ThinkCentre X Ultra vs. Acemagic F9A：ローカルAIでは「統合メモリ容量」が勝負を分ける

ローカルで大規模言語モデル（LLM）を動かす際、一般的なPCではGPUのVRAM容量が最初の壁になりやすい。Ryzen AI Max+ PRO 495を採用するLenovo ThinkCentre X UltraとAcemagic F9A PRO 495は、CPU、Radeon 8065S内蔵GPU、AI処理リソースが同じLPDDR5Xメモリプールを共有する設計で、この制約に別のアプローチを提示する。442

結論から言えば、1台で最大級のメモリ容量を求めるならF9A、運用管理や複数台構成まで見据えるならThinkCentre X Ultraが有力だ。ただし、両者の「131 TOPS」という公称値だけで、チャット応答の速さを比較することはできない。

主要仕様の比較

項目	Lenovo ThinkCentre X Ultra	Acemagic F9A PRO 495
プロセッサー	最大Ryzen AI Max+ PRO 495、Radeon 8065S 42	Ryzen AI Max+ PRO 495、Radeon 8065S 4
最大統合メモリ	128GB LPDDR5X 42	192GB LPDDR5X-8533 4
GPU向けメモリ割り当て	統合メモリから最大96GB 42	最大160GBと報じられている 23
筐体容量	1.6L 42	約2L、158.5×158.5×81.5mm 5
ストレージ	M.2 2280 PCIe Gen5 SSDを最大2基、合計8TB 33	M.2 2280 PCIe 4.0 x4を1基、最大4TB対応と報じられている 13
接続・拡張	AMD PRO、Lenovoのセキュリティ／管理機能を重視。詳細I/Oは構成により異なる 42	2.5GbE×2、Wi‑Fi 7、USB4×2、HDMI 2.1、DisplayPort 2.1、OCuLink 4
ソフトウェア面	Windows 11／Linux対応、AI Developer Center、法人向け管理機能 45	ローカルAI重視の発表。法人向けフリート管理の同等機能は発表資料で明示されていない 4
発売・価格	2026年11月発売予定、€3,100から 42	IFA展示時点で価格、地域、発売日は未発表 1

なぜ統合メモリがローカルLLMで重要なのか

通常、ディスクリートGPU搭載PCでは、システムRAMとGPUのVRAMは分かれている。ローカル推論では、モデルの重みだけでなく、会話が長くなるほど増えるKVキャッシュも、モデルを実行するアクセラレータからアクセス可能なメモリに収める必要がある。そこでVRAM容量が制約になりやすい。

PRO 495ではCPU、内蔵Radeon GPU、AIリソースが1つのメモリプールを共有する。Acemagicは、この共有メモリをローカルAI推論やデータ処理などのメモリ負荷が高い用途向けと説明している。4 Lenovoも最大128GBの統合メモリと、そのうち最大96GBをグラフィックスメモリとして割り当てられる仕様を示す。42

もっとも、共有LPDDR5XはハイエンドGPUに直結された専用VRAMと同じものではない。強みは主に容量と柔軟性だ。小容量VRAMの構成より大きな量子化モデル、長いコンテキスト、余裕のあるKVキャッシュを扱える可能性がある一方、実際の生成速度はモデル形式、推論エンジン、コンテキスト長、メモリ帯域、持続電力特性に左右される。

F9Aは単体メモリ容量を最優先

F9A PRO 495の最大192GB LPDDR5X-8533が、最大の差別化要因だ。報道ベースの仕様では、そのうち最大160GBを内蔵GPU向けに割り当てられる。23 ThinkCentre X Ultraのシステムメモリ上限を64GB上回るため、モデル本体、コンテキスト、KVキャッシュが同じプールを取り合う用途では意味のある差になり得る。

Acemagicは120BのQ4量子化モデルや300BのMixture-of-Experts（MoE）モデルをローカルで実行できると訴求する。2 ただし、これはメーカーの適合性に関する主張であり、快適な対話速度を独立に実証したものではない。読み込めることと、用途に十分な速度で生成できることは別問題である。

I/Oも実験向きだ。USB4×2、2.5GbE×2、Wi‑Fi 7、映像出力に加え、OCuLinkを備える。4 OCuLinkは外部PCIe機器、例えば外付けGPUへの接続経路になり得るが、実用性は接続先ハードウェアとソフトウェア対応に依存する。

ThinkCentre X Ultraは法人運用とスケールアウトが軸

ThinkCentre X Ultraは統合メモリ最大128GB、GPU向け割り当て最大96GBで、単体容量ではF9Aに及ばない。42 それでも1.6Lという小型筐体としては大きなメモリプールである。

差別化ポイントはクラスタ構成だ。Lenovoは、X Ultraをさらに3台まで接続し、大型モデルやマルチエージェント処理に使えるとしている。44 最大構成の4台なら、統合メモリの合計は最大512GBになる。

ただし、この512GBは1枚のGPUが直接使える単一の512GBメモリ空間ではない。複数ノードでの推論には、モデルや処理を分割できるソフトウェアが必要であり、ネットワーク通信のオーバーヘッドも生じる。動かせるモデルの範囲は広がり得るが、同容量の単一アクセラレータと同じ単純さや低遅延が得られるとは限らない。

加えて、ThinkShield、AMD PRO、DASH管理機能など、Lenovoはハードウェア周辺の法人向け基盤を明確にしている。36 Windows 11とLinuxへの対応も示され、2026年11月発売予定、€3,100からという調達上の目安が提示されている。4245

TOPSではLLMの速さは分からない

NPUの55 TOPS、プラットフォーム全体で最大131 TOPSという数値は、対応AI処理能力の理論的な指標ではある。しかし、チャットの応答速度やモデル品質のベンチマークではない。両社の発表には、共通LLMを用いた独立比較のtokens/s結果は示されていない。

選定では、次の3点を分けて考えるとよい。

1. モデルは収まるか：メモリ容量、量子化方式、コンテキスト長が中心となる。
2. 十分に応答が速いか：TOPSではなく、対象モデルとランタイムでのtokens/s測定が必要。
3. 安定運用できるか：複数台運用や管理機能を重視するなら、Lenovoの設計思想が効いてくる。

RTX Sparkとの競争も始まる

NVIDIAもRTX SparkをWindowsノートPCと小型デスクトップへ展開中だ。NVIDIAはASUS、Dell、HP、Lenovo、Microsoft Surface、MSI製のRTX Spark搭載機を2026年秋に投入し、その後AcerとGIGABYTEのモデルも続くとしている。32 Reutersも、Dell、HP、LenovoなどのノートPC・小型デスクトップに同プラットフォームが搭載されると報じた。17

NVIDIAのGPUソフトウェアエコシステムを重視する利用者にとってRTX Sparkは重要な選択肢になり得る。ただし、最終的なOEM構成、価格、独立した性能データは機種ごとに異なり、現時点では検証が必要だ。23

実際にはどちらを選ぶべきか

• F9Aを選ぶべき人：単体筐体での最大統合メモリを最優先する人。192GBの上限と最大160GBのGPU割り当ては、より大きな量子化モデルや長いコンテキストを試すうえで明確な利点となる。販売条件は発表時点で未確定だ。12
• ThinkCentre X Ultraを選ぶべき人：OS選択肢、管理性、セキュリティ、最大4台クラスタへの正式な拡張ルートを重視する組織。2026年11月発売予定で、価格は€3,100からとされる。4245
• 速度が最重要の人：実機ベンチマークを待つべきだ。モデルを収められるメモリ容量は重要だが、実際の対話性能は、モデル、量子化、コンテキスト長、推論ソフトウェアを揃えた比較でしか判断できない。

小型AIワークステーションは、演算性能だけでなく、モデルをローカルに保持し、実用的なコンテキストを残せるメモリ容量でも競争する段階に入りつつある。