メインコンテンツへスキップ
見出し画像

ASUS・LenovoからRTX Spark搭載PCが登場。DGX Sparkとの違いをハードウェアの違いから整理する

    NVIDIAの「RTX Spark」を搭載したWindows PCが、想像していたよりも早く具体的な製品になってきました。

    ASUSは2026年6月のCOMPUTEXで披露していた16型の「ProArt P16」、14型の「ProArt P14」、ミニPCの「ProArt GR1X」について、9月2日にIFA 2026に合わせて詳しい製品情報を公開しました。

    翌日の9月3日には、Lenovoも15.3型の「Yoga Pro 9n」と、16型で360度回転する「Yoga 9n 2-in-1」を発表しています。

    いずれも、NVIDIAのGrace CPUとBlackwell世代のRTX GPUを組み合わせ、CPUとGPUが同じメモリ領域を利用する「ユニファイドメモリ」を採用します。上位モデルでは最大128GBとなり、ローカルLLM、AIエージェント、映像制作、ゲームを1台のWindows PCで扱えることが特徴です。

    一見すると、小型AIコンピューター「DGX Spark」のWindows版にも見えます。上位構成のCPUコア数やGPUコア数、FP4の公称AI性能はよく似ています。

    しかし、両者は同じ製品ではありません。

    特に大きな違いが、DGX Sparkに搭載されている「ConnectX-7」です。

    DGX Sparkは単体でAIモデルを動かすだけでなく、複数台を高速に接続し、LLMの構築や検証環境を広げることまで考えられています。

    RTX Sparkは、AIと制作、ゲームを1台にまとめる「パーソナルAI PC」。
    DGX Sparkは、AI開発を中心に複数台構成まで見据えた「拡張できるAI開発環境」と考えると、違いが分かりやすくなります。

    先に結論

    • RTX Sparkは、Windows 11、RTX、CUDA、大容量ユニファイドメモリを組み合わせた新しいPC向けプラットフォーム

    • ASUSはノートPC2機種とミニPC1機種、LenovoはノートPC2機種を発表

    • ASUS ProArt P16/P14とLenovo Yoga Pro 9nは最大128GBのユニファイドメモリに対応

    • Lenovo Yoga 9n 2-in-1は最大64GB

    • 上位のRTX Spark N1XとDGX SparkのGB10は公表仕様が似ているが、同じチップではない

    • ASUS ProArt GR1Xは10GbEを搭載するが、ConnectX-7やQSFPポートは搭載仕様に記載されていない

    • DGX SparkはConnectX-7を使い、複数台でLLMの検証環境を拡張できる

    • ただし、複数台を接続してもメモリが自動的に一つへ統合されるわけではない

    • 普段使い、制作、ゲーム、ローカルAIを1台にまとめたいならRTX Spark

    • Linux、AI開発、ファインチューニング、複数台構成を重視するならDGX Spark

    • 価格、日本での発売日、実機性能が出るまでは判断を待ちたい

    RTX Sparkとは?

    RTX Sparkは、NVIDIAがMediaTekやMicrosoftと協力して開発した、Arm版Windows向けの新しいプラットフォームです。

    上位構成では、20コアのNVIDIA Grace CPUと、6,144基のCUDAコアを備えたBlackwell世代のRTX GPUを、NVIDIA NVLink-C2Cで接続します。AI性能はスパース性を利用したFP4で最大1PFLOP、メモリは最大128GBのLPDDR5Xです。

    一般的なPCでは、CPUが使うシステムメモリと、GPUが使うVRAMが分かれています。RTX SparkではCPUとGPUが共通のメモリ領域を利用します。

    これが「ユニファイドメモリ」です。

    CPUとGPU間のデータコピーを減らし、一般的なGeForce搭載PCではVRAM容量が壁になるようなAIモデルや3Dデータを扱いやすいことが利点です。

    NVIDIAは、RTX Sparkで次のような処理が可能になると説明しています。

    • 最大1,200億パラメータのLLM

    • 最大100万トークンのコンテキスト

    • 90GBを超える3Dシーン

    • 12K・4:2:2動画の編集

    • 4KのAI動画生成

    • 1440p・100fpsを超えるAAAゲーム

    ただし、いずれもNVIDIAが示す対応規模や代表的な処理例です。すべてのモデル、ゲーム、画質設定で同じ結果になるわけではありません。

    また、128GBのすべてをAIモデル専用のVRAMとして利用できるわけでもありません。Windows、常駐ソフト、同時に起動しているアプリも同じメモリを使用します。

    実際のローカルLLMの速度は、メモリ容量だけでなく、メモリ帯域、モデルの量子化、ソフトウェアの最適化、TDP、冷却性能にも左右されます。

    NVIDIA RTX Spark 製品情報

    ASUSから発表された3機種

    ASUSは、RTX Sparkを搭載するノートPC2機種とミニPC1機種を発表しました。

    画像

    ProArt P16とP14は、ローカルAIだけでなく、写真・映像編集や3D制作を持ち運べるクリエイター向けノートPCです。

    ProArt P16は99Wh、P14は90Whのバッテリーを搭載します。薄型の筐体でありながら、最大128GBのユニファイドメモリを選べる点が大きな特徴です。

    ProArt GR1Xは、約150×150×51mmのミニPCです。20コアのGrace CPUと6,144コアのBlackwell RTX GPUを搭載し、最大1PFLOPのFP4 AI性能を公称します。

    メモリは64GBと128GBの2構成です。ネットワークは10GbE、Wi-Fi 7、Bluetooth 5.4に対応し、最大4台のディスプレイを接続できます。

    冷却には2基のファンを採用し、ASUSは長時間のAI処理や24時間稼働も想定した設計と説明しています。

    ASUS ProArt P16/P14/GR1X発表資料

    ASUS ProArt GR1X製品情報

    LenovoからもRTX Spark搭載ノートPCが登場

    Lenovoは2026年9月3日、RTX Sparkを搭載した「Yoga Pro 9n」と「Yoga 9n 2-in-1」を発表しました。

    画像

    Yoga Pro 9nは、最大128GBのユニファイドメモリに加え、2基のSSDスロットと最大80WのTDPを備えます。

    ASUS ProArt P16より画面は少し小さいものの、約1.65kgからと比較的軽く、AI開発、ソフトウェア開発、映像編集、3Dレンダリング、ゲームを持ち運びたい人向けです。

    Yoga 9n 2-in-1は画面を360度回転でき、ノートPC、タブレット、テント、スタンドなど複数の形で利用できます。OLEDディスプレイだけでなく、ハプティック式のタッチパッドでもペン入力が可能です。

    一方、ユニファイドメモリは最大64GBです。128GBを必要とする大規模なローカルLLMよりも、AIを利用した制作、手書き入力、プレゼンテーションなどを1台にまとめたい人に向いています。

    Lenovoは、両製品の価格と販売時期を後日発表するとしています。日本での販売予定も現時点では分かっていません。

    Lenovo Yoga Pro 9n/Yoga 9n 2-in-1発表資料

    メモリ容量だけを変えて販売するのか?

    ASUS ProArt GR1Xについては、20コアCPU、6,144コアGPUという仕様と、64GB/128GBのメモリ構成が公表されています。現時点では、主にメモリ容量を選ぶミニPCと考えられます。

    一方、ノートPCは注意が必要です。

    NVIDIAの公式仕様には、RTX SparkのノートPC向けとして次の2構成が掲載されています。

    画像

    ASUS ProArt P16/P14には24GBから128GBまで、Lenovoの2-in-1には最大64GBの構成があります。

    ただし、「64GBなら必ず18コアCPUと5,120コアGPU」「128GBなら必ず20コアCPUと6,144コアGPU」と、各メーカーの全モデルについて断定できる段階ではありません。

    販売開始後は、メモリ容量だけでなく、型番ごとのCPUコア数、GPUコア数、TDPも確認する必要があります。

    また、LPDDR5Xは基板上へ実装されるため、一般的なデスクトップPCのように購入後に増設できるとは考えない方がよいでしょう。必要な容量を購入時に選ぶことになります。

    DGX Sparkとの違い

    RTX Sparkの上位構成とDGX Sparkは、20コアのGrace CPU、6,144コアのBlackwell GPU、最大1PFLOPのFP4 AI性能、最大128GBのユニファイドメモリなど、公表仕様がよく似ています。

    ただし、RTX Sparkは「N1X」、DGX Sparkは「GB10」という異なるSuperchipです。CPU/GPUコア数や理論性能が近くても、同じハードウェア、同じ実性能になることを意味しません。

    画像

    DGX Sparkは、AI開発のためのハードウェアとソフトウェアをまとめた小型ワークステーションです。

    DGX OSに加え、CUDA、cuDNN、Docker、NVIDIA Container Runtime、NGCとの連携などが用意され、AIモデルの構築、検証、ファインチューニングを始めやすい環境になっています。

    RTX Sparkは、その方向性を一般的なWindows PCへ近づけた製品です。Officeやブラウザ、制作アプリを使いながら、同じPCでローカルLLM、AIエージェント、ゲームも動かせます。

    最大のハードウェア差は「ConnectX-7」

    RTX Spark搭載PCとDGX Sparkの違いは、WindowsかLinuxかという点だけではありません。

    ハードウェア面で特に重要なのが、DGX Sparkに搭載されている「ConnectX-7」です。

    DGX Sparkには、ConnectX-7 Smart NICと2基のQSFPポートがあります。各QSFPポートの公称速度は最大200Gbpsです。

    ASUS ProArt GR1Xも10GbEの有線LANを備えていますが、公式のI/O仕様にConnectX-7やQSFPポートは記載されていません。

    公称リンク速度だけを比較すると、ConnectX-7の200GbpsはGR1Xの10GbEに対して最大20倍です。ただし、これはネットワーク端子の理論値であり、LLMの処理速度が20倍になるという意味ではありません。

    ConnectX-7が重要なのは、複数のDGX Spark間でモデルの重みや中間データを高速にやり取りし、単体では収まらない処理を分散実行できる点です。

    NVIDIAの公式資料では、DGX Sparkは単体で最大200B、2台構成では最大405BのAIモデルを扱えると案内されています。

    さらに、NVIDIA SyncのCluster Assistantを利用すると、2台または3台のDGX SparkをQSFPケーブルで直接接続できます。対応スイッチを使う場合は最大4台です。

    4台を超える構成がハードウェア上禁止されているわけではありませんが、現時点でCluster Assistantが自動構成できる範囲は最大4台です。

    なお、DGX SparkのQSFPポートについて、NVIDIAの構築ガイドではEthernet構成のみをサポートすると記載されています。単純に「InfiniBand対応」と表現するのは避けた方が正確です。

    DGX SparkのConnectX-7構築ガイド

    複数台をつないでも、メモリが自動的に一つになるわけではない

    ここは誤解しやすい点です。

    128GBのDGX Sparkを2台接続しても、何も設定せずに「256GBの1台のPC」として使えるわけではありません。

    各端末のメモリは別々に存在します。複数台へモデルを分割し、通信しながら計算できるソフトウェアやフレームワークが必要です。

    モデル自体が分散実行へ対応しているか、どの処理を各ノードへ割り振るか、通信量がどれくらい発生するかによって、得られる効果は変わります。

    台数を2倍にしても、生成速度や学習速度が必ず2倍になるわけではありません。モデルの分割方法や通信待ち時間によっては、性能が伸びにくいこともあります。

    それでも、ConnectX-7と公式のクラスタ構築手順があることは重要です。

    DGX Sparkは、まず1台でローカルLLMの構築や検証を始め、必要になった段階で2台、3台へ環境を広げられます。

    RTX Sparkでも通常のネットワークを使った分散処理は考えられます。しかし、少なくとも現時点では、DGX Sparkと同じ200Gbpsの接続や、RTX Spark向けに検証されたNVIDIA Syncのクラスタ構成は案内されていません。

    ConnectX-7は単なる「高速LAN」ではなく、DGX Sparkを単体の小型AI PCから、拡張可能なAI開発基盤へ変えるハードウェアです。

    RTX Sparkはパーソナル向け、DGX SparkはAI開発向け

    両者の方向性は、メーカーが紹介する用途にも表れています。

    RTX Sparkは、NVIDIAが「Personal AI」を前面に出した製品です。

    Windows上で日常的なアプリを使いながら、ローカルAIエージェント、画像・動画制作、3Dレンダリング、ゲームまで1台で扱うことを想定しています。

    ASUSやLenovoが、ミニPCだけでなく、薄型ノートPCや2-in-1へRTX Sparkを採用しているのも、この方向性に合っています。

    対するDGX Sparkは、開発者、研究者、データサイエンティストを中心とした製品です。(個人向けというよりも主に法人・組織・研究チーム向けの製品です)

    主な目的は次のとおりです。

    • AIモデルのプロトタイプ作成

    • 推論環境の構築と検証

    • 最大70Bモデルのファインチューニング

    • AIエージェントやAIアプリの開発

    • データセンターやクラウドへ移行する前の検証

    • ConnectX-7を使った複数台構成

    DGX Sparkも机上に置ける小型製品であり、大規模企業だけの機器ではありません。しかし、一般的なPCとしての使いやすさより、AI開発環境としての一貫性、再現性、拡張性を重視しています。

    ゲーミングPCとしても使える。ただしArm版Windowsには注意

    NVIDIAはRTX Sparkを、AI専用ではなく、ゲームにも使えるPCとして位置づけています。

    レイトレーシング、DLSS、Reflex、G-SYNC、Game Ready Driverなどに対応し、条件を満たすAAAゲームでは1440p・100fpsを超える性能を公称しています。

    ただし、RTX SparkはArmベースのCPUです。

    x86/x64向けに作られたアプリやゲームは、Windowsの変換機能を使って動作するか、ソフトウェア側のArm対応が必要になる場合があります。アンチチート、古いプラグイン、専用ドライバー、周辺機器なども確認が必要です。

    そのため、次のように考えるのが現実的です。

    • ローカルAIや映像制作が主目的で、ゲームも遊びたい:RTX Sparkは有力候補

    • 対応が発表されたゲームを中心に遊ぶ:候補に入れやすい

    • 特定のゲームを確実に動かしたい:発売後の互換性情報を確認

    • ゲーム性能と価格を最優先する:従来のx86+GeForce搭載PCとも比較

    RTX Sparkは「どのWindowsゲームも従来どおり動くことが確認済みのPC」ではありません。

    AI、制作、ゲームを横断できる、新しいArm版Windows PCと考えた方がよいでしょう。

    NVIDIAとMicrosoftによるRTX Spark発表

    ローカルAIとAIエージェントでは何が便利になる?

    RTX Sparkの価値が分かりやすいのは、普段使うWindows PCの中でローカルAIを動かせることです。

    たとえば、次のような使い方が考えられます。

    • 社外へ出しにくい資料をローカルLLMで検索・要約する

    • コーディング用AIエージェントを常時動かす

    • 画像・動画生成をクラウドの回数制限なしで試す

    • 写真、動画、3DデータをAIで整理・編集する

    • ローカル処理とクラウドAIを用途によって使い分ける

    NVIDIAとMicrosoftは、Windows向けのセキュリティ機能とNVIDIA OpenShellを組み合わせ、AIエージェントの権限や、ローカル/クラウド処理を管理する環境も用意しようとしています。

    ただし、128GBモデルを購入すれば、すぐに高度なAIエージェントが完成するわけではありません。

    対応モデル、アプリ、推論環境、権限、セキュリティ設定が必要です。発売当初は、完成された家電というより、新しいローカルAI環境を試せる高性能PCという側面も強いと思います。

    RTX Spark搭載PCが向く人

    Windowsで大容量のローカルAIを使いたい人

    CUDAを利用でき、最大128GBのユニファイドメモリを備える点は大きな魅力です。一般的なGeForce搭載PCではVRAM容量が壁になるモデルを、手元のWindows PCで試したい人に向いています。

    AIとクリエイティブ作業を1台にまとめたい人

    ローカルLLMや生成AIだけでなく、写真編集、映像編集、3DレンダリングにもRTXを利用できます。

    ASUS ProArt P14/P16やLenovo Yoga Pro 9nは、OLEDディスプレイを含めて制作向けに設計されています。

    ローカルAIを持ち運びたい人

    最大128GBのユニファイドメモリを搭載できるノートPCは珍しく、クラウドへ接続しにくい場所でも大きなモデルを動かしたい人には、RTX Sparkならではの価値があります。

    AIもゲームも1台で試したい人

    DGX SparkはAI開発向けですが、RTX SparkはWindows、RTX、DLSS、Game Ready Driverを利用できます。AI専用機を別に用意せず、普段使いのPCへまとめたい人との相性がよさそうです。

    DGX Sparkが向く人

    LinuxとNVIDIAのAI開発環境を優先する人

    DGX OS、CUDA、コンテナ、NGCを含め、AIモデルの構築と検証を始めやすい環境が用意されています。

    ローカルLLMを継続的に検証する人

    単にモデルを動かすだけでなく、量子化の違い、推論エンジン、エージェント構成、ファインチューニングなどを比較する人に向いています。

    将来的に複数台へ拡張したい人

    ConnectX-7とNVIDIA Syncを使い、単体から複数台構成へ広げられることがDGX Sparkの大きな利点です。

    クラウドやデータセンターへ移す前の検証環境が必要な人

    ローカルで作ったAIアプリやモデルを、後からNVIDIA GPUを使ったクラウドやデータセンター環境へ展開する流れを想定しやすくなっています。

    今は待った方がよい人

    ゲームだけが目的の人

    Arm版Windowsの互換性、実際のフレームレート、価格性能比は製品版の検証を待つ必要があります。ゲーム用途だけなら、同じ予算のGeForce搭載PCの方が分かりやすい可能性があります。

    使いたいアプリや周辺機器のArm対応が分からない人

    業務ソフト、古いプラグイン、アンチチート、専用ドライバーまで、従来のWindows PCと完全に同じとは限りません。

    価格を重視する人

    ASUSとLenovoの発表機種は、価格がまだ明らかになっていません。特に128GBモデルは高価になる可能性があります。

    複数台のAI環境を最初から考えている人

    今回発表されたASUSとLenovoのRTX Spark搭載PCには、DGX SparkのようなConnectX-7や、NVIDIA Syncによる公式クラスタ構成は案内されていません。分散処理や将来の拡張を重視するなら、価格だけでなくDGX Sparkを選ぶ意味があります。

    購入前に確認したい7項目

    RTX Spark搭載PCを検討する場合は、製品名やメモリ容量だけでなく、次の項目を確認したいところです。

    1. CPUが20コアか18コアか

    2. GPUが6,144コアか5,120コアか

    3. ユニファイドメモリの容量

    4. TDPと長時間負荷時の冷却性能

    5. SSD容量と増設の可否

    6. 使いたいゲーム、アプリ、周辺機器のArm対応

    7. 単体利用か、将来的に複数台へ拡張するか

    ローカルLLMでは、モデルを読み込めるかどうかと、実用的な速度で動くかどうかは別です。

    販売開始後は、プロンプト処理速度、1秒当たりの生成トークン数、長いコンテキストでのメモリ使用量、消費電力、ファンの音なども確認したいところです。

    まとめ

    RTX Sparkは、最大128GBのユニファイドメモリとCUDA、RTXを、WindowsのノートPCやミニPCへ持ち込む新しいプラットフォームです。

    ASUSはProArt P16/P14/GR1X、LenovoはYoga Pro 9n/Yoga 9n 2-in-1を発表しました。これにより、画面サイズ、形状、メモリ容量、持ち運びやすさから製品を選べるようになります。

    一方、すべてのRTX Spark搭載機がDGX Sparkと同じ性能になるわけではありません。RTX Spark N1XとDGX SparkのGB10は異なるチップで、ノートPCにはCPU/GPUコア数の違う構成もあります。

    そして、DGX Sparkとの最大のハードウェア差がConnectX-7です。

    DGX Sparkは200GbpsのQSFP接続とNVIDIA Syncを使い、単体で始めたLLMの構築・検証環境を複数台へ広げられます。今回発表されたASUSとLenovoのRTX Spark搭載PCには、少なくとも現時点で、DGX Sparkと同じConnectX-7による高速クラスタ環境は案内されていません。

    個人的には、RTX Sparkは「DGX Sparkの安価なWindows版」というより、AI開発機とクリエイターPC、ゲーミングPCの境界を近づける製品だと感じます。

    普段使い、制作、ゲーム、ローカルAIを1台へまとめたいならRTX Spark。Linux上でLLMを構築・検証し、将来的に複数台へ拡張したいならDGX Sparkという分け方が、一つの目安になります。

    価格、日本での発売日、メモリ容量ごとのCPU/GPU構成、実際のLLM速度はまだ分かりません。

    今すぐ結論を出すよりも、各構成の価格と実機レビューが出てから、従来のGeForce搭載PCやDGX Sparkと比較するのがよさそうです。

    関連サイト


    RTX SparkとDGX Sparkを技術面から理解する

    ここからは、RTX SparkとDGX Sparkの違いを、ハードウェア、ネットワーク、LLMの分散処理から掘り下げます。

    1. NVLink-C2CとConnectX-7は役割が違う
    2. 10GbEと200Gbpsでは、何が変わるのか
    3. DGX Sparkを複数台つなぐと何ができる?
    4. NVIDIA Syncは「クラスタを完成させるソフト」ではない
    5. 2台、3台、4台でネットワーク構成も変わる
    6. なぜ複数台のDGX Sparkは法人や研究用途になりやすいのか
    7. DGX Sparkで想定される代表的な使い方
    8. RTX SparkでもAI開発はできる
    9. RTX Sparkの立場は「AI専用機」ではない
    10. 128GBなら、どれくらいのLLMを動かせるのか
    11. 1PFLOPだけでは実性能を比較できない
    12. 用途別に見るRTX SparkとDGX Spark
    13. 最終的な違い

    両者の差はOSだけではありません。20コアのGrace CPU、6,144コアのBlackwell GPU、128GBのユニファイドメモリ、最大1PFLOPのFP4性能を、何のために組み合わせ、どこまで拡張できるようにしたかが異なります。

    重要なのが、CPUとGPUを結ぶ「NVLink-C2C」と、複数筐体を結ぶ「ConnectX-7」の違いです。

    1. NVLink-C2CとConnectX-7は役割が違う

    RTX SparkとDGX Sparkには、どちらもNVIDIA NVLink-C2Cが使われています。

     
     
    【累計49万PV・月間10万PV突破】 Apple関連、iPhone / MacBook Neoを中心に仕事と暮らしに役立つIT情報を発信 XRや開発は実体験ベース、AI・セキュリティも実用目線で整理し、購入・導入で迷う点を分かり易く発信 ※ Amazonアソシエイト参加中

    あなたへのおすすめ