10月8日、PCMagが「With RTX Spark and 'Builder PCs,' Microsoft and Nvidia Usher Personal Computing Into Its Agentic Era」と題した記事を公開した。MicrosoftとNvidiaが共同で発表した「RTX Spark」プラットフォームと「Builder PC」という新カテゴリが、ローカルAIエージェント時代のPC像をどう定義するかが主題だ。クラウドAPIのコスト爆発という現実的な課題に対し、ハードウェアとOSの両面から正面突破を図るアプローチは、AIアプリケーション開発者にとって見逃せない転換点となる。
Satya Nadella×Jensen Huang、異例の共同登壇
10月7日のMicrosoft Surfaceイベントで、MicrosoftのSatya NadellaとNvidiaのJensen Huangが同じステージに立った。両社のCEOが共同で製品ビジョンを語るのは、PC業界でも異例の出来事だ。
発表の軸は2つ。Nvidiaの新しいハードウェアプラットフォーム「RTX Spark」と、それに合わせてMicrosoftが作り直したWindows側のローカルAI・エージェント対応機能だ。両者は独立した製品ではなく、密接に連携することを前提に設計されている。
AIハードウェアの「3層構造」：RTX Sparkはどこに位置するか
記事はまず、現在のAI対応PCハードウェアを3つの層に整理している。エンジニアが現状を把握するうえで有用な分類だ。
第1層：コンシューマ向けAI PC
40〜50 TOPSのNPUと16〜32GBのシステムRAMを中心に構成。ノイズキャンセリングや要約など軽量タスクは処理できるが、実行できるモデルのサイズに上限がある。
第2層：従来のワークステーション・ゲーミングノート
専用GPUを搭載し、より重いAIワークロードを処理できる。ただし専用VRAM（一般的に12〜24GB、ハイエンドモバイルで最大32GB）がボトルネックになり、大規模モデルやコンテキストウィンドウの展開に限界がある。
第3層：大容量メモリのローカルAIシステム（「Builder PC」）
ワークステーション開発機、Apple MシリーズMac、そして今回のRTX Spark PCがここに分類される。最大128GBのユニファイドメモリ（統合メモリ）を活用することで、従来のVRAMボトルネックを回避し、数百億パラメータ規模のモデルをローカルで実行できる。
Appleは生成AIブームが到来する前からMシリーズSoCによってこの第3層に先行していた。RTX Sparkは、これと同等のユニファイドメモリ構成を、Windows搭載のモバイルフォームファクタで実現する点が特徴だ。
RTX Sparkのユニファイドメモリ：VRAMとの構造的な違い
従来のNvidia GPU（GeForce・RTXシリーズ含む）は、CPUが使うシステムRAMとは物理的に分離された専用VRAM（GDDR系）を持つ。モデルの重みをGPUで推論するには、このVRAMに収まるサイズに収める必要があり、それを超えると極端に処理が遅くなる、あるいは実行不可能になる。
RTX Sparkが採用するユニファイドメモリ（統合メモリ）は、CPUとGPUが同一の物理メモリプールを共有する構成だ。AppleのMシリーズSoCが採用しているアーキテクチャに近く、「GPUに載せられるモデルサイズ＝専用VRAM容量」という制約が実質的に消える。最大128GBのメモリプール全体を推論に使えるため、数百億パラメータクラスのモデルをローカルで展開する現実的な選択肢となる。
※元記事はRTX Sparkのメモリ構成の詳細な仕様には踏み込んでおらず、CPU-GPU間の物理的な接続方式（例：オンパッケージ接続か否か）については現時点で公開情報が限られる。Nvidiaの公式発表を引き続き確認されたい。
「トークン不安」を解消するBuilder PC
AIエージェントは、単純なチャットボットと比べて桁違いのトークンを消費する。1つのタスクに対して、計画・実行・自己チェックのループが複数回走るためだ。クラウドAPIの従量課金モデルを使っている企業にとって、エージェントの導入はそのままAPI費用の爆発を意味する。
RTX Spark搭載のBuilder PCは、この問題にハードウェアで対抗する。1ペタフロップの演算性能と最大128GBのユニファイドメモリを持つこれらのマシンは、LLM、チャットボット、画像生成をすべてオンデバイスで完結させることを目標としている。なお、元記事ではこの1ペタフロップがどの演算精度（FP4／FP8／FP16等）に基づく数値かは明記されていない。AI推論のベンチマークでは精度によって数値が大きく変わるため、詳細なスペック比較を行う際はNvidiaの公式仕様を参照されたい。
クラウドの最上位モデル（OpenAIやAnthropicのもの）と比べると性能面で劣る部分はあるが、エージェントがバックグラウンドで動き続けるユースケースでは、速度より限界費用ゼロで実行できることのほうが重要になる。
Windows 11：エージェントを「管理可能」にする仕組み
ハードウェアだけでなく、OS側の対応も発表された。自律的に動作するAIエージェントに対する懸念——コードベースの誤削除、不正な購入、プロンプトインジェクションによる操作——に対し、Microsoftは複数の対策をWindows 11に組み込む。
- Microsoft Execution Containers（MXC）：エージェントがアクセスできるローカルディレクトリ、ネットワークエンドポイント、ツールをOS側で制限する軽量なサンドボックス機能。開発者がAPIレベルで制御範囲を指定できる。
- エージェントIDの分離：人間ユーザーとエージェントに別々のIDを割り当てる。エラーや不正操作が発生した際、原因の特定と対処が容易になる。エージェントだけをブロックし、人間の操作には影響を与えない。
- ワンクリックのエージェント導入UI：現状、エージェントのセットアップはGitHubの扱いに慣れた開発者向けの作業だ。Microsoftはこれを標準デスクトップアプリと同程度の手順まで簡略化することを目指している。
バッテリ駆動での「99%性能維持」という主張
RTX Sparkプラットフォームの先陣を切るのは、MicrosoftのフラグシップノートPC「Surface Laptop Ultra」だ。Asus、Dell、HP、Lenovo各社も対応機種を予定している。
Surface Laptop Ultraの最も大胆な主張は、バッテリ駆動時に合計性能の99%以上を維持できるというものだ。ローカルAIモデルと常時稼働エージェントを前提とした設計で、この数字は異例の主張である。Microsoftはシャシーの熱容量を従来比2.5倍に引き上げたとしているが、実際の連続稼働時のバッテリ消耗・ファンノイズ・表面温度については、レビュー機が届き次第テストするとのことだ。
まとめ
RTX SparkとBuilder PCは、現時点では開発者・クリエイター向けのカテゴリだ。しかし記事が指摘するとおり、MicrosoftとNvidiaがこれを今積極的に展開する意図は、開発者エコシステムの先行整備にある。スマートフォンがアプリストアを生み出したように、ローカルAIエージェントが普及すれば、その上に新しいソフトウェア層が積み上がっていく。Builder PCはその地盤を固める製品位置づけだ。
詳細はWith RTX Spark and 'Builder PCs,' Microsoft and Nvidia Usher Personal Computing Into Its Agentic Eraを参照していただきたい。
