最近、NVIDIAのDGX Sparkというニュースを見て、僕の中の「ロマン回路」が久しぶりに全開になりました。
個人向けの「ミニスーパーコンピューター」。128GBの統合メモリを積んで、AI処理で1PFLOPSという性能を、手のひらサイズの箱に詰め込んでいる。これを2台つなげたら、どれくらいのことができるんだろう。
ローカル環境で動く、最高性能のLLMを自分の手元で使いたい。AIを日常的に触っている人なら、一度はこの願望を抱いたことがあるんじゃないでしょうか。僕もその一人です。
そんな願望から膨らんだ妄想が、今回の「ロマン回路全開」企画です。
DGX Spark 2台分を自作PCで再現したら？ #
DGX Sparkを2台使うと、統合メモリは256GB、AI性能は2PFLOPS（FP4）になります。消費電力は1台240Wなので、2台で480W。一般的な100Vコンセントで十分まかなえる範囲です。
これと同じスペックを、自作PCやワークステーションで再現しようとするとどうなるのか。妄想を膨らませて比較してみました。
| 項目 | DGX Spark×2台 | 自作PC/ワークステーション | Mac Studio(M3 Ultra等) |
|---|---|---|---|
| 統合/VRAM容量 | 256GB | 256GB〜288GB目安 | 256GB〜512GB(ユニファイド) |
| AI推論性能 | 2PFLOPS(FP4) | 構成次第(RTX5090×8なら圧倒) | DGX Sparkには及ばない |
| 消費電力 | 最大480W | 3,000W超え | 数百W程度 |
| サイズ | 約15cm角×2台 | 大型タワー/サーバーラック級 | 約20cm角 |
| 電源環境 | 一般的な100V | 200V電源工事が必須 | 一般的な100V |
| 価格目安 | 1台100万円超(2台で200万円超・国内実勢) | 350万〜500万円以上 | 100万〜150万円 |
自作PCで256GB分のVRAMを積もうとすると、こんな構成になります。
- CPU: AMD Ryzen Threadripper PRO 7000WXシリーズ（PCIeレーン数が必須）
- GPU: RTX 5090(32GB)×8枚、またはRTX 6000 Ada(48GB)×6枚
- メインメモリ: 256GB〜512GB DDR5 ECC
- マザーボード: WRX90チップセット
- 電源: 1,600〜2,000Wクラス×2基（200V電源工事が必須）
そもそも、DGX Spark自体が高嶺の花です。実際に日本のAmazonや価格.comで調べてみると、1台で軽く100万円を超えていました。2台揃えたら200万円オーバー。とても気軽に「ポチッ」とできる金額ではありません。
しかも、この価格は今もじわじわ上がっています。DGX Sparkは発売直後の3,999ドルから、2026年2月には4,699ドルまで値上がりしました。メモリやSSD・HDDといったストレージ関連部品の価格高騰が一因らしく、AI需要でデータセンター向けの部品が奪い合いになっているとかで、その煽りでAppleも値上げに踏み切った、という話をちらほら見かけます。この流れ、今年秋に発売されるであろう次期iPhoneにも確実に及ぶでしょう。ガジェット好きとしては、正直かなり嫌な時代になってきたなと感じています。
買えないなら自作しようか、と一瞬考えたのですが、上の構成を見て思い知らされました。むしろ自作の方が、さらにロマンが過ぎる結果になっている（笑）。
NVIDIA DGX Spark
海外には4台以上つなげる猛者もいる #
さらに調べていくと、海外には個人でDGX Sparkを4台以上つなげて使っている猛者もいるようです。
DGX Sparkは2台までなら本体同士を直接ケーブルでつなぐだけで済むのですが、4台以上になると話が変わります。200Gクラスの通信規格に対応したスイッチ（業務用ネットワーク機器）が別途必要になり、専用ケーブルも人数分必要です。
もう完全に趣味の領域を超えていて、金額を想像するだけで気が遠くなります。
200V電源工事が必要になった時点で、僕は察しました #
自宅の一室に200V電源を引いて、RTX5090を8枚並べる。
想像するだけでワクワクしますが、同時に「これ、絶対に妻に反対されるやつだ」というのも瞬時に分かりました（笑）。
騒音、発熱、電気代、置き場所。ロマンを現実に落とし込もうとした瞬間、越えなければいけない壁が一気に増えます。DGX Sparkが「一般的な100Vコンセントで動く」という時点で、実はとんでもなく現実的な製品なんだと、妄想してみて初めて気づきました。
じゃあ、普段は何を使っているのか #
とはいえ、僕個人の普段使いレベルでは、そもそもここまでの化け物スペックは必要ありません。
普段使っているのは、Claude・ChatGPT・GeminiといったクラウドのAPIサービス。使った分だけ課金される仕組みで、コスパを考えるとこれが今のところ最強です。ロマンのDGX Sparkとは別次元で、日常のAI活用は驚くほど身軽に回っています。
自分の実際のローカルLLM環境を棚卸ししてみる #
せっかくなので、自宅で実際に動かしているローカルLLM環境も棚卸ししておきます。
自宅サーバーからDiscord経由で使っている秘書ボット（Hermesエージェント）の頭脳部分は、Mac mini M4 Pro（メモリ24GB）上のOllamaで動くqwen3.5:9bというモデルです。
一時期、もっと賢そうなqwen3.6:27b（27.8B）も試したのですが、レスポンスに1〜3分かかるほど重く、実用に耐えなかったためqwen3.5:9bに落ち着きました。「大は小を兼ねる」が必ずしも成り立たないのが、ローカルLLMの面白いところです。
Mac mini M4 Pro
OllamaからvLLMへの移行は、結局しませんでした #
ローカルLLM界隈を調べていると「vLLM」というより高速な実行環境の名前をよく見かけます。
ただ調べてみると、vLLMは複数ユーザーからの同時アクセスを効率よくさばくためのもので、NVIDIA GPU向けに最適化されている面が強いようです。僕の環境はApple SiliconのMac mini1台・自分専用という使い方なので、乗り換えるメリットはほぼないという結論に落ち着きました。
その代わり気になっているのが「MLX（mlx-lm）」。Apple Silicon向けに最適化された実行環境らしく、こちらは次に試してみたい候補です。
ロマンと現実、両方あるから面白い #
DGX Sparkという「個人向けミニスパコン」の存在を知って、妄想を膨らませるだけでもかなり楽しい時間でした。
一方で、実際に自分の手元にあるのはMac mini1台と、Claude・ChatGPT・Geminiという普段使いのAPI群。派手さはありませんが、これはこれで十分すぎるくらい快適に動いています。
ロマンは妄想として楽しみつつ、実際の使い方は身の丈に合った構成で回していく。この距離感が、僕にはちょうどいいのかもしれません。
