マイクロソフト「Project Zenith」発表、Windowsで300億超AIモデルをローカル実行　実効性能はモデル構造が左右

Microsoftは2026年9月4日、開発者向けPCに最適化したWindows環境「Project Zenith」を発表した。64GB以上のユニファイドメモリと毎秒250GB以上のメモリ帯域幅を備えた機器を対象とし、300億超パラメータのAIモデルをクラウドのトークン課金なしでローカル実行できる環境を目指す。

Project ZenithはWindowsの新しいエディションではなく、開発ツールやWindowsの設定をあらかじめ開発者向けに整えた構成である。最初はAMDのRyzen AI Haloを搭載する機器で提供され、ほかのパソコンメーカーや半導体メーカーの製品も今後数カ月で加わる予定だ。

■64GBのユニファイドメモリと毎秒250GBの帯域幅

MicrosoftがProject Zenithの対象として示した最低条件は、64GB以上のユニファイドメモリと毎秒250GB以上のメモリ帯域幅である。ユニファイドメモリは、CPUとGPUが同じメモリ領域を共有する構成を指す。独立したGPUメモリの容量に縛られにくく、大きなAIモデルを端末上に保持しやすいという特徴がある。

Microsoftは、この構成により300億超パラメータのモデルをローカルかつ非従量制で実行し、クラウドで消費するトークンへの依存を減らせるとしている。一方、公式発表では特定モデルの実行速度や量子化方式、推論ソフトウェアなどの条件は示していない。

モデルをメモリに読み込めることと、十分な速度で推論できることは分けて考える必要がある。ローカルでの生成速度は、モデルの規模だけでなく、アーキテクチャ、量子化方式、メモリ帯域幅、使用する推論エンジンやドライバー、入力文の長さなどによって変化する。

■密モデルとMoEでは処理量が異なる

特に重要なのが、密モデルとMixture-of-Experts（MoE）の違いである。密モデルは原則として各トークンの処理にモデル全体のパラメータを使用する。これに対しMoEは、複数の専門的な部分モデルのうち、入力に応じて一部だけを選択して処理する。

MoEではモデル全体をメモリに保持する必要があるものの、トークンごとに実際に使用するパラメータを絞れる。このため、総パラメータ数が同程度の密モデルより高速に生成できる場合がある。

Ryzen AI Max+ 395と128GBメモリを搭載した試作機による公開ベンチマークでは、4ビット量子化したQwen3-30B-A3Bが毎秒約72トークン、700億パラメータ級の密モデルが毎秒約5トークンを記録した例がある。ただし、この測定は特定のLinux環境、推論バックエンド、量子化方式、ソフトウェア構成を用いた結果であり、すべてのProject Zenith機器やモデルにそのまま当てはまる数値ではない。

Project Zenithの毎秒250GBという要件は、大規模モデルを端末上に保持する容量だけでなく、推論時のデータ転送速度を重視したものとみられる。購入を検討する開発者は、総パラメータ数だけで判断せず、実際に使用するモデルと推論環境をそろえたベンチマークを確認する必要がある。

■開封後すぐに開発を始められる構成

Project Zenithでは、Windows TerminalとVisual Studio Codeが標準でタスクバーに固定される。Microsoftはこのほか、言語やランタイム、ソース管理、生産性向上に関する開発ツールをあらかじめ導入すると説明しているが、公式発表では完全なパッケージ一覧を示していない。

Windowsの設定も開発作業向けに変更される。エクスプローラーではファイルの拡張子、隠しファイル、タイトルバーのフルパス、詳細ウィンドウを表示し、長いファイルパスのサポートを有効にする。最近使ったファイルやフォルダー、同期サービスに関するヒントは無効になる。

検索とスタートメニューではCommand Paletteを有効にし、スタートメニューのヒントやアカウント関連の通知を減らす。新しいPCを導入するたびに繰り返していた初期設定をメーカー側で済ませ、開発作業を始めるまでの時間を短縮する狙いがある。

Microsoftは、この構成を特定の開発方法に固定するものではないとしている。利用者は従来通り、使用する言語、フレームワーク、ツールに合わせて設定やアプリケーションを変更できる。

■WSLとAIエージェント向けの実行基盤

Project Zenithでは、Windows Subsystem for Linux（WSL）も開発基盤の一部に位置付けられている。MicrosoftはWindows上でLinuxコンテナを作成、実行、操作できるWSLコンテナの統合を進めている。

AIエージェントの実行環境については、OSによるID管理、Microsoft Execution Containers（MXC）による処理の隔離、企業向け管理機能への投資をProject Zenith機器でも利用できるようにする。Microsoftは、エージェントがコードやファイルを扱いながら継続的に動作する用途を見据え、安全な実行基盤とローカルAI処理能力を組み合わせる方針だ。

もっとも、Project Zenithという名称だけで個別の機能の提供状態やセキュリティ境界が確定するわけではない。企業が導入する際は、出荷時点で利用できるWindowsのバージョン、MXCなどの機能の提供段階、管理機能の要件を確認する必要がある。

■ローカル推論の費用対効果

ローカル推論には、処理したトークン数に応じたクラウドAPI料金が発生しないという利点がある。長時間稼働するAIエージェントや、試行を繰り返す開発用途では、処理の一部を端末側へ移すことでクラウド利用料を抑えられる可能性がある。

一方、ローカル環境ではPC本体の購入費、消費電力、管理工数、モデルや推論ソフトウェアの更新作業を利用者側が負担する。クラウドの高性能モデルを完全に置き換えられるかどうかも、ローカルで利用するモデルの能力と処理速度によって異なる。

費用対効果を判断するには、チームが実際に支払っているクラウド推論料金と、ローカルで代替可能な処理の割合を確認することが重要になる。Project Zenithは、あらゆるAI処理をローカルへ移す構想ではなく、高度な処理にはクラウドのフロンティアモデルを使い、それ以外の処理を端末側で大量に実行する役割分担を想定している。

■Ryzen AI Haloから提供開始

Project Zenithは、AMDのRyzen AI Haloを採用する機器から提供される。Ryzen AI Max+ 395を搭載するAMDの開発者向けプラットフォームは、128GBのLPDDR5Xユニファイドメモリと毎秒256GBのメモリ帯域幅を備えており、Microsoftが示した最低要件を満たす。

LenovoもIFA 2026で、Ryzen AI Max+ PRO 495を搭載できる小型デスクトップ「ThinkCentre X Ultra」を発表した。容量1.6リットルの筐体に最大128GBのLPDDR5Xユニファイドメモリを搭載し、最大4台を接続できるクラスタ対応構成を採用する。

Lenovoによると、ThinkCentre X Ultraは2026年11月に欧州で3100ユーロから発売する予定だ。日本での発売時期、価格、Project Zenith構成の提供対象になるかどうかは、9月5日時点の日本向け公式情報では確認できない。

最大4台の構成では、利用可能なメモリや演算資源を拡張し、より大きなモデル、長いコンテキスト、複数のAI処理に対応できるとしている。ただし、Lenovoはモデル別の分散推論速度を公表していない。複数台構成の実効性能は、接続方式、推論ソフトウェア、モデルの分割方法などを含む実測で判断する必要がある。

■Mac Studioとの違いはメモリ帯域にも

ローカルAI用の機器を比較する際は、メモリ容量に加えて帯域幅も重要になる。Ryzen AI Max+ 395を搭載するAMDの開発者向けプラットフォームは毎秒256GBであるのに対し、M3 Ultra搭載Mac Studioは毎秒819GBのメモリ帯域幅を備える。

大規模な密モデルのトークン生成はモデル重みの読み出し速度に制約されやすいため、帯域幅の大きいシステムが有利になる場合がある。ただし、実際の速度差はモデル、量子化方式、推論フレームワーク、利用できる最適化によって変わる。

MacではMetalやMLX、AMD環境ではROCmやVulkan、Nvidia環境ではCUDAといった異なるソフトウェア基盤が使われる。ハードウェア仕様だけでなく、目的のモデルが希望するOSと推論環境で安定して動作するかどうかも選定条件となる。

■企業導入では通常の供給網評価も必要

Project Zenith機器で独自コード、モデルの重み、顧客データなどを扱う企業は、ほかの開発用ワークステーションと同様に、ハードウェア、ファームウェア、プリインストールソフト、更新機構、テレメトリ、管理ツールを含む供給網のセキュリティ評価を行う必要がある。

ThinkCentre X Ultraは発表直後の製品であり、製品固有の第三者による詳細なセキュリティ評価はまだ限られている。Lenovoは同製品について、ThinkShield、AMD PRO、DASH管理機能、ディスクリートTPM 2.0などを搭載すると説明している。

企業はメーカーの国籍だけで安全性を断定するのではなく、自社のデータ分類、法規制、ソフトウェア構成、ネットワーク接続、調達基準に沿って判断する必要がある。特に機密性の高い情報を扱う場合は、不要なメーカー製ソフトの削除、通信先の確認、ファームウェア更新の管理、ネットワーク分離などをセキュリティ部門の方針に基づいて実施することになる。

■購入判断では使用モデルの実測を優先

Project Zenithの特徴は、開発ツールが最初から導入されることだけではない。64GB以上のユニファイドメモリと毎秒250GB以上の帯域幅を、ローカルAI開発用PCの基準としてMicrosoftが明確に示した点にある。

もっとも、この条件を満たせば、すべての300億超パラメータモデルが快適に動くとは限らない。MoEか密モデルか、量子化後のモデルサイズ、コンテキスト長、推論エンジン、OSやドライバーの対応状況によって性能は大きく変わる。

購入前には、使用予定のモデルを特定し、同等のハードウェアとソフトウェア構成による生成速度、入力処理速度、メモリ使用量を確認すべきだ。クラウド利用料の削減を目的とする場合は、既存の請求実績とローカルへ移せる処理量を比較する必要もある。

Project Zenithは、Windows開発者向けPCをローカルAI時代に合わせて再定義する取り組みといえる。対応メーカーや機種、価格帯が広がり、再現可能な実測結果が蓄積されれば、クラウドとローカルを使い分ける開発環境の選択肢として評価しやすくなる。

元記事: Project Zenith Brings Local 30B AI to Windows: Dense Models Remain Bottleneck