はじめに
ローカルAI（画像生成・LLM）を 自宅の1台 で試したいとき、NVIDIA グラボ前提の記事ばかりだと止まりがちです。
私は 高速大メモリ AMD 統合GPU ミニPC を軸に、Windows 11 のまま ROCm → ComfyUI → LM Studio まで通しました。
検証機は GMKtec EVO-X2（Ryzen AI Max+ 395 / Radeon 8060S、128GB構成）。
この記事は 動いた記録と全体像 だけ。コマンド全文・トラブル全集は Zenn 本にまとめています。
ローカルAIに「大メモリ AMD ミニPC」が向く理由（短く）
| ポイント | 内容 |
|---|---|
| メモリ | 64〜128GB の UMA で、大きな LLM やモデルを載せやすい |
| GPU | 統合GPUでも ROCm（Windows プレビュー） で PyTorch 系が動く（395 は公式互換リスト入り） |
| OS | Linux に切り替えず PowerShell + GUI（LM Studio）で日常運用しやすい |
「CUDA と同じ手順」は当てはまりません。UMA の BIOS 設定 と ROCm / DirectML の使い分け が最初の分岐です。
なぜ EVO-X2 か
候補は「大メモリ + AMD iGPU のミニPC」でした。EVO-X2 を選んだ理由は次のとおりです。
- Ryzen AI Max+ 395 が ROCm 公式の APU 互換に載っている
- 128GB 構成で GPT-oss 120B クラスを現実的な量子化で試せる
- 筐体が小さく、自宅デスクで常時起動しやすい
デバイスマネージャーで Radeon 8060S が見え、BIOS で UMA を用途に合わせて切り替える——ここからが AMD 統合GPU ローカルAI の日常です。
実際に通した流れ（Windows 11）
BIOS（UMA） → Miniconda + rocm-env → ROCm 7.1.1 / PyTorch 確認
→ ComfyUI（画像） / LM Studio（LLM）
ROCm 環境で PyTorch が 8060S を認識することを確認したあと、LM Studio で GPT-oss 系、ComfyUI で画像生成まで到達しました。120B の UMA 条件や速度表は本編に記載しています。
（画像: ROCm 確認画面）
（画像: ComfyUI ワークフロー）
つまずきやすいところ（記事だけの要点）
- 「CUDA out of memory」 と出ても ROCm 環境では UMA / 割り当ての問題であることが多い
- Python 3.12（ROCm）と 3.10（旧 A1111 系）を混同しない
- 120B は UMA 96GB と 32GB の切り替えなど、条件がシビア
詳しい手順は Zenn 本にまとめました
再現に必要な手順・コマンド・トラブル対処・付録は、次の有料本（第1章は無料）に 約148,000字 で整理しています。
EVO-X2で始めるローカルAI実践ガイド（1,200円）
- Windows 11 上の ROCm 7.1.1 構築（全手順）
- ComfyUI / Stable Diffusion Forge
- LM Studio で GPT-oss 20B / 120B
- BIOS・UMA・M.2 増設・トラブルシューティング
おわりに
AMD 統合GPU のローカルAIは、情報が断片的になりがちです。
土台（ROCm）→ 画像 → LLM の順で一冊にしたのが上記の本です。
同じ EVO-X2 / 395 系で試している方の参考になれば幸いです。