PC・AIコーディング／クラウドLLM
AIコーディング向けPCの選び方｜Codex・Claude CodeのCPU・メモリと完成品
AIがコードを書いても、そのコードをビルド・テスト・実行するのは手元のPCです。高価なGPUを買う前に、CPU・RAM・SSDと開発環境の負荷を確認しましょう。
ChatGPT、Codex、Claude Codeなどを使ってプログラムを書く人が増えました。しかし「AI用のPC」だからといって、最初に高価なグラフィックボードを買うのは合理的とは限りません。
クラウドAIが文章やコードを生成する処理と、自分のPCがコードを編集・ビルド・テスト・実行する処理は別です。AIが数秒で大きな修正を提案しても、手元でその変更をコンパイルしたり、テストを繰り返したりすればCPU・RAM・SSDに負荷がかかります。
この記事は、AIコーディングを始める人から、WindowsでWebアプリ・個人開発ソフトを作る人までを想定し、何を動かすかによってPCへの投資を判断します。生成AI向けPC全体の比較は用途別の総合ガイド、自分のPCでLLMモデルを推論する場合はローカルLLM向けPCへ分けています。
最初に結論
- ChatGPTやClaudeのチャット中心：既存PCで問題なく使えていれば買い替え不要。クラウドAIの回答品質を上げるためにGPUを増設しても通常は効果がない。
- VS Code＋Codex・Claude Codeで小～中規模開発：CPUの現行ミドルクラス、RAM16～32GB、SSD512GB～1TB級を比較の起点にする。ただし新規購入前に現在のPCで動作を測る。
- Docker・WSL2・複数の開発サーバー・テストを並行：まずシステムRAMの不足を確認。32GBが有力な比較候補、さらに負荷が大きい場合のみ64GB以上。
- CPUの交換を検討：GPU中心のAI記事とは用途が違う。6コア級と8コア級を比較するが、CPUを上げてもクラウドAI側の回答速度は上がらない。
- 完成品PCが必要：記事末尾にGPU非搭載のコンパクトPCと、別用途もこなすGPU搭載クリエイターPCを掲載。AIコーディングだけなら前者側が合理的で、後者のGPUは追加用途のための装備。
1. AIコーディングでは、PCのどこが働く？
| 作業 | 主に計算する場所 | PC側の負荷 |
|---|---|---|
| ChatGPT・Claudeに質問する | クラウド側のAIサービス | ブラウザ、通信、画面表示 |
| Codex CLI・Claude Codeがコードを読む・編集する | AI推論はサービス側、ファイル操作はローカル側の場合がある | ファイルアクセス、ターミナル、エディタ、RAM・SSD |
| npm／pnpmのパッケージ導入・ビルド | ローカル開発環境 | CPU、RAM、SSD、ネットワーク |
| C#/.NET・Rust・C++のコンパイル | ローカル環境、または明示的に選んだリモート環境 | CPUの性能・コア数、RAM、SSD |
| Docker・WSL2・ローカルDBを同時に起動 | Windows上の仮想化・コンテナ | CPU、システムRAM、ディスク容量・I/O |
| GitHub Actions等でビルド・テスト | 設定に応じてクラウドのランナー | 画面操作やソースの編集を除き、ローカル負荷は軽くできる |
| 自分のPCでOllama・LM Studioを実行 | ローカルAIモデル | GPU/VRAM、CPU、RAM（この記事の主題とは別） |
AIコーディングにGPUが原則不要というのは、AIの推論をクラウドへ任せる場合の話です。AIが書いた3Dゲームや映像処理プログラムをローカルで動かすなら、その制作物の要件に応じたGPUが必要になる場合があります。
Codex CLIとClaude Codeの「ローカル」の意味
Codex CLIやClaude Codeは、ローカルのコードを読み、ファイルの変更やコマンド実行を支援できるツールです。CLIがPC上で動くことは、LLMの推論もすべてPC内で行うという意味ではありません。モデルの実行先、認証方法、設定、外部サービス連携は個別に確認してください。
両製品ともWindowsでの利用方法を公式に案内しています。古い解説で「必ずWSLが必要」と書かれていても、そのまま現在の製品要件だと決めつけないでください。Windowsネイティブで動かすか、Linux系ツールチェーンのためにWSL2を使うかはプロジェクトによります。
2. CPU：AIの回答ではなく、ビルド・テストに効く
クラウドAIがコードを考える速度と、ローカルのコンパイラやテストランナーの速度を混同しないことが大切です。
| 用途 | CPU選びの出発点 |
|---|---|
| AIチャット、メモ、簡単なスクリプト | 既存CPUで不満がなければ続投 |
| 小規模Web制作、TypeScript、Pythonのスクリプト | 現行ミドルクラス・6コア級などから比較 |
| .NET、比較的大きなプロジェクト、複数サービス | 6～8コア級の性能や冷却を比較 |
| 大規模コンパイル、並列テスト、仮想化の同時起動 | コア数だけでなくRAM容量、SSD、冷却と実測時間で判断 |
「AIが書いたコードは複雑だから、CPUは最高級が必要」ではありません。 小さな個人用アプリでは6コア級でも快適なことがあります。一方、多数の並列タスクを動かすなら8コア以上に投資する意味が生まれます。
CPUそのものの性能より、処理時間がどこで発生しているかを測る方が重要です。ビルド時間の大半がネットワークからのダウンロードやストレージの待ち時間なら、CPU交換だけでは効果が小さい場合があります。
Ryzen 5 9600XとRyzen 7 9700Xは、どちらがいい？
両CPUはAMD Socket AM5・DDR5のデスクトップ向けで、基本的な画面出力ができるCPU内蔵グラフィックスも備えます。別途GeForceなどのGPUを購入しなくても、対応するマザーボードを使ってデスクトップPCを構成できます。ただし、画面出力端子やBIOS対応を確認してください。
- Ryzen 5 9600X（6コア／12スレッド）：Web開発・軽～中規模開発を中心に、新規AM5構成でCPUに過剰投資しない選択肢。
- Ryzen 7 9700X（8コア／16スレッド）：ビルド・テスト・並行作業の比重が高い場合に検討する選択肢。
どちらもCPUクーラー別売り。CPU本体を購入するだけでは新しいPCは完成しません。マザーボード、DDR5メモリ、CPUクーラー、SSD、電源、ケース、OS、必要な周辺機器を含む総額で比較してください。
3. RAM：AIエージェントより、開発ツールの同時起動で選ぶ
Windowsのほか、ブラウザ、VS Code、IDE、言語サーバー、ターミナル、データベース、開発サーバー、Dockerなどが同時に動きます。AIエージェントがコードを頻繁に書き換え、再ビルド・再テストする使い方では、複数のプロセスを長時間並行して動かすことがボトルネックになり得ます。
| RAM | 判断の目安 |
|---|---|
| 8GB | 軽いチャットや単体エディタは可能でも、複数の開発アプリでは余裕が少ない |
| 16GB | ブラウザ＋エディタ＋小規模開発の比較開始点 |
| 32GB | Docker／WSL2／ローカルDB／複数サービスを動かす人の有力候補 |
| 64GB以上 | VMやコンテナを多数起動、大規模プロジェクト、複数のIDEでメモリ不足が実測された場合 |
これはAIサービス側のモデルが要求する最低RAMではありません。新しいPCを買う人の構成を考えるための目安です。
Docker Desktopの公式Windows要件では、WSL2バックエンド向けにCPUの仮想化対応やシステムRAM8GBなどが案内されています。しかし、Dockerをインストールできる最低条件と、複数コンテナ・IDE・ブラウザを快適に並行実行できる条件は別です。実際に動かすコンテナやサービスの数で判断してください。
また、ノートPCやコンパクトPCはメモリ増設ができない機種もあります。後から32GBに増やせることを確認せず、16GBモデルを購入しないのが合理的です。
4. SSD：ソースコードより、開発環境と生成物が容量を使う
AIコーディングではソースコードそのものが小さくても、開発環境が容量を消費します。
- Node.jsの依存パッケージ、ビルド用キャッシュ、複数の開発リポジトリ
- .NET SDK、Android SDK、IDE、テスト生成物
- Dockerイメージ・コンテナ・ボリューム、ローカルデータベース
- WSL2ディストリビューションの仮想ディスク
- 画像や動画などの制作素材、ログ・バックアップ
512GBで十分な人もいる一方、Dockerや開発環境を増やすと空き容量が急減する場合があります。これから新調するなら1TBを比較の起点にし、開発リポジトリやコンテナを多数保存したい場合は2TB級も検討できます。
SSDが速くなれば、ファイル読み込みや一部のビルドが改善する場合がありますが、クラウドAI側でのコード生成速度が直接上がるわけではありません。
WSL2で開発するなら、保存場所にも注意
Microsoftは、Linux側のコマンドラインを中心に開発する場合、プロジェクトファイルをWSL側のファイルシステムへ保存することを推奨しています。Windows側のCドライブをWSLの `/mnt/c/` 経由で何度も読み書きすると、開発ツールによってI/Oが遅くなる場合があります。
SSDやCPUを買い替える前に、WSLプロジェクトの保存場所を見直すだけで改善する可能性もあります。WindowsネイティブのPowerShellや開発ツールを中心に使う場合は、Windows側で管理した方が合理的な場合があります。
参考：Microsoft公式：WindowsとLinuxのファイルシステム間での作業
5. グラフィックボードは本当に不要？
クラウド型のAIコーディングだけなら、専用GPUは一般に必須ではありません。 したがって、このページではRTX 5060 TiやRTX 5070 Tiの購入カードを主役にしません。
ただし、生成したプログラムを実行するためにGPUが必要なことはあります。
| 作っているもの | GPUが必要になる理由 |
|---|---|
| 一般的なWebアプリ、Windowsの業務ツール、CLI | 多くの場合、専用GPUなしで開発できる |
| ゲーム、3Dモデル、CAD、画像エフェクト | 画面描画・GPU処理を実行・検証するため |
| 動画編集・レンダリング機能 | エフェクト処理、エンコード、GPU支援処理のため |
| ローカルLLM・画像生成AIを自分のPCで実行 | モデルの重み・演算に適したGPU/VRAMが必要になる場合がある |
これらを混ぜると、**「AIでコードを書くためのPC」ではなく「GPUを使うソフトを作って動かすPC」**になります。要件の違う用途として予算を考えましょう。
6. Windowsネイティブ・WSL2・Dockerをどう選ぶ？
| 環境 | 使い方 | 気を付ける点 |
|---|---|---|
| Windowsネイティブ | VS Code、PowerShell、Windows向けアプリ開発、.NETなど | Windowsの開発ツールとパッケージ、必要な権限を確認 |
| WSL2 | Linux向けツールチェーン、シェル、Linuxアプリの実行 | 仮想化設定、ディストリビューションのメモリ・ディスク、プロジェクトの保存場所 |
| Docker Desktop | アプリの依存サービス・DB・複数コンテナを再現 | OS・WSL2等の対応、仮想化、RAM消費、ストレージ容量、ライセンス |
| クラウド開発環境・CI | ビルド・テストをクラウドへ逃がす | 通信・料金・データ取り扱い、実際のランナーの制約 |
Codex CLIやClaude Codeを使うから必ずDockerが必要、とは限りません。 プロジェクトを起動するための依存サービスがあるか、再現可能な開発環境が必要かによって選びます。
特にAIエージェントに自動テストやコマンドを実行させる場合は、CPUだけでなくファイル操作の許可範囲も重要です。
7. PCの性能以前に、安全な作業環境を作る
AIが生成したコードが見た目どおり動くとは限りません。また、AIエージェントがコマンドを実行する設定では、ファイルの上書きや削除、設定変更が起こり得ます。
最低限、次の対策を検討してください。
- Gitで変更を記録し、作業開始前にコミットやバックアップを残す。
- AIが操作するフォルダー、実行権限、外部通信の範囲を確認する。
- APIキー・秘密情報・個人情報を含むファイルが作業領域にないか点検する。
- ビルドが成功しても、それだけで正しさは確定しない。テスト、静的解析、依存パッケージの検証を組み合わせる。
- 自動操作でできる範囲・できない範囲を理解し、重要な変更は差分を確認してから反映する。
動作したコードと、保守できて安全なコードは同義ではありません。 処理速度の改善とコード品質の検証は別の課題として扱いましょう。
8. 手持ちPCを増設するか、完成品へ買い替えるか
| 現状 | まずやること |
|---|---|
| ChatGPT・Claudeのブラウザ利用だけで困っていない | PCを買わない |
| AIコード生成は速いが、ビルド・テストで待つ | ビルド時間、CPU使用率、RAM消費、SSD空きとI/Oを計測 |
| Dockerを複数起動すると極端に重い | RAM消費と仮想化設定、ディスクの空き容量を確認 |
| WSL2でLinuxのコマンドが遅い | プロジェクトの保存場所とI/Oを先に見直す |
| RAMやSSDが不足、PCが増設に対応 | 必要な部品だけ買い足す |
| CPU・マザーボード・RAMをまとめて交換する必要がある | 個別購入の総額と完成品PCの価格を比較 |
| 3D開発・動画編集も兼用する | 初めて専用GPUを候補に加える |
購入前に、PCの型番、CPUソケット、マザーボード、RAM規格、SSDスロット、電源、OSと周辺機器まで確認してください。ノートPCや省スペース型のPCは、CPUやRAMを交換できない場合があります。
9. CPU・RAM・SSDの購入候補を比較
ここに掲載する4商品は、独立した完成済みセットではありません。RAMとSSDは今のPCに規格・空きが合う場合の増設候補。CPUは既存のマザーボードに対応すると確認できた場合、またはAM5構成を新規に組む場合の候補です。
CPU①：Ryzen 5 9600X（新規AM5構成・6コア）
AMDの箱入り型番は100-100001405WOF。6コア12スレッドで、クラウドAIコーディング、Web開発や一般的な開発環境を中心に考えるPC用の候補です。
AM5のマザーボード・DDR5 RAM・対応CPUクーラーが必要です。ノートPCやIntel搭載の既存PCに単体で交換することはできません。
Ryzen 5 9600X BOX 6コア／12スレッド
CPU①：6コアでGPUなしの標準構成
Ryzen 5 9600X。AM5/DDR5の新規PCでクラウドAIコーディングと通常のビルドをこなす候補。基本的な画面出力はCPU内蔵グラフィックスを使用。
向いている人：6コア級の新規AM5構成を組み、CPUへの過剰投資を避けたい人
- Socket AM5、DDR5と対応BIOSが必要。Intel CPUを搭載したPCへ単体換装不可
- CPUクーラーは付属しない
- GPUがなくても画面出力するにはマザーボード側に対応端子が必要
CPU②：Ryzen 7 9700X（CPU処理の並列性を重視）
箱入り型番は100-100001404WOF。8コア16スレッドで、複数のビルドやテストを同時に動かす用途、編集・計算作業も並行する人の比較候補です。
こちらもAM5・DDR5構成で、CPUクーラーは付属しません。Ryzen 5 9600Xよりコア数が多いことが、すべての開発作業で体感差につながるとは限りません。
RAM：Crucial Pro DDR5-5600 32GB（16GB×2）
型番CP2K16G56C46U5。DDR5対応のデスクトップで、開発環境とDocker等を同時利用する際の容量不足を補う候補です。DDR4マザーボードやノートPCには使えないため、購入前に型番を確認してください。特に末尾で紹介するmouse CA-A5A01はDDR4 SO-DIMM採用のため、このDDR5 UDIMMキットとは互換性がありません。
Pro DDR5-5600 デスクトップ用 32GB（16GB×2）
RAM：Docker・IDE併用向け32GB
Crucial Pro 32GB DDR5-5600。Docker/WSL2、IDE、ブラウザ、データベースを同時に使う場合のメモリ増設候補。
向いている人：DDR5対応デスクトップでRAMが不足している人
- DDR4、ノートPC用SO-DIMMには使えない
- 容量不足でない場合は増設不要
- 現在のマザーボードとBIOSの互換性を確認
- この記事の完成品mouse CA-A5A01はDDR4 SO-DIMMで、このDDR5 UDIMMキットとは互換性がない
SSD：Crucial P310 NVMe 2TB
型番CT2000P310SSD8-JP。Dockerイメージ、WSL仮想ディスク、複数リポジトリ、SDK等で保存容量が不足する人向け。M.2 2280 NVMeスロットと冷却を確認してください。512GB～1TBで十分な場合は無理に買う必要はありません。
購入ボタンは型番・容量が確認できた販売先のみ。画像は楽天公式APIで確認したものを掲載し、画像のクリック先は楽天の商品ページに限定しています。Amazonで在庫切れの場合もあり、価格・在庫・再入荷は保証していません。
10. 最後に：完成品Windows PCを2台比較
「自作したくない」「一式をすぐ使いたい」という人には完成品がわかりやすい選択肢です。ただし、AIコーディングだけのために高性能な専用GPUを買う必要は原則ありません。
| 比較 | mouse CA-A5A01 | DAIV KM-A5G5A |
|---|---|---|
| 位置付け | クラウドAI・軽めの開発の基本候補 | 編集やGPU処理も兼用したい場合の条件付き候補 |
| CPU | Ryzen 5 7530U | Ryzen 5 7500F |
| GPU | CPU内蔵Radeon | GeForce RTX 3050 6GB |
| RAM | 16GB（DDR4-3200 SO-DIMM、8GB×2） | 16GB（DDR5-5200、16GB×1） |
| SSD | NVMe 500GB | NVMe 1TB |
| OS | Windows 11 Home | Windows 11 Home |
| 注意 | 大規模なDocker/仮想環境では容量や拡張性を確認 | GPUはクラウドAIコーディングのためには通常不要 |
2台目を「AIコーディングなら上位」とは位置付けません。 2台目はGPUを使う編集・3D等の用途を併用すると決めている場合に限る比較候補です。PC単体でのビルド時間はCPUやメモリ、SSD構成も含めて判断してください。
完成品①：mouse CA-A5A01（CPU内蔵GPUのコンパクトPC）
マウスコンピューター楽天市場店でCA-A5A01として確認したWindows PC。Ryzen 5 7530U、RAM16GB、SSD500GB、CPU内蔵グラフィックスを搭載します。
ブラウザ、軽めのエディタ、AIコーディングを試すための最初の一台として比較できます。Dockerや仮想環境を大量に同時起動する予定なら、16GB RAMとSSD500GBのままで足りるか慎重に確認してください。標準メモリはDDR4-3200 SO-DIMM 8GB×2（2スロット使用）で、この記事に掲載したCrucialのDDR5 UDIMM 32GBキットは装着できません。最大容量や増設方法は販売店の仕様を確認してください。
mouse CA-A5A01 コンパクトデスクトップPC
完成品①：GPUなし・軽めの開発用
mouse CA-A5A01。Ryzen 5 7530U、CPU内蔵Radeon、RAM16GB、NVMe 500GB。クラウドAI中心の軽めの開発向け。
向いている人：専用GPUを買わずにWindowsでAIコーディングを始めたい人
- 大量のDockerコンテナや重いIDEではRAM16GB・500GB SSDが不足し得る
- RAM/SSDの増設可否や購入時のセット構成を販売店で確認
- モニター等の付属品は選択条件による
- 標準RAMはDDR4-3200 SO-DIMM 8GB×2。掲載のDDR5 UDIMMキットは利用できない
完成品②：DAIV KM-A5G5A（画像編集等も兼ねる人向け）
マウスコンピューター楽天市場店のDAIV KM-A5G5A。Ryzen 5 7500F、RAM16GB、SSD1TB、GeForce RTX 3050 6GBを備える完成品です。
クラウドAIでコードを書くだけならこのGPUは必須ではありません。一方、制作物が3D表示や一部の画像・動画編集処理を必要とするなら、GPU搭載機が比較対象になります。標準メモリはDDR5-5200の16GB×1で、増設時は既存メモリとの混載や対応速度・型番を必ず確認してください。RTX 3050 6GBを高負荷なローカルLLMや最新のローカル画像・動画生成向けの主力GPUとしては勧めません。RAM16GBでは開発環境を複数同時に動かすと不足する可能性があるため、増設条件を確認しましょう。
DAIV KM-A5G5A クリエイターデスクトップPC
完成品②：編集・3Dも兼用する人向け
DAIV KM-A5G5A。Ryzen 5 7500F、RTX 3050 6GB、RAM16GB、SSD1TB。専用GPUはクラウドAIコーディングそのものには通常不要。
向いている人：動画編集・3D描画の開発や制作も同時に行う人
- RTX 3050 6GBは最新の高負荷ローカル生成AI用GPUとしては勧めない
- RAM16GBで多くの開発サービスを同時使用する人は増設余地を確認
- AIコーディングだけならGPU代を優先して負担する理由は弱い
- 標準RAMはDDR5-5200 16GB×1。増設時の混載や対応速度に注意
完成品PCはモニター、キーボード・マウス、無線LAN、Office、保証、注文時のカスタマイズや納期が販売ページの選択によって変わります。必ず掲載モデル・構成・価格と同一の商品か確認してください。
11. よくある疑問
CodexやClaude CodeにはNVIDIAのGPUが必要？
クラウド上でAI推論を実施する一般的な使い方では、通常必要ありません。PC側でコードをビルド・テストするために必要なCPU・RAM・SSDの方を優先して考えましょう。ただし自分のPCでLLM推論や3Dアプリを実行する場合は別です。
RAMは16GBで十分？最初から32GBがいい？
小規模な開発なら16GBから始められます。Docker・WSL2・DB・ブラウザ・IDEを並行して使うなら32GBを比較する価値が高くなります。購入前に現在の使用量、PCの増設可否を確認してください。
CPUはRyzen 7を買った方がいい？
コア数だけで判断しません。たとえば小規模Web開発や軽いスクリプト中心なら、Ryzen 5級でも足りることがあります。実際のビルド時間や同時起動する処理が重い人だけ上位CPUを検討してください。
まず買い替えるならCPU、SSD、RAMのどれ？
不足している部品が違えば答えも違います。PCが極端に重くなる時のRAM使用率、SSDの残量とI/O、ビルド中のCPU使用率を測定し、費用が低く、問題に直結する部分から改善してください。
AIがコードを書いてくれるなら、PC性能より確認が大事？
両方大事ですが別の課題です。コードの正しさやセキュリティはCPU性能では解決しません。Git履歴、テスト、コードレビュー、権限・秘密情報管理といった手順を優先してください。
まとめ：クラウドAIのためにGPUを買う前に、開発環境の負荷を測る
AIコーディング向けPCでは、①何を開発するか → ②Windows・WSL2・Docker等で何を同時に動かすか → ③CPU/RAM/SSDを実測 → ④必要な部品のみ増設 → ⑤完成品と総費用を比較の順に考えるのが合理的です。
専用GPUが必要かは、AIでコードを書くかどうかではなく、そのPCで動かすアプリの処理内容が決めます。すでに手持ちPCが十分なら、新しいPCは買わなくても構いません。
AIで画像や動画をクラウド生成し、手元で編集する人はクラウド画像・動画生成向けPCへ。編集ソフトに必要なGPU・RAMは、AIコーディングとは別に確認してください。