AI用PCのメモリ（RAM）選び方ガイド｜DDR5の容量・速度・デュアルチャネルを解説

AI用途でPCメモリを選ぶなら、DDR5・デュアルチャネル・容量32GB以上が2026年の基準線になる。ただし、ローカルLLMを動かすのか、APIベースのAIツールを使うのかで最適解は大きく変わってくる。GPU（VRAM）の選び方は情報が豊富だが、RAMについては「とりあえず16GBあれば十分」程度の解説で済まされがち。実際にはAI用途特有のメモリ事情があり、ここを見落とすとせっかくのGPU性能を活かしきれない場面が出てくる。

AI用途でメモリ（RAM）が重要な理由

RAM（Random Access Memory）とは、CPUが処理するデータを一時的に保管する場所のこと。ストレージ（SSDやHDD）から読み込んだデータをRAMに展開し、CPUが高速にアクセスできる状態にしておく役割を担っている。

よく混同されるのが、GPU側に搭載されているVRAM（Video RAM）との違い。VRAMはGPUが画像処理やAI推論で使う専用メモリで、RAMとは物理的にも論理的にも別物。AI用途では「VRAMが足りるかどうか」が最初に話題になるが、RAMの容量も同じくらい重要になるケースがある。

具体的にどんな場面でRAMが効いてくるのか。大きく分けて2つのパターンがある。

1つ目は、ローカルLLM（大規模言語モデル）の実行時。Ollama 公式リポジトリや LM Studio などでローカルにモデルを動かすとき、モデル全体がVRAMに収まりきらない場合がある。このとき、収まらなかった部分はRAM側に展開される。これをCPUオフロードと呼ぶ。llama.cpp の READMEでも --n-gpu-layers オプションで何層までGPUに載せるかを指定する設計が説明されており、残りの層はRAMに展開される仕様になっている。RAM容量が不足していると、モデルの読み込み自体が失敗するか、極端に遅くなってしまう。

2つ目は、APIベースのAIツールを使うとき。Claude CodeやGitHub CopilotのようなツールはGPU不要だが、IDE（統合開発環境）・ブラウザ・AIツール本体を同時に開くとRAM消費が一気に膨らむ。ブラウザだけで数GBを消費するのが当たり前の時代なので、RAM 8GBの環境ではタブを数枚開いただけでスワップ（ストレージへの退避）が発生し、動作がもたつく原因に。

VRAMの選び方については別記事で詳しく解説しているが、RAMもまた「AIを快適に使えるかどうか」を左右する重要なパーツという点を押さえておきたい。

DDR4とDDR5の違い｜AI用途で差が出るポイント

現在市場に流通しているデスクトップ用メモリの規格は、主にDDR4とDDR5の2種類。DDR（Double Data Rate）はメモリの転送方式を指す規格名で、数字が大きいほど新しい世代になる。規格そのものはJEDEC JESD79-5として標準化されており、メーカー横断で同一仕様を満たすよう定義されている。

DDR5がDDR4から大きく進化したポイントを、規格レベルで整理すると以下のようになる。

帯域幅の向上が最大の違い。DDR5はDDR4と比べて、おおよそ2倍のメモリ帯域を実現している。帯域幅とは「1秒間にどれだけのデータを転送できるか」の指標で、AI推論の前処理（データの読み込みや変換）やCPUオフロード時のモデルデータ転送で恩恵がある。ただし、GPU上で完結するAI推論そのものの速度はVRAMの帯域に依存するため、RAMの帯域だけで推論速度が劇的に変わるわけではない点に注意。

オンダイECC（エラー訂正機能）の搭載も押さえておきたい。DDR5ではメモリチップ自体にエラー検出・訂正機能が内蔵されている。Micron のDDR5技術資料でも、微細化が進むDRAMセルでビットエラーが発生する確率が上がるため、チップ内部でリフレッシュ前にビット訂正を完結させる仕組みが採用されたと説明されている。長時間にわたるAI推論や学習処理で、メモリ上のデータ化けによるクラッシュリスクが低減される。

DDR5 introduces On-Die ECC (Error Correction Code), which corrects single-bit errors within the DRAM die itself, transparent to the host system.
— Micron Technology, DDR5 SDRAM Product Brief

電力効率の改善もDDR5の特徴。動作電圧がDDR4の1.2VからDDR5では1.1Vに下がっており、高クロック動作時の電力効率が向上した。さらに、DDR5ではモジュール上にPMIC（Power Management IC）が搭載され、マザーボード側のVRMに頼らずモジュール単位で電圧を細かく制御できる構造になっている。長時間稼働させるAIワークロードでは、この電力効率の差が筐体内温度や電源負荷にも波及する。

では、DDR4環境ではAI用途に支障があるのか。結論から言えば、DDR4でもローカルLLMは動く。ボトルネックになるのはRAMの規格よりも「VRAMの容量」と「RAMの容量」であり、DDR4の32GBと64GBでは後者のほうが圧倒的にAI用途での自由度が高い。帯域の差よりも容量の確保を優先すべきというのが、AI用途におけるRAM選びの基本的な考え方になる。

メモリ容量の選び方｜16GB〜96GB以上の用途別ガイドライン

RAM選びで最も悩むのが「何GB必要か」という問題。AI用途では、一般的なPC利用よりも多くのメモリを消費するケースが多い。以下の表で用途別の目安を整理した。

ここで重要なのが、先ほど触れた「CPUオフロード」の仕組み。VRAMに載りきらないモデルデータがRAMに展開される場合、そのぶんのRAM容量が必要になる。たとえば26Bクラスのモデルを16GB VRAMのGPUで動かすと、モデルデータの一部がRAM側に溢れてくる。このとき、RAMが32GBしかなければOS・アプリの消費分を差し引くと余裕がなくなる可能性がある。

必要なRAM量を見積もる際には、モデルの量子化レベルも考慮したい。fp16（16ビット浮動小数点）の場合は「パラメータ数（B）× 2 GB」が概算ベース、Q4_K_M のような4ビット量子化なら「パラメータ数（B）× 0.6〜0.7 GB」程度に圧縮される。llama.cpp 量子化ドキュメントに量子化形式別の品質・サイズ比較が掲載されており、Q4 系では精度低下を抑えつつVRAM/RAMの占有量を大きく削減できる傾向が示されている。実際の運用では、ロード時に確保される推論用 KV キャッシュ・コンテキストバッファも別途必要で、長文を扱うほど追加でRAMを消費する点も覚えておきたい。

ただし、忘れてはいけない注意点が1つ。RAM上に展開された部分の推論処理はCPU経由で行われるため、VRAM上の処理と比べて速度が大幅に低下する。当サイトの検証環境（i7-14700F / 96GB RAM）でもこの傾向は明確で、たとえばRTX 5060 TiでVRAMに収まりきるモデルは高速に動作するが、VRAMを超えてRAMにオフロードされると体感でわかるレベルで応答が遅くなる。RAMはあくまで「VRAMの補助」であり、「RAMを増やせばVRAMの代わりになる」とは考えないほうがよい。

迷ったら32GBを選ぶのが現時点でのベストな判断。理由は3つある。まず、DDR5の32GB（16GB×2枚）はコストパフォーマンスに優れた構成であること。次に、APIベースのAIツール利用なら十分すぎる容量であること。そして、将来ローカルLLMに手を出す際にも最低限の土台にはなるという点。

64GB以上が必要になるのは、VRAMが足りないGPUで無理に大きなモデルを動かしたい場合や、ComfyUIなどで高解像度の画像生成を頻繁に行う場合に限られる。まずは自分がやりたいAI用途を明確にしてから容量を決めるのが、無駄な出費を避けるコツ。

デュアルチャネルの効果と組み方

メモリの容量と同じくらい見落とされがちなのが、デュアルチャネルの設定。デュアルチャネルとは、2枚のメモリモジュールを同時にアクセスすることで、メモリ帯域を理論上2倍に引き上げる仕組みのこと。

1枚挿し（シングルチャネル）と2枚挿し（デュアルチャネル）では、体感でわかるレベルの差が出る場合がある。特にCPUオフロードでRAM上のモデルデータにアクセスする場面や、画像生成の前処理・後処理でCPUがデータを読み書きする場面で帯域の差が効いてくる。

DDR5ではモジュール単体の構造も変化している。1枚のDIMMが内部で32bit幅のサブチャネル2つに分かれており、これと2枚挿しによるデュアルチャネル構成を組み合わせると、CPUから見て合計4本のチャネルが利用される。AI推論時にCPUとRAM間で発生する細かいランダムアクセスでも、複数チャネルの並列化により帯域を有効活用しやすい構造になっている。

デュアルチャネルを有効にするための条件は、以下の通り。

同容量・同規格のメモリを2枚使うのが基本。16GB×2枚で32GB、32GB×2枚で64GBという構成が典型的。異なる容量（8GB＋16GBなど）の組み合わせでもデュアルチャネルが部分的に動作するケースはあるが、安定性と性能を考えると同一モジュール2枚が望ましい。

マザーボードの正しいスロットに挿すことも必須。多くのマザーボードではメモリスロットが4本あり、デュアルチャネルを有効にするには1スロット飛ばし（例: スロット2とスロット4）に装着する。どのスロットを使うかはマザーボードのマニュアルに記載されているので、必ず確認してほしい。

意外と知られていないのが、2の累乗でない容量でもデュアルチャネルは有効という点。24GB×2枚で48GB、48GB×2枚で96GBといった構成でもデュアルチャネルは問題なく動作する。大容量RAMが必要なAI用途では、この「非2の累乗」構成が容量と帯域幅を両立させる実用的な選択肢になる。当サイトの検証環境でも48GB×2枚の96GB構成を採用しており、大型モデルのCPUオフロード時にもメモリ帯域が確保されている。

メモリ選びで失敗しないための注意点

実際にメモリを購入・取り付ける際に、初心者がつまずきやすいポイントをまとめておく。

マザーボードのQVL（互換リスト）を確認する。 QVL（Qualified Vendor List）とは、マザーボードメーカーが動作確認済みのメモリ製品をリストアップしたもの。特にDDR5は初期に相性問題が多かった経緯があり、QVLに載っている製品を選ぶのが安全。マザーボードメーカーの公式サイトで、型番ごとのQVLを確認できる。

XMP / EXPOプロファイルの有効化を忘れない。 DDR5メモリは、購入時のパッケージに記載されている速度（たとえばDDR5-6000など）で自動的に動作するわけではない。多くの場合、デフォルトではJEDEC（業界標準規格）の定格速度で動作しており、メーカーの想定速度を引き出すにはBIOS画面でXMP（Intel環境）またはEXPO（AMD環境）プロファイルを有効にする必要がある。Intel XMP 公式解説ページでは XMP 3.0 が DDR5 向けに刷新され、複数プロファイル切替や自動最適化機能が追加された旨が記載されている。AMD 環境ではAMD EXPO 公式ページで対応プラットフォームと有効化手順が公開されている。具体的な操作手順はマザーボードのマニュアルを参照してほしい。

「とりあえず1枚だけ買って後から追加」は避ける。 前述のデュアルチャネルを活かすためには、最初から2枚セットで購入するのが合理的。後から別のメモリを追加すると、ロット違いによる微妙な特性差でデュアルチャネルが不安定になるリスクがある。同じ製品でも製造時期が異なればチップが変わることがあるため、2枚組パッケージ（いわゆるキット品）を選ぶのが確実。

ヒートシンクの高さにも注意。 大型のCPUクーラーを使っている場合、背の高いヒートシンク付きメモリと干渉する可能性がある。特にDDR5のハイクロックモデルは放熱のために大きなヒートシンクを搭載していることが多い。CPUクーラーとメモリの物理的な干渉は、購入前にサイズを確認すれば防げるトラブル。

まとめ

AI用途のメモリ選びで押さえるべきポイントを整理する。

容量の目安:
– APIベースのAIツール中心なら16〜32GB
– ローカルLLM（小〜中型モデル）を試すなら32〜64GB
– 大型モデルやCPUオフロードを多用するなら64GB以上

規格: 新規購入ならDDR5一択。DDR4は既存環境の増設用

構成: 同容量2枚組のデュアルチャネルが必須。1枚挿しは帯域が半減する

GPU選びでVRAMを重視するのと同じように、RAMの容量と構成もAI体験の質を左右する。まずは自分がやりたいAI用途を明確にし、上のガイドライン表で必要な容量を確認するところから始めてみてほしい。

よくある質問（FAQ）

Q: RAMを増やせばVRAMの代わりになりますか？

A: 部分的には代替できるが、速度の低下は避けられない。VRAMに載りきらないモデルデータをRAMに展開する「CPUオフロード」は可能だが、RAM上の処理はVRAM上と比べて大幅に遅くなる。快適にローカルLLMを使うなら、まずはVRAMに収まるサイズのモデルを選ぶのが先決。RAMの増設はあくまで補助的な手段と考えてほしい。

Q: DDR4のPCでもローカルAIは動きますか？

A: 動く。ローカルLLMの動作において、ボトルネックになりやすいのはRAMの規格（DDR4かDDR5か）よりも、VRAMの容量とRAMの容量。DDR4環境でもVRAMが十分なGPUを搭載し、RAMが32GB以上あれば、多くのローカルAIツールは問題なく動作する。DDR5への乗り換えは、マザーボードとCPUも同時に交換する必要があるため、コスト面で無理にDDR5化する必要はない。

Q: メモリのクロック速度はAI用途でどれくらい重要ですか？

A: 優先順位としては「容量 > デュアルチャネル構成 > クロック速度」の順番。クロック速度の差（たとえばDDR5-4800とDDR5-6000の違い）がAI推論速度に与える影響は、容量不足やシングルチャネル構成と比べるとかなり小さい。まずは十分な容量をデュアルチャネルで確保したうえで、予算に余裕があればクロック速度の高いモデルを検討する、という順序で問題ない。

Q: 32GBから64GBに増設すれば、CPUオフロードで大きなモデルがすぐ動きますか？

A: モデルが「動くようになる」可能性は高くなるが、「実用速度で動く」かは別問題。CPUオフロードの推論速度は、RAM帯域とCPUコア数に強く依存する。DDR4-3200のシングルチャネル環境とDDR5-6000のデュアルチャネル環境では、同じCPUでも実効帯域に数倍の差が出る。容量を増やす際は、合わせてデュアルチャネル構成になっているかも確認したい。

Q: ノートPCでAI用途のメモリを増設できないときはどうすればよいですか？

A: オンボードメモリで増設不可な機種では、APIベースのAIツール利用を中心に据えるのが現実的。ローカルLLMはRAM 32GB以上を前提とする運用が多いため、ノートPC側にすべてを期待せず、必要に応じてデスクトップやクラウドGPUを併用する構成を検討する価値がある。買い替えのタイミングでは、メモリスロットの増設可否を仕様表で確認しておくと、後から後悔しにくい。

Q: ECC機能付きメモリ（Registered ECC等）は一般PCで使えますか？

A: 通常のデスクトップ向けマザーボードでは Registered ECC（RDIMM）メモリは利用できない。一方、DDR5 で標準搭載されたオンダイECCは、サーバ向けの Registered ECC とは別の機構で、消費者向け環境でも自動的に動作する。サーバグレードのECCはワークステーション・サーバ向けプラットフォームでのみ利用可能なので、一般的なAI用PCの自作では DDR5 のオンダイECCで十分。

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。

本記事は AIハードウェア図鑑 編集部 が記載時点の情報をもとに執筆。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。

用途別のDDR5メモリをAmazonで探す

※価格は2026年6月時点の実勢価格（出典: 価格.com・ゲーミングスタイル DDR5価格動向）。DDR5は2025年末からの高騰で変動が大きく今後さらに上昇する可能性があるため、最新は各リンク先でご確認ください。

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。

参考資料

• JEDEC 公式: JESD79-5 DDR5 SDRAM Standard
• Micron 公式: DDR5 SDRAM 製品ページ（オンダイECC・PMIC 解説）
• Intel 公式: Extreme Memory Profile (XMP) 解説ページ
• AMD 公式: EXPO メモリオーバークロック技術ページ
• llama.cpp 公式リポジトリ: README（--n-gpu-layers / 量子化形式解説）