「32GBで十分」は本当か？Ryzen AI搭載ThinkPad P16sで48GBメモリ・16インチ筐体を選ぶべき実利的な根拠

1. なぜ32GBでは「AI実務」に耐えられないのか？数値で見るメモリの枯渇

多くの人に見落とされているのは、「WindowsというOSが動くだけで消費するメモリ」と「AIが占有するメモリ」の競合です。

OSと業務アプリが「半分」を奪い取る現実 PCを起動して業務を開始した直後のメモリ使用内訳を計算してみます。

この時点で、合計12GB〜18GBが消費されます。32GB搭載機の場合、AIが自由に使える残量はわずか14GB〜20GB程度。これでは、高性能な中規模モデル（Llama 3クラス）を動かした瞬間に、動作が極端に重くなる「スワップ」が発生します。

2. 演算基盤：AMD Ryzen™ AI 300 (Strix Point) と UMA の物理的限界

Ryzen AI 7 PRO 350（Strix Point）の最大の特徴は、XDNA™ 2アーキテクチャを採用したNPUと、RDNA™ 3.5のiGPU、そしてこれらがシステムRAMを共有する**UMA (Unified Memory Architecture)**にあります。

【技術的出典：AMD XDNA™ 2 Architecture White Paper / Ryzen AI Software Documentation】 AMDの公式ドキュメントによれば、Ryzen AI 300シリーズにおけるNPUおよびiGPUのメモリ確保には、Windows OS側でのハードウェア予約、およびドライバレベルの厳しい制限が存在します。

• VRAM予約のオーバーヘッド: Windows 11 Copilot+ PCの要件を満たすため、iGPUとNPUへの動的割り当てが発生します。システムメモリが32GBの場合、デフォルトでOSとバックグラウンドプロセスが4～6GBを占有し、さらにiGPUがワークロード（画像生成や高精細ビデオ処理）に応じて、システムメモリの最大50%までを「VRAM領域」として予約しようと試みます。
• 物理的計算の破綻: 32GB搭載時、実質的にユーザーが推論に使える「クリーンなメモリ空間」は20GB前後まで圧縮されます。これは、高性能な中規模モデル（Llama 3クラス）をロードした瞬間に、メモリ不足を補うためにSSDをメモリとして代用する**「スワップ（Swap）」**を引き起こし、推論速度を100倍以上劣化させる致命的な要因となります。

3. ユニファイドメモリ（UMA）の技術的制約

今回採用した Ryzen AI 7 PRO 350 は、CPU・GPU・NPUがメモリを共有する**UMA（Unified Memory Architecture）**を採用しています。

【引用：AMD Ryzen™ AI 300 Series Tech Brief】 “The integrated Radeon™ graphics and XDNA™ 2 NPU share system memory with the CPU. Efficient allocation is critical for large language model (LLM) performance.” （統合グラフィックスとNPUはCPUとシステムメモリを共有する。大規模言語モデルの性能には、効率的なメモリ割り当てが不可欠である。）

AMDのXDNA 2アーキテクチャでは、NPUおよびGPUの推論加速において、システムRAMの一部を「ハードウェア予約済み領域」として固定、あるいは動的に割り当てます。

つまり、高性能なAIモデルをロードする場合、システムが自動的に「VRAM分」としてメモリを大きく確保しようとします。32GB環境でこれをやると、OS側で使えるメモリが10GBを切ってしまい、システム全体が不安定になります。48GBあれば、AIに24GB割り当てても、OS側に24GB残る。この余裕が実務での安定感を生みます。

4. メモリ算定：48GB/96GBが「科学的必然」である根拠

「なぜ48GBなのか」という問いに対し、メタ・プラットフォームズ（Meta）のLlama 3.3 70Bの推論要件を基に計算します。

【技術的出典：Meta Llama 3.3 Model Card / Hugging Face AWQ-INT4 Specs】

70B（700億パラメータ）モデルを4-bit量子化（AWQ/GGUF）して実行する場合：

• モデルウェイト: $70 \times 10^9 \text{ parameters} \times 0.5 \text{ bytes (4-bit)} = \sim 35.0 \text{ GB}$
• OS / iGPU固定予約: 最小システム要件 (Windows 11) = ~4.0 GB
• KVキャッシュ (8k context): $2 \times \text{layers} \times \text{heads} \times \text{dim} \times \text{context} = \sim 2.5 \text{ GB}$
• 合計 (最小値): 41.5 GB

結論: 32GB構成では、Llama 3.3 70B（4-bit）は**OSを起動した瞬間にSwap（仮想メモリ）が発生し、推論速度が100倍以上劣化（Token/sが1未満へ）**します。48GB（24Gbダイ採用の非バイナリメモリ）こそが、このクラスのモデルを「実用速度」で動かすための物理的な下限境界線です。

さらに、96GB戦略（48GB×2）を推奨する理由は、将来のLPDDR6/DDR5の高密度化と、マルチモーダル化によるVRAM消費増大への対抗策です。ThinkPad P16s Gen 4がSODIMMスロットを2基維持している点は、Apple Silicon（メモリ増設不可）に対する最大の技術的優位性です。

5. 16インチ筐体が「冷却」でもたらす決定的な差

「持ち運ぶなら14インチ」という常識は、AI PCには当てはまりません。ThinkPad P16s Gen 4のような16インチ筐体を選ぶ理由は「画面の大きさ」以上に「熱を逃がす力」にあります。

ヒートシンク表面積とパフォーマンス維持

AIの処理（推論）は、数分間にわたってプロセッサをフル稼働させます。14インチの薄型機では、すぐに内部温度が上昇し、故障を防ぐために強制的に性能を落とす「サーマルスロットリング」が発生します。

• P16s（16インチ）： 筐体内の容積が大きく、ヒートシンク（放熱板）の面積も広い。ファンを猛回転させなくても熱を逃がせるため、長時間のAI処理でも速度が落ちません。
• 軽量機（14インチ）： 表面面積が小さいため、一度熱を持つと冷えにくく、AIの回答速度が目に見えて遅くなります。

6. 熱力学的設計：ニュートンの冷却法則による筐体選定の正当性

AIの推論処理は、数分間にわたってNPUとCPUをフル稼働させます。ここで課題となるのが「サーマルスロットリング（熱による速度低下）」です。

冷却効率（放熱量）は、放熱表面積に比例します。

• 14インチ機（X1 Carbon/P14s等）： 表面積 が小さいため、熱がこもりやすく、推論開始から数十秒でクロックが低下します。
• 16インチ機（P16s）： 【技術的出典：Lenovo PSREF (Product Specifications Reference) P16s vs X1】によると、14インチ機と比較して、筐体容積およびヒートシンクの表面積が約25～30%大きい設計となっています。

筐体が大きいことで、内部の空気流路（Airflow path）のインピーダンスが低下し、ファン回転数を上げずに高い熱交換効率（熱抵抗 の低減）を維持できます。Ryzen AI 7 PRO 350のcTDP（Configurable TDP）を最大値（54W付近）で長時間維持するには、この物理的面積 $A$ の確保が不可欠です。小口径筐体では数分でサーマルスロットリングが発生し、NPUの演算精度を維持できなくなります。

「冷却できるから16インチ」ではなく、**「持続的なAI推論には16インチの表面積が物理的に不可欠」**なのです。

７．SSD戦略：NVMe Gen4とNANDの寿命（TBW）

AIワークロード、特にRAG（検索拡張生成）やローカルでのファインチューニングを想定する場合、SSDの選定は容量以上に**「耐久性（Endurance）」**が課題となります。

【技術的出典：Western Digital White Paper “SSD Endurance in AI Workloads”】 AIモデルの頻繁なロード（Swap含む）および、大規模ベクトルデータベースの書き換えは、民生用SSDの設計寿命を劇的に縮めます。

あえてGen4 1TBを選ぶ合理的な判断とポイント

ストレージについては、最新のGen5や大容量の4TBをあえて避け、標準的なPCIe Gen4 1TBを選択することをおすすめします。

• 発熱のリスク（Gen4 vs Gen5）: P16s Gen 4が採用するPCIe Gen4 x4は、Gen5に比べて「消費電力あたりの発熱量」において優位です。Gen5 SSDは非常に高温になります。ノートPCという閉鎖空間では、Gen5のコントローラー熱は隣接するRAMのサーマルエラー（Bit flip）を誘発するリスクがありますが、Gen4は安定した連続読み込み（Sequential Read）を提供します。
• TBW (Total Bytes Written) と買い替えの容易さ: AI PCでは、OSのデフォルト設定である「高速スタートアップ」や「仮想メモリの頻繁なアクセス」により、通常の事務用途の3～5倍の書き込みが発生します。そのため、換装時にはエンタープライズグレードに近いTBWを持つTLC NAND（QLCは不可）の選定が必須です。

【失敗しないSSD選びのポイント】

• 発熱のリスク： Gen5 SSDは非常に高温になります。ノートPCの内部では、SSDの熱が隣接するメモリに悪影響を及ぼす可能性があるため、安定したGen4がベストです。
• 買い替えの容易さ： AI PCはデータの書き込みが激しいため、SSDの寿命（TBW）が早く来ます。今高価な大容量を買うより、数年後に安くなったタイミングで最新パーツに換装するのが賢い投資です。

まとめ：48GB×1枚構成が、将来の「96GB」を可能にする

今回、48GBメモリ（1枚）の構成にこだわる最大の理由は、ThinkPad P16sが持つ「拡張スロット」にあります。多くの軽量機がメモリを基板に直付け（増設不可）にする中、このモデルは将来もう1枚の48GBを追加することで、合計96GBまでアップグレード可能です。

結論：AI PCの「旬」を逃さないために

今32GBで妥協すると、1年後に登場するより高度なAIモデルを動かせず、PCごと買い替える羽目になります。48GBという「余白」と、16インチという「冷却性能」を備えたP16sこそ、長く使える道具と言えるでしょう。

知能を「自分専用」に設計する：購入ガイド

1. 自由なカスタマイズこそが魅力

私は既製品ではなく、自分の将来予測に基づいた「カスタムモデル」を運用しています。

▼構成を自由にカスタマイズして注文する▼

2. 中古でも衰えない「堅牢性」

● ThinkPadの真価をまず試したい方へ。

▼ThinkPadの堅牢性を中古モデルで試す▼