタイムと、契約から納品までの価格改定条項

    Xiaomiのチップが優秀でも、独自SDKに閉じ、輸出管理、供給、保守に不確実性があれば、重要設備への採用は難しい。逆にオープンなLinux環境と長期供給が整えば、日本のエッジAI市場へ大きな価格破壊を持ち込む可能性がある。

    21章 現時点での暫定判定

    2026年8月26日時点では、三者を次のように評価できる。

    最大モデルを一台へ載せる:該当なし

    2026年8月時点で、この座は空席である。Mac Studioは96GBのみ、Spark系は128GB、AI Cube試作機は80GB、Strix Haloは128GB。かつてMac Studioが512GBで独占していた領域に、いま誰もいない。400B級を一台で回したい用途は、中古市場か、複数台クラスタか、クラウドへ回るしかない。M5 Ultraで768GBが実現すればAppleが再びこの座を取り戻すが、それは未確定である。

    96~128GBに収まるモデルの実行速度:Mac Studioが優位

    819GB/sという帯域は依然として突出している。容量で勝てなくなった代わりに、「入るモデルを最速で回す」という一点ではまだ他を上回る。ただし96GBで5,299ドルという価格を考えると、この優位を買う価値があるかは用途次第である。在庫と納期は地域や購入時期で変わるため、公式ストアでの確認が必要だ。

    CUDA開発とデータセンター互換:DGX Sparkが優位

    128GB・273GB/sという数字以上に、CUDA-Xの蓄積が価値を持つ。研究、ロボット、学習、推論サーバーの標準性では依然として強い。

    新しいアーキテクチャと電力効率:Xiaomiが最も挑戦的

    O100の3D積層、1.22TB/s近存帯域、D100の160GB対応、三チップ協調、150W、120B+3Bは、端末AI専用機として非常に野心的だ。ただし試作機の統合メモリは80GBであり、数字の全体像は当初の報道より控えめである。

    大容量の選択肢:AMDが急浮上

    現行のRyzen AI Haloは128GB・256GB/sを3,999ドルで提供し、DGX Sparkの4,699ドルを下回る。AMDは次世代に最大192GBの統合メモリと最大160GBのVRAM割り当てを予告しており、実現すればこのクラスで最大容量になる。Windows/Linux、ROCm、x86互換性を備える第四極として、容量と価格の議論から外せない。

    エージェントの安全な実行環境:NVIDIA+Microsoftが先行

    OpenShellとWindowsセキュリティプリミティブは、ローカルエージェントの権限、隔離、クラウドへ出す情報の制御を制度化しようとしている。AppleもXiaomiも、ここに相当する枠組みを公開していない。企業導入ではこの差が効く。

    今日買うなら:用途で割り切る。ただし在庫と納期を先に確認する

    AI Cubeは試作機であり、価格も発売日もSDKも未定である。RTX Sparkも2026年秋発売予定で、価格と独立ベンチマークがまだ揃っていない。現時点で確実に購入できる比較対象はMac Studio(96GB・5,299ドルから)、DGX Spark(128GB・4,699ドル)、AMD Ryzen AI Halo(128GB・3,999ドル)である。容量あたりの価格では、この順序がそのまま逆順になる。Windows派で秋まで待てるなら、Surface RTX Spark Dev Boxを含むRTX Spark機の実機レビューを見てからでも遅くない。

    そのうえで2026年8月に強調しておきたいのは、どれを選ぶにせよ在庫と納期と価格改定を先に確認すべきということだ。この一年、机上AI機の世界で起きた最大の変化は、新製品の登場ではなくメモリの枯渇だった。

    2027年の最大の変数:Xiaomiの製品化とメモリ市況

    O100とD100は2027年商用化予定である。AI Cubeを実際に発売するか、第三者モデルへどこまで開放するかが、三つ巴を本物にする分岐点となる。

    もう一つの変数はメモリ市況だ。複数の業界関係者が深刻な不足は少なくとも2027年半ばまで続くと見ており、Intelは2028年を挙げている。2027年にXiaomiがAI Cubeを量産しようとするとき、同じ壁がXiaomiにも立ちはだかる。

    総合すると次の通りだ。

    【超巨大LLM(200B超)のローカル推論】暫定首位=該当なし。理由=各社とも大容量構成を供給できていない

    【96~128GBに収まるモデルの実行速度】暫定首位=Mac Studio。理由=819GB/s

    【CUDA研究・開発】暫定首位=DGX Spark。理由=CUDA、PyTorch、TensorRT

    【WindowsローカルAI+日常PC】暫定首位=RTX Spark候補。理由=Windows、CUDA、RTX、最大128GB、OpenShell

    【エッジAI専用推論】暫定首位=Xiaomi AI Cube候補。理由=O100近存演算と150W

    【大容量と汎用OSの両立】有力候補=AMD Ryzen AI Halo。理由=現行128GBが3,999ドル、次世代は最大192GB/160GB VRAMを予告

    【製品としての成熟度】暫定首位=Mac Studio。理由=完成度、OS、保守

    【データセンター移行】暫定首位=DGX Spark。理由=NVIDIA基盤の連続性

    【エージェントの安全な実行】暫定首位=RTX Spark候補。理由=Windowsセキュリティプリミティブ+OpenShell

    【スマホ・車・家の統合】暫定首位=Xiaomi。理由=製品ポートフォリオ

    【発表済み次世代の最大容量】暫定首位=AMD Ryzen AI Halo候補。理由=最大192GBを公式予告、2026年第3四半期予定

    【未発表製品を含む最大容量説】M5 Ultra候補。理由=最大768GB説はあるが、Apple未発表

    【将来の価格破壊】暫定首位=Xiaomi候補。理由=量産規模次第

    22章 結論――AIコンピューターは三つの思想に分裂した

    Xiaomi AI Cubeの登場によって、ローカルAIコンピューターの競争は、Apple対NVIDIAという二者択一ではなくなった。

    Appleの思想は、**「できるだけ大きく、できるだけ広帯域な一つのメモリ空間を作る」**ことである。CPU、GPU、Neural Engine、OSを一社で設計し、巨大モデルをコピーなしで扱う。

    NVIDIAの思想は、**「世界中のAIソフトウェアが動くCUDAを、Windowsノートから机上Linux機、データセンターまで連続させる」**ことである。DGX Spark単体の帯域や容量以上に、RTX Sparkを含むCUDAの生態系が競争力になる。

    Xiaomiの思想は、**「異なる仕事に最適化した複数のチップとメモリ階層を組み合わせ、端末AIの実効効率を上げる」**ことである。O3で軽量処理、O100で高帯域推論、D100で大容量と車載級処理を担当し、MiMoと製品群を一体化する。

    三つの思想を短く表すなら、次のようになる。

    • Apple:巨大な一枚岩

    • NVIDIA:CUDAという帝国

    • Xiaomi:異種チップの連合軍

    現時点でXiaomiがMacやNVIDIAに勝ったとは言えない。1.22TB/sはO100内部の数字、160GBはD100の対応上限、そして机の上に置かれた試作機に載っていたのは80GBである。AI Cubeは試作段階だ。第三者ベンチマークも、価格も、SDKも、量産時期も不明である。

    しかし、Xiaomiが単にSparkを模倣したわけではないことも明らかだ。NPUとDRAMを3D積層し、LLMのPrefillとDecodeでネットワークを切り替え、自動運転SoCの大容量統合メモリとスマホSoCを組み合わせ、120Bと3Bを同時に動かした。これは端末AIを一から再設計しようとする試みである。

    もし2027年に、Xiaomiが160GB構成のAI Cubeを現実的な価格で量産し、PyTorchやHugging Faceへ開放できれば、DGX Sparkは「CUDAは強いが容量と帯域が小さい」と攻められる。Appleは「帯域は強いが、大容量構成を供給できず、CUDAも中国の物理端末網も持たない」と攻められる。

    ただしその「もし」は、Xiaomi一社の意思では決まらない。2027年にDRAMを確保できるかどうかが、同じ重みでかかっている。

    反対に、AI CubeがMiMo専用の技術デモに留まれば、三つ巴は成立しない。AppleとNVIDIAの二強が続き、Xiaomiは自社スマホとEVの内部最適化にとどまる。

    勝負を決めるのは、1.22TB/sという一つの数字ではない。

    160GBの大容量層と1.22TB/sの高速層を、ソフトウェアがどれだけ透明に使い分けられるか。第三者モデルを何分で移植できるか。150Wで何tokens/sを何時間維持できるか。そして、それを誰でも買える価格で量産できるか。

    2026年8月24日の発表は、勝者の決定ではない。しかし、AIコンピューターの設計思想が三方向へ分かれ、Xiaomiがその第三極へ名乗りを上げた日として記録される可能性がある。

    ローカルAIの次の戦場は、GPUのTOPS競争だけではない。

    メモリをどこへ置くか。モデルをどこで動かすか。ソフトウェアを誰に開くか。端末を何台持っているか。そして、現実世界のどこまでAIを埋め込めるか。

    Apple、NVIDIA、Xiaomiの三つ巴は、コンピューターの性能競争であると同時に、次の時代の知能を誰が支配するかというプラットフォーム戦争なのである。しかもNVIDIA陣営は、LinuxのDGX SparkとWindowsのRTX Sparkという二つの前線を持つことになった。

    そして三者の頭上には、同じ天井がある。Samsung、SK hynix、Micronの三社が、どのウェハーをHBMに回し、どれを残すか。2026年のローカルAIコンピューターの勝敗を最も直接に左右しているのは、Cupertinoでもサンタクララでも北京でもなく、平沢と利川とボイシの製造ラインなのかもしれない。


    ハッシュタグ

    #Xiaomi
    #XRINGO100
    #XiaomiAICube
    #ローカルAI
    #AI半導体
    #MacStudio
    #M5Ultra
    #DGXSpark
    #RTXSpark
    #StrixHalo
    #NVIDIA
    #CUDA
    #ユニファイドメモリ
    #LLM

     
     
    東大阪市生まれの奈良育ち(三宅小→式下中→畝傍高→京工繊大)→広州21年在住。 2015年に独立、IT・通信、貿易会社を経営し、本帰国後、生成AI・フィジカルAIと、国際貿易・国際物流の日本拠点を立上げ、富裕層インバウンド向けで、伝統・再生医療+ウェルネス観光で情報発信中

    あなたへのおすすめ