AIデータセンターは冷却に関する数値が示すよりはるかに多くの水を使用する可能性

Google Newsは重大な食い違いを浮き彫りにした。テキサス州とニューメキシコ州のAIデータセンターは、企業が示す冷却関連の数値を基にした推定より、およそ10倍大きな水フットプリントを抱える可能性がある。

この比較は必ずしも、事業者が報告した1ガロンごとに10ガロンを隠していたことを意味しない。通常は、算定範囲の広さの違いを反映している。企業の開示は施設で直接消費される水を主に強調する一方、独立した推計では、電力を生成する際に消費される水も算入する。

この区別は、繰り返される干ばつ、逼迫した帯水層、不完全な施設単位の報告があるにもかかわらず、巨大なコンピューティング計画を誘致している2州では重要だ。また、Big Techが掲げる低水使用の冷却に関する約束と、電力集約的なAI拡張が求める資源全体との対立も浮き彫りにする。

入手可能な証拠は、提案されているすべてのデータセンターを同程度に水を大量消費するものとして扱うことを支持していない。冷却設計、気候、電源、運転負荷、地域の水系は大きく異なる。閉ループ型の施設は現地での水消費を抑えられる一方、ガス、原子力、水力の発電施設で相当な需要を生み出す可能性がある。

したがって本質は、単一の普遍的な倍率ではない。地域に影響を及ぼす会計上の問題である。企業がシステムの一部しか開示しない場合、住民や規制当局はその影響を判断できない。

「10倍の水使用」という主張が実際に測定しているもの

見かけ上の差は、データセンター内の未報告の配管を見つけたことではなく、電力の背後にある水を算入したことから生じている。

データセンターには主に2種類の水フットプリントがある。直接消費は主として冷却を通じて施設内で発生する。間接消費は、発電所がサーバー、冷却設備、ポンプ、支援インフラに必要な電力を生成する際に発生する。

取水と水消費も異なる測定指標である。取水には河川、貯水池、帯水層から取り出した水が含まれ、その後に返却される水も含まれる。消費は、しばしば蒸発によって、直近の地域供給から取り除かれる部分を指す。

こうした違いは総量に劇的な差を生む可能性がある。Lawrence Berkeley National Laboratoryによる全米エネルギー報告書は、米国のデータセンターが2023年に直接消費した水は約174億ガロンと推計した。

同報告書は、これらの電力使用に伴う間接消費をさらに2,110億ガロンと関連付けた。この第2の数値は直接推計のおよそ12倍に当たる。

これは、一般に強調される運用上の数値より10倍以上大きなフットプリントを示す見出しに、信頼できる根拠を与える。ただし、これは全米モデルであり、テキサス州またはニューメキシコ州の単一キャンパスにおけるメーター測定値ではない。

この推計には、水力発電用貯水池に関連する水消費も含まれる。一部の分析者は、貯水池の蒸発を個別の電力利用者に帰属させると、水力を除外する手法との比較を過大にする可能性があると主張している。

Information Technology and Innovation Foundationによる独立した政策分析は、間接消費の重要性を認めつつも、全米手法の一部に疑問を呈した。電力関連の水需要は地域の発電構成によって大きく変わると指摘している。

この議論は、間接的な水使用がなくなることを意味しない。単一の全国的な倍率では、すべての施設を正確に表せない理由を示している。

主に風力と太陽光で供給されるサーバーキャンパスは、水冷式の火力発電に依存するキャンパスとは異なる間接フットプリントを持つ。同じ冷却設計でも、市場によって総合的な影響が異なり得る。

テキサス州はこの問題を明確に示している。同州の電力網は風力、太陽光、天然ガス、石炭、原子力の発電に依存している。各電源の水プロファイルは異なり、その構成は場所や時間によって変化する。

ニューメキシコ州で計画されている施設は、さらに別の複雑さをもたらす。開発事業者は日常的な補充を限定した閉ループシステムを約束するかもしれないが、そのキャンパスは別の場所で水を消費する新たな発電を必要とする可能性がある。

Google Newsの見出しは、不完全な算定範囲への警鐘として読む場合に最も説得力を持つ。すべての企業が開示額の正確に10倍を秘密裏に消費してきた証拠として解釈するなら、その説得力は弱まる。

最も妥当な結論はより限定的だ。特に電力需要を除外する場合、直接冷却に関する開示ではAIコンピューティングの完全な水フットプリントを説明できない。

Google Newsが浮き彫りにするテキサス州の報告上の盲点

テキサス州は、施設単位での水需要が十分に記録されていない産業を前提に計画を進めている。

同州のデータ問題はもはや理論上のものではない。テキサス州当局は、データセンターと暗号資産マイニング施設に電力・水要件について調査を実施した。連絡を受けた341施設のうち、情報を提供したのは3分の1未満だった。

Public Utility Commissionは、異なる開発段階にある92施設を対象とする28社から回答を受け取った。この数にはデータセンターと暗号資産事業の双方が含まれるため、AIのみに限定した明確な測定値にはならない。

Texas Water Development Boardによる別の調査への回答率はさらに低かった。立法公聴会の報道によると、同州のデータセンターのうち、2025年の年次水使用調査に回答したのはわずか17%だった。

この調査は州法で義務付けられている。不参加はClass C misdemeanorとして処罰される可能性があるにもかかわらず、当局は依然として大半の事業者から回答を得られていない。

水資源局が連絡した施設数は2023年の22件から2025年には341件へ増加した。より小規模な産業向けに構築された計画システムが、急速に拡大するインフラ部門を追いかける状況となっている。

テキサス州は2020年からデータセンターを調査している。当時、水資源局は1施設に連絡し、1件の回答を得た。その後の回答率低下により、計画担当者は過去の使用量や他の入手可能な記録から未報告分の消費量を推計することになった。

Texas Water Development Boardの説明資料は別の制約も明らかにした。計画担当者が2026年の地域計画を策定した時点で利用できた最新の施設情報は、2020年のわずか1～2施設に由来していた。

これは、データセンターが使用したすべての水が州の会計から消えたことを意味しない。自治体の水道事業者から購入した水は、より広範な商業需要の中に含まれ得る。発電に必要な水も地域予測の別の箇所に現れる可能性がある。

しかし、こうした区分では、どのキャンパスが需要を生み出したのか、どの冷却システムを使用しているのか、猛暑時に要件がどのように変化するのかは分からない。また、予測された成長が実際の開発パイプラインと一致するかも示せない。

タイミングは特に難しい。AIサーバーは各ラックにより大きな計算能力を集中させ、継続的に除去しなければならない熱を発生させる。事業者は同時に、都市に匹敵する電力負荷を持ち得るキャンパスを提案している。

Berkeley Labは、米国のデータセンターが2023年に1,760億キロワット時の電力を消費したとした。成長と効率次第で、2028年までに需要は3,250億～5,800億キロワット時になると予測した。

テキサス州は、こうした上限シナリオが電力料金に現れる数年前から、水と電力のインフラを計画しなければならない。報告の不備は、予測誤差のリスクを開発事業者から公的機関や地域コミュニティへ移転する。

ここでGoogle Newsの枠組みが有用になる。論点は単にBig Techが水を使用しているということではない。開示の算定範囲に一貫性がない場合、公共計画は企業の主張と地域への影響を照合できないということだ。

Amazon、Google、Vantage Data Centersを含む複数の事業者はテキサス州議員の前で証言した。この参加は沈黙よりも説明責任をもたらすが、証言は標準化された施設単位のデータセットではない。

両党の議員がより明確な開示を求めている。共和党の州下院議員Cody Harrisは、資源に関する透明性は任意であるべきではないと述べ、水源を必要な報告項目として挙げた。

情報の欠落は公正な比較も妨げる。低水使用の事業者は、規制当局に統一された測定値がなければ自社の優位性を示せない。高水使用の施設は、自治体や産業全体の合計値の中に埋もれ得る。

より良い報告では、直接取水、直接消費、再生水、飲用可能な水、推定される電力関連の消費を分けるべきだ。また、暑熱・乾燥条件下でのピーク需要も特定すべきである。

これらの数値がなければ、議論は競合するモデルと選択的な事例に依存し続ける。企業平均も最悪ケースの全国的な倍率も、地域の測定値に取って代わることはできない。

閉ループ冷却が解決するのは問題の一部にすぎない

低水使用の冷却は直接需要を減らせるが、しばしば電力使用と敷地外での水消費へとトレードオフを移す。

従来の蒸発冷却は、水を蒸発させて熱を取り除く。この手法は、特に適した気候ではエネルギー効率が高い可能性があるが、蒸発した水は流域に直ちに戻されず、消費されたことになる。

空冷は空気とラジエーターを通じて熱を放出する。直接的な水消費を大幅に削減できる一方、ファンや関連設備は通常、より多くの電力を必要とする。

Direct-to-chip liquid coolingは、高温になるプロセッサーの近くに液体冷媒を送る。冷媒は閉ループ内を長期間循環できるが、別のシステムが最終的には集めた熱を放出しなければならない。

こうした設計により、開発事業者はキャンパスが現地での運用水をほとんど使用しないと正確に説明できる。しかし、システム全体の水フットプリントがごく小さいことを証明するものではない。

Oracleはテキサス州アビリーンのStargateキャンパスで具体例を示した。同社は閉ループ冷却システムのために最初に自治体の水を充填し、その後は各建物に限られた年次追加分を補充すると説明した。

Stargateプロジェクトに関する報道によると、初回の充填量は100万ガロンだった。Oracleは8棟の各建物で年間さらに1万2,000ガロンが必要になると見込んでいた。

これらの数値は、継続的な蒸発冷却と比べて大幅な削減を示唆する。依然として企業の予測であり、AIのフル稼働負荷とテキサス州の暑さの下での性能を検証するには運用データが必要となる。

このプロジェクトも算定範囲の問題を示している。閉ループ冷却システムは継続的な自治体需要を回避できる一方、電力供給者は発電時に水を消費する可能性がある。

最終的な結果は、キャンパスがどれだけの電力を使用するか、どの発電所がその負荷に対応するか、そしてそれらの発電所がどのように冷却水を確保するかに左右される。年間の再生可能エネルギー購入は、毎時間ごとに施設へ供給される発電を必ずしも示さない。

Googleも地域固有の冷却判断を重視している。同社は、水ストレスの高い流域では空冷を優先し、適切な場合には再生排水を求める方針だとしている。

同社のより広範な目標は、2030年までにオフィスとデータセンターで消費する量を上回る淡水を補充することだ。Googleは、管理プロジェクトによって2025年に約77億ガロンを補充し、これは同社の淡水消費量のおよそ78%に相当すると報告した。

同社の水プロジェクト・ポートフォリオには、2025年末時点で165件のプロジェクトが含まれていた。これらの取り組みは、湿地、灌漑システム、帯水層の涵養、自治体インフラの改善に寄与し得る。

ただし、水の補充量は慎重に解釈する必要がある。ある流域で水を回復しても、別の場所にある施設近隣の水不足が解消されるわけではない。各プロジェクトの実施時期と信頼性も重要だ。

したがって、全社的な目標と地域の逼迫は同時に存在し得る。両者は異なる問いに答えているため、どちらも正確であり得る。

直接的な水効率は、施設が計算処理または電力1単位当たりにどれだけの淡水を消費するかを問う。補充量は、企業がプロジェクトを通じてどれだけの水を回復したと主張するかを問う。地域リスクは、特定の流域が需要の発生時にそれを支えられるかを問う。

これらの指標は相互に補完すべきであり、代替してはならない。最も有利な指標だけを公表すれば、地域社会はそのトレードオフを評価できないままになる。

閉ループシステムにも運用上の不確実性がある。異常な高温、保守、機器故障、拡張の際には、設備性能が変化する可能性がある。バックアップ冷却の仕組みでは、異なる量の水を使う場合がある。

開発事業者は、通常時とピーク時の両方の要件を開示すべきだ。自治体システムは、年平均だけでなく厳しい日の需要にも対応できる規模で設計されなければならない。

AIチップの発熱量が増え、ラック密度が高まるにつれ、この責務はより重要になる。従来のクラウドサーバーで良好に機能する設計でも、高密度に配置されたアクセラレーターでは異なる熱要件に直面する可能性がある。

こうした点は、低水使用量のエンジニアリングを無効にするものではない。閉ループ設計やドライ設計は、直接消費を削減するために利用できる最も明確な手段の一部だ。

誤りは、それらを水を使わないAI施設の完全な証明として提示することにある。それらが解決するのは、相互接続された水・エネルギーシステムの一部分にすぎない。

ニューメキシコ州、会計論争を地域の検証へ

ニューメキシコ州では、日常的な冷却に関する小さな主張も、砂漠の水文環境、発電、提案されているキャンパスの規模と照らして評価する必要がある。

ドニャ・アナ郡のProject Jupiterが焦点となっている。この計画中のAIインフラは、Santa Teresa近郊で進むOracleとOpenAIによるより広範なStargate構築計画に関連している。

開発事業者は、冷却システムが淡水を継続的に蒸発させるのではなく液体を循環させるため、水の必要量は限定的だと説明してきた。報道では、初期充填量が数百万ガロン規模とされている。

初期充填量と通常時の年間消費量は、プロジェクトの二つの側面しか示さない。建設、発電、バックアップシステム、造園、防塵、将来的な拡張には、別の需要が加わる可能性がある。

水源は水量と同じくらい重要だ。ニューメキシコ州の地域社会は、地下水、地表水、法的制約を受ける河川システムを組み合わせて利用している。逼迫した流域では、控えめな取水でもより大きな影響を及ぼし得る。

地域当局は、水がいつ消費されるかも考慮しなければならない。水が豊富な季節の需要と、干ばつや猛暑の期間に発生する同じ需要では、影響が異なる。

経済的な根拠も同等に精査されるべきだ。データセンターは、建設業務、税収、インフラ投資、地域サービスへの需要を生み出し得る。一方で、恒久的な人員配置は、土地、電力、資本の必要量に比べて控えめなままとなる可能性がある。

この不均衡が自動的にプロジェクトを望ましくないものにするわけではない。公的インセンティブと資源に関するコミットメントを、検証可能で持続的な地域利益と比較すべきだという意味である。

業界全体では、砂漠地域での開発の答えとしてドライ冷却が語られることが多い。それは解決策の一部にはなり得るが、ドライ冷却は通常、蒸発ベースの排熱方式より多くの電力を必要とする。

追加の発電が水を消費する火力発電所に依存する場合、節約された冷却用水の一部は別の地点へ移る。代わりに、風力、太陽光、蓄電、またはその他の低水使用量の発電を追加するなら、間接的なフットプリントは大幅に低下し得る。

送電制約がこの選択を複雑にする。再生可能エネルギーに関する企業契約があっても、地域の送電網があらゆる稼働時間にカーボンフリーかつ低水使用量の電力を供給できるとは限らない。

開発事業者は、時間単位のエネルギーデータ、発電契約、限界電力需要の透明な推計を通じて、この不確実性に対応できる。限界需要とは、施設が追加で1単位の電力を消費した際に出力を増やす発電設備を指す。

平均的な送電網の数値は公表しやすいが、因果分析にはあまり役立たない。継続的に稼働するキャンパスは、晴れた午後と夜間で異なる電源に依存する可能性がある。

したがってニューメキシコ州は、冷却ループに頻繁な補充が必要かどうかだけに判断を還元すべきではない。重要な問いは、プロジェクト全体が地域の水・エネルギー制約に収まるかどうかだ。

この検討には、第一段階だけでなく、計画されている全体の構築規模を含めるべきだ。大規模キャンパスは、別々の建物や許可を通じて拡張されることが多く、累積需要が見えにくくなる可能性がある。

地域社会には、執行可能な運用制限も必要だ。開発事業者の現在の冷却計画は、許可取得後、所有権移転後、または機器更新後に変更される可能性がある。

許可では、直接取水の上限、承認された水源、干ばつ時の手順、報告間隔を定められる。公益事業者は、需要を広い商業カテゴリーに埋もれさせるのではなく、個別メーターを要求できる。

施設単位での公表により、住民は約束された性能と実際の性能を比較できるようになる。また、測定された消費量が低水準にとどまる場合には、誇張された主張から開発事業者を守ることにもなる。

議論はすでにエンジニアリングの枠を超えている。データセンターに対する政治的反発は、伝統的に保守的なTexas州の一部を含む農村地域へ広がっている。

水、電気料金、土地利用、騒音、財産権が、いまや同じ政治的論争の中にある。基本的な資源に関する疑問へ答えられないプロジェクトは、未解決のあらゆる懸念の象徴になるリスクがある。

したがってニューメキシコ州の試金石は、技術面と同じくらい制度面にもある。当局は、既存の許認可・開示システムが前例のない規模のAIインフラを評価できるかを判断しなければならない。

Big Techのウォーターポジティブな約束には地域ごとの裏付けが必要

企業の水補充目標は有益な方向性を示すが、比較可能な施設単位の運用データに取って代わることはできない。

Googleは、水の使用量がブラックボックスであってはならないとしている。この原則は、Googleと他のすべての大規模インフラ運営者にとって妥当な基準となる。

同社は、多くのデータセンター拠点について淡水消費量を公表している。しかし業界全体の開示には依然としてばらつきがあり、企業間の比較を困難にしている。

一部の報告は所有施設を対象とする一方、賃借しているコロケーションスペースを除外している。別の報告では、オフィス、倉庫、データセンターを一括している。企業ごとに、再生水、補充、取水、消費の定義も異なり得る。

間接的な水使用の扱いには、さらに一貫性がない。企業のサステナビリティ報告書では、発電に水使用量の数値を付けずに電力由来の排出量だけを論じることが多い。

この省略により、実際のフットプリントが大きく異なる二つの施設が似て見える可能性がある。一方は再生水を供給する蒸発冷却塔を使い、もう一方はドライ冷却を使用しながら水集約的な電力に依存しているかもしれない。

直接消費だけでも、間接消費だけでも、全体像は得られない。規制当局には、水源と地域の水不足状況も併せて、両方の情報が必要だ。

企業平均は外れ値を隠すこともある。Googleの2025年データでは、同社のスチュワードシップ・プロジェクトが淡水消費総量のおよそ78%を補充したことが示された。この数値では、最も大きな需要を生む施設の近隣で補充が行われたかどうかは分からない。

同じ問題は、120%の補充目標にも当てはまる。全社的な消費量を上回ることには価値があるが、それはプロジェクトが測定可能な水の便益をもたらす場合に限られる。それによって、各施設に無制限の地域需要が認められるわけではない。

信頼できる施設報告書には、年間およびピーク時の取水量、実際の消費量、飲用可能な供給水、再生水供給、冷却技術を示すべきだ。計画容量と稼働率も示す必要がある。

報告書は、開示した手法を用いて電力関連の消費量を別途推計すべきだ。この推計は論争のある前提に依存するため、運営者は見せかけの精密さではなく、範囲として提示すべきである。

企業は、その計算に含めた電源も公表できる。水力発電を除外するか、貯水池の蒸発を含めるか、年間の再生可能エネルギー契約を用いるかによって、結果は大きく変わり得る。

独立した保証により、これらの開示の信頼性は高まる。監査人は、メーターデータ、計算手法、そして補充プロジェクトが報告年度中に便益を生み出したかどうかを検証すべきだ。

データには一貫した単位も必要である。水使用効率、すなわちWUEは、コンピューティング機器のエネルギー1キロワット時当たりに消費された水を測定する。効率比較には有用だが、総消費量の代わりにはならない。

キャンパスは、より多くのサーバーを追加することで、WUEを改善しながら総水需要を増やすことがある。原単位と絶対量の両方を可視化し続けなければならない。

同じ原則は電力効率にも当てはまる。より効率的なアクセラレーターでも、企業がはるかに大きな規模で導入すれば、総エネルギー使用量を増やし得る。

したがってBig Techの最も強い対応は、全国規模の広告キャンペーンではない。地域社会がエンジニアリング上の約束と測定結果を結び付けられる、地域ごとの裏付けをそろえることだ。

このアプローチは、エンタープライズAIの購入者にも利益をもたらす。クラウド容量を購入する企業は、自社の環境報告義務や顧客からの監視にますます直面している。

プロバイダーが互換性のないデータを提示している状況では、購入者はAIサービスのフットプリントを評価できない。標準化された施設・地域情報は、より良い調達判断を支えるだろう。

Google Newsでこの話題を追うナレッジワーカーも、企業の主張と測定結果を区別すべきだ。計画された冷却設計は意図の証拠であり、フルロード時の性能の証拠ではない。

透明性の欠如は、二つの正反対の誤りを招く。業界の擁護者は電力使用を無視して、ほぼ水を使わないキャンパスを描写するかもしれない。批判者は、送電網にかかわらずすべての施設へ全国平均の12倍という係数を適用するかもしれない。

地域に根ざした標準化データこそ、この両極の間を進む道である。

水ギャップが縮小しているかを示す三つのシグナル

この問題の次の段階は、義務的な開示、測定された冷却性能、新たなAI負荷に電力を供給する電源によって決まる。

第一のシグナルは、Texas州が立法上の不満を執行可能な報告ルールへ転換するかどうかだ。自主調査は、参加が法的に義務付けられていた場合でさえ、信頼できるデータセットを生み出してこなかった。

意味のあるルールは、明確な電力または水のしきい値を超える施設を対象とするだろう。直接取水量、直接消費量、水源、冷却技術、ピーク需要、稼働容量を要求する必要がある。

このルールは、既存キャンパスと計画中の拡張を区別すべきでもある。そうしなければ、開発事業者がはるかに大規模なAI建物を追加する一方で、当局は過去の数値に基づいて計画を続けることになるかもしれない。

Texas州が標準化された公開の施設報告を採用すれば、業界のフットプリントは把握不能だという主張は弱まる。広いカテゴリーと乏しい回答のまま次の計画サイクルが過ぎれば、懐疑論は強まるだろう。

第二のシグナルは、閉ループ型キャンパスから得られる測定済みの性能だ。OracleのAbileneの数値や、同様の開発事業者による予測は、検証可能なコミットメントを生み出している。

年次開示では、施設がフル稼働に達した後も、通常時の補充が予測水準に近いままかを示すべきだ。また、異常な高温、保守、緊急運用の際に使用された水も明らかにすべきである。

実際の消費量が複数の猛暑の夏を通じて低水準にとどまれば、開発事業者は直接的な水需要を抑制できるという強力な証拠を得ることになる。負荷の増加に伴って使用量が大幅に増えれば、技術的な説明は見直しを迫られる。

ニューメキシコ州もProject Jupiterに同じ検証を適用すべきだ。市民に必要なのは、本格稼働前に示された単一の初期充填量の推計だけではなく、各フェーズの運用データである。

3つ目のシグナルは、新たなデータセンター需要を支える電源構成だ。Berkeley Labの研究は、全米規模で見ると、電力に関連する水消費が直接的な冷却需要の10倍を超え得る理由を示している。

この関係が固定されたままであることはない。風力、太陽光、蓄電の拡大は電力の水集約度を下げ得る一方、火力発電の追加は間接需要を維持、あるいは増加させる可能性がある。

将来の電力使用規模は、この問題の重要性を高める。BloombergNEFは、米国のデータセンター設備容量が2030年までに118ギガワット、2035年までに194ギガワットに達すると予測した。

多くの発表済みプロジェクトは送電網、資金調達、機器、許認可の制約に直面するため、これらの予測には依然として不確実性がある。それでも、開発が一部にとどまったとしても、地域の電力計画は大きく変わるだろう。

テクノロジー企業が契約する内容だけでなく、電力会社が実際に何を建設するかを注視すべきだ。新たなガス火力、原子力の拡張、再生可能エネルギー容量、蓄電、送電網は、それぞれ異なる水利用の結果をもたらす。

時間単位での需給マッチングは重要な指標となる。年間のクリーンエネルギー契約は帳簿上では消費を相殺できても、施設が他の時間帯に水を消費する電源へ依存している可能性がある。

この3つのシグナルは、Google Newsの記事の根底にある中心的な判断を裏付けることも、弱めることもある。情報開示の改善は不確実性を狭める。検証済みの閉ループ性能は直接需要を減らし、低水使用の電力は隠れた部分を縮小する。

反対のパターンは対立を深める。報告の欠如、約束を上回る冷却需要、水集約的な発電は、企業の数値が依然としてシステムの一部しか示していないことを明らかにするだろう。

こうしたシグナルが現れるまでは、読者はどちらの安易な結論にも抵抗すべきだ。AIデータセンターが常に地域の水を枯渇させるわけではなく、低水使用の冷却が資源消費をゼロにするわけでもない。

実務上の問いは、各流域、電力会社、地域社会が、現実的な運転条件の下で特定のプロジェクトを支えられるかどうかである。その答えには、スローガンではなく測定値が必要だ。

テキサス州の次の報告ルール、砂漠地帯のキャンパスにおける初の全負荷運転結果、そしてそれらを支えるために建設される発電設備を追うべきだ。そうした記録が、工学によって10倍の差が縮小するのか、それとも会計処理によって残り続けるのかを明らかにする。