---
// 導入比較ガイド:学習用GPU PCを買うか、Runpod で借りるか(LP。LOG の記事ではない)
// 元はClaudeのアーティファクトで作った試作。数字の出典はページ下の「出典と記録」
import Base from '../layouts/Base.astro';
import { SITE, AUTHOR, PUBLISHER } from '../lib/seo';
const title = 'ロボットAIの学習用GPU、買うか借りるか ― 実費と計算機で決める導入ガイド';
// 検索結果に出すタイトルは短くする(全角32字前後で切れるため)。ページの見出し(h1)は上の title のまま
const seoTitle = 'ロボットAIの学習用GPU、買うか借りるか|実費と損益分岐の計算機';
const description = 'ロボットAI(π0.5)の学習用GPUを、PCで買うかクラウド(Runpod)で借りるか。実際にA40を借りて学習させた費用(記録のある7回で4,677円)、RTX 5090 PCとの損益分岐を出す計算機、4つの質問の判定フローで決められる導入ガイド。';
const path = '/gpu-buy-or-rent';
const url = SITE + path;
const jsonLd = [
{
'@context': 'https://schema.org', '@type': 'Article', headline: title, description,
url, mainEntityOfPage: url, image: [SITE + '/og/gpu-buy-or-rent.jpg'], inLanguage: 'ja',
datePublished: '2026-10-23', dateModified: '2026-10-23', author: AUTHOR, publisher: PUBLISHER,
articleSection: '導入比較ガイド',
keywords: 'GPU 買うか借りるか, 学習用GPU, クラウドGPU, Runpod, A40, RTX 5090, RTX 5080, π0.5, openpi, LoRA, GPUメモリ, 損益分岐, フィジカルAI, ロボットAI',
about: [
{ '@type': 'Thing', name: 'クラウドGPU' },
{ '@type': 'Thing', name: 'ロボット学習' },
{ '@type': 'SoftwareApplication', name: 'π0.5(openpi)', applicationCategory: 'Robot foundation model' },
],
isPartOf: { '@type': 'CollectionPage', name: 'フィジカルAI研究室', url: SITE + '/series6' },
hasPart: { '@type': 'WebApplication', name: '買う方が安くなる使用時間の計算機', url: url + '#calc', applicationCategory: 'BusinessApplication', operatingSystem: 'Web', offers: { '@type': 'Offer', price: 0, priceCurrency: 'JPY' } },
},
{
'@context': 'https://schema.org', '@type': 'BreadcrumbList',
itemListElement: [
{ '@type': 'ListItem', position: 1, name: 'Pixels to Motors', item: SITE + '/' },
{ '@type': 'ListItem', position: 2, name: 'フィジカルAI研究室', item: SITE + '/series6' },
{ '@type': 'ListItem', position: 3, name: 'ロボットAIの学習用GPU、買うか借りるか', item: url },
],
},
];
---
これからロボットAIの学習環境を用意する、
企業の担当者・研究者・エンジニア向け
買う前に借りて、実際に学習させました。見積書と、利用明細を並べます。実費と計算機で、自分の場合どちらが合うかを決められる導入ガイドです。
自作の学習用 Linux PC(2026年7月に検討した構成)
学習に要るGPUメモリの目安(22.5GB超)に届かない
Runpod A40 48GB / 2026年10月 / 記録のある7回
Physical Intelligence の π0.5 の追加学習は、公開コードの説明書の目安でGPU1枚に22.5GB超が要る。16GBのRTX 5080では届かない。
RTX 5090のPC(約124万円)を4年使う場合の目安。私たちがGPUを一番多く使う月でも約120時間なので、借りる方が安い。買うGPUと借りるGPUの速さの違いは測っていない。
借りる側の損は、使っていない時間の課金と、毎回の立ち上げ。学習のあと Pod を止めずに待っていた時間に払っていた。
比べているのは、機材とサービスの料金だけです。人の作業時間は入れていません。借りる側は Runpod の場合で、国内・円建てのクラウド(さくらインターネットの高火力など)や、中古のGPU・今あるPCへの増設は比べていません。
AIの学習では、モデルと計算途中のデータをGPUのメモリに載せます。足りなければ、学習は始まりません。
Physical Intelligence 社のロボット用AIモデル π0.5 は、カメラの画像と指示の文から、アームを動かします。その LoRA学習(一部だけ学習し直す方法)には、GPU1枚に22.5GB超が要ります。
計画したRTX 5080は16GBで届きません。24GB以上は、買うと約100万円から。借りれば、48GBのA40が1時間約93円です。
Runpod の A40(48GB)を借りた、記録のある7回のGPU代
作業していた時間 約3,300円置いていた時間 約1,400円
借りていた時間は記録のある回で約48時間、そのうち学習は、ログに残った時間の合計で約23.6時間でした(1ステップ6.5〜7.1秒)。置いていた約1,400円は、学習が終わってから実機の準備ができるまで、Podを止めずに待っていた分です。時間で払う以上、使わない時間にも料金はかかります。
PCの価格を使う年数で割った1か月分と、借りた場合の1か月分を比べます。初期値は、このプロジェクトの実際の使い方です。機材とサービスの料金だけの比較で、人の作業時間は入れていません。
借りる(円/月)= 1時間の料金(円)× 使う時間 ÷(1 − 置く時間の割合) 買う(円/月) =(PC価格 − 売却額)÷(年数×12)+ 消費電力kW ×(使う時間 ÷ 速さ)× 電気単価 買う方が安くなる時間 = PC代の月額 ÷[1時間の料金 ÷(1 − 置く時間の割合)− 消費電力kW × 電気単価 ÷ 速さ] ・使う時間は、借りるGPUで同じ学習にかかる時間 ・消費電力はPC全体の目安で、実測ではない(RTX 5090はGPUだけで575W) ・1時間の料金は、Runpod のドル建ての公開価格(秒単位で課金)に、Pod のディスク200GB(動いている間だけ課金)の分を足し、為替で円にした値。止めている間の保存料は入れていない ・RTX 5090 搭載BTOはドスパラの GALLERIA XPR7A-R59(2026年10月23日の価格) ・売却で戻る割合と電気単価は仮の値。自社の値に変えて使う
借りる側の弱い項目は、どれも実際に起きたことです。
学習が終わってから実機の準備ができるまで、Podを置いたままにした。
早朝にA40を予約したが、起動は11時前後。空いていたのは16GBのGPUだけだった。
起動6分、ライブラリの導入約20分、学習済みモデルの送信約40分。
秋田のMacから米国のデータセンターまで。1回目は準備で約55秒かかる。
借りた環境は、他人が再現できないと思っていた。
研究室を作り始めたときは、借りた環境は他人が再現できないと考えて、PCを自作するつもりでした。実際には、GPUの型番と手順を書いておけば、読んだ人は空きと地域の条件が合う限り、同じA40を1時間約93円で借りられます。
自作のPCは、同じ部品を同じ値段でそろえるのが難しくなっています。RTX 5090を積んだBTOの最安は、5月に約60万円だったものが、10月は約124万円です(同じ構成どうしの比較ではありません)。どちらの場合も、同じ結果にたどり着くには、コードの版・使ったライブラリ・学習の設定・データの記録が要ります。
答えを選ぶと、次の質問が出ます。最後に「借りる」「買う」「併用」「まず借りて測る」のどれが合うかを出します。使用時間の分かれ目は、上の計算機の条件に合わせて変わります。
どれも、このプロジェクトで一度失敗したことです。
GPU代 ¥4,677 で、ここまで動いた。
台数・使い方・データの条件を送ってもらえれば、このページと同じ計算で、買う場合と借りる場合を並べてお返しします。学習環境の立ち上げの相談も受け付けています。