ユニファイドメモリ
ユニファイドメモリ(unified memory)とは、CPUとGPUがそれぞれ専用のメモリを持つのではなく、1つのメモリのプールを共有する設計です。Apple SiliconのMacや同様のチップでは、ローカルのAIモデルがシステムRAMの大部分をGPUメモリとして使えます。
別名: Apple Silicon memory, unified memory architecture, UMA
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
一般的なPCでは、GPUはCPUが使うシステムRAMとは別に、専用のVRAMを持っています。モデルを高速に動かすにはVRAMに収める必要があり、一般消費者向けのグラフィックスカードのVRAMは、コンピューターのRAMよりはるかに少ないのが普通です。ユニファイドメモリはこの分断をなくします。チップ上のCPU、GPU、その他のプロセッサが同じメモリを読み、プール間のコピーは発生しません。
ローカルAIにとって重要な理由
Appleは2020年のM1チップでMacにユニファイドメモリを導入しました。大容量のユニファイドメモリを持つMacなら、本来は複数のGPUが必要なモデルを読み込めるため、Macは大きなローカルLLMを動かすための人気の選択肢になりました。AppleのMLXフレームワークはこの設計向けに書かれており、llama.cpp、Ollama、LM Studioもすべてこの上で動きます。
限界
容量は速度ではありません。ユニファイドメモリは通常、ハイエンドの単体GPUのVRAMより帯域が狭く、大きなモデルの生成速度は主に帯域で制限されるため、モデルが収まっても1秒あたりのトークン数は低くなることがあります。GPUコアもデータセンター向けのカードより遅く、長いプロンプトでその差が表れます。OSがメモリの一部を自分用に確保するため、すべてをモデルに使えるわけではありません。メモリは購入時に固定され、増設できません。
CPUオフロードとの違い
CPUオフロードは、メモリが分かれたマシンでの回避策です。VRAMに収まらない層をRAMに置き、より遅く実行します。ユニファイドメモリは、設計上その分断を避けています。
関連用語
- VRAM
- VRAMとは、グラフィックスカード上のメモリです。AIの作業ではモデルの重み、KV cache、作業用のデータを保持し、モデルがVRAMに収まるかどうかで、通常それを動かすのに必要なGPUが決まります。
- ローカルLLM
- ローカルLLMとは、プロバイダーのクラウドAPIではなく、自分のコンピューター、スマートフォン、サーバー上で動かす言語モデルのことです。プロンプトとデータが自分のハードウェアにとどまり、インターネット接続なしでも動作します。
- CPU オフロード
- CPU オフロード(CPU offloading)とは、GPU メモリに収まらないモデルを、一部の層をシステムの RAM やディスクに置き、残りを GPU で処理することで動かす方法です。モデルは動きますが、遅くなります。
- GPU
- GPU(graphics processing unit)は、多数の計算を並列に実行するために作られた、小さなコアを数多く持つプロセッサーです。行列演算が速いため、AI モデルの学習と実行の標準的なハードウェアになっています。
- 1秒あたりのトークン数
- 1秒あたりのトークン数(tokens per second、tok/s)とは、言語モデルが出力を生成する速さを測る指標です。1つの応答がストリーミングされる速さであるユーザーごとの値か、同時に処理するすべてのリクエストの合計出力であるシステム全体の値で示されます。