Microsoft向けに“原発”を再稼働？ AI成長を阻む「電力危機」の深刻度：巨大データセンターの限界
AI技術の爆発的な普及によって、データセンターの消費電力が急増し、地域の電力網が限界に達しつつある。この深刻な電力不足を回避するため、巨大IT企業はかつてない対策に乗り出した。どのような動きなのか。
AI技術の急速な普及は、今まさに物理的な壁に直面している。その壁とは、計算能力の限界や半導体の調達難ではなく、電力不足だ。
何十年もの間、IT分野の責任者は電力を無限に利用できるインフラとして扱ってきた。サーバの電源プラグさえ差し込めば、電力網が電力を届けてくれた。しかしAI中心の世界では、電力がデジタル技術の進化を左右する最大の制約条件になりつつある。
通常のクラウド処理と、生成AIの違いを考えてみよう。
一般的なインターネット検索で消費する電力は、大規模言語モデル（LLM）で1つの質問に対する回答を生成する場合のわずか数分の1に過ぎない。この1回のやりとりを世界中の何十億人ものユーザーが繰り返す事態を想像すれば、問題の深刻さが浮き彫りになる。AIの計算密度の高さ故に、特定の場所で極めて高い電力需要が発生しており、地域の電力網では到底賄い切れない事態が生じている。
こうした変化の影響は、すでに現れ始めている。Gartnerは、2027年までにAIデータセンターの40％が電力不足によって稼働制限を受けると予測する。米国エネルギー省（DOE）の報告によれば、2028年までには米国の総電力需要の約10％をデータセンターが占める見通しだ。この状況を受け、IT部門およびI&O（インフラストラクチャ＆オペレーション）部門の責任者は、戦略の抜本的な見直しを迫られている。
IT企業が「エネルギー企業」に
併せて読みたいお薦め記事
AI技術が押し上げる電力需要
IT業界が直面している課題の規模は、過去に類を見ない。現在計画されているハイパースケールデータセンターの中には、最大5ギガワットの電力を消費する施設も存在する。約350万世帯分の電力に匹敵する需要が数キロ四方のエリアに集中すれば、既存の商業用電力網は機能不全に陥る恐れがある。最近では、電力網の不安定化や電気料金の高騰を懸念する地域住民との摩擦も目立ち始めた。
一般的な電力網の運用事業者が20年以上の長期的な計画に基づいて動くのに対し、AI技術を巡る事業展開は月単位で目まぐるしく進む。既存の電力網では供給速度が追い付かないため、大手IT企業は自ら電力確保に乗り出した。エネルギー会社Constellation EnergyはMicrosoftへの電力供給に向けて、2027年後半までにCrane Clean Energy Center（旧スリーマイル島原子力発電所1号機）を再稼働させる方針を固めた。
こうした企業が、電力会社の送電網を介さない「ビハインドザーター」（自社発電）の電力を確保しているのは、もはやそうせざるを得ない状況に追い込まれているからだ。敷地内での発電は、停電時の予備手段から、日常的に稼働する主要な電源へと位置付けを変えた。IT責任者は将来の事業継続を担保する手段として、新たなエネルギー源の開拓に本格的に乗り出している。安全で設置の自由度が高い次世代の選択肢として小型モジュール炉（SMR）への関心が高まる一方で、再生可能エネルギー技術が十分に普及するまでの空白期間を埋めるため、天然ガスを利用した独立型のマイクログリッドを活用する動きも活発化している。
AIサーバの冷却
電力を確保することは、課題の一部を解決したに過ぎない。企業は同時に、消費電力の効率を劇的に高める使命を帯びている。新設するデータセンターには、これまでとは桁違いの熱を放出するサーバ群が並ぶ。従来の空冷方式単独でこの異常な発熱を処理することは物理的に困難になりつつあり、ハイパフォーマンスコンピューティング（HPC）の冷却手段としては限界が見え始めた。
そのため、2026年現在のAIサーバクラスタについては、水冷方式などの液体冷却技術が新たな標準として定着しつつある。高熱を帯びる部品に冷却液を直接循環させることで、効率よく熱を逃がす仕組みだ。リアドア型熱交換器などの高度な冷却手法を組み合わせれば、運用費用を大幅に削減できる。これは施設工学の観点から見ても、根本的な方針転換だと言える。
皮肉なことに、冷却需要を高めている元凶であるAI技術自体が、解決の糸口をもたらす事例もある。アルゴリズムを活用すれば、サーバの負荷や温度に関するセンサーデータをリアルタイムで分析し、必要な冷却量を動的に予測可能だ。この高度な自動化を取り入れることで、冷却にかかる消費電力を削減できる。
ソフトウェアの最適化が果たす役割
データセンターの電力消費に関する議論では、ソフトウェアの存在が見落とされがちだ。しかしこの電力危機を乗り越える上で、開発者の役割は極めて大きい。巨大なAIモデルの学習には、膨大なエネルギーを消費する。IT業界は、より処理効率の高いソースコードを書き、目的に合わせてモデルの規模をスリム化する方向にかじを切らなければならない。
アルゴリズムを改良して計算のステップ数を減らせば、システム全体が消費する電力を大幅に削減できる。業務の目的に合わせて最も無駄のないソフトウェアを選ぶことは、今やエネルギー消費を直接的に左右する重要な経営判断になっている。
エッジコンピューティングがもたらす優位性
IT業界は運用効率を極限まで高めるため、データ処理の集中化を推進してきた。しかし電力の制約によって、その流れは逆転しつつある。集中型データセンターの巨大さ自体が、かえって事業拡大の足かせとなる転換点に達したのだ。
ここで有効な選択肢として浮上するのが、エッジコンピューティングだ。IT責任者は、AIモデルの「学習」と「日常的な推論」を切り離して考える必要がある。モデルの学習には大規模で集中型の電力設備が不可欠だが、日常的な推論処理であれば、エンドポイントに近い場所で実行できるようになりつつある。
分散型のデータセンターを各地に配置すれば、企業はデータが発生する現場の近くで処理を実行可能だ。特定の地域に負荷を集中させることなく、複数の地域の電力網へ需要を分散できる。また、こうした地域密着型の専用施設はデータ通信に要する電力を抑えられる上、外気を利用した高効率な冷却技術を取り入れやすいという利点も持つ。
エネルギー転換期を乗り切るために
これからの経済で勝ち残れるのは、エネルギー確保を単なる設備管理の延長ではなく、経営を左右する最重要の戦略要素として位置付けられる企業だ。電力をいつでも無尽蔵に使えると思い込んでいては、成長はいずれ行き詰まる。施設の立地選定やシステム設計の抜本的な見直しを怠れば、市場における競争優位性を失いかねない。
次世代のITインフラの成否は、信頼できる電力をいかに確保し、処理負荷をいかに賢く分散できるかにかかっている。IT部門のトップは、施設の管理者とソフトウェア開発者を巻き込み、三位一体となって議論を進めるべきだ。この組織的な足並みをそろえられた企業こそが、次世代のデジタル技術の革新をリードすることになる。
Copyright © ITmedia, Inc. All Rights Reserved.