- NVIDIAの小型AI機「DGX Spark」が、価格.comのデスクトップPC注目ランキングで1位になりました
- 価格は7月末の96万9980円から、9月8日時点で約113万円まで上がっています
- ランキング上位の他の4製品は10万〜30万円台のゲーミングPCで、価格帯が4倍以上違います
- ブームの背景には「モデル」「ハードウェア」「ソフトウェア」の3条件がそろったことがあります
- ライバルのAMD機は約半額。ただしプロンプト処理速度では約5倍の差がついています
値段が上がっているのに、売れ行きは伸びる。そんな不思議なPCが日本で話題になっています。100万円を超えるNVIDIAの小型マシンが、10万円台のゲーミングPCを押しのけて人気ランキングの首位に立ちました。買っているのは誰で、何に使っているのでしょうか。
113万円のPCが、なぜ人気1位になったのか
2026年9月8日、ITmedia AI＋が興味深いデータを報じました。
価格比較サイト「価格.com」のデスクトップPC注目ランキングで、NVIDIAの「DGX Spark」が1位になったという内容です。
気になるのは、その値段です。約113万円。普通のパソコンを10台買ってもおつりがきます。
6週間で16万円も値上がりした
この製品、じわじわ値上がりしています。
7月末の時点では96万9980円でした。それが8月23日には107万8000円に。そして9月8日には約113万円です。
およそ6週間で16万円ほど上がった計算になります。
ふつう、家電は時間がたつほど安くなります。発売直後がいちばん高く、あとは下がっていくものです。
ところがDGX Sparkは逆に動きました。それだけ「欲しい人」が「作れる数」を上回っている、ということです。
隣に並ぶのは10万〜30万円のゲーミングPC
ランキングの顔ぶれを見ると、異常さがよくわかります。
ASCII.jpが8月21日に報じたところによると、当時ベスト5に入っていた他の4製品は、いずれも10万〜30万円前後のゲーミングPCでした。
つまりDGX Sparkだけが、4倍から10倍の価格帯にいます。それでいて、同じくらいの注目を集めているのです。
PC Watchも8月24日に、同サイトの人気売れ筋ランキングでDGX Sparkが首位になったと伝えています。一時的な話題ではなく、数週間続いている現象です。
DGX Sparkとは、どんな機械なのか
そもそもこれは何をするための機械なのでしょうか。
ひとことで言えば、AIを自分の手元で動かすための小型コンピューターです。ゲームをしたり動画を編集したりする一般向けのPCとは、狙いがまったく違います。
手のひらに載るサイズで1PFLOPS
まず驚くのが大きさです。
幅150ミリ、奥行き150ミリ、高さ50.5ミリ。重さはわずか1.2キロです。単行本を数冊重ねたくらいの体積しかありません。
中身は「GB10 Grace Blackwell Superchip」というNVIDIA製の頭脳です。CPUは20コア、GPUはBlackwell世代を積んでいます。
AI計算の性能は最大1PFLOPS（ペタフロップス）とされています。ペタフロップスは「1秒間に1000兆回の計算ができる」という単位です。少し前まで、この数字は体育館ほどの部屋を占めるスーパーコンピューターの領域でした。
カギは128GBの「統合メモリ」
ただし、ローカルLLMを動かすうえで本当に効いているのは計算速度ではありません。メモリの量です。
DGX Sparkは128GBの統合メモリを積んでいます。統合メモリ（ユニファイドメモリ）とは、CPUとGPUが同じメモリを共有する仕組みのことです。
AIモデルは、動かす前にまるごとメモリへ読み込む必要があります。メモリに入りきらないモデルは、どれだけ高速なGPUがあっても動きません。
広い作業机があれば大きな設計図を全部広げられるけれど、狭い机では図面を折りたたむしかない。AIのメモリも同じ関係です。
NVIDIAによれば、DGX Sparkは最大2000億パラメータ規模のモデルまで扱えます。ストレージは1TBまたは4TBのNVMe SSDを選べます。
ローカルLLMブームを生んだ「3つの条件」
では、なぜ今なのでしょうか。手元でAIを動かしたいという願望自体は、何年も前からありました。
ITmediaの記事は、ブームの成立条件を「モデル」「ハードウェア」「ソフトウェア」の3つに整理しています。順に見ていきます。
条件1：無料で使える高性能モデルが出そろった
1つ目は、オープンウェイトモデルの進化です。
オープンウェイトモデルとは、AIの「重み」（学習の成果が詰まったデータ本体）が公開されていて、誰でもダウンロードして使えるモデルを指します。
転機は2025年1月でした。中国DeepSeek社が「DeepSeek R1」を公開し、有料の最先端モデルに迫る性能を無料で配ったのです。
その後、Alibaba Cloudの「Qwen」ファミリーが続きます。2026年8月には「Qwen3.8-27B」が公開されました。MetaのLlama、GoogleのGemma、MicrosoftのPhiも商用利用できる形で並んでいます。
ちなみに、以前は「無料のモデルは性能もそれなり」が常識でした。その前提が数年で崩れたわけです。
条件2：大容量メモリを積んだ機械が買えるようになった
2つ目がハードウェアです。まさにDGX Sparkが該当します。
従来、大きなモデルを動かすにはGPUのVRAM（画像処理用の高速メモリ）が必要でした。しかしVRAMは高価で、24GBを超えると急に手が届かなくなります。
そこに登場したのが、CPUとGPUでメモリを分け合う統合メモリ型のマシンです。ASUSの「Ascent GX10」など、同じ設計の製品も出てきました。
量子化（モデルのデータを圧縮して軽くする技術）を組み合わせれば、128GBあれば700億パラメータ級のモデルも余裕をもって載ります。
条件3：導入が「ダウンロードするだけ」になった
3つ目はソフトウェアです。ここが実は一番大きいかもしれません。
数年前まで、ローカルでAIを動かすにはコマンドを打ち、環境を整え、エラーと格闘する必要がありました。プログラミングの知識が前提だったのです。
今は違います。「Ollama（オラマ）」や「LM Studio（エルエムスタジオ）」といった無料ソフトが登場しました。
インストールして、使いたいモデルを選んで、ボタンを押す。それだけでChatGPTのような画面が手元に立ち上がります。
本格運用向けには「vLLM」、細かい制御には「llama.cpp」と、目的別の選択肢もそろいました。
誰が、何のために買っているのか
100万円を出してまで手元でAIを動かす理由は、どこにあるのでしょうか。具体的な現場を3つ想像してみてください。
ひとつ目は、病院の研究部門です。ある研究者が数千人分のカルテを分析したいと考えています。しかし患者の病名や治療歴を外部のクラウドに送ることは、規定上どうしても認められません。手元で完結する機械があれば、この壁が消えます。
ふたつ目は、地方の中小メーカーの設計部門です。図面や製造ノウハウは会社の生命線で、外部サービスに読ませるわけにはいきません。それでも設計書の要約や過去トラブル事例の検索はAIに任せたい。ここでも自社内で閉じた環境が答えになります。
みっつ目は、個人開発者です。AIを組み込んだアプリを作っていると、テストのたびにAPI利用料が発生します。月に数万円かかるようになったとき、100万円の機械を「2〜3年で元が取れる設備」として見る人が出てきます。
共通するのは、データを外に出さないことと、使うほど課金されないことです。この2つが刺さる層が、想像以上に厚かったということでしょう。
ライバル機と比べるとどうなのか
DGX Sparkだけが選択肢ではありません。同じ「128GB級のAI机上マシン」という土俵に、有力な対抗馬がいます。
AMD機は約半額、ただし速度差は大きい
最大のライバルが、AMDの「Ryzen AI Max+ 395」（開発名Strix Halo）を積んだマシンです。
米国での価格は3999ドル。DGX SparkはNVIDIAが2026年2月に3999ドルから4699ドルへ値上げしているため、AMD機のほうが明確に安く買えます。実売では半額に近いケースもあります。
メモリはどちらも128GB。メモリ帯域（データをやり取りする速さ）はDGX Sparkが273GB/s、AMD機が256GB/sと、ほぼ互角です。
差が出るのは処理速度でした。海外メディアThe Registerなどの検証によると、プロンプト処理（入力文を読み込む工程）でDGX Sparkは約1723トークン/秒、AMD機は約340トークン/秒。およそ5倍の開きがあります。
Macは帯域で圧勝している
もうひとつの選択肢がAppleのMac Studioです。
こちらはメモリ帯域が桁違いで、M3 Ultraで819GB/s、最新のM5 Ultraでは1.2TB/sに達します。DGX Sparkの273GB/sと比べると4倍以上です。
帯域が広いほど、文章を書き出す速度（トークン生成）が上がります。実測でもAMD機はM5世代のMac Studioに対して3〜5分の1の生成速度とされています。
では何がDGX Sparkの強みなのか。CUDAです。CUDAはNVIDIAのGPUを動かすための開発基盤で、業務用AIサーバーの標準になっています。
手元で試した処理を、そのまま会社のNVIDIAサーバーへ持っていける。この「移し替えの手間ゼロ」が、開発者にとって値段以上の価値を持ちます。
まとめると、容量あたりの安さならAMD、生成速度ならMac、本番環境との互換性ならDGX Sparkという整理になります。
日本市場にとって、この動きは何を意味するか
この現象が日本で最初に目に見える形で出たことには、理由がありそうです。
日本企業は、データを社外に出すことへの警戒がとりわけ強い傾向があります。個人情報や取引先の情報をクラウドAIに入力してよいか、社内規定で明確に禁じている会社は少なくありません。
実際、国内の導入事例ではNTTの「tsuzumi」のような国産モデルが選ばれる場面が目立ちます。日本語性能と、データを持ち出さずに済む条件が決め手になっています。
ただ、いきなり100万円を投じる必要はありません。専門家の間では、まず20万円台のPCと無料ツールで小さく試すやり方が勧められています。
そこで手応えがあれば上位機に進む。逆に、思ったより精度が出なければ引き返せます。「導入したのに期待通り動かない」「結局クラウドより高くついた」という失敗談も、すでに現場から報告されているためです。
もうひとつ気になるのが供給です。値上がりが続いているということは、日本にまとまった台数が入ってきていない可能性があります。半導体メモリの需給が厳しい状況も続いており、当面この価格が下がる保証はありません。
よくある質問（FAQ）
Q1. DGX Sparkは普通のパソコンとして使えますか？
おすすめしません。AI開発者や研究者に向けた専門機材で、CPUもArm系のためWindows向けソフトがそのまま動くわけではありません。文書作成やゲームが目的なら、同じ予算でずっと快適なPCが買えます。
Q2. ローカルLLMはChatGPTの代わりになりますか？
用途によります。要約、翻訳、社内文書の検索、下書き作成といった作業なら十分実用的です。一方で、最新の話題を調べたり、最高難度の推論を求めたりする場面では、クラウドの最先端モデルに分があります。両方を使い分けるのが現実的です。
Q3. もっと安くローカルLLMを始める方法はありますか？
あります。16GB程度のメモリがあれば、gpt-oss-20bのような小型モデルは動きます。まずはOllamaやLM Studioを手持ちのPCに入れて、小さなモデルから試すのが確実です。費用はゼロで、感触をつかめます。
Q4. なぜ製品なのに値上がりし続けているのですか？
需要が供給を上回っているためと見られます。世界的にAI向け半導体とメモリの奪い合いが起きており、生産数を急に増やせません。加えてNVIDIA自身が2026年2月に米国での希望価格を3999ドルから4699ドルへ引き上げています。
Q5. 128GBあれば、どんなモデルでも動きますか？
いいえ。NVIDIAが示す上限はおよそ2000億パラメータ規模です。それを超える巨大モデルは、量子化しても1台では載りません。ただし個人や中小企業が扱う範囲であれば、この容量で足りることがほとんどです。
まとめ
- NVIDIAの小型AI機「DGX Spark」が、価格.comのデスクトップPC注目ランキングで1位になりました
- 価格は7月末の96万9980円から9月8日時点で約113万円へ、6週間で16万円ほど上昇しています
- ランキング上位の他の4製品は10万〜30万円台のゲーミングPCで、価格帯が大きく異なります
- ブームは「オープンウェイトモデル」「統合メモリ搭載機」「Ollama等の簡単ツール」の3条件がそろって生まれました
- AMD機は約半額ですがプロンプト処理は約5分の1、Macは帯域で4倍以上と、それぞれ得意分野が違います
- 日本ではデータを外に出せない事情が導入を後押ししており、まずは20万円台の環境で試す進め方が現実的です
気になった方は、まず手持ちのパソコンにOllamaかLM Studioを入れて、小さなモデルを1つ動かしてみてください。100万円の機械が必要かどうかは、それから判断しても遅くありません。