AIデータセンターが米国の電力網を試している
Google Newsは、厳しい対立を浮き彫りにした。データセンターは2030年までに米国の電力の11.8%を消費する可能性がある一方、国全体の電力網が一様に崩壊しつつあるわけではない。新たな連邦政府の研究は、むしろより複雑な問題を示している。電力需要は急速に増えているが、最大のリスクは特定の都市、電力事業区域、送電システムの周辺に集中している。
見出しとなる問いは、AIデータセンターが電力網を圧倒するのかどうかだ。現時点の証拠は、全国規模で単純に「そうだ」とは示していない。約20年にわたる緩やかな需要成長の後、電力網が未知の領域に入っていることを示している。一部の地域はより大きなコンピューティング負荷を吸収できるが、他の地域では価格上昇、接続の遅延、信頼性余力の縮小に直面している。
この違いは、Google、Microsoft、Amazon、Meta、そして大規模なAIコンピューティング・キャンパスを建設する企業にとって重要だ。チップ競争は、安定した電力を確保する競争へと変わった。Googleのデータセンター向け電力契約には、新たなエネルギー調達と一時的なワークロード削減の両方が含まれるようになっている。新たに生まれつつある競争は、もはやAI企業同士のものではない。約束された拡張ペースと、発電機、変電所、変圧器、送電線という物理インフラのより遅い整備ペースとの競争である。
Google Newsが示す、はるかに大きい2030年の負荷
最新の連邦推計は、データセンターが主要な全国規模の電力利用者になることを示すが、確定負荷ではなく予測にとどまる。
Lawrence Berkeley National Laboratoryは2026年6月、米国のデータセンターエネルギーに関する分析を更新して公表した。基準シナリオでは、データセンターが2030年に649テラワット時の電力を使用すると予測している。これは、予測される米国の総電力消費量の11.8%に相当する。
テラワット時は、10億キロワット時のエネルギーを測る単位だ。特定の瞬間における電力使用の速度を表すギガワットとは異なり、時間を通じた消費量を示す。電力事業者は年間に十分なエネルギーを供給する必要があると同時に、瞬間的に必要となる十分な容量も確保しなければならないため、両方の指標が重要になる。
同研究所は11.8%を確実な結果として提示していない。データセンター予測では、2030年の消費量を521〜843テラワット時と見込む。この範囲は、米国全体の電力使用量のおよそ9.5〜15.3%に相当する。
基準シナリオはボトムアップ・モデルを用いる。研究者は、将来の機器導入数、機器1台当たりの電力使用量、冷却要件、施設の種類、地理的分布を推定する。この手法は、予想されるハードウェア出荷量と、それらの機械および支援システムが必要とするエネルギーを結び付ける。
専用グラフィックス・プロセッサは、この不確実性の中心にある。ある感度分析シナリオでは、こうしたプロセッサの導入予測を増やし、2030年の消費量を664テラワット時まで引き上げる。別のシナリオでは、より高いアイドル時電力とサーバー稼働率を想定し、782テラワット時と推定している。
この差は重要だ。AIサーバーは、プロセッサが有用な処理を行っていないときでも、かなりの電力を消費しうる。稼働率、モデル設計、チップ効率、冷却性能、機器の更新スケジュールはいずれも、最終的な需要に影響する。
更新された予測は、現在の消費量も大きく上回る。前回の全国調査では、データセンターは2023年に約176テラワット時を消費したと推定された。これは米国の電力消費量のおよそ4.4%に相当した。
したがって、新たな基準シナリオは、データセンターの電力使用量が2023年から2030年にかけて3倍超になることを意味する。ただし、すべての施設が消費量を3倍にするという意味ではない。この成長には、新設建物、より高密度なコンピューティング機器、AIワークロード向けに設計されたサーバーの比率上昇が含まれる。
AIはデータセンター内で行われる唯一の活動ではない。これらの施設は、クラウドストレージ、ストリーミング、企業向けアプリケーション、オンライン小売、通信、従来型コンピューティングも支えている。予測では、すべてのキロワット時を生成AIに明確に割り当てることはできない。
それでも、各シナリオはAIハードウェアが決定的な成長要因であることを示している。モデル訓練と推論向けに設計されたアクセラレータは、各ラックにより多くのコンピューティング能力を詰め込む。推論とは、すでに訓練済みのモデルを実行し、リクエストに答えたりコンテンツを生成したりすることだ。AI製品の利用者が増えれば、継続的な負荷になりうる。
そのため、Google AIの電力網への影響に関する検索は、より広いインフラ問題へとつながる。Googleは一事業者にすぎないが、そのエネルギー戦略は、あらゆるハイパースケーラーが直面する圧力を示している。ハイパースケーラーとは、複数の地域にまたがって拡張できる極めて大規模なコンピューティングネットワークを運用する企業を指す。
Google Newsの報道では、こうした予測が単一の全国比率に圧縮されることが多い。元の研究は、不確実性を残している点でより有用だ。電力網の課題は、どのシナリオが現実化するか、施設がどこに建設されるか、新たな電力供給がどれだけ速く追随するかに左右される。
したがって、11.8%という推計は計画上のシグナルとして扱うべきだ。ほぼ横ばいの電力需要という従来の前提が、もはや安全ではないことを電力事業者に伝えている。米国が電力の11.8%をデータセンターに供給する能力を失うと確定させるものではない。
全国の電力網は単一ではない
AIデータセンターが生む最も深刻な問題は地域に集中する。コンピューティング・キャンパスは、送電インフラが拡張するより速く集積するためだ。
米国には、地域別の電力網、電力事業者、電力市場の集合体がある。電源構成、計画プロセス、気象リスク、利用可能な送電容量はそれぞれ異なる。全国合計では管理可能でも、単一の電力事業区域内では深刻なボトルネックとなりうる。
International Energy Agencyは、米国のデータセンター容量のほぼ半分が5つの地域クラスターに集中していると推定する。現在開発中の施設の半数も、すでに確立されたクラスター内に位置する。この集中により、新たな需要が同じ変電所や送電回廊に到達するリスクが高まる。
北バージニアは最も明確な例を示す。同地域のクラウド施設の集積は、光ファイバー接続、適した土地、法人顧客、税制を背景に成長した。このデジタル上の優位性は、計画されるキャンパスがより大規模かつ電力集約的になるにつれ、電力計画上の課題へと変わった。
テキサスは、同じ圧力の別の形に直面している。豊富なエネルギー資源と比較的速い開発スピードが、データセンターやその他の大口顧客を引き付けている。しかし、膨大な接続申請が稼働中の施設を意味するわけではない。多くの計画は重複し、スケジュールを変更し、あるいは資金を確保できないまま終わる。
この区別は、よくある分析上の誤りを避ける。系統接続キューは申請のパイプラインであり、完成プロジェクトの信頼できる予測ではない。開発事業者は、顧客、機器、土地利用承認、最終的な建設計画を確保する前に、投機的な申請を提出できる。
それでも電力事業者は、こうした申請を無視できない。数年先にどの変電所、送電線、発電所が必要になる可能性があるかを判断しなければならない。消滅する計画を前提に建設すれば、他の利用者が不要なコストを負担する可能性がある。待ちすぎれば、実現可能な計画が供給不足や長期の遅延に直面する。
最新の連邦電力網データは、短期的な圧力が最も強い場所を示している。U.S. Energy Information Administrationは、2027年までの電力負荷がElectric Reliability Council of TexasとPJM Interconnectionの地域で最も速く増加すると見込んでいる。
ERCOTはテキサス州の電力網の大半を管理している。PJMは、13州とワシントンD.C.の全域または一部にまたがる電力を調整している。市場構造と電源構成は異なるものの、両地域には相当規模のデータセンター開発がある。
EIAの2026年2月時点のベースライン予測では、全国の電力負荷は2026年に1.9%、2027年に2.5%増加するとされた。2025年から2027年にかけての年間負荷成長率は、ERCOTで平均約10%、PJMで3%になると見込んでいた。
これらの地域別数値は、全国比率が誤解を招きうる理由を示す。テキサス州のデータセンターが消費する電力が、バージニア州の送電線を直接過負荷にするわけではない。信頼性は、地域の発電能力、供給可能性、天候、ピーク需要のタイミングに左右される。
電力使用の全国的な傾向も変化している。EIAによると、米国の負荷は2020年から2025年にかけて年率約1.7%で増加した。2005年から2019年までの比較可能な伸び率は、わずか0.1%だった。
多くの電力事業者は、その低成長期に投資計画を策定した。データセンター、製造業、電化、人口増加が、今や同時にそれらの前提へ挑戦している。AIは大きな要因だが、電力網に対する唯一の新たな要求者ではない。
AIキャンパスは、家庭や一般的なオフィスとは異なる振る舞いをすることもある。サーバーは一日を通じて稼働でき、高い負荷率を生む。負荷率とは、顧客が利用可能な最大電力をどれほど継続的に使用するかを表す。
この安定した需要は、発電事業者に確実な顧客をもたらすため、新規発電所への投資を後押しできる。しかし、家庭や企業の電力需要が増す極端な気象時には、電力網を逼迫させる可能性もある。どちらの影響が強まるかは、キャンパスの立地と柔軟性によって決まる。
大規模施設では、開設までに数年にわたる電力事業者の計画が必要になる場合がある。IEAによれば、先進国では新たな送電線の建設に4〜8年かかることがある。変圧器とケーブルの待ち時間は、3年のうちに倍増した。
コンピューティング・インフラはより速く整備できる。開発事業者は、新たな高圧送電線が許認可を得る前に、サーバー建屋を建設し、プロセッサを設置できる。年間の電力消費量だけでなく、この時間的な不一致こそが、地域的な過負荷の最も信頼できるリスクを生む。
したがって、Googleのデータセンター電力需要を単一の全国チャートで評価することはできない。重要なのは、当該施設の電力事業者、接続地点、ピーク時要件、稼働スケジュール、契約済みの供給源である。これらの詳細が、新たなキャンパスが市場を強化するのか、それとも負荷をかけるのかを決める。
本当の対立はAIの速度と電力網の速度にある
電力システムは総量として十分なエネルギーを追加できるが、AI開発事業者が望む場所に、望むスケジュールで必要な資源をすべて配置することはできない。
AI企業は短い周期でコンピューティング機器を更新する。数千基のプロセッサを発注し、新たなネットワークシステムを配備し、数年以内にモデルアーキテクチャを変更できる。電力インフラは、許認可、公開審査、資金調達、建設、系統接続調査を伴う、より遅い手順に従う。
この違いがトレードオフを生む。高価なプロセッサは稼働して初めて収益を生むため、開発事業者は保証された継続的な電力供給を求める。電力網の管理者は、供給と需要を毎秒均衡させなければならないため、柔軟性を必要とする。
International Energy Agencyは、米国のデータセンターが2030年までの全国電力需要増加のほぼ半分を占めると見込んでいる。世界全体では、データセンターの消費量が2024年の415テラワット時から、2030年には約945テラワット時へと2倍超に増えると予測している。
これらの数字だけを見ると圧倒的に聞こえる。同じ世界エネルギー見通しでは、データセンターは2030年までの世界の電力需要増加のおよそ10分の1を占めるとしている。産業用モーター、空調、電気自動車は、それぞれ世界的にはより大きな需要増加に寄与する。
米国の状況は、長年にわたり需要増加が限定的だったため、より厳しい。電力開発事業者と規制当局は、比較的安定したシステムを維持する段階から、拡張する段階へ移行しなければならない。AIは、工場、電気自動車、ヒートポンプ、人口増加と同時に到来している。
供給は複数の経路で対応できる。電力会社は既存発電所の稼働頻度を高め、太陽光発電と蓄電池を追加し、天然ガス発電を建設し、原子力施設の運転を延長し、送電網を強化できる。大口顧客も、自家発電を導入したり、制約の少ない地域を選んだりできる。
各選択肢には制約がある。太陽光発電は夕方に出力が低下する。蓄電池が供給できる電力は限られた時間にとどまる。ガス火力発電所には燃料インフラとタービンが必要となる。原子力プロジェクトには数年を要する。送電線は許認可や地域住民の反対に直面する。
テキサス州は、機会と制約の両方を示している。ERCOTの電力需要は、2025年の最初の9か月間に、2024年の同時期比で5%増加した。需要は372テラワット時に達し、比較可能な2021年の水準を23%上回った。
再生可能エネルギーの発電量も、その需要増加に並行して拡大した。2025年の最初の9か月間、風力と事業用規模の太陽光発電はERCOTの電力需要の36%を供給した。夏季の午後8時台には、太陽光の発電量が低下する中で、蓄電池が平均4ギガワットを供給した。
Texas generation dataは、新たなデータセンターごとに同規模の新しい化石燃料発電所が必要になるという主張に疑問を投げかける。太陽光、風力、蓄電池、既存の発電設備を組み合わせれば、需要増加の一部を賄える。
同時に、再生可能エネルギーの追加だけで問題が自動的に解決するという逆の主張にも疑問を投げかける。送電網は、風の弱い夜、厳しい暴風雨、蓄電池が枯渇した時期にも需要を満たさなければならない。送電容量も、発電所から該当する需要地まで電力を運ばなければならない。
EIAは、大規模なデータセンター開発が進む地域で、需要がベースラインより50%速く増加するシナリオをモデル化した。追加の発電所を2027年末までに完成させるのは難しいため、将来の発電容量は変更しなかった。
モデル上では、ほとんどの地域がより高い負荷を受け入れられた。この結果は、全国規模の信頼性危機が必然的に起きるという見方を支持しないため重要である。既存の発電設備は出力を増やせるうえ、地域間の多様性が一定の強靭性をもたらす。
ただし、その調整は無償ではなかった。EIAは天然ガス価格の上昇を前提とし、追加的な発電の大半はガス火力によるものだとした。既存発電所がPJM、中西部、南東部で追加の電力を供給したため、石炭火力の発電量はより緩やかに減少した。
ベースラインでは、米国全体の天然ガス発電量は2025年から2027年の間に1.7%増加した。需要増加シナリオでは、7.3%増加した。これは、再生可能エネルギーの調達だけに基づく主張から見落とされかねないGoogle AIのエネルギー影響である。
企業は新たな太陽光発電施設を支援する契約を結べるが、そのデータセンターは、その施設が発電していない時間にも電力を消費する。年間ベースでのクリーンエネルギーのマッチングは、すべての稼働時間が化石燃料なしで供給されることを保証しない。
需要増加シナリオで最も明確な価格圧力が現れたのはERCOTだった。EIAは、この結果が短期的な大幅な負荷増加を管理する難しさを浮き彫りにすると述べた。停電が避けられないとは結論づけていない。
これはGoogle Newsの枠組みにおける中心的な逆転である。AIデータセンターは国家の電力計画を変えるほど大規模だが、年間消費電力量そのものは、信頼性を左右する決定的な指標ではない。速度、立地、時間帯ごとの挙動、コスト配分が、送電網がしなやかに対応できるか、破綻するかを決める。
Google AIの送電網への影響は柔軟なコンピューティングに左右される
デマンドレスポンスはデータセンターを送電網の参加者に変えられるが、運営者は一部の計算処理を望むタイミングで実行できないことを受け入れなければならない。
デマンドレスポンスとは、送電網に負荷がかかっている際に、電力使用量を削減または移行することである。家庭はすでにスマートサーモスタットや時間帯別料金を通じて参加している。産業利用者は、卸電力価格が極端に上昇した際に機械を停止したり、生産を移したりできる。
データセンターは従来、継続的な稼働を重視してきた。クラウドサービスは企業、行政機関、通信、消費者向けアプリケーションを支えている。停止は施設の外にいる顧客にも広範な影響を及ぼしうるため、運営者はバックアップシステムを維持している。
ただし、すべての計算処理が同じ緊急性を持つわけではない。動画処理、一部のモデル学習、バッチ分析、その他のキュー処理は別の時間帯に移せる。ネットワーク容量とデータ規則が許せば、一部の処理は別の施設へ移行することもできる。
Googleは、Indiana Michigan PowerおよびTennessee Valley Authorityとの契約を通じて、この概念を正式化した。同社は、送電網のイベント発生時に機械学習のワークロードを一時的に削減できると述べている。以前にはOmaha Public Power Districtとワークロード削減を試験した。
flexible workload planは、年間合計ではなく運用の観点からGoogle AIのエネルギーを説明する実践例を示している。すべてのサーバーを柔軟性のない負荷として扱うのではなく、運営者は停止または移動できる計算ジョブを特定する。
この柔軟性は、最も高額な送電網投資を左右することが多いピーク需要を削減できる。送電線やピーカー発電所は、ごく少数の重要な時間帯のためだけに必要となる場合がある。その時間帯の負荷を下げれば、建設を先送りできる。
このアプローチには経済的な限界もある。AIに特化した施設には、ユーザーへのサービス提供や学習処理の完了時に収益を生む高価なプロセッサが搭載されている。出力抑制は、その投資の一部を遊休状態にする。
IEAは、AI特化型データセンターはアルミニウム製錬所の10倍の資本集約度になり得ると見積もっている。たとえ計算処理を技術的に移動できても、これにより自主的な電力削減は財務面で困難になる。
レイテンシーも別の制約を生む。レイテンシーとは、リクエストを送信してから応答を受け取るまでの遅延である。消費者向けチャットボット、検索機能、コーディング支援ツール、業務アプリケーションは、送電網の回復まで何時間も待つことを日常的には許容できない。
学習にはより大きな柔軟性があるが、無制限ではない。大規模な実行では多くのプロセッサを連携させる。停止すると、完了済みの計算が無駄になったり、スケジューリングが乱れたり、モデルのリリースが遅れたりする可能性がある。運営者には、安全に停止し効率的に再開できるよう設計されたソフトウェアが必要だ。
データ主権も地理的な移行を妨げる可能性がある。組織は、情報を特定の州、国、または承認済みのクラウドリージョン内に保持するよう求められる場合がある。他地域で利用可能な計算容量が、そうした規則を満たすとは限らない。
送電網運営者には、約束された柔軟性が実際の緊急時に発揮されるという証拠が必要だ。自主的な表明は、利用可能な削減量、応答時間、継続時間、測定方法、不履行時のペナルティを定めた契約より弱い。
ベースラインの問題もある。電力会社は、デマンドレスポンスのイベントがなければ、その施設がどれだけ電力を使用したかを把握しなければならない。そうでなければ、運営者は、いずれにせよ発生したはずの削減に対してクレジットを受け取る可能性がある。
したがって、Googleデータセンターの電力柔軟性は有望ではあるが、万能ではない。延期可能なワークロード、余剰容量を持つ施設、十分なネットワークで接続された地域で最も効果を発揮する。すべてのAIサービスを中断可能にできるわけではない。
効率改善にも同様の不確実性がある。新しいチップは、電力単位当たりでより多くの計算処理を完了できる。冷却とソフトウェアの改善により、各クエリや学習ステップに必要なエネルギーを減らせる。
しかし、コスト低下は利用拡大を促す可能性がある。このパターンはリバウンド効果として知られる。効率的なAIが安価になれば、開発者はより多くの製品に導入し、より大規模なモデルを実行するかもしれない。タスク当たりのエネルギー使用量が減少しても、総電力消費量は増加しうる。
LBNLのシナリオは、異なる稼働率と設備に関する仮定を通じて、この不確実性の一部を捉えている。IEAの高効率ケースでは、2035年の世界のデータセンター電力消費量はベースケースを20%下回る。同年のシナリオ全体の範囲は700〜1,700テラワット時に及ぶ。
これほど広い範囲は、予測が無用である証拠ではない。重要な変数を特定している。チップ出荷、稼働率、モデル効率、導入、接続遅延、エネルギー供給可能性が結果を左右する。
懐疑的な見方は、破局か容易な適応かのいずれかを断言するのではなく、これらの変数に焦点を当てるべきだ。柔軟なコンピューティングは、いくつかの重要な時間帯の負荷を軽減できる。しかし、発電、送電、規律ある送電網計画の代わりにはならない。
米国の送電網データで次に注目すべきこと
決定的なシグナルは、計画された計算容量の発表ではなく、完成した接続、地域別の価格変動、検証済みの需要削減である。
最初のシグナルは、申請されたデータセンター負荷と実際に通電された負荷の差である。通電された負荷とは、建設を完了し、送電網に接続され、電力使用を開始した施設を指す。この数字は、投機的な系統連系キューよりも重要である。
電力会社と地域送電網運営者は、どの程度の大口負荷容量が拘束力のある契約を締結したかを開示すべきだ。また、建設マイルストーンに到達し、必要な預託金を支払ったプロジェクトも特定すべきである。転換率の低下は、最も極端な需要予測の信頼性を弱める。
高い転換率は逆にそれを強める。開発事業者が発表したスケジュールに近い形で新たなキャンパスを通電させるなら、電力会社はより早期に発電設備と送電網を必要とする。LBNLの649テラワット時の参照ケースも、より現実味を帯びるだろう。
2つ目のシグナルは、高成長地域における卸電力価格、容量価格、小売料金の動きである。卸電力価格は短期的な電力需給を反映する。容量市場は、将来のピーク需要時に利用可能な状態を維持する資源に対して支払いを行う。
価格上昇は、データセンターがすべての値上がりを引き起こしたことの自動的な証明ではない。燃料費、発電所の廃止、送電制約、異常気象、規制判断も電気料金に影響する。分析者はこれらの要因を切り分けなければならない。
最も有用な証拠は、コスト配分に関する手続きから得られるだろう。規制当局は、大口のコンピューティング顧客に最低支払いの保証、専用インフラへの資金拠出、特別料金体系の受け入れを求めるべきかを判断している。料金体系とは、規制された料金およびサービス条件のスケジュールである。
これらの判断は、予測されたキャンパスの稼働が遅れたり、想定より少ない電力しか消費しなかったりした場合に、誰がリスクを負担するかを明らかにする。拘束力のあるコミットメントを求めれば、投機的な需要のために建設されたインフラから家庭を守れる。不適切に設計された規則は、有益な送電網拡張に資金を提供し得るプロジェクトを阻害する可能性もある。
3つ目のシグナルは、デマンドレスポンス・プログラムにおける測定済みの実績である。Googleなどの運営者は、何メガワット削減できるか、削減をどれだけ迅速に開始できるか、どのくらい継続できるかを示さなければならない。公開された結果は、有望な概念を証拠に基づく送電網資源へと変えるだろう。
熱波や発電機の停止時に繰り返し実績を示せれば、AI施設が信頼性を支えられるという主張は強まる。イベントを逃したり、削減量が非常に小さかったりすれば、高価なコンピューティングは依然として大部分が柔軟性に乏しいことが示される。
最新のfederal grid scenarioは、この記事の中心的な問いに最もバランスの取れた答えを示している。米国の大半の地域は、短期的にはより速い需要増加に対応できる。ERCOTは、供給が十分に迅速に調整できない場合、急速な追加が価格と化石燃料発電をなお増加させ得ることを示している。
つまり、AIデータセンターが一度の全国的な障害で米国全体の電力網を圧倒する可能性は低い。一方で、地域の計画プロセス、接続地点、顧客保護を圧迫する可能性はある。また、同じ設備や送電容量をめぐって競合する他の産業プロジェクトを遅らせる可能性もある。
この違いは、読者が Google News の見出しをどう解釈するかを左右するべきだ。全国規模の割合は全体像を示す一方、地域ごとの稼働データはリスクを明らかにする。計画上のギガワットは稼働中のギガワットではなく、再生可能エネルギー契約は継続的なクリーン電力を意味しない。
開発者、エンタープライズの購入者、そして AI ユーザーは、より踏み込んだインフラに関する問いを投げかけるべきだ。サービスのコンピューティング処理はどこで実行されるのか。ピーク時にも電力供給は確実なのか。機密データをさらしたり、性能を低下させたりせずにワークロードを移動できるのか。
今後数カ月にわたり、次の3つの指標を注視すべきだ。通電済み負荷、地域別価格、そして検証済みの柔軟性である。これらは、Google AI の送電網への影響をめぐる懸念が運用上の危機へと発展しているのか、それとも実行可能な改革を促しているのかを示すだろう。送電網はより多くの AI を支えられる。しかしそれは、コンピューティングのスケジュール、インフラ投資、顧客保護が一体となって動き始める場合に限られる。
