計画中のAIデータセンター60施設、排出量は自動車2,400万台分に達する可能性
Google Newsは今週、挑発的な主張を取り上げた。計画中のAIデータセンターは、ガソリン車2,400万台分に相当する二酸化炭素を排出する可能性があるというものだ。CarBuzzはこの比較を、自動車愛好家にとって抗いがたい助言へと置き換えた。AIインフラのほうが大気にとって大きな脅威なのだから、スポーツカーを運転してよい――見出しはそう示唆していた。
この推計の根拠には注目する価値がある。ただし、誰かに気候問題への免責を与えるものではない。比較しているのは、計画中の米国データセンター60施設と、平均的な自動車2,400万台が1年間にわたり走行する場合だ。スポーツカー1台とAIクエリ1件、サーバー1台、あるいは施設1カ所を比べているわけではない。
この違いこそが、本当の対立を浮き彫りにする。Amazon、Google、Meta、Microsoftは、野心的な気候目標を維持しながら、より多くのコンピューティング能力を求めている。一方で公益事業者は、低炭素電源や送電網が十分に整備される前から、その需要に途切れなく応えなければならない。
結果としてこれは、自動車とコンピューターの単純な競争ではない。急速なAI建設と、より緩やかな電力網の変革とのせめぎ合いである。この時間差が、新たなデータセンターがクリーンエネルギー投資を加速させるのか、それともガスや石炭への依存を長引かせるのかを決める。
自動車2,400万台という主張が実際に示すもの
この見出しが示すのは、将来の60施設がもたらし得る年間排出量であり、すでに現在大気中に放出されている排出量ではない。
Financial Timesの分析は、米国各地でAmazon、Google、Meta、Microsoftが計画している60の大規模データセンターを調査した。研究概要によると、これらの施設は全面稼働すれば、年間1億150万トンの二酸化炭素を排出する可能性がある。
この数値は、プロジェクトが近年の米国の発電構成を反映した電力供給を受けることを前提としている。予測される電力消費量を、電力部門に関連する排出量へ換算したものだ。したがって、この計算は予測需要と、それを供給する電力の炭素集約度の双方に左右される。
この分析は、1億150万トンを3つの比較で表している。2025年の米国電力部門の排出量のおよそ7％に相当するほか、石炭火力発電所27基、またはガソリン車2,400万台の年間排出量に近い。
自動車との比較は、連邦政府の換算データとおおむね整合する。Environmental Protection Agencyによると、平均的な乗用車は毎年約4.6トンの二酸化炭素を排出する。この推計では、年間11,500マイルの走行と、1ガロン当たり約22.2マイルの燃費を仮定している。
この平均値に2,400万台を掛けると、約1億1,000万トンとなる。各計算には異なる前提や丸め方が含まれるものの、結果はデータセンターの推計に近い。この比較は規模感を伝えるが、環境への影響が同一であることを示すものではない。
自動車の排出は道路上や地域社会の中で発生する。これに対し、電力部門の排出は発電所で生じ、データセンターは別の場所で非常に集中的な電力負荷を生む。また、自動車には製造時の排出、道路需要、タイヤ由来の汚染、地域の排気ガスといった要素があり、この単純な年間比較には含まれていない。
同様に、データセンターも運用時の電力消費だけにとどまらない。建物の建設、プロセッサーの製造、バックアップ設備の生産、電力インフラの整備には、いずれも内包排出が伴う。水消費や地域の大気汚染も、別の環境的側面を加える。
1億150万トンという数値も条件付きだ。60施設すべてがモデル化された運用規模に到達し、想定された発電構成が引き続き妥当でなければならない。遅延、中止、効率向上、よりクリーンな電力、利用率の低下はいずれも結果を変える。
Google Newsは、こうした留保を非常に共有されやすい比較へと圧縮した。ニュース集約では一般的なプロセスだが、短縮された枠組みはシナリオを実測結果のように見せることがある。「排出する可能性がある」は、「排出する」として記憶されやすい。
この違いは重要だ。投資判断によって、結果をなお変えられるからである。これらの施設は、燃料タンクが固定された自動車ではない。排出量は、公益事業者が何を建設するか、開発者がどのエネルギー契約を結ぶか、コンピューティングのワークロードをいつ稼働させるかに左右される。
したがって、この推計は確定した排出インベントリーではなく、警告として有用である。今日の発電構成で巨大な新規負荷をまかなうことの結果を示しているのであって、提案されたすべての施設が割り当てられた排出量を必ず生むと証明するものではない。
スポーツカーという枠組みも、誤った個人的比較を生み出す。1人がより激しく運転しても、ハイパースケールのプロジェクトを意味ある形で相殺したり、影響を与えたりはしない。どちらの活動も別々のシステム内で需要を増やすものであり、もう一方がより大きいからといって無害になるわけではない。
真剣に問うべきなのは、ドライバーが気にかけるのをやめてよいかではない。施設が全面稼働に至る前に、テクノロジー企業と公益事業者が前提条件を変えられるかどうかだ。
Google Newsは比較を個人的なものにしたが、結果を決めるのは電力網だ
AIの炭素フットプリントは、劇的な自動車の比喩よりも、データセンター需要が生じたときにどの発電設備が応答するかに大きく左右される。
現代のデータセンターには、サーバー、ネットワーク機器、ストレージ、冷却システム、バックアップ電源、電力変換ハードウェアがある。International Energy Agencyは、サーバーが電力のおよそ60％を消費すると推定している。冷却は、施設設計に応じて7％から30％超を必要とする場合がある。
AIのワークロードは、その需要をより集中させる。アクセラレーテッドサーバーは、モデルの学習と推論、つまり学習後に回答を生成する処理に特化したプロセッサーを使う。こうしたチップは数千個単位で同時に稼働できるため、高密度で、ときに急速に変化する電力負荷を生む。
International Energy Agencyの世界見通しは、データセンターが2024年に約415テラワット時を消費したと推定している。これは世界の電力使用量のおよそ1.5％に相当する。消費量は、その前の5年間で年率約12％増加していた。
IEAは基本ケースで、2030年までに約945テラワット時に達すると予測している。これは世界の電力需要の3％未満にとどまるが、地理的な集中により、地域ではより深刻な問題が生じる。世界全体での比率が小さくても、特定の変電所、送電回廊、地域電力市場を圧迫する可能性がある。
米国が最も明確な例だ。同機関は、米国のデータセンター電力消費量が2024年から2030年の間に約240テラワット時増えると見込んでいる。これは2024年水準から約130％の増加に当たる。
データセンターの建設には2〜3年を要する場合がある。一方、大規模な送電プロジェクトや新たな発電所には、しばしばはるかに長い期間が必要になる。そのため開発者は、公益事業者が供給を想定したよりクリーンなインフラを完成させる前に、コンピューティング施設を完成させられる。
そこで公益事業者は、必要な期間内に許認可、資金調達、機器、系統接続を確保できる発電手段に頼る。天然ガス火力発電所は、遅延する送電網整備や新興の原子力技術よりも、この運用上のニーズに適合しやすい場合が多い。既存の石炭火力発電所も、以前の計画より長く稼働を続ける可能性がある。
Financial Timesの分析によると、調査対象プロジェクトに電力を供給する公益事業者の4分の3は、新たなガス火力発電を計画または建設していた。17％は、特定のハイパースケール施設が新規ガス容量の必要性を生んだと規制当局に伝えたとされる。
同分析によると、すでに石炭火力発電所を運営する公益事業者のうち3分の1は、閉鎖を延期していた。こうした判断は、再生可能エネルギーの契約購入だけでは全体像を語れない理由を示す。企業はクリーンエネルギークレジットを購入できる一方で、その追加負荷が依然として化石燃料発電に影響を及ぼす場合がある。
限界発電とは、電力需要が増加したときに応答する電源を指す。その正体は、場所、時間、季節、送電網の状況によって変わる。豊富なクリーン電力の近くに接続されたデータセンターは、ガス依存度の高い電力網上にある同一の建物とは異なるフットプリントを持ち得る。
常時稼働は状況を複雑にする。太陽光発電は日没後に減少する一方、多くのAIサービスは24時間利用可能なままである。風力出力は変動し、現在の多くの市場ではバッテリーがカバーできる時間は限られている。
データセンターは、柔軟なコンピューティング作業をよりクリーンな時間帯へ移すことで、このミスマッチを減らせる。モデルの学習や一部のバッチ処理は、スケジュール変更を許容できる。対話型サービスには迅速な応答が求められるため、事業者が移動できる需要には限界がある。
地理的な柔軟性も有効な手段だ。開発者は、低炭素電力、送電容量、涼しい気候、十分な水がすでに存在する地域に施設を配置できる。ただし、レイテンシー要件、税制優遇、土地の確保、顧客への近さ、許認可も立地に影響する。
したがって、大気への影響は何千ものインフラ選択から生まれる。拡散した自動車比較は、そうした選択を一つの数字に圧縮する。その価値は、それらを合わせた規模を示すことにあり、基礎となる分析を置き換えることではない。
Google Newsの読者は、自動車2,400万台という数値を、調整可能な入力を持つシナリオとして捉えるべきだ。電力網の炭素強度、施設の完成状況、ハードウェア効率、利用率、ワークロードの柔軟性はすべて変動する。どれか一つを変えれば、合計も変わる。
Big Techの気候公約はいま最も厳しい試練に直面している
主な対立は、Big Techの急速なAI拡大と排出削減の約束の間にあるのであって、AI利用者とスポーツカーの所有者の間にあるのではない。
Amazon、Google、Meta、Microsoftは長年にわたり、クリーンエネルギーは継続的なデジタル成長と両立できると打ち出してきた。AIインフラは、その立場を試している。コンピューティング需要が、多くの低炭素電力プロジェクトが送電網に接続できる速度を上回って増加しているためだ。
Googleは、この議論の両面を示している。同社の2025 Environmental Reportによると、エネルギー需要が増加したにもかかわらず、データセンターのエネルギー由来排出量は2024年に12％減少した。同社はまた、8ギガワット超のクリーン発電に関する契約を締結した。
Googleは、Ironwood tensor processing unitが、2018年の最初のCloud TPUと比べて約30倍の電力効率を実現したと報告した。この比較は、チップレベルでワット当たりに提供されるピーク低精度コンピューティング能力を測るものだ。データセンター全体で30倍の削減を意味するわけではない。
効率化は、一定量の計算に必要な電力量を減らす。しかし、より安価で高性能なコンピューティングは追加需要を刺激し得る。企業はより大規模なモデルを学習させ、より多くの利用者にサービスを提供し、より長いコンテキストを処理し、生成動画やエージェント型タスクを増やす可能性がある。
このリバウンド効果は、効率化を無意味にするものではない。ハードウェアやソフトウェアが改善されなければ、同じ拡大にはさらに多くの電力が必要になる。ただし、効率指標が絶対的なエネルギー消費量や排出量の報告に取って代わることはできないことを意味する。
FTに関連する分析は、インフラ拡大に伴う企業排出量の増加を報告した。Amazonの総排出量は、2024年から2025年にかけて16％増加したとされる。Microsoftは、主にデータセンターインフラの拡大を要因として、25％の増加を報告した。
Alphabetは、AIの拡大に伴って自社の気候への影響も大きくなっていることを認めた。同時に、他の脱炭素化施策がなければ、自社のカーボンフットプリントは5倍に達していたとも述べている。回避排出量と総排出量は異なる基準線を示すため、両方の主張は成立し得る。
この会計上の緊張関係こそが、今回の論点の中心にある。企業はクリーンエネルギー契約、高効率プロセッサ、技術によって回避された排出量を強調する。一方、批判する側は絶対排出量、新たな化石燃料設備、建設資材、発電所の廃止延期に注目する。
どちらの見方も、単一の指標だけでは判断できない。市場ベースの電力会計では、施設が別の時間帯や別の系統地域で電力を消費していても、契約上のエネルギー購入分が算入される。所在地ベースの会計は、消費が発生する地域の平均的な発電構成を反映する。
時間単位のマッチングは、より厳格な基準を設ける。施設が電力を消費した時間に、同じ地域でカーボンフリー電力を利用できるかを問うものだ。この一致を実現するには、発電、蓄電、送電、柔軟な需要、安定した低炭素電源を組み合わせる必要がある。
Googleは先進的な地熱発電や、小型モジュール炉に関する契約を進めている。ほかのテクノロジー企業も、原子力、太陽光、風力、炭素除去に関する契約を締結している。こうしたプロジェクトは供給拡大に役立つ可能性があるが、多くは開発に数年を要する。
ガスインフラは異なる時間軸で動く。発電所は一度建設されれば数十年にわたって稼働し、顧客からの支払いを通じてコストを回収できる。そのため、AI需要への短期的な対応が長期的な排出コミットメントを生み出す可能性がある。
企業は一般的な電力顧客にはない交渉力も持つ。ハイパースケーラーは発電への資金提供、料金交渉、立地選定、長期契約へのコミットが可能だ。送電プロジェクトを支援したり、系統が逼迫する時期に運用制限を受け入れたりもできる。
規制当局は、誰がコストとリスクを負担するかを決めなければならない。より高性能なチップ、AI導入の鈍化、キャンパス計画の中止によって需要予測が変われば、電力会社は後に不要となる需要を前提としてインフラを建設する可能性がある。コスト配分が機能しなければ、住宅利用者の料金が上昇しかねない。
逆に、テクノロジー企業は新たなクリーン発電のアンカー顧客になり得る。大規模で信頼できる買い手がいれば、プロジェクトの資金調達可能性が高まる。事業者が中断を受け入れる、あるいは緊急性の低い作業を系統状況に合わせて実行するなら、データセンターは柔軟な需要も提供できる。
期待と現実の対立が未解決のままなのは、両方の道筋が同時に進行しているためだ。Big Techはよりクリーンなエネルギーを調達する一方、電力会社は化石燃料の設備容量を増やしている。最終的な均衡は、どのプロジェクトが稼働し、どこに接続され、需要がどのように管理されるかに左右される。
したがって、AI企業を追う読者はモデルのベンチマークだけに目を向けるべきではない。エネルギー調達、電力会社の申請書類、系統接続契約、絶対排出量は、いまや戦略上の制約を明らかにする。信頼できる電力計画を欠く計算資源計画は、不完全な事業計画だ。
AI排出量の比較が依然として不確実な理由
1億150万トンという推計は信頼に値する警告だが、その精密さは最終的なプロジェクトや電力供給について誰も把握していない範囲を超えている。
この計算は、米国のすべてのデータセンターではなく、選定された60施設を対象としている。計画段階のものもあれば、開発中のものもある。最終的な容量、完成時期、稼働率、電力源は、本格稼働前に変わる可能性がある。
プロジェクト発表では、キャンパスの最大容量が示されることが多い。事業者はキャンパスを段階的に建設したり、導入するサーバーを減らしたり、設備を最大稼働率未満で運用したりできる。顧客による新サービスの採用に応じて、電力需要が徐々に増えることもある。
この建設期間中にも、ハードウェアは急速に変化する。より効率的なアクセラレータは、計算当たりのエネルギーを削減できる。冷却、電力変換、ネットワーク、ソフトウェアの改善は、施設のオーバーヘッドを抑え得る。より小規模なモデルは、すべてのリクエストを最大規模のシステムに送らずに一部のタスクを実行できる。
ただし、新しいAIの利用形態は需要を逆方向に押し上げる可能性がある。動画生成は通常、短いテキストの生成より多くの計算を必要とする。推論システムは、1つの回答を返す前に多くの内部計算ステップを実行する場合がある。自律エージェントは、人間から継続的に指示されなくても、ツール呼び出しを繰り返すことができる。
この不確実性により、クエリ当たりの単一推計は不十分になる。短いテキスト補完、生成された映画、長時間の調査タスクは、等価な単位ではない。データセンターはクラウドストレージ、検索、広告、企業向けコンピューティングなど、AI以外の業務も担っている。
帰属にも別の問題がある。AI向けに最適化された建物でも、従来型のサービスを支えることがある。一般的なクラウド施設でも、サーバーのうちAIに割り当てる割合が増えている可能性がある。公開報告では、整合した境界条件でワークロード単位の電力使用量と排出量が示されることはまれだ。
独立研究者は、AIサーバーを直接モデル化することで、より広い範囲の推計を示している。査読済みのある評価では、米国のAIサーバーは2030年までに年間2,400万～4,400万メートルトンの二酸化炭素換算排出量を出す可能性があると予測した。
その著者らは、この推計を約500万～1,000万台の自動車に相当すると換算しており、2,400万台ではない。方法論に関する批評は、一部の報道が2,400万メートルトンと2,400万台の自動車を混同していたと指摘した。
この批評は、後の1億150万トン分析とは別の推計を扱っている。対象プロジェクト、前提、システム境界が異なるため、両者の数字が自動的に矛盾するわけではない。ただし、両方が存在することは、近接した数値がオンライン上でいかに簡単に混同されるかを示している。
Google Newsでは、見出しでそうした境界を説明しないまま、両方の主張が配信されることがある。読者は同じ検索の中で、2,400万トン、2,400万台、1億150万トンという数字に遭遇するかもしれない。繰り返されることで、実際には異なる数字が交換可能なものに見えてしまうことがある。
EPAの平均的な自動車に関する推計も、別の境界問題を生む。同機関の4.6トンという数値は、主に排気管からの二酸化炭素を表す。燃料サプライチェーンの大部分、車両生産、道路建設、その他の環境被害は含まれていない。
データセンターの数値は、想定された発電構成の下での電力関連二酸化炭素を表している。建設、チップ製造、非常用発電、冷媒、水関連の影響すべてを含まない可能性がある。ある排出源を「より悪い」と呼ぶには、比較可能なライフサイクル境界が必要になる。
スポーツカーにも大きな差がある。たまに運転される軽量モデルと、毎日使われる大型・高出力車は異なる。2,400万台の自動車との比較は、サーキット志向の高性能車の集団ではなく、平均的な乗用車を用いている。
こうした限界が根本的なリスクを消すわけではない。推計は予測ではなくても、意思決定に役立ち得る。すべてのサーバーが稼働するまで待てば選択肢が減るため、電力会社と規制当局は完全な情報がそろう前に計画しなければならない。
責任ある解釈は条件付きだ。60のプロジェクトが想定された規模に達し、モデル化された系統構成に似た電力を使用するなら、その年間排出量は極めて大きくなる。よりクリーンな供給、効率改善、導入規模の縮小があれば、この結果は低下する。
逆の可能性もある。需要が予測を上回ったり、クリーンエネルギーのプロジェクトが停滞したりすれば、新施設はさらに多くの排出を生むかもしれない。非常用発電機やメーター裏側のガス発電所は、地域への影響をさらに大きくし得る。
読者は、相反する2つの誤りを避けるべきだ。1つ目は、最高値の推計を不可避なものとして扱うこと。2つ目は、不確実性を理由に計画の必要性そのものを退けることだ。どちらの立場も、どのシナリオが現実になるかを政策と投資の判断が決めるという点を見落としている。
入手可能な証拠は、懸念なくスポーツカーをさらに強く走らせることを支持してはいない。前例のない速度でインフラを建設する企業に、透明なデータを求めることを支持している。これには、施設単位の電力使用量、時間単位の炭素強度、水使用量、建設時排出量、需要管理に関するコミットメントが含まれる。
Google Newsの読者が次に注目すべき点
3つのシグナルが、拡散した排出量推計が政策を変えた警告となるのか、それとも大部分が現実となった予測になるのかを決める。
第1のシグナルは、主要なAIキャンパスに電力を供給する電力会社が承認する発電構成だ。新たなガス発電所、石炭火力の廃止延期、専用のオンサイト発電は、高排出シナリオをより強める。再生可能エネルギーの接続、蓄電、地熱、原子力の導入が加速すれば、その見方は弱まる。
電力会社の申請書類は、企業発表と物理的インフラを結び付けるため、とりわけ注目に値する。そこには予測負荷、必要な変電所、発電設備の追加、料金体系、求められるコスト回収が示される。こうした詳細は、単独のクリーンエネルギー購入発表より重要だ。
規制当局は、施設がその需要を賄うための全コストを負担しているかも開示すべきである。特別契約は、座礁したインフラから一般顧客を守ることができる。また、供給不足時や建設マイルストーンを達成できなかった場合に、事業者へ消費削減を求めることもできる。
第2のシグナルは、Amazon、Alphabet、Meta、Microsoftによる絶対排出量の報告だ。効率改善は、最終的には総排出量の増加を鈍化または反転させるはずである。より優れたチップにもかかわらず絶対排出量が増え続けるなら、需要拡大が技術進歩を上回っている。
読者は複数の会計上の見方を比較すべきだ。企業全体の排出量は大きな軌跡を示す。所在地ベースの電力排出量は地域の系統を反映し、市場ベースの数値は契約上の購入を組み入れる。時間単位のカーボンフリー電力マッチングは、クリーンな供給が実際の消費と一致しているかを示す。
建設時の排出量は別途扱うべきだ。コンクリート、鉄鋼、プロセッサ、電気設備、非常用機器は、施設がユーザーへのサービス提供を始める前から炭素を生む。急速な拡張は、運用時の電力がよりクリーンになっても、これらの排出を増やす可能性がある。
第3のシグナルは、AI事業者がワークロードを柔軟にできるかどうかだ。学習ジョブ、データ準備、評価、一部のバッチ推論は、時間帯や場所を移動できる。柔軟性があれば、データセンターは余剰のクリーン電力を吸収し、系統が逼迫する際の需要を減らせる。
証拠は広範な公約ではなく、運用データによって示されるべきだ。企業は、どれだけの需要を移動させたか、どのワークロードが対象か、施設がどの程度の頻度で系統状況に対応したかを報告できる。電力会社は、これらの行動が化石燃料による発電やインフラ需要を減らすかを検証できる。
柔軟なコンピューティングが依然として珍しいままであれば、電力会社は継続的なピーク需要を前提に計画することになる。その場合、あらゆる時間帯で利用可能な発電を優先し、新たなガス発電所の事業性を強める可能性がある。柔軟性が拡大すれば、データセンターは系統に統合しやすくなる。
これら3つのシグナルは、個々のユーザーが合理的に影響を及ぼせる範囲も明らかにする。不必要に計算負荷の高いタスクを避ければ一定の需要は減らせるが、消費者の節制はインフラ政策の代わりにはならない。最も大きな判断は、キャンパスの立地、電力調達、系統投資、透明性に関わる。
ナレッジワーカーも、購入するサービスについてより良い問いを投げかけることはできる。企業の調達チームは、セキュリティ、信頼性、性能の情報と併せて、エネルギーと排出量のデータを求められる。開発者は、最大容量をデフォルトにするのではなく、用途に適した規模のモデルを選べる。
こうした判断を文書化するチームには、移り変わる見出しにも耐える証拠が必要だ。検索可能なAIナレッジベースは、サステナビリティ報告書、電力会社の申請書類、モデル要件、社内調達記録を結び付けられる。これにより、後からの主張も監査しやすくなる。
Google Newsから得られるより大きな教訓は、AIがすでに自動車運転より悪くなったということではない。大規模なインフラ整備計画が、ソフトウェアの速度では変化できない電力網と衝突している、ということだ。
自動車は依然として、二酸化炭素排出と地域の大気汚染の大きな要因である。AIデータセンターもまた、需要が拡大している別の要因だ。どちらか一方を、もう一方を無視してよい理由として扱えば、有用な規模比較が言い訳に変わってしまう。
2,400万台という数字は、むしろより厳しい問いを投げかけるべきだ。テクノロジー企業は、計画中のキャンパスが稼働を始める前に、十分なクリーンで信頼性の高い電力へ資金を投じるのか。それとも、公益事業者が先に化石燃料による発電をさらに固定化するのか。
公益事業者による承認、絶対排出量、そして検証済みのワークロード柔軟性に注目すべきだ。こうしたシグナルが、業界がモデルの前提を変えつつあるのか、それとも見出しの数字をめぐって議論しているだけなのかを明らかにする。
