CPUとGPUの違いはどこから来るのか｜コア数と得意仕事で選び方が変わる

PCやスマートフォンを選ぶとき、「CPUは〇〇GHz、GPUは△△搭載」という仕様書を前に「で、結局どっちが大事なの？」と戸惑ったことはないでしょうか。

この2つは名前が似ているだけでなく、同じ「プロセッサ」というカテゴリに属しています。しかし中身の設計思想は根本的に異なります。読み終わると「なぜChatGPTはGPUじゃないと動かないのか」「なぜゲームにはグラボが必要なのか」が直感で理解できます。

• CPUは「少数精鋭の指揮官」、GPUは「大量並列の作業員」
• CPUのコア数は数十個、GPUは数千〜数万個のコアを持つ
• AIの学習・推論にGPUが必須なのは行列演算の並列性のため
• ゲームではCPU（ゲームロジック）とGPU（映像描画）が役割分担する

「CPUが頭脳でGPUが筋肉」という比喩は半分だけ正しい

よく「CPUが脳でGPUが筋肉」と説明されますが、実はこの比喩では重要な部分が抜け落ちています。

正確に言いかえると、CPUは「複雑な判断を速く下す少数精鋭のエキスパート集団」で、GPUは「単純作業を同時にこなす大人数のアルバイト部隊」です。どちらが偉いわけではなく、担当する仕事の性質が根本的に異なります。

たとえば「確定申告の計算」ならCPUの得意分野です。複雑なルール・例外・条件分岐を高速に処理するには、高性能な少数コアが最適です。しかし「1080×1920ピクセルの画面に毎秒60回、光の当たり方を計算して色を塗る」という作業は、200万個の画素を一斉に処理する必要があり、こちらはGPUの得意分野です。

「コア数」こそが本質的な違い

最も直感的な比較軸はコア数（処理ユニットの数）です。

家庭向けCPUのコア数は一般に8〜24個（2026年8月時点のIntel Core Ultraシリーズ）。一方、NVIDIA RTX 4090（一般向けフラグシップGPU）は16,384個のCUDA コアを搭載しています。CPUの約1,000倍以上のコア数です。

ただしGPUのコアはCPUのコアより個々の性能が低く、担当できる仕事が単純なものに限られます。「賢いエキスパートが少数」か「作業特化のアルバイトが大勢」か——この設計の違いが、得意仕事の差を生んでいます。

「なぜChatGPTはGPUなのか」を理解する

ChatGPTやGeminiのような大規模言語モデルが動くのに、なぜGPUが必須なのでしょうか。

AIの「学習」とは、何十億というパラメータ（重み）を掛け算・足し算で更新する処理の繰り返しです。これを数学的に表すと巨大な行列の掛け算（行列乗算）になります。行列計算は独立した計算の塊がたくさん並んでいるため、並列処理が大変得意です。GPUのコア数と相性が抜群なわけです。GPUを支えるシリコン技術については、半導体の仕組みでより詳しく解説しています。

言いかえれば、AI学習はCPUでもできます。ただし同じ計算量でGPUの数百倍〜数千倍の時間がかかります。ChatGPT（GPT-4）の学習には数千台のNVIDIA A100 GPUを数か月間稼働させたとされています（OpenAI 2023年発表より）。

GPU不足がAI開発を左右した理由

2022〜2024年、AI ブームによって世界中でGPUが不足しました。NVIDIAのH100（データセンター向けハイエンドGPU）の価格は1枚で数百万円に達し、数か月待ちが続きました。この「GPUが手に入らない」という事態が、スタートアップと大企業の差を生んだほどです。

推論はCPUでもできる——学習と推論の違い

ChatGPTに質問を送るとき（推論）は、学習ほどの計算量は必要ありません。スマートフォンのSoC（統合チップ）でも簡単なLLMは動き始めており、2026年現在ではローカルで動くAIアシスタントも普及しつつあります。学習にはGPU大量投入、推論は省電力デバイスへ——AIのインフラが分離しつつあります。

ゲームでのCPUとGPUの役割分担

ゲームでは、CPUが「世界のルールを計算」し、GPUが「その結果を絵にする」という役割分担をしています。CPUが強ければゲームのロジック（敵のAI、物理挙動、オンライン同期）が滑らかになり、GPUが強ければ映像（解像度・フレームレート・光の表現）が豊かになります。

ゲーマーが「高フレームレートが欲しい」なら主にGPU強化、「大規模な都市シミュレーション（SimCity系）が動かない」ならCPU強化——という使い分けが基本です。

ボトルネック問題——どちらかが足を引っ張る

CPUとGPUのバランスが悪いとボトルネックが発生します。GPUが超高性能でもCPUが処理に追いつかなければ、GPUは暇な状態になり、実際のフレームレートは低いままになります。逆もしかりです。PCゲーマーがCPUとGPUのバランスを重視するのはこのためです。

🎣 実用シーン：PC購入前の「CPU派・GPU派」判断チャート

あなたが「PC何を買えばいい？」と悩んでいるなら、まず「自分は何をしたいか」を先に決めることが重要です。ゲームをしないのに高性能GPUに数十万円を投じるのは過剰投資です。逆にAI開発をするのに内蔵GPUのノートPCでは話になりません。

予算配分の目安（2026年版）

総予算10万円でゲームPCを組む場合、GPU（グラフィックカード）に4〜5万円、CPU+マザーボードに2〜3万円、RAM+SSD+電源に残りを割り当てるのが一般的な比率です。AI・機械学習用なら、GPU比率をさらに高め（総予算の50〜60%）が現実的です。

📅 時事ネタ：NPUの登場——CPU・GPUに続く「第三の頭脳」

2026年現在、IntelのCore Ultra・QualcommのSnapdragon X・AppleのM4チップには、CPUでもGPUでもないNPU（Neural Processing Unit）と呼ばれる専用プロセッサが搭載されています。

NPUはAI推論（ローカルでの音声認識、画像解析、翻訳など）に特化した省電力コアです。Microsoftが推進するCopilot+ PCでは、NPUが40TOPS（毎秒40兆回の演算）以上のことが要件として定められています。

つまり2026年のPCチップには「CPU＋GPU＋NPU」の3層構造が標準になりつつあります。スマートフォンのSoCには2019年頃から搭載が始まっており（AppleのA12 Bionic Neural Engine）、PC側もそれに追いついた形です。

NPUはGPUを置き換えるか？

結論：短期的には置き換えません。NPUが得意なのは比較的小さなAIモデルの推論。GPUが必要な大規模モデルの学習・高解像度ゲームは、当分GPUの領域です。NPUはGPUを補助する「省エネAIコア」として住み分けが進んでいます。

💡 意外な切り口：GPUはもともとゲームのためだったが、世界を変えた

GPUが最初から「AIのため」に設計されたわけではありません。NVIDIAが最初のGPU「GeForce 256」を発売したのは1999年。目的は純粋にゲームの3D映像を高速に描画するためでした。

ところが2000年代中頃、研究者たちは「GPUの並列演算能力を科学計算に転用できる」と気づきます。2006年にNVIDIAがCUDA（GPU汎用演算プラットフォーム）をリリースし、GPUはゲーム専用機から汎用計算機に変貌しました。

そして2012年、トロント大学のAlexNetがGPUを使った深層学習で画像認識コンペに圧勝し、AIブームの火付け役となりました。GeForce 256から13年後のことです。

ゲームを楽しくするために作られた部品が、20年後にChatGPTを生み出す基盤になる——これを「偶然のイノベーション」と呼ばずして何と呼ぶでしょう。ゲーム機の内部でGPUがどのようにリアルタイム描画を実現しているかは、ゲーム機がリアルタイムで映像を描ける理由で詳しく解説しています。

よくある誤解——「CPUが速ければなんでも速い」

誤解1：CPUクロック数が高いほど全部速い

CPUのクロック数（GHz）は単一スレッドの処理速度の目安であり、並列処理には向きません。ゲームや動画編集では、クロック数よりコア数とGPUの組み合わせの方が重要なケースが多いです。「5GHz=速い」は部分的にしか正しくありません。

誤解2：GPUはゲームをしない人には不要

誤りです。動画視聴・動画編集・AI画像生成・Zoom・オンラインホワイトボードなど、現代のアプリはGPUを活用するものが増えています。内蔵GPU（CPU内蔵のグラフィック）でも十分なケースは多いですが、「GPUはゲーマーだけのもの」という認識は古くなっています。

誤解3：高いGPUほどAI開発に向いている

消費者向けGPUの最上位だからといってAI開発に最適とは限りません。AI開発で最も重要なのはVRAM（グラフィックスメモリ）の容量です。RTX 4090は24GBですが、プロ向けNVIDIA A6000は48GB。大きなモデルはVRAMに収まらないと動きません。価格だけでなくVRAMで選びましょう。

CPUとGPUが組み合わさったとき、何ができるか

実際のコンピュータの中では、CPUとGPUは絶えずデータをやりとりしています。CPUが「この場面はGPUに任せる」と判断し、データを転送し、GPUが高速処理して結果を返す——この連携が現代コンピュータの力の源泉です。

たとえばPhotoshopで「ぼかし処理」をかけると、CPUがUIを制御しながら、ぼかし演算をGPUにオフロードします。GIMPなどのオープンソースソフトでも、GPUアクセラレーションに対応した処理は体感で数倍速くなることがあります。

CPUだけでもコンピュータは動きます。しかし映像・AI・科学計算などの分野では、GPUとの分業なしに現代のパフォーマンスは実現できません。両者の協調がなければ、スマートフォンで写真を撮ってすぐ美肌補正できる「今の当たり前」も存在しなかったはずです。

まとめ：CPUとGPUの違いはどこから来るのか

• CPU：複雑な処理を速く実行する「少数精鋭」設計（コア数：数十個）
• GPU：単純処理を大量並列で同時にこなす「大人数作業」設計（コア数：数千〜数万個）
• AI学習・3DゲームグラフィックスはGPUの並列処理が不可欠
• ゲームではCPUがロジック担当・GPUが映像担当という役割分担
• 2026年現在はCPU・GPU・NPUの3層が一般的なPC/スマホに搭載
• GPUはゲーム用途から始まり、AI革命の立役者になった

CPUとGPUの違いは「どちらが賢いか」ではなく「どんな仕事を得意とするか」という設計思想の差です。あなたのPCを選ぶときも、「自分はどんな仕事をするか」から出発すると、スペック表が一気に読みやすくなります。そしてそのシンプルな問いに答えてくれるのが、この「コア数の哲学」です。