トレブロ (treblo) | 最速のトレンドニュースブログサイト

止まらない電力消費の爆発的増加

AI、特に大規模言語モデル（LLM）の急速な普及は、データセンターの電力消費量を劇的に押し上げています。国際エネルギー機関（IEA）の予測によると、世界のデータセンターの電力消費量は、2022年の約460TWhから、2026年には約1,000TWhに達する可能性があります。これは、日本全体の年間消費電力量に匹敵する規模です。また、ガートナーは、データセンターの電力消費量が2025年の448TWhから2030年には980TWhへと倍増すると予測しています。

この膨大な電力消費の要因は大きく二つに分けられます。一つは、AIモデルを「学習（トレーニング）」させるフェーズです。数千億、あるいは数兆ものパラメータを持つ巨大なAIモデルを訓練するには、数万基もの高性能GPUを数週間から数カ月間にわたりフル稼働させる必要があります。この一度の学習で消費される電力は、原子力発電所1基の1時間分の発電量、あるいは数百世帯の年間消費電力量を優に超えると言われています。例えば、OpenAIのGPT-3の学習には1,287MWhもの電力を要し、これは一般的な米国の100世帯が1年間に使用する電力に相当します。

もう一つは、AIモデルが学習した知識を基にユーザーの質問に答える「推論（インファレンス）」のフェーズです。個々のAIクエリが消費する電力は比較的小さいものの、その累積的な影響は甚大です。従来のGoogle検索1回が約0.3Whであるのに対し、ChatGPTの1回の質問は約2.9Whと約10倍の電力を消費します。 OpenAIの発表によれば、ChatGPTは1日に約10億件のプロンプトを処理しており、単純計算で1日あたり約7,250MWhもの電力を消費していると推計されます。これは日本の一般家庭約1,800世帯の年間電力消費量に匹敵する規模です。

AI処理に不可欠な高性能GPUは、通常のデータ処理サーバーと比較して数倍から10倍以上の電力を消費し、同時に膨大な熱を発生させます。この高熱を冷却するためにも、さらに大量の電力が必要となるため、AI特化型データセンターでは従来の数倍規模の電力インフラが求められるのです。

環境への深刻な影響と電力インフラへの重圧

AIの電力需要の急増は、地球環境と既存の電力インフラに深刻な影を落としています。消費される電力の多くが依然として化石燃料由来であるため、AIの利用拡大は二酸化炭素排出量の増加に直結します。ある研究では、単一の大規模深層学習モデルの訓練が、自動車5台が一生涯に排出するCO2量に匹敵する626,000ポンドものCO2を排出すると指摘されています。実際に、マイクロソフトの二酸化炭素排出量は、データセンター拡張により2020年以降約30%増加し、Googleもデータセンター関連のエネルギー需要により2019年比で約50%近く増加しています。

さらに、データセンターの安定稼働には大量の冷却水が不可欠です。高性能サーバーが発する膨大な熱を処理するため、年間数億リットルもの水が冷却プロセスで蒸発・消費されており、データセンター周辺地域の水不足を加速させるリスクが顕在化しています。例えば、Googleのオレゴン州にあるAI訓練施設は、冷却のために毎日1,000万ガロン以上の水を消費しています。

国内の電力需給にも影響が及んでいます。電力広域的運営推進機関（OCCTO）によると、2023年度まで減少傾向にあった日本の需要電力量は、2024年度から増加に転じており、その主要因の一つがAI関連の電力需要です。この需要増大は、電力価格の高騰や供給不安定化のリスクを高め、製造業をはじめとする電力多消費産業の収益を圧迫する懸念があります。また、電力インフラの整備が遅れれば、AIを活用した新規事業開発やイノベーション創出そのものが阻害され、国の国際競争力にも影響を及ぼしかねません。

持続可能なAIの未来への挑戦

このような状況に対し、国際社会や企業は持続可能なAIの未来を築くための挑戦を始めています。

一つは、AIモデル自体の「省エネ化」です。経済産業省は、データセンターの40%以上の省エネ化を2030年までに目標として推進しており、NTTが開発した省エネ型AIモデルは、学習コストを最大300分の1、推論コストを最大約70分の1に削減することに成功しています。また、深層学習モデルの圧縮技術や、計算効率の高い軽量なアルゴリズムの開発も進められており、カリフォルニア大学バークレー校の研究では、ディープラーニングモデルの訓練を最適化することで、エネルギー消費量を最大75%削減できる可能性が示されています。

二つ目は、「ハードウェア技術の革新」です。先端パッケージングや光電融合といった半導体技術の新技術開発は、データセンターの電力効率向上に不可欠とされています。AI処理に特化した専用チップの開発も進み、汎用プロセッサと比較して大幅な省電力化が期待されています。 NVIDIAの最新GPUアーキテクチャは、大規模言語モデルの推論において、CPUと比較して50倍以上エネルギー効率が高いと報告されています。

三つ目は、「データセンターのグリーン化」です。冷却システムの効率化は喫緊の課題であり、液冷方式のような革新的な冷却技術は、従来の空冷方式に比べて冷却にかかる電力を約30%削減可能です。NTTデータの実証実験では、液浸冷却システムにより冷却電力を最大97%削減できることが確認されています。さらに、国内外のデータセンター事業者では、再生可能エネルギーの活用によるグリーン化が加速しており、マイクロソフトやメタといった大手テック企業も、データセンターの電力消費を100%再生可能エネルギーで賄う目標を掲げ、大規模な投資を行っています。再生可能エネルギーの余剰電力をAIの学習に充てる「ワット・ビット連携」のような革新的な取り組みも提案されており、地域に分散する再生可能エネルギーの有効活用が期待されています。

AIの電力需要問題は、単なる技術的な課題ではなく、持続可能な社会を築くためのグローバルな挑戦です。技術革新とエネルギー効率の追求、そして再生可能エネルギーへの積極的な転換を通じて、私たちはAIがもたらす恩恵を享受しつつ、地球環境との調和を図る道を模索し続ける必要があります。この壮大な挑戦は、私たち全員が関心を持ち、行動することでしか乗り越えられない、未来への重要な分岐点なのです。