ノートパソコンの電源を接続した瞬間にGPUの速度が5分の1に低下し、ケーブルを抜くと逆に正常な速度で動作する場合、原因は何でしょうか。MSI Prestige RTX Sparkのような最新のAIノートパソコンでLinuxを使用する際に、実際に報告されている逆転現象です。MindStudio.aiが同一の機器で複数のオペレーティングシステムを直接比較した結果、ネイティブLinuxの充電状態における推論性能は13.9トークン/秒（生成するトークン数/秒。トークンは文章を分析しやすいように区切られた小さな文字単位です）にとどまった一方、WindowsとWSL（Windows Subsystem for Linux）はそれぞれ65.4および65.1トークン/秒とほぼ同じ速度を記録しました 1。温度は40～47°Cと低く、熱による速度低下（スロットリング）ではありませんでした 1。問題はハードウェアの熱ではなく、ソフトウェアが電源供給方式に対してどのように反応するかという点にあります。

AIノートパソコンをLinuxで使用したい理由とRTX Sparkの存在

AIノートパソコンをLinuxで使用したい理由とRTX Sparkの存在

RTX Sparkは、デスクトップ機器であるDGX Sparkで使用されているGB10 GPUの設計をノートパソコンに移植したプラットフォームです。MSI Prestige、Asus ProArt、Dell XPSなどの製品シリーズに搭載されており、CPUとGPUが最大128GBまでメモリを共有する統合メモリ構造を備えています 1。これほど大容量のメモリを一体として使用できるため、1200億パラメータ級の大型言語モデルをローカルで実行しようとする開発者がこの機器に注目しています。しかし、これらの機器は出荷時にARMベースのWindowsがインストールされた状態で提供されます 1。

問題はAIツールのエコシステムです。vLLMやSGLangなど、実際のAI推論で広く使用されているツールは、Linuxを優先して開発される傾向があります。Linuxでの推論とは、ユーザーからの質問に対し、言語モデルがトークンを一つずつ生成する計算処理を指します。この処理を遅延なく実行するには、GPUが高速な動作（クロック）で継続的に演算を行う必要があります。そのため、これらのノートパソコンのユーザーは、Windowsを削除せず、Linuxを併用するデュアルブート（2つのオペレーティングシステムを1台のデバイスで選択可能にする方式）を試みます 1。MindStudio.aiの実験は、まさにこの点から始まりました。

同一ノートパソコンで確認された4つの環境の温度

同一ノートパソコンで確認された4つの環境の温度

MindStudio.aiは、MSI Prestige RTX Sparkで1200億パラメータモデル（GPT-OSS-120B）を実行し、Windows、WSL、ネイティブLinuxの3環境を測定しました。さらに、比較基準としてNvidia DGX Sparkデスクトップにおける同一モデルの推論速度を提示しました。結果を表にまとめると、差異が一目でわかります。

実行環境GPT-OSS-120B推論速度GPUクロック（充電状態）
Windows（ノートパソコン）65.4 トークン/秒約2.2 GHz
WSL（ノートパソコン）65.1 トークン/秒—
DGX Spark（デスクトップ）61 トークン/秒—
ネイティブLinux（ノートパソコン）13.9 トークン/秒約780～790 MHz

[出典：表は 1]

同一ノートパソコンのネイティブLinux環境のみ、特に13.9トークン/秒と、他環境より約5倍遅い結果となりました 1。この差は他の手法でも再現されます。vLLMで8件のリクエストを同時処理する実験では、WSLは127トークン/秒、ネイティブLinuxは39.5トークン/秒を記録しました 1。時間基準で見ると、Windowsでは約8分、Linuxでは37分を要し、この期間のGPUはWindowsで約2.2 GHz、Linuxで約790 MHzに留まりました 1。

最も注目すべき点は、ここで傾向が反転する部分です。ノートパソコンのコンセントを抜いてバッテリー動作にすると、Linux環境のGPUクロックは約1,800 MHzまで上昇し、Windowsと同等の速度を回復します 1。LM Studioというプログラムで確認したバッテリー状態での推論速度は61～67トークン/秒でしたが、同じ試験をコンセント接続状態で行うと15トークン/秒付近まで低下しました 1。つまり、充電器そのものが性能の敵ではなく、充電器という条件が付加された場合のみ、何らかの問題が顕在化していると言えます。

原因は「電力予算」を配分するWindows専用部品

この矛盾を解明する手がかりは、Windowsデバイスマネージャーで確認できる「Nvidia Platform Controllers and Framework」というソフトウェア構成要素にあります。デスクトップのDGX Sparkは、GPUに個別の電源を供給すれば済みますが、ノートパソコンは異なります。一体となったCPUとGPUが、定められた電力予算を共有して使用する必要があるため、どちらにどの程度の電力を供給するかをリアルタイムで調整する調停役が必要です 1。Platform Controllers and Framework（ハードウェアIDはACPI\NVDA0820）が、まさにその調停役です 2。

MindStudio.aiは、この調停役をWindowsで無効にする対照実験を実施しました。すると推論速度は83トークン/秒から約31トークン/秒に低下し、クロックは2 GHzから786 MHzへ降下し、Linux充電時と同様のボトルネックが再現されました。再び有効にすると、即座に正常な速度へ復帰しました 1。つまり、原因はカーネルでも、ディストリビューションでも、GPUドライバー自体でもなく、この単一の構成要素にあります。

なぜLinuxでは、この調停役が動作しないように振る舞うのでしょうか。調停役が電力を配分するには、ファームウェア（ハードウェアに内蔵された低レベルのプログラム）から提供される「電力設定テーブル」を読み取る必要があります。しかし、このテーブルは暗号化されています。Windowsにはこのテーブルを解読する鍵（暗号化キー）がありますが、現在のLinuxドライバーにはその鍵がなく、テーブルを解釈できません 1。鍵がないため、電力配分を再計算する必要が生じる充電状況下で、GPUを正しい速度へ引き上げるコマンドを発行できず、クロックが約780 MHzに固定されてしまいます。実験过程中では複数のソフトウェアによる回避策を試みましたが、すべて失敗し、一つのアプローチはカーネルパニック（OSが停止する現象）を引き起こしたと報告されています 1。参考までに、Nvidiaがこのテーブルを暗号化した理由について、コミュニティでは「知的財産の保護」という解釈と「意図的なWindows依存」という批判が並存していますが、いずれが事実かは実験によって確定していません 3。

現時点で利用可能な最も現実的な回答はWSL

現時点で利用可能な最も現実的な回答はWSL

Nvidiaがこの電力管理ロジックをLinuxドライバーへ移植するか、暗号化キーを公開するまでの間、WSL（Windows Subsystem for Linux）が事実上唯一の代替手段です 1, 3。WSLはWindows内部でLinux環境を追加で使用するための仕組みであり、Windowsが既に備えているGPUブースト（クロックを引き上げる動作）をそのまま継承します。したがって、コンセント接続時でもバッテリー動作時でも、クロック低下なしにvLLMなどのLinux優先最適化AIツールを稼働させることができます 1。

ただし、ArchWikiは、GSPファームウェアがAmpere GPUを搭載する一部のノートパソコンで完全な障害を引き起こす可能性があることを別途警告しており、ドライバー構成については各ハードウェアごとに個別の確認が必要です 4。

まとめると、RTX SparkノートパソコンでLinux推論速度が急激に低下する症状は、「熱」や「ハードウェア不良」ではなく、暗号化された電力テーブルを解読する鍵を持たないLinuxドライバーの限界に起因しています 1。充電ケーブル自体が性能を削るのではなく、電源を接続してCPUとGPU間の電力配分を再計算する必要が生じる瞬間にのみ、この不在が顕在化する構造です。この結論は、MSI Prestige RTX SparkでGPT-OSS-120Bを実行したネイティブLinux構成で確認されたものであり、Nvidiaが同じ電力管理ロジックをLinuxドライバーへ追加するまでの間は、WSLを通じてWindowsドライバースタック上で完全な速度を維持することが最も安全な選択肢です。

参考文献

  1. ↩
  2. ↩
  3. ↩
  4. NVIDIA - ArchWiki · wiki.archlinux.org
    ↩