「ローカルでLLMや機械学習を回したいけど、Windowsだと環境構築やGPUの扱いが面倒…」——その悩みを大きく変えるのが、2026年のBuild 2026でプレビュー発表された WSL3のGPU/NPUパススルーです。

WSL3では、WindowsのGPUやNPUにWSL内からほぼネイティブ（near-native）でアクセスできるようになりました。これにより、PyTorch・CUDA・JAXなどのワークロードがベアメタルLinuxの3〜5%差まで高速化すると発表されています。

この記事では、WSL3でローカルAIが一気に現実的になった理由と、対応PC・DirectML 2.0・想定ワークフローを、初心者にもわかるように解説します。

これまでのWSL2は、Hyper-Vの仮想マシン内でLinuxを動かしていました。安定していて便利な一方、GPUへのアクセスには仮想化の壁があり、AI/MLのような重い計算ではオーバーヘッドが無視できませんでした。NPU（AI専用プロセッサ）に至っては、実質的に使えない状況でした。

WSL3は、ハードウェアアクセスの仕組みを準仮想化（paravirtualized）に作り直し、LinuxカーネルがGPU・NPUと直接やり取りできるようにしました。結果として、ローカルAIに必要な計算資源を、Windows上のLinux環境からフルに引き出せるようになったのです。

WSL2との違い全体は WSL2とWSL3の違いをわかりやすく解説 も参照してください。

発表によると、WSL3上のPyTorch・CUDA・JAXワークロードは、ベアメタルLinuxの3〜5%差の性能で動作します。つまり「ネイティブLinuxとほぼ同じ速度」で、ローカルのAI開発・推論ができるということです。

GPU/NPUがnear-nativeで使えると、ローカルでこんなことが現実的になります。

• ローカルLLMの実行（量子化モデルをGPUで高速推論）
• PyTorch / CUDA / JAX での学習・推論
• NPUを活かした省電力なAI推論（Copilot+ PCのNPU活用）
• 画像生成・音声・埋め込みなどのAIワークロード

クラウドにデータを出さずに、手元のWindows PCでAIを回せるため、プライバシー・コスト・オフラインの面でメリットがあります。

WSL3とあわせて、DirectML 2.0も発表されました。DirectMLは、さまざまなハードウェア上でML推論を動かすためのAPIです。バージョン2.0では、AMDのXDNA 2アーキテクチャやIntel Core Ultra、QualcommのNPUなど、各社のAIアクセラレータをより引き出せるようになります。

これにより「GPUがなくてもNPUでAI推論」「メーカーを問わずローカルAI」がしやすくなります。

WSL3のプレビューは、当初は一部のPCでのみ利用できます。

• Copilot+ PC（NPU搭載）
• Qualcomm Snapdragon X Elite
• Intel Meteor Lake / Lunar Lake

AMD環境への対応は後日とされています。ローカルAI目的でWSL3を試したい場合は、まずお使いのPCが対応しているかを確認しましょう。

WSL3でローカルAIを動かす流れは、おおむね次のようになります（プレビューのため、実際の手順は今後の公式ドキュメントに従ってください）。

1. 対応PCでWSL3プレビューを有効化する
2. WSL内のLinuxディストリビューションに、GPU/NPU対応のドライバ・ランタイムを用意する
3. PyTorchやランタイム（llama.cpp系など）を、GPU/NPUを使う設定で導入する
4. ローカルでモデルをロードし、推論・学習を実行する

# イメージ：WSL内でGPUが見えているかを確認する例
nvidia-smi          # NVIDIA GPUの場合
python -c "import torch; print(torch.cuda.is_available())"

※上記は一般的なGPU確認の例です。WSL3プレビューの正式な有効化・対応ランタイムの手順は、公開後の公式情報に従ってください。

DirectML 2.0により、AMD・Intel・QualcommのアクセラレータでもAI推論を動かしやすくなります。ただしWSL3プレビューの当初対応はSnapdragon X EliteやIntel Meteor/Lunar Lakeなどに限定され、AMDは後日対応予定です。

near-nativeとはいえ、手元のPCの性能が上限です。大規模学習はクラウドが有利ですが、推論・小規模な実験・プライバシー重視の用途ではローカルWSL3が強力な選択肢になります。

WSL2でも一部GPU利用は可能でしたが、仮想化の壁によるオーバーヘッドがあり、NPUは実質使えませんでした。WSL3はそこをnear-nativeに引き上げた点が大きな違いです。

WSL3のGPU/NPUパススルーは、WindowsのローカルでAIを“ほぼネイティブ速度”で動かせるようにする大きな進化です。要点を振り返ります。

• 準仮想化アーキテクチャで、GPU/NPUがnear-native（ベアメタル比3〜5%差）
• DirectML 2.0でAMD/Intel/QualcommのアクセラレータもAI推論に活用しやすく
• 当初対応はCopilot+ PC / Snapdragon X Elite / Intel Meteor・Lunar Lake（AMDは後日）
• クラウドに出さずローカルでAI、というワークフローが現実的に

対応PCをお持ちなら、WSL3プレビューで「ローカルAI」をぜひ体験してみてください。

あわせて読みたい：

• WSL2とWSL3の違いをわかりやすく解説
• WSL3とは？Build 2026で発表された次世代WSLを図解
• WSL Containers（wslc.exe）入門