考慮漏れすると痛い、AIの電力コスト問題と対策法　LLMメーカーでは原子力発電ブーム：AIビジネスのプロ　三澤博士がチェック　今週の注目論文

　Allen Institute for AIの研究によれば、深層学習の計算要件は2012年から2018年の間に30万倍に増加しました。AIモデルの開発（学習）時の電力消費量はさらに莫大で、GPT-4クラスのモデル学習には約720万kWhもの電力が必要とされています。

　ローレンス・バークレー国立研究所の最新報告によれば、米国のデータセンター電力使用量は2018年の約76TWhから2023年には176TWh（米国総電力消費の4.4%）に急増しています。2028年の予測では最大で580TWh（同12.0%）に達する可能性があるというのです。これは、米国の電力インフラにかつてない負荷をかけています。

米国クラウド大手の「破壊的な電力戦略」

　米国のクラウド大手各社は、この未曾有の電力危機に対して、従来の電力調達の常識を覆す大胆な戦略を打ち出しています。

　Microsoftは2024年、かつて原子力事故で知られるスリーマイル島の健全な原子炉を再稼働させ、その電力を購入する契約を締結しました。同様にAmazonも閉鎖の危機にあった原子力発電所からの電力購入契約を結んでいます。

　さらに驚くべきはGoogleの戦略です。Googleは工場生産型の小型モジュール原子炉（SMR）を発注しました。これらはデータセンターの電力需要が従来の発想では対応し切れなくなっていることを示しています。

　Googleの環境報告書2024では、「2030年までに温室効果ガス排出実質ゼロ」という目標の達成が、AIの急速な需要増のため「重大な不確実性」に直面していると表明しています（日本総研レポート5ページ）。

日本固有の「二重の課題」とジレンマ

　日本の状況は米国よりもさらに複雑です。経済産業省と総務省の「デジタルインフラ（DC等）整備に関する有識者会合」の報告書が指摘するように、日本は以下の二重の課題に直面しています。

• 「情報主権」対「電力制約」のジレンマ：　「日本国内でAIモデルやクラウドサービスを動かすべき」という情報保全や経済安全保障の要請がある一方で、「電力需要増を国内で供給しきれない」「電力需要増に伴う電料金の上昇」という電力インフラの制約があります
• 東京大阪圏への過度の集中：　データセンターは引き続き東京大阪圏への集中が進む一方、これらの地域ではすでに短期で十分な電力を新規に確保することが困難になっています。さらに、データセンターの規模も変化しています。2000年代のWebサイト閲覧や電子メール用途ではデータセンターの受電容量は大きくても十数MW程度でしたが、2020年頃からはクラウド用途の数十MW規模のハイパースケール型が増加。今後はAIの学習や推論に使う数百MW〜GWクラスのデータセンターが増加する見込みです

「デジタルインフラ（DC等）整備に関する有識者会合 中間とりまとめ3.0」（経済産業省、総務省）

日本政府の戦略的対応

　経済産業省と総務省は「デジタルインフラ（DC等）整備に関する有識者会合」を通じて、以下の方針を示しています。

• データセンターの分散立地促進：　東京大阪圏を補完、代替する中核拠点として北海道や九州における整備を優先的に推進します
• 次世代技術の研究開発と社会実装：　オール光ネットワークや光ファイバーの多芯化、大容量化などの次世代技術を活用し、データセンターの立地可能地域の拡大と電力効率の向上を目指します
• 国際海底ケーブルの陸揚局の分散：　房総半島、志摩半島における集中からの分散を促進し、国際的なデータ流通のハブ機能を強化します。具体的な支援策として、総務省はデジタルインフラ整備基金によって北海道および九州を含む7カ所のデータセンター案件を支援。経済産業省も北海道苫小牧市におけるデータセンター事業の土地造成、電力・通信インフラなどを支援しています

企業が取るべき具体的な対応策

　この状況を踏まえ、企業はどのような対応をすべきでしょうか。独自調査と業界事例を基に、以下のような実践的アプローチが考えられます。

• 業務内容に応じた適切なAIモデル選定の枠組みを構築する案
1. ティア1（日常業務）: 　社内資料作成や簡易分析には小規模モデルを使用
2. ティア2（重要業務）: 　顧客提案資料や市場分析には中規模モデルを活用
3. ティア3（戦略業務）: 　経営戦略立案や複雑な意思決定支援には大規模モデルを限定的に使う
• 従来型のツールと生成AIの最適な組み合わせを設計する案
1. 反復的な情報検索は従来の検索エンジンを活用
2. 複雑な文書生成や分析には生成AIを活用
3. データ処理や分析には専用ツールとAIを連携
• クラウドAIとエッジAIの適切な役割分担を検討する案

　特にリアルタイム性が重要で大量データ転送が不要な用途では、エッジデバイスでの処理が電力効率に優れています。将来的には部門やプロジェクトごとにAI利用の環境影響を可視化し、社内での意識向上と改善を促進することになるかもしれません。

三澤の“目”　環境問題だから対応すべき……だけではない

　生成AIの電力消費は、単なる環境問題ではなく、企業の競争力と事業継続に直結する戦略課題となっています。AIモデルの電力消費の増分に見合った価値が得られている限りは社会的に許容範囲ですが、今後の普及次第では消費量が桁違いに増える恐れがあり、従来型との使い分けが必要になる可能性があります。

　企業は、この「見えない電力危機」を認識し、軽量モデルの採用やRAG技術の活用など、具体的な対応策を講じることが求められます。世界的なAI革命の中で、電力効率を考慮したAI導入戦略の成否が、今後の企業競争力を大きく左右するでしょう。

著者紹介　三澤瑠花（日本タタ・コンサルタンシー・サービシズ）

AIセンターオブエクセレンス本部　AIラボ ヘッド

日本女子大学卒業、東京学芸大学大学院修士課程修了（天文学）　フランス国立科学研究センター・トゥールーズ第3大学大学院　博士課程修了（宇宙物理学）。

2016年入社。「AIラボ」のトップとして、顧客向けにAIモデルの開発や保守、コンサルティングなどを担当している。