Windows ARMでローカルAIは使える？確認ポイント

先に結論：Windows ARMは「アプリ単位」で確認する

Windows on Armでは、Arm-nativeアプリだけでなくx86/x64アプリも動かせます。ただしMicrosoftは、互換性の広さと、性能・応答性・バッテリーの面でArm-nativeアプリを優先する考え方を示しています。ローカルAIでは、アプリ本体が起動するか、推論バックエンドが使えるか、モデルが十分な速度で動くかを別々に見ます。

この記事の対象は、Windows ARMのノートPCやSnapdragon X搭載PCで、LM StudioやOllamaを試す前の互換性確認です。特定製品のおすすめ順位や、一般Windows PCでの速度を約束する記事ではありません。

• Copilot+ PCとNPUの期待値 - NPUで期待できることと、期待しすぎないことを分ける
• ローカルAI用PCスペック - RAM、GPU、VRAM、CPU、ストレージを用途から見る

自分のWindows ARM環境を先に確認する

まず設定の「システム > バージョン情報」で、Windowsのエディション、バージョン、システムの種類を確認します。Snapdragon XなどのSoC名だけで判断せず、実際のWindowsがArm64で動いているか、更新が保留されていないかを記録します。

1. Windowsの「設定 > システム > バージョン情報」を開き、システムの種類、プロセッサ、実装RAMを記録する。
2. `winver` でWindowsのバージョンを確認し、Windows Updateの保留状態を解消する。
3. `msinfo32` を開き、システムの概要と、問題が出たアプリ名・バージョンを一緒に控える。
4. アプリの公式ダウンロードページで、Windows ARM64、x64、x86、Microsoft Storeなどの配布形態を確認する。

winver
msinfo32

LM Studioは公式にWindows ARM対応が明記されている

LM StudioのSystem Requirementsは、Windowsについてx64とARM（Snapdragon X Elite）の両方をサポートすると明記しています。したがって「Windows ARMだからLM Studioは使えない」とは言えません。ただし同じページでも、x64ではAVX2が必要、RAMは16GB以上、専用VRAMは4GB以上が推奨とされており、対応と快適さは別です。

LM Studioを試す場合は、まず公式のWindows ARM対応を入口にし、軽いモデルでロード、短い質問、再起動後の再ロードを確認します。専用GPUがないことやNPU搭載だけを理由に、動作可否や速度を推測しません。

• LM Studio公式System Requirements - Windows x64/ARM、Snapdragon X Elite、RAM・VRAMの記載を見る
• LM Studioで最初のモデル - モデルサイズと初回ロードの確認へ進む
• LM Studioのインストール - Windows版の導入手順と初回確認を見る

llama.cppは「Arm64ビルド」と「Adreno GPU backend」を分けて確認する

llama.cppはモデル配布サイトやGUIアプリそのものではなく、C/C++の推論エンジンと実行backendを組み合わせる層です。公式READMEにはCPU ARM NEON、OpenCL（Adreno GPU）、Vulkanなどが別backendとして掲載されています。したがって「llama.cppがARM対応」と分かっただけでは、LM StudioやOllamaのWindows版が同じ設定で同じGPU経路を公開することまでは分かりません。

Windows on Arm向けの公式Build guideには、Clangを使うarm64用presetとビルドコマンドが示されています。`GGML_OPENMP_FETCH=ON`を付ける方法はLLVM OpenMP runtimeを取得するため、Clang、7-Zip、構成時のネットワークアクセスが必要です。これは初心者向けアプリのインストール手順ではなく、runtimeを自分でビルドして検証したい人向けの開発者ルートとして扱います。

cmake --preset arm64-windows-llvm-release -D GGML_OPENMP_FETCH=ON
cmake --build build-arm64-windows-llvm-release

Snapdragon XのGPU経路を直接確かめる場合、llama.cppのOpenCL backend docsはWindows 11 Arm64とSnapdragon X EliteをOSの検証対象として記載し、Adreno X1-85（Snapdragon X Elite）とAdreno X2-90（Snapdragon X2 Elite）を検証デバイスに挙げています。OpenCLはAdreno GPUの経路であり、NPUを使ったという意味ではありません。OpenCL用のheaders・ICD loader、Clang、Ninja、Visual Studioのライブラリ、対応ドライバーが別に必要です。公式手順の`arm64-windows-llvm.cmake`と`GGML_OPENCL=ON`は、CPU用presetとは別のGPUビルド経路です。

1. LM Studio・Ollamaなどのアプリ利用か、llama.cppを自分でビルドする検証かを先に決める。
2. まずCPUのArm64経路で軽い同一モデルをロードし、ビルド方式、モデルrevision、量子化、ロード時間を記録する。
3. Adrenoを試す場合だけOpenCLのheaders・ICD・ドライバー・ビルドoptionを追加し、初回のkernel compile時間と2回目以降の実行を分けて記録する。
4. 同じモデル・prompt・context・電源条件でCPUとGPUを比較し、tokens/sだけでなくエラー、RAM、GPU表示、発熱も残す。

• llama.cpp公式README - 推論engineとbackendの対応表を見る
• llama.cpp公式Build guide - Windows Arm64のCPUビルド前提を見る
• llama.cpp公式OpenCL backend - Adreno GPUとWindows 11 Arm64の検証範囲を見る
• LM StudioのGPUオフロード - アプリ側のGPUオフロードと実測の境界を見る

OllamaはWindowsの配布パッケージ表記を確認する

2026-10-19に確認したOllama v0.40.6の公式release assetsには `ollama-windows-arm64.zip` が掲載されています。Windows docsのStandalone CLI欄はamd64表記ですが、それだけで判断せず、使う版のrelease assetsを確認してください。ZIPの掲載と実機での推論可否は別の確認事項です。

パッケージ名のWindows ARM64、Windows amd64、Linux ARM64を混同せず、先に既存の「自分のWindows ARM環境を先に確認する」で設定の「システム > バージョン情報 > システムの種類」を見ます。amd64はIntel/AMD系x64 CPU向けで、AMD GPU向けという意味ではありません。実行中プロセスがx64と表示されるだけでは、Windows自体のシステム種別は判断できません。

v0.40.6の公式build definitionでは、CLIと推論用runtimeを揃えてZIP化する前に両方のファイルを検査しています。`ollama.exe`だけを別の場所へ取り出さず、表の階層で確認してください。配布物の有無だけではAdreno GPU/NPU利用、速度、実機推論は分からないため、通常のインストール手順は既存のWindows導入ガイドを参照してください。

• Ollama Windows公式docs - Windowsの導入方法と現行Standalone CLI表記を見る
• Ollama公式ダウンロード - 利用時点のWindows導入入口を見る
• Ollama v0.40.6 release assets - この版のOS・アーキテクチャ別ZIPを確認する
• Ollama Windows build definition - arm64版に含まれるCLIとruntimeの配置条件を見る
• Windows版Ollamaの初回確認 - 一般的なWindows導入、モデル、API、保存先を確認する

NPU・GPU・CPUを同じ「AI性能」として扱わない

MicrosoftはArm搭載SoCにCPU、GPU、NPUなどが含まれ、NPUがAIワークロードを加速し得ると説明しています。しかし、PCにNPUがあることと、特定のローカルLLMアプリがNPUを推論に使うことは別です。アプリの対応ランタイム、モデル形式、ドライバー、実行時の表示を確認してください。

LM StudioやOllamaを選ぶときは、Copilot+やTOPSの数字を先に比較するより、同じモデル・同じプロンプト・同じ電源条件で、ロード時間、tokens/s、RAM、GPU/NPU表示、発熱を記録します。Ollamaでは公式FAQの `ollama ps` にあるProcessor表示が、CPU/GPUの切り分けの入口になります。

• Copilot+ PCのNPUチェックリスト - NPUへの期待値とローカルLLMの現実を分ける
• Ollama Hardware Support - GPUバックエンドの現行対応を確認する
• Ollama FAQ - `ollama ps`のProcessor表示とlocal/cloudの境界を見る

モデル・runtime・拡張機能の相性を分けて見る

ローカルAIの互換性は、アプリ本体だけで終わりません。モデル形式、推論runtime、ネイティブライブラリ、GPUドライバー、PythonやNodeの依存、VS Codeなどの拡張機能、localhost APIのクライアントがすべて関係します。Windows ARMでアプリの画面が開いても、追加の拡張やサービスだけがx64依存で失敗することがあります。

まずアプリ単体で軽いモデルを動かし、その後にAPI、MCP、coding agent、RAGの順で一つずつ追加します。MicrosoftもArm-nativeアプリを最良の性能・応答性・バッテリーの入口として説明しているため、拡張機能やドライバーは提供元のARM対応ページを確認します。

1. モデルなしでアプリ起動と新規プロジェクト作成を確認する。
2. 軽いモデルを1つだけロードし、短い同じ質問で応答を確認する。
3. CPU/GPU/NPUの表示、RAM、速度、ファン音、電源条件を記録する。
4. APIや拡張機能を1つだけ追加し、接続先、依存ランタイム、送信範囲を確認する。

• WindowsローカルAIコーディング - アプリ・モデル・API・agentを分離して確認する
• ローカルAI APIサーバー - base URL、model ID、localhost連携を確認する
• Windows on Arm公式概要 - x86/x64エミュレーションとArm-nativeの差を見る

導入前チェックリスト：ノートPCを買う前にも使う

Windows ARMのノートPCを検討する場合は、NPUのTOPSやバッテリーの宣伝だけで決めず、使いたいアプリとモデルを先に固定します。公式ページに明記がない項目は、提供元へ確認するか実機で確かめてから、導入や購入を判断します。

うまくいかないときの分岐

再インストールやPC買い替えを繰り返す前に、Windows、アプリ、モデル/runtime、アクセラレータ、連携先のどこで止まったかを固定します。エラー文、Windowsのシステムの種類、アプリのバージョン、モデル名、実行時のCPU/GPU/NPU表示を残すと、公式サポートへ確認しやすくなります。

• ローカルAIの症状別トラブルハブ - 起動、速度、モデル、APIの共通分岐へ進む
• OllamaでGPUが使われない時 - WindowsのGPU・ドライバー・Processorを確認する
• LM StudioのGPUオフロード - GPUに載る範囲とCPU実行を切り分ける