2024年5月にMicrosoftが定義した「Copilot+ PC」は、40 TOPS以上のNPU搭載をハードウェア要件とする新カテゴリだ（Microsoft公式）。Surface Pro・Surface Laptopはこのカテゴリに対応し、従来のSnapdragon X Elite / X Plus搭載モデルが45 TOPS級NPU、2026年6月投入のSurface Pro 第12世代・Surface Laptop 第8世代ではSnapdragon X2 Plus / X2 Elite（Surface搭載構成はMicrosoft資料上80 TOPS NPU）を備える。AMD Ryzen AI 300・Intel Core Ultra 200Vも同要件を満たすWindows向けSoCを展開しているが、Apple M4は38 TOPSのNeural Engineを持つ比較対象であり、Windows PC向けのCopilot+ PC要件（40+ TOPS）を満たすSoCではない。本稿はCopilot+ PCのNPU実力をRTX GPU搭載デスクトップと役割で比較し、AI用途のPC選びを整理する。
- Copilot+ PCのハードウェア要件は40 TOPS以上のNPU、16GB以上RAM、256GB以上ストレージ
- Snapdragon X Elite / X Plusは45 TOPS、Snapdragon X2系は80 TOPS級、Ryzen AI 300は50 TOPS級、Intel Core Ultra 200Vは40+ TOPS級。Apple M4は38 TOPSの比較対象
- NPUは音声認識・画像処理・小型LLM推論に強く、Phi-3 miniクラスまでが実用域
- 14B以上のLLM・SDXL・Flux系はRTX GPU搭載デスクトップが現実解
Copilot+ PCの定義と各社NPUの実装
Microsoftが2024年に定義したCopilot+ PCのハードウェア要件は、Microsoft公式ドキュメントによれば以下の通り（Copilot+ PCs – Microsoft Surface）。
| 要件項目 | 最低スペック |
|---|---|
| NPU性能 | 40 TOPS以上（INT8） |
| RAM | 16GB以上 |
| ストレージ | 256GB以上（SSD/UFS） |
| OS | Windows 11、およびCopilot+ PC機能に必要な更新プログラム（実運用ではWindows 11 24H2以降相当） |
| 主要機能 | Recall、Live Captions、Cocreator、Image Creator |
40 TOPSという数字は、Apple M1やM3世代のNeural Engineから見ると大きな引き上げだが、M4の38 TOPSとの差は小さい。重要なのは、Windows PCカテゴリとして40+ TOPS NPUが要件化された点にある。Windows向けSoCでは、Qualcomm・AMD・Intelがこの要件を満たすNPUを実装している。一方、Apple M4は38 TOPSのNeural Engineを備える比較対象として扱う。
| SoC | メーカー | NPU TOPS（INT8） | 採用例 | 備考 |
|---|---|---|---|---|
| Snapdragon X Elite | Qualcomm | 45 TOPS | Surface Pro 第11世代 / Surface Laptop 第7世代 | Hexagon NPU |
| Snapdragon X Plus | Qualcomm | 45 TOPS | Surface Pro 第11世代 / Surface Laptop 第7世代の下位構成 | 同上 |
| Snapdragon X2 Plus | Qualcomm | 80 TOPS | Surface Pro 第12世代 / Laptop 第8世代 | Hexagon NPU |
| Snapdragon X2 Elite | Qualcomm | 80 TOPS | Surface Pro 第12世代 / Laptop 第8世代 | 上位SKU（Hexagon NPU。SKUにより80〜85 TOPS） |
| Apple M4 / M4 Pro系 | Apple | 38 TOPS級 | MacBook Air / Pro / iPad Pro | AppleはM4のNeural Engineを最大38兆回/秒と説明。M4 Proも16コアNeural Engine搭載 |
| Ryzen AI 9 HX 370 | AMD | 50 TOPS | ASUS Zenbook S 16等 | XDNA 2 |
| Core Ultra 7 258V（Lunar Lake） | Intel | 47 TOPS | Dell XPS 13等 | NPU 4 |
QualcommのSnapdragon X Eliteについては、Qualcomm公式の仕様ページ（qualcomm.com）で詳細スペックが公開されている。CPU側はOryon系最大12コア（クロックはSKUにより異なる）、GPUはAdreno、NPUはHexagonで45 TOPSという構成。
Apple M4のNeural Engine仕様はApple公式（Apple Newsroom: M4 chip introduction）にて38 TOPSと明示されている。CPU 10コア、GPU 10コア、ユニファイドメモリ最大32GBという構成だ。
NPUとRTX GPUのアーキテクチャ差
「NPU 45 TOPS」と「RTX 5060 TiのCUDAコア」を直接比較することはできない。両者は得意とするワークロードと演算粒度が異なる。
| 項目 | NPU（Snapdragon X Elite等） | RTX 5060 Ti（dGPU） |
|---|---|---|
| 得意な演算 | INT8・INT4の行列演算 | FP16・BF16・FP8・FP4の汎用テンソル演算 |
| 主用途 | 音声・画像のリアルタイム処理 | 大規模行列演算・拡散モデル・LLM推論 |
| メモリ | ユニファイドメモリ（CPU共有） | 専用VRAM 16GB GDDR7 |
| メモリ帯域 | 約135 GB/s（LPDDR5X 8533） | 448 GB/s（GDDR7 128-bit） |
| 消費電力 | 薄型ノートSoCの低〜中電力帯（機種・電源設定に依存） | TGP 180W |
| 標準ランタイム | QNN / DirectML / ONNX | CUDA / cuDNN / TensorRT |
NPUはINT8の低精度演算をピーク性能で出す設計で、音声認識・画像セグメンテーション・小型言語モデルの推論には強い。一方、SDXLやLlama 3 14BのようにFP16の大規模行列演算を桁違いの帯域で動かすワークロードは、専用VRAMを持つdGPUのほうが圧倒的に有利。
メモリ帯域の差も決定的だ。Snapdragon X EliteのLPDDR5X-8533は約135 GB/s（公式仕様、デュアルチャネル）。これに対しRTX 5060 TiのGDDR7 128-bitは448 GB/sで、約3.3倍の差がある。LLM推論、とくにトークン生成フェーズではメモリ帯域の影響が大きく、帯域差は実効速度差として表れやすい。
NPU公称・デモ値とCPU・dGPU実測の参考比較｜同じ小型LLMでどれだけ差が出るか
Copilot+ PCのNPUで動かす小型LLM（SLM）を、同じモデル・同じ4bit量子化のままデスクトップのCPUやGPUへ載せ替えると、トークン生成速度はどう変わるのか。NPU側はQualcomm・Microsoftの公称／デモ値、CPU・GPU側は当サイトのRTX 5060 Ti（16GB）＋Core i7-14700F環境での実測（Ollama・Q4量子化・3回平均）を並べた。NPUはSnapdragonノート（ARM・低消費電力）、CPU/GPUはx86デスクトップで電力枠が大きく異なるため、絶対速度の単純比較ではなく「役割の違い」を読むための表である。
| モデル（4bit量子化） | NPU公称（Snapdragon） | CPUのみ実測（i7-14700F） | RTX 5060 Ti実測 |
|---|---|---|---|
| Llama 3.2 1B | 約40 tok/s（Snapdragon X Plus・Qualcomm公表） | 約54 tok/s | 約328 tok/s |
| Llama 3.2 3B | 約10〜13 tok/s（Hexagon NPU・Qualcomm Genie/AI Hub） | 約23 tok/s | 約157 tok/s |
| Phi-3 mini 3.8B | 約12〜15 tok/s（Snapdragon X Elite・Qualcomm） | 約25 tok/s | 約156 tok/s |
ここから読み取れるのは2点ある。第1に、デスクトップCPU（Core i7-14700F）の電力枠を使えば、小型SLMではSnapdragon NPUの公称・デモ値と同等以上の速度に届く場合がある。第2に、エントリー級dGPUのRTX 5060 Tiでも、NPU公称のおよそ8〜15倍のトークン生成速度に達する。NPUの価値は絶対速度ではなく、SoC内で低消費電力・低発熱に常時オンのAI処理（音声認識・画像処理・小型SLMのOS統合機能）をこなせる効率にある。一方で、14B級LLM・SDXL・動画生成のように継続的なスループットが要る用途では、RTX dGPUが現実解になる。
3Bクラスまでなら、量子化・ランタイム・バックエンドの条件が合えば、NPUや内蔵GPUを使ったオンデバイス推論で実用速度に届くケースがある。Phi-3 miniやLlama 3.2 3Bのような量子化済み小型モデルは、Copilot+ PCのオンデバイス推論で十分対応できる。
一方、Llama 3 8B以上になるとNPU単独では現実的な速度を出しにくい。Ryzen AI 300のXDNA 2はNPU+GPU連携で8Bクラスに対応するモデルも増えているが、当サイトのRTX 5060 Ti実測値（Llama 3.1 8Bで約79 tok/s）と比較するとどうしても数倍の開きがある。
14B以上は事実上RTX GPU搭載デスクトップが前提となる。Phi 4 14BをCopilot+ PCのNPU+ユニファイドメモリで動かすのは、VRAM/RAM容量とメモリ帯域の両面で実用速度に届かない。
Surfaceの価格改定とCopilot+ PC市場の動向
2026年4月以降、Microsoftは主要Surface構成の価格を引き上げた（フラッグシップ機の開始価格は2024年比で約1.5倍）。さらに2026年6月には8GB RAMの廉価構成も追加されたが、Copilot+ PC機能の16GB RAM要件を満たさないため、本稿では16GB以上のCopilot+ PC対象構成と分けて扱う。Microsoft広報担当者は「メモリやコンポーネントのコスト上昇に対応した」とコメントしている。
| モデル | 初期価格 | 2026年4月価格 | 備考 |
|---|---|---|---|
| Surface Pro 第11世代（13型） | $999 | $1,499 | 2024年投入のフラッグシップ系（約+50%） |
| Surface Pro 12型 | $799 | $1,049 | 2025年投入。後に8GB版（$849）を追加（約+31%） |
| Surface Laptop 13型 | $899 | $1,199前後 | 2025年投入。後に8GB版（$949）を追加（約+33%） |
| Surface Laptop 第7世代（15型） | $1,299 | $1,599 | 2024年投入。構成差あり（約+23%） |
価格上昇の背景はメモリ供給制約。HBMの需要急増がGDDR・DDR5・LPDDR5XにもPriority波及し、メーカー各社が値上げに踏み切っている。Motorola・Samsungも同時期に同様の値上げを実施したと業界紙が報じている。
競合との価格差も目立ち、Surface Proのフラッグシップ構成が$1,499に達する一方、M4世代のMacBook Airは13インチ$999・15インチ$1,199から始まっていた。発売当初は同価格帯だったMacBookとSurfaceの関係は、性能・価格の両面で前提が変わった。
用途別のPC選定フロー
AI用途と一口に言ってもワークロードはまちまちで、最適解は用途ごとに変わる。代表的なケースを整理する。
| 用途 | 最適解 | 理由 |
|---|---|---|
| Claude・ChatGPT・Geminiなどクラウド型AI | Copilot+ PC / MacBook Air | API呼び出しが主、ローカル演算不要 |
| 音声文字起こし・リアルタイム翻訳 | Copilot+ PC（NPU活用） | NPU 40 TOPSがそのまま効く |
| Phi-3クラス（3〜4B）のオンデバイス推論 | Copilot+ PC / M4 MacBook | 15〜25 tok/s実用域 |
| Llama 3 8Bのローカル推論 | RTX 5060 Ti 16GB搭載デスクトップ | NPUでは速度不足、VRAM 16GBで快適 |
| 14B以上のLLM | RTX 5060 Ti（16GB）以上のデスクトップGPU | 専用VRAM・メモリ帯域が必須 |
| SDXL画像生成 | RTX 5060 Ti 16GB以上のデスクトップ | NPU・MacBookでは速度不足 |
| Flux dev・SD 3.5 large・Wan2.2動画 | RTX 5060 Ti（16GB）以上のデスクトップGPU | VRAM 16GBが事実上の前提 |
| 外出先での軽作業 | Copilot+ PC / MacBook Air | バッテリー長持ち、軽量 |
ノートPC＋デスクトップのハイブリッド運用
同じ予算（Surface Pro最上位の$1,499相当・約24万円）を別の構成に振り向けると、選択肢の幅は大きく変わる。たとえば以下の組み合わせが現実的だ。
| 構成 | 価格目安 | 得られるもの |
|---|---|---|
| Surface Pro 13インチ単体 | 約24万円 | Copilot+ PC一台 |
| MacBook Air M4 + RTX 5060 Ti 16GB自作デスク | 約15万 + 約12万 = 約27万円 | 外出用ノート + ローカルAI実用デスク |
| Surface Laptop 13インチ + 自作小型デスク | 約17.7万 + 残額でストレージ強化 | Copilot+ PC + 補助ストレージ |
外でAPI型AIを使い、自宅でローカルLLM・画像生成を回す「ノート+デスクトップ」の二段構えは、メモリ高騰下でもコスパが崩れにくい構成。Copilot+ PC単体で全てを賄うより、用途ごとに役割を分けたほうが結果的に投資効率が良くなるケースが多い。
Snapdragon X系のARM互換性
Surface Pro/LaptopのSnapdragon X Elite/PlusはARM64アーキテクチャで、x86_64ネイティブのアプリケーションはPrismエミュレーションを介して実行される。Microsoft公式（Microsoft Learn: Windows on ARM）によれば、Office・Edge・Visual Studio Code・Adobe Photoshop・Chromeなど主要なソフトウェアはARM64ネイティブ版が提供済み。
ただしAI用途では一部に注意点がある。
- PyTorch ARM64ネイティブ版はCPU側のみの動作で、CUDA加速は使えない
- NPU活用はONNX RuntimeのQNN Execution Provider経由が標準
- Stable Diffusion WebUI・ComfyUI系は導入できるケースもあるが、CUDA前提のx86＋NVIDIA GPU環境とは異なり、拡張機能・依存ライブラリ・GPU/NPU加速の対応で制約が出やすい
- OllamaはSnapdragon X / X2上でもローカル実行できるが、標準的にはCPU実行が中心になる場合がある。Adreno GPU活用はllama.cppのOpenCL/Vulkan系バックエンド整備が進む一方、Hexagon NPU活用はONNX RuntimeのQNN Execution Provider、Qualcomm AI Hub、対応済みモデル資産に依存する。一般的なGGUFモデルをOllama/llama.cppから手軽にNPU実行できる段階とまでは言い切れない
x86_64互換性に懸念がある場合は、Apple M4 MacBook（同じARM系だがmacOSアプリエコシステムが成熟）か、Ryzen AI 300・Intel Lunar Lake搭載のx86_64ノートを検討するのが安全。いずれにせよ、Snapdragon搭載SurfaceをRTX GPU機の代替として大規模LLMを安定運用できると断定するのは避けたい。
Copilot+ PC専用機能の現状
Microsoftが当初予告したRecall機能（過去画面の検索・再現）は、プライバシー懸念から数回の延期を経て、2024年11月にWindows Insiderチャネルで限定公開され、2025年4月25日にCopilot+ PC向けの一般提供（GA）が開始された。Recallはオプトイン式で、Windows Hello認証や暗号化を前提にローカル保存される設計のため、利用時は最新の提供状況とプライバシー設定を確認したい。
その他のCopilot+ PC専用機能も順次展開されている。
| 機能 | 役割 | NPU活用 |
|---|---|---|
| Recall | 過去画面の検索・再現 | 大 |
| Live Captions（翻訳付き） | 音声リアルタイム翻訳 | 大 |
| Cocreator（Paint） | 画像生成補助 | 大 |
| Image Creator | テキストから画像生成 | 中（クラウド併用） |
| Windows Studio Effects | カメラ・マイク補正 | 中 |
| Click to Do | 画面上テキスト・画像の文脈アクション | 中 |
Recall・Live Captions・Studio EffectsはNPUを継続的に活用する設計で、これらをよく使うユーザーにはCopilot+ PCの価値が出る。逆に音声・カメラ系を使わずブラウザとOffice中心の運用なら、NPUのメリットは限定的になりやすい。
まとめ
Copilot+ PCの40+ TOPS級NPU（Snapdragon X Elite / X Plus 45 TOPS、Snapdragon X2系 80 TOPS級、Ryzen AI 300 50 TOPS級、Intel Core Ultra 200V 40+ TOPS級）は、音声・画像処理と3〜4Bクラスの小型LLM推論で実用速度を出す。Apple M4は38 TOPSのNeural Engineを備える比較対象として扱う。一方、Llama 3 8B以上の言語モデル・SDXL・Flux・SD3.5 large・Wan2.2動画生成は、専用VRAM 16GB以上のRTX GPU搭載デスクトップが事実上の前提となる。
主要Surface構成の価格改定（フラッグシップで約+50%）により、Copilot+ PC単体での全領域対応はコスパが厳しくなった。同じ予算でMacBook Air M4＋RTX 5060 Ti 16GB自作デスクトップの二段構えに振り向ければ、クラウドAIの軽快さとローカルAIの実用速度を両方手に入れられる。用途ごとに役割を分ける構成設計が、メモリ高騰時代の現実解になる。
関連の実機検証として、VRAM別のLLMモデル選定はRTX VRAM別ローカルLLM選定ガイド、ComfyUI精度別運用はComfyUI FP16/BF16精度ガイド、Snapdragon X系の詳細はSnapdragon X2搭載ノートの実力を参照してほしい。
具体的には、NPUを使う推論主体なら Surface Copilot+ PC、ローカルでLLMや画像生成まで本格的に動かすなら RTX 5060 Ti 16GB 級のGPUを積んだデスクトップが現実的。用途が推論中心かAI生成まで広げるかで選び分けるとよい。
当サイトはAmazonアソシエイト・プログラムの参加者です。Amazonのアソシエイトとして、当サイトは適格販売により収入を得ています。
本記事の情報は記載時点のもの。製品アップデートや第三者ベンチマーク・価格・対応ランタイム等の変動で評価が変わる可能性がある。一定期間経過した内容は再検証を推奨する。
