2024年11月のブラックフライデーセールで購入した構成です。
最新ではないものの、開発・ローカルAI実験の両立という観点ではいまも満足度が高いので、実例として紹介します。
目次
主な用途
- 日常的な開発作業（エディタ・ビルド・Docker・DB）
- ローカルLLM・AI実験
- 重すぎないゲーム
買い替えた理由
前のGPUは GTX 760（Kepler世代、CUDA Compute Capability 3.0）だった。
PyTorchやTensorFlowの近年のバージョンはCUDA 3.5以上、あるいは5.0以上を要件とするものが多く、ライブラリの要件を満たせずローカルでのAI実験が実質困難な状況だった。
ローカルで推論・ファインチューニングを試せる環境を整えるために、今回の構成へ移行した。
構成と購入価格
| パーツ | 型番・仕様 | 価格 | 購入店 |
|---|---|---|---|
| CPU＋MB＋RAM セット | Ryzen 5 7600 / B650M Pro RS / DDR5 32GB | ¥49,800 | ソフマップ |
| GPU | RTX 4070 Super（VRAM 12GB） | ¥93,500 | ドスパラ |
| SSD | M.2 NVMe 500GB | ¥5,590 | ツクモ |
| ケース | Antec CX200 RGB Elite | ¥6,380 | PC工房 |
| 電源 | 650W 80PLUS Bronze | ¥7,645 | Joshin |
合計: ¥162,915（税込）
※ すべてネット通販で購入。OS（Ubuntu）はライセンス費用なし。
※ HDD・サブSSDは既存資産を流用のため上記に含まず。
各パーツの選定理由
Ryzen 5 7600
AM5プラットフォームのエントリークラスに位置するが、シングルスレッド性能は高く、開発中の体感（エディタ操作・ビルド・日常操作）には十分と判断した。
マルチスレッドが主役になる用途（動画エンコード・大規模コンパイル等）ではより上位のCPUが有利になる場面もあるが、本構成の主目的には過剰投資と判断してコスト圧縮に充てた。
RTX 4070 Super（VRAM 12GB）
ローカルAI実験では、VRAMがロードできるモデルサイズの上限を直接規定する。
7B〜13Bパラメータクラスのモデルをfloat16で動かす場合、目安として14〜26GB前後のVRAMが理想だが、量子化（GGUF / AWQ等）を活用すれば12GBでも7B〜13Bクラスは実用的に扱える。
予算内でVRAMを最大化する選択として採用した。
メモリ 32GB（DDR5）
Docker・IDE・ブラウザ・DBを同時に起動する開発環境では、16GBでは用途によって不足が生じやすい。
32GBを選択したのは「余裕を持った実用容量の確保」が主な理由で、当時の価格が安かったことも追い風になった。
なお、必要な容量は用途やDockerイメージの構成次第で変わるため、あくまで本構成の判断基準として参考にしてほしい。
Ubuntu運用
OS費用をゼロにすることで、削減分をGPU・メモリに充当した。
AI・開発ツールのエコシステムとの親和性も高く、本用途では合理的な選択と判断している。
省スペース化：microATXを選んだ経緯
前のPCはATXフルタワーで、設置スペースを取りすぎていた。
今回はmicroATX構成に切り替えて省スペース化を図った。
ケース（Antec CX200 RGB Elite）はレビューでも指摘されているとおり組み立てに難があり、内部スペースが限られるため配線はやや窮屈になる。
ただし完成後の外観は満足度が高く、トータルでは及第点以上の選択だった。
構成の割り切りポイント
電源：非モジュラーを選択
650W・80PLUS BronzeはRTX 4070 Super（TDP220W）＋Ryzen 5 7600（65W）の構成に対して容量的に問題ない。
フルモジュラー電源は余剰ケーブルの取り回しが楽になるメリットがあるが、価格差を他パーツに回す判断でノンモジュラーを選んだ。
見た目より性能単価を優先
ケースが白のため、GPUも白で揃えたかったが、外装カラーだけで数万円高くなる選択肢は費用対効果が見合わないと判断して断念した。
ストレージは既存資産を流用
HDDとサブSSDは旧構成から持ち越し。新規購入はOS用のM.2 NVMe（500GB）のみとし、総額を抑えた。
組み立て時の注意点
M.2 Wi-Fiカードを後付けする場合
このケースでM.2 Wi-Fiアダプタを後付けする場合、マザーボードから背面スロットに引くアンテナ線の経路が長くなり、取り回しがかなりタイトになる。
後から追加する予定がある場合は、組み立て前にアンテナ線のルートを確認しておくことを勧める。
まとめ
「使うところにだけ予算をかける」方針で組んだ構成。
- GPU：VRAMを重視し、予算の過半を投入
- CPU：開発用途の体感を確保しつつコスト圧縮
- メモリ：Docker・IDE同時利用を想定して32GBを確保
- OS・ストレージ：無料OS＋既存資産流用で節約
合計16.3万円で、開発とローカルAI実験を現実的に回せる環境を構築できた。
購入当時の価格のため現在の市場価格とは異なるが、構成の参考になれば幸い。