Copilot+ とローカルLLM の使い分けガイド 2026年版：NPU アプリを主・LLM を補として住み分ける実用マトリクス

結論：Copilot+ PC の NPU は「Windows OS に組み込まれた AI 機能（Recall / Click to Do / Cocreator / Image Creator / Live Captions）を低消費電力で常時動かす」用途に最適化されており、ローカルLLM（Ollama / LM Studio）とはターゲットが違います。NPU アプリを主軸にしつつ、7B 以上の汎用LLM や日本語の長文質疑・コード生成は iGPU（DirectML / Vulkan）または外付け GPU / 別サーバーの LLM に投げる、というのが 2026 年時点の実用的な住み分けです。

Snapdragon X2 Elite（Hexagon NPU 80 TOPS、2026 年 4 月レビュー解禁）/ Ryzen AI 9 HX 370 系（XDNA 2 50 TOPS）/ Core Ultra 200V（NPU 4.0 48 TOPS）はいずれも Copilot+ 認定を満たすので、NPU アプリ側は横並びで動きます。差が出るのは iGPU 帯域と汎用性で、Adreno X2（LPDDR5X-8533 128-bit で約 152 GB/s、Extreme SKU は 192-bit LPDDR5X-9523 で最大 228 GB/s）を持つ X2 Elite と Radeon 890M を持つ Ryzen AI 9 HX 370 が LLM 補助の面で有利、ビジネス系ソフト互換とバッテリー効率で Core Ultra 200V が主流です。この記事は「どの Windows AI 機能を NPU に任せ、どのタスクをローカルLLM に投げるか」の対応表を、2026 年 9 月時点の実装状況で整理します。

「Copilot+ PC を買ったのに Recall しか使っていない」「NPU 80 TOPS の Snapdragon X2 Elite で Ollama が動かない」という声が増えました。原因は、NPU アプリとローカルLLM が別のスタック（Windows Copilot Runtime / ONNX Runtime QNN vs llama.cpp）で動いていて、両者が直接繋がっていないからです。この記事では機能ごとに「NPU で完結する処理」と「ローカルLLM に投げるべき処理」を切り分けて、Copilot+ PC 1 台で AI 作業を回すときの現実的な構成を提示します。

Copilot+ PC の NPU に載っている AI 機能（2026 年 9 月時点）

Copilot+ PC 認定機で Windows 11 26H2 が入っていれば、以下の AI 機能が NPU 経路で動きます。Windows 11 26H2 は 2026 年 9 月〜10 月にかけて enablement package として順次配信されており、Copilot+ 向けの Recall / Click to Do / Semantic Indexing はすでに一般提供に入っています（Windows Central “What’s new on Recall, Click to Do, and Search for Copilot+ PCs” 2026 参照）。

機能	概要	NPU 依存	対応 Copilot+ PC
Recall	デスクトップ操作の視覚タイムライン検索	必須（Semantic Indexing）	全 Copilot+ PC（40 TOPS 以上）
Click to Do	画面上のテキスト・画像を右クリックで要約/書き換え/背景ぼかし	必須	全 Copilot+ PC
Ask Copilot（新検索）	Windows 検索を自然言語で置換	部分的（オプション）	Copilot+ PC 優先、他機でもクラウド経由で動作
Cocreator（Paint）	Paint 内の画像生成・スタイル変換	必須（Stable Diffusion 系オンデバイス）	全 Copilot+ PC
Image Creator（Photos）	Photos 内の生成塗りつぶし・オブジェクト除去	必須	全 Copilot+ PC
Live Captions	40+ 言語のリアルタイム字幕 + 翻訳	必須	全 Copilot+ PC
Windows Studio Effects	カメラの背景ぼかし・視線補正・音声フィルタ	必須	全 Copilot+ PC
Voice Access	音声によるアプリ制御	部分的	全 Copilot+ PC

いずれも Windows Copilot Runtime に組み込まれた小型モデル（Phi Silica 3.3B / Stable Diffusion 系 / Whisper 系）が NPU で動く前提で、レイテンシと消費電力（NPU 5〜8W）が最適化されています。7B / 8B 以上の汎用 LLM や、ユーザーが持ち込む gguf モデルは NPU 対応外です。

ローカルLLM ランタイムの NPU 対応状況（2026 年 9 月時点）

一方、汎用ローカルLLM の側は 2026 年時点で NPU 対応が限定的です。

ランタイム	CPU	iGPU (DirectML/Vulkan)	Hexagon NPU	XDNA 2 NPU	AI Boost NPU	CUDA
Ollama	○	○（Vulkan）	✕	✕	✕	○
LM Studio	○	○（Vulkan / DirectML）	✕	✕	✕	○
llama.cpp	○	○（Vulkan / DirectML）	✕	✕	✕	○
Foundry Local	○	○	○（QNN EP）	○（OGA）	○	対象外
Windows ML (ONNX Runtime)	○	○（DirectML）	○（QNN EP）	○	○	部分的
Ryzen AI Software	✕	✕	✕	○	✕	✕

Ollama / LM Studio は依然として llama.cpp を内部で使っており、llama.cpp は Windows で CUDA / Vulkan / DirectML が主軸です（Microsoft Learn “Choose your Windows AI solution” 2026 参照）。「NPU で ollama が速くなる」という状況にはまだなっておらず、汎用 LLM を Copilot+ PC で動かすなら iGPU 経由が実質最短です。

一方 Microsoft Foundry Local は Phi / Qwen / Llama / Mistral / GPT-OSS など複数系列の OSS LLM を OpenAI 互換 API で提供し、Windows 10/11 全機で動きつつ NPU / GPU / CPU を自動選択します。「NPU アプリと同じスタックで補助 LLM を動かしたい」場合は Foundry Local を挟むのが 2026 年時点の穏当な選択です。

使い分けマトリクス：NPU に任せる vs ローカルLLM に投げる

タスクごとに「Copilot+ の NPU アプリで済ませる」か「ローカルLLM を叩く」かを分けます。

タスク	NPU アプリ	ローカルLLM	理由
Web ページの要約（数百字）	Click to Do	ローカルLLM も可	短文なら NPU で十分。長文（>数千字）は 7B LLM が精度で勝る
会議の日本語文字起こし	Live Captions	Whisper large-v3（GPU）	NPU 側は精度が中程度、正確性重視なら Whisper large-v3 を iGPU/CUDA
画像の背景除去・オブジェクト消去	Image Creator（Photos）	SD/Flux 系	単発なら NPU、細かい仕上げは Flux/SD3 を iGPU/GPU
コード補完（IDE 内）	✕（対応なし）	Ollama + Qwen 2.5 Coder 7B	NPU 側にコード特化モデルが載っていない
長文の日本語質疑（>2000 字）	✕（Phi Silica は英語中心）	Ollama + Qwen 3 14B 以上	Phi Silica は日本語精度が弱い
RAG（社内ドキュメント検索）	Semantic Indexing（Recall 経由）	Ollama + LangChain	ローカル完結ならローカルLLM、Windows 内検索なら NPU
ゲーム中のスクリーンショット説明	Click to Do	✕（用途が合わない）	NPU の得意分野
常時起動のバックグラウンド AI	NPU 全般	✕（GPU は電力が重い）	NPU 5〜8W vs iGPU 20〜35W
画像生成（Stable Diffusion）	Cocreator	SD3/Flux（iGPU/GPU）	Cocreator は簡易生成、細かい制御は iGPU/GPU

「1 台のノートPCで両方走らせる」なら、NPU アプリを常時 ON（Recall + Click to Do + Live Captions）、ローカルLLM は必要時に LM Studio / Ollama を起動して iGPU バックエンド、が現実的です。iGPU で 7B Q4 が 10〜20 tok/s 出る（Adreno X2 / Radeon 890M / Arc 140V）ため、Copilot+ PC 単体でもコード補完・日本語質疑は成立します。NPU アプリ側の詳しい実測は「Copilot+ PC の NPU でローカルLLM は本当に動くか 公開ベンチ 2026年版」で扱いました。

Copilot+ 3 派閥の 2026 年時点の位置付け

Copilot+ PC は「NPU 40 TOPS 以上」の共通基準を満たす複数の SoC 派閥に分かれています。2026 年 9 月時点の主要 3 派閥を整理します。

SoC	NPU	NPU TOPS	iGPU	メモリ帯域	得意領域
Snapdragon X2 Elite（Qualcomm）	Hexagon	80 TOPS	Adreno X2-85/90	LPDDR5X-8533 128-bit / 152 GB/s（Extreme SKU は LPDDR5X-9523 192-bit / 228 GB/s）	NPU 最速、バッテリー効率、常駐 AI
Snapdragon X Elite（初代）	Hexagon	45 TOPS	Adreno X1	LPDDR5x 135 GB/s	初代 Copilot+、値下げ流通中
Ryzen AI 9 HX 370/375（AMD）	XDNA 2	50 TOPS	Radeon 890M	LPDDR5X-7500〜8000（AMD 側で仕様更新）120〜128 GB/s	x86 互換 + iGPU ゲーミング両立
Core Ultra 200V（Intel、Lunar Lake）	AI Boost（NPU 4.0）	48 TOPS	Arc 140V	LPDDR5x on-package 8533 MT/s	x86 互換、ビジネス機の主流、超低消費電力

Snapdragon X2 Elite は 2026 年 4 月に発表・レビュー解禁、TSMC 3nm 製造で Hexagon NPU が 80 TOPS（前世代比 +37%、消費電力 -16%）に伸びました（Qualcomm Snapdragon X2 Elite Product Brief 参照）。標準 SKU は LPDDR5X-8533 128-bit で約 152 GB/s、上位の Extreme SKU は LPDDR5X-9523 192-bit で 228 GB/s まで拡張されており、iGPU（Adreno X2）で LLM を動かす場合の実効速度も改善しています。

Ryzen AI 9 HX 370 は Zen 5 + Zen 5c の 12 コアで NPU 50 TOPS、Radeon 890M と組み合わせて「x86 互換 + ゲーミング iGPU + Copilot+ 認定」を 1 チップで満たします（Notebookcheck “AMD Ryzen AI 9 HX 370” 参照）。派生の Ryzen AI 9 HX 375（NPU 55 TOPS）もあり、上位機向け。

Core Ultra 200V（Lunar Lake、2024 年 9 月発売）は 4 Lion Cove + 4 Skymont の 8 コア構成、NPU 4.0 が 48 TOPS。Intel は「NPU 48 + iGPU 67 + CPU 5 = 合計 120 TOPS」と説明していますが、Copilot+ 認定の判定は NPU 単独 48 TOPS 部分です（Wikipedia “Lunar Lake” 参照）。TSMC N3B 製造で x86 系では最も電力効率が良い部類、ThinkPad X1 Carbon Gen 13 / Dell XPS 13 / Zenbook S 14 など「軽量ビジネスノート」の主戦場になっています。

判断軸 1：NPU アプリを主にするか、LLM を主にするか

「Windows AI 機能を常時 ON にして NPU の恩恵を最大化したい」なら NPU 性能最優先で Snapdragon X2 Elite。「LLM は補助で足りればいい、業務ソフト互換が最重要」なら Core Ultra 200V。「両方欲しい・DirectX ゲームも回す」なら Ryzen AI 9 HX 370 系、という配分です。

• NPU アプリ主軸：Recall + Live Captions + Click to Do を 8 時間バッテリーで常時 ON にする用途では、Hexagon NPU 80 TOPS の X2 Elite が最速・最省電力。Surface Laptop 8 / Zenbook A14 / Lenovo Yoga Slim 7x Gen 11 などが対象
• 業務ソフト重視・NPU は AI 補助程度：x86 互換の Ryzen AI 9 HX 370 か Core Ultra 200V。ARM Windows の互換性懸念（VPN / 業務用アプリ / 一部の USB ドライバ）を回避
• iGPU で 7B LLM を動かす用途がある：Ryzen AI 9 HX 370 系（Radeon 890M）または Snapdragon X2 Elite（Adreno X2）。Core Ultra 200V の Arc 140V も動くが、DirectML の対応モデルが少なめ

判断軸 2：ローカルLLM を「同じマシン」か「別サーバー」か

Copilot+ ノート 1 台で LLM も動かすか、LLM は別のデスクトップ / ミニPCに立てて Tailscale 経由で叩くかで、機体選定が変わります。

同じマシン派：Copilot+ ノートPC 1 台で完結。バッテリー駆動時に 7B LLM を動かすと iGPU で 20〜35W 上乗せ、駆動時間が 8 時間 → 4〜5 時間に短縮する。持ち歩き重視ならメリット薄い。

別サーバー派：LLM は自宅の Strix Halo ミニPC（GMKtec EVO-X2）や Mac Studio、RTX 5090 デスクトップに立てて、Tailscale や OpenWebUI 経由で呼ぶ。Copilot+ ノートPC 側は NPU アプリと通信だけに専念、バッテリーが伸びる。

Tailscale 経由の LLM サーバー構築は「Mac ローカルLLM サーバー Tailscale + Ollama ガイド 2026年版」に手順があります。ローカルLLM ランタイムの選び方は「ローカルLLM ランタイム比較 Ollama / LM Studio / llama.cpp 2026年版」を参照してください。

判断軸 3：eGPU で LLM を伸ばすか

Thunderbolt 5 / USB4 対応の Ryzen AI 300 系・Core Ultra 200V 機なら、eGPU BOX（AORUS RTX 5090 AI BOX Thunderbolt 5 等）を接続して 24GB / 32GB VRAM を追加できます。ただし Thunderbolt 5 の 80 Gbps は PCIe 4.0 x4 相当の帯域で、内部 PCIe 5.0 x16 の 1/8 程度。

• 推論速度：単発の prompt processing は帯域律速で 30〜50% 落ちる。連続 chat 用途では 5〜15% 差で許容範囲
• 物理サイズ：AORUS RTX 5090 AI BOX クラスは重量 5kg + 電源、可搬性は事実上ゼロ
• 費用：eGPU BOX 単体で 30〜40 万円 + RTX 5090 で 50〜60 万円 = 80 万円超。同予算で「軽量 Copilot+ ノート + Strix Halo ミニPC」構成の方が使い勝手が良いケースが多い

「ノートPC 1 台で完結したい」以外なら、eGPU よりも別サーバー派を推奨します。eGPU 経由で LLM を回す実測は「eGPU + Thunderbolt 5 でローカルLLM を動かす 2026年版」を参照してください。

具体構成例：3 パターン

構成 A：NPU アプリ主軸（バッテリー最優先）

Windows AI 機能を常時 ON、LLM は Foundry Local で軽く回す用途。

• 本体：Surface Laptop 8 / ASUS Zenbook A14（Snapdragon X2 Elite、16GB / 32GB）
• バッテリー目安：Recall + Live Captions ON で 12〜18 時間
• LLM：Foundry Local + Phi-4 mini（NPU 経由）、Ollama 使用時は Adreno GPU（Vulkan）
• 想定用途：営業 / 士業 / 会議記録 / モバイルライター

構成 B：x86 互換 + LLM 補助両立

業務ソフト互換を維持しつつ、Copilot+ 機能と 7B LLM 補助も欲しい層。

• 本体：HP OmniBook Ultra / ASUS Zenbook S 16（Ryzen AI 9 HX 370、32GB / 64GB）
• バッテリー目安：Copilot+ 常時 ON で 8〜12 時間、iGPU LLM 併用で 4〜6 時間
• LLM：LM Studio + Vulkan バックエンドで Qwen 2.5 Coder 7B / Llama 3.1 8B（15〜25 tok/s）
• 想定用途：Windows アプリ多用の開発者 / SE / コンサル

構成 C：ビジネス機主流 + サーバー LLM 分離

軽量ビジネスノートを持ち歩き、LLM は自宅のミニPCに立てる分業構成。

• 本体：Lenovo ThinkPad X1 Carbon Gen 13 / Dell XPS 13（Core Ultra 200V、32GB）
• サーバー：GMKtec EVO-X2 128GB（Ryzen AI MAX+ 395、Tailscale 経由で 70B 級）
• LLM 経路：ノート側は Ollama / OpenWebUI で自宅サーバーを叩くだけ
• 想定用途：出張・外出多め、自宅にも据え置き環境を持つ層

落とし穴：気をつけるべき 4 点

1. Snapdragon 系の ARM Windows 互換性：一部の VPN クライアント / 独自 USB ドライバ / MIDI 系ソフトが動かない。業務での必須ソフトが x86 依存なら Ryzen AI 300 / Core Ultra 200V を選ぶべき
2. Recall のプライバシー設定：Recall は初回設定で opt-out できるが、有効化すると常時スクリーンショットを暗号化保存。企業 PC ではグループポリシーで無効化する運用が主流
3. NPU アプリと LLM の同時実行時のメモリ競合：16GB モデルで Recall + LM Studio（7B Q4 モデル 5GB）を同時起動すると OS 側の空きが逼迫。32GB 以上を推奨
4. Foundry Local の対応モデル：2026 年 9 月時点で Phi / Qwen / Llama / Mistral / GPT-OSS など主要 OSS 系列は揃っているが、日本語特化モデル（ELYZA / Karakuri など）は未登録。日本語質疑は Ollama + Qwen 3 系が実用的

LLM を「主」に据えるならデスクトップ側を再考

「Copilot+ の AI 機能はほとんど使わない、とにかく LLM を回したい」なら、ノートPC 単体では帯域と VRAM に無理があります。Strix Halo ミニPC（128GB LPDDR5x）や RTX 5090 デスクトップ（32GB GDDR7）を主機に据えて、Copilot+ ノートは端末として使う構成が実用的です。

• ミニPC 派：GMKtec EVO-X2 128GB（Ryzen AI MAX+ 395、120W TDP）で 70B Q4 を 8〜15 tok/s
• デスクトップ派：RTX 5090 単体で 70B Q4 を 30〜50 tok/s、または 48GB VRAM で「48GB VRAM でローカルLLM を動かす完全ガイド 2026年版」の構成

ノート側の Copilot+ 機能は「あると便利」レイヤに留めて、LLM 処理は据え置き機に任せる分業が、2026 年時点で最もコストと使い勝手のバランスが良い着地点です。

選び方のフローチャート

「どれを買うか」の絞り込み順序です。

1. 業務で ARM Windows 非対応ソフトを使うか？ Yes → Ryzen AI 300 / Core Ultra 200V、No → Snapdragon X2 Elite も選択肢
2. NPU アプリを毎日常時使うか？ Yes → NPU TOPS 高い順（X2 Elite 80 > Ryzen AI 9 HX 375 55 > HX 370 50 > Core Ultra 200V 48）
3. iGPU で 7B LLM を動かす予定があるか？ Yes → Adreno X2 か Radeon 890M（帯域広い順）、No → Core Ultra 200V の Arc 140V でも十分
4. LLM を別サーバーに立てるか？ Yes → ノート側は軽量 Core Ultra 200V ThinkPad が最適、No → メモリ 32GB 以上の Ryzen AI 9 HX 370 系
5. 予算 15〜25 万円か、25〜40 万円か？ 15〜25 万円 → Zenbook A14 / Surface Laptop 7、25〜40 万円 → ThinkPad X1 Carbon Gen 13 / HP OmniBook Ultra

「1 台完結・バッテリー重視・NPU アプリを毎日使う」なら Snapdragon X2 Elite、「LLM は別サーバー・ノートは軽く長時間」なら Core Ultra 200V ThinkPad、が 2026 年時点で最も外れが少ない選択です。

入手先・関連商品

当サイトは Amazon.co.jp アソシエイト・プログラムに参加予定です。下記リンク経由で購入された場合、紹介料を受け取ることがあります。読者の負担は増えません。リンクは記事評価とは独立しており、編集判断には影響しません。

Copilot+ 3 派閥の代表機（構成 A / B / C に対応）

• Microsoft Surface Laptop 7 Snapdragon X Elite を Amazon.co.jp で見る — 構成 A（NPU アプリ主軸、Snapdragon 派）の入門機
• ASUS Zenbook S 16 Ryzen AI 9 を Amazon.co.jp で見る — 構成 B（x86 + iGPU LLM 両立、Ryzen AI 派）の主力機
• ThinkPad X1 Carbon Gen 13 を Amazon.co.jp で見る — 構成 C（軽量ビジネス機、Core Ultra 200V 派）の定番機

---

あなたに合うPCを診断する

用途や予算をもう少し細かく入力すると、3つの候補構成を提案します。

→ 診断スタート

関連記事

• Copilot+ PC ノートPC選び方ガイド 2026年版:Snapdragon X Elite / Core Ultra 200V / Ryzen AI 300 / Apple Silicon を NPU TOPS で選ぶ
• Copilot+ PC の NPU でローカルLLM は本当に動くか 公開ベンチ 2026年版
• ローカルLLM ランタイム比較 Ollama / LM Studio / llama.cpp 2026年版
• Mac ローカルLLM サーバー Tailscale + Ollama ガイド 2026年版