AIデータセンターが淡水供給を圧迫

AIの拡大が限られた淡水供給と衝突するなか、Google Newsはデータセンターによる水消費を再び注目の的にした。争点はもはや、サーバーキャンパスが何ガロンの水を消費するかだけではない。事業者がどこから水を調達するのか、猛暑時に何が起きるのか、そして住民が企業の主張を検証できるのかという問題に及んでいる。

Bloombergの分析によると、2022年以降に米国で建設または計画された新規データセンターの約3分の2は、水ストレスの高い地域に位置する。こうした地域では3年間で160超の新たなAI施設が確認され、前の期間から70%増加した。

この結果は、業界が好んで語る効率化のストーリーに疑問を投げかける。Google、Microsoft、Amazonはコンピューティング単位当たりの水消費量を減らせるかもしれないが、保有設備の拡大により総需要はなお増えうる。また、電力を節約する冷却システムと、水を節約する代替手段との間で選択を迫られる。

その結果、世界規模のAI競争の内側に、地域インフラをめぐる対立が潜んでいる。事業者は信頼性の高い冷却を求め、公益事業者は信頼できる需要予測を必要とし、地域社会は干ばつ時にも飲料水が守られることを求める。各者は異なる尺度で問題を捉えるため、一見単純な水に関する主張であっても比較は難しい。

Google Newsの読者が水需要急増について知るべきこと

直近の変化は、サーバーに冷却が必要だという新発見ではなく、新しいコンピューティング能力の規模と立地にある。

データセンターでは、コンピューティング機器に入る電力のほぼすべてが熱に変わる。温度が性能に影響したり部品を損傷したりする前に、その熱をプロセッサ、メモリー、ストレージ、ネットワーク機器から逃がさなければならない。

従来のコンピュータールームは主に機械式空調に依存していた。その後、大規模事業者は、適切な条件下では水によってより少ない電力で熱を除去できるため、蒸発冷却システムを採用した。暖かい空気を湿った材料に通すか、加熱された水を冷却塔に送ることで、蒸発が熱を大気中へ運び去る。

この仕組みは、事業者がしばしばきれいな淡水を好む理由を説明する。溶解した鉱物、塩分、生物由来の物質、工業汚染物質は、スケールの付着、腐食、微生物の増殖を引き起こしかねない。水質は保守要件や冷却設備の耐用年数に影響する。

事業者は低品質の水を処理することもできるが、処理にはエネルギーが必要で、追加設備も要する。再生排水には、信頼できる配管、貯蔵設備、契約、品質管理も必要だ。データセンターは、選んだ用地まで自治体の再生水ネットワークが届いているとは限らない。

そのため、信頼性を中心に設計された施設にとって、淡水は扱いやすい投入資源となる。事業者は公益事業者から水を購入し、冷却設備内を循環させ、蒸発で失われた分を補充する。残った水の一部は、鉱物濃度が高くなりすぎた後に排出される。

取水量と水消費量は異なる影響を表す。取水量は水源から取り出した水を測るのに対し、水消費量はその水源へ速やかに戻らない水を測る。蒸発した冷却水は蒸気として地域の水系から離れるため、消費量に数えられる。

水ストレス分析によると、データセンターは蒸発冷却のために取水する水の約80%を通常は蒸発させる。正確な割合は、気候、システム設計、運転条件、水質によって異なる。

国際エネルギー機関は、平均的な100メガワットのデータセンターが1日に約200万リットルの水を消費すると推計している。同機関はこの需要を約6,500世帯に相当すると比較している。平均値だけでは個別施設の影響を予測できないが、公益事業者が計画すべき規模を示している。

キャンパスは間接的にも水を使用する。サーバーや冷却設備を動かす電力を発電する際に、発電所が水を消費する可能性がある。チップ生産、建設資材、バックアップシステム、機器製造も、施設敷地の外で追加の需要を生む。

IEAは、間接活動がデータセンターの水消費量の60%を占めると推計している。施設は現場での消費量が少ないと報告していても、別の場所で大きな水フットプリントを持つ電力構成に依存している可能性がある。

この区別は重要だ。ゼロウォーター冷却という主張は通常、1カ所での運用を対象とする。発電、半導体製造、建設、冷却設備の製造や廃棄までを自動的に含むわけではない。

Google Newsの報道では、こうした境界が一つの衝撃的な数値に圧縮されることが多い。読者はむしろ、その数値がどの境界を用いるのか、取水量と消費量のどちらを測るのか、どの年を対象とするのかを確認すべきだ。

根底にある懸念は依然として妥当である。コンピューティングの拡大にはより多くの電力が必要で、より多くの熱が生まれ、水・エネルギー系のどこかで圧力が高まる。限定的な指標は、その圧力をなくすのではなく、枠外へ移すことがある。

AIチップが冷却をより大きなインフラ判断に変える

AIアクセラレーターはラック当たりの熱をより集中させ、冷却設計をデータセンター計画の最初期段階へと押し上げている。

汎用サーバーは、CPU、メモリー、ストレージにワークロードを分散する。AIシステムには、高速ネットワークで接続された高密度のGPUクラスターやカスタムアクセラレーターが加わる。これらの機器は、モデルの学習やユーザー要求への応答時に大きな電力を消費する。

ラック密度は、キャンパス全体の需要と同じくらい重要だ。より狭い物理空間をより多くの電力が通過すると、ファンは限られた空間を通してより大量の空気を動かさなければならない。高密度になると、空気だけではすべての部品から効率的に熱を集めにくくなる。

Direct-to-chip液冷は、この制約に対応する。冷却液がプロセッサに取り付けたコールドプレート内を循環し、熱源の近くで熱を回収する。次に熱交換器が、そのエネルギーを別のループまたは外部冷却システムへ移す。

閉ループ内部の冷却液は、必ずしも継続的に消費されるわけではない。事業者は建設時に回路を満たし、同じ流体を循環させられる。ただし、システムは建物の外へ熱を放出する必要があり、そのためにチラー、ドライクーラー、冷却塔、またはその組み合わせが必要になる場合がある。

液浸冷却では、コンピューティング機器を非導電性の液体に浸す。単相システムは液体を沸騰させずに循環させる。二相システムでは、特殊な流体を低温で沸騰させ、その蒸気を回収・凝縮する。

これらの方式はファンの消費電力を減らし、熱伝達を改善できる。しかし、材料適合性、保守、サプライチェーン、環境面での新たな問題ももたらす。一部の二相流体には、規制上の監視が強まっている残留性化学物質群PFASが含まれる。

Microsoft主導の冷却評価では、空冷、コールドプレート、2種類の液浸方式をライフサイクル全体で比較した。その結果、液冷方式はエネルギー需要を15%から20%、水消費量を31%から52%削減した。

この研究は、特殊なAIアクセラレーターではなくCPUベースのコンピューティングを対象としていた。Microsoftの研究者は先進チップでも同様の改善を見込んでいるとしたが、追跡研究は未完了だった。公表された結果を、AI全般に共通するベンチマークとして扱うべきではない。

気候も計算を変える。蒸発冷却は、水が容易に蒸発する高温乾燥の空気でよく機能する。残念ながら、そうした条件は、淡水の利用可能性が住民、農家、公益事業者の懸念となっている地域で生じることが多い。

ドライクーリングは、熱を外気へ直接移すことで日常的な蒸発を避ける。一般に、暑い時期にはより大型の熱交換器と、より多くのファンまたはコンプレッサー電力を必要とする。その追加電力は、電力網次第で間接的な水使用や排出量を増やす可能性がある。

ハイブリッド設計はモードを切り替える。施設は涼しい時期には外気を使い、暑い時間帯には蒸発冷却を補助的に加え、極端な条件では機械式冷却に頼ることができる。この柔軟性は年間需要を減らすが、ピーク日の圧力をなくすわけではない。

地域計画ではピーク需要が極めて重要だ。複数のキャンパスが同じ暑く乾燥した週に大量の水を引けば、年間合計は管理可能に見えても問題になりうる。まさにその時期には、家庭、農場、発電所、生態系も水を必要としている。

結果として、事業者は物理的なトレードオフに直面する。水は冷却に必要な電力を減らせる一方、電力は直接的な水消費を減らせる。いずれの資源も単独で評価すべきではない。

AIの成長は、能力を迅速に整備しなければならないため、この選択をさらに強める。開発事業者は、電力接続、送電網へのアクセス、税制、建設条件、ネットワークへの近接性などを理由に土地を選ぶ。水は、許認可や地域の反対によって制約が顕在化するまで、二次的な検討事項になりうる。

淡水はエネルギーを節約するが、リスクを地域社会へ移す

中心的な対立は、抽象的に言えばテクノロジー企業と環境保護の対立ではなく、効率的なコンピューティングと地域の水安全保障の対立である。

湿潤地域で消費される1ガロンと、干ばつ時に消費される1ガロンは、地域にもたらす影響が同じではない。世界全体の合計は産業規模を示すが、特定のプロジェクトが他の利用者を脅かすかどうかは流域の状況によって決まる。

Bloombergは、水をめぐる競争が激しい米国地域で、最近建設されたAIデータセンターが160超あるとした。水ストレスの高い地域に位置する新規施設の72%は5州に集中していた。さらに少なくとも59施設が、2028年までに乾燥地域で計画されていた。

これらの数値は、各プロジェクトが不足を引き起こすことを証明するものではない。水ストレスは、利用可能な供給量に対する利用者間の競争を示す。実際の影響は、水源、季節条件、公益事業者の能力、契約上の優先順位、施設の運転プロファイルに左右される。

それでも、立地は立証責任を生む。乾燥した流域で蒸発冷却を提案する開発事業者は、ピーク需要、予想年間消費量、干ばつ時の手順、代替水源、将来の拡張を支える前提を示すべきだ。

許可書に最大取水能力しか記載されていない場合、住民はこうした問題を評価できない。最大値は通常の利用量を過大に見せる可能性がある一方、年間推計値は極端な日の必要量を隠しかねない。両方の指標が必要である。

公益事業者には、時間別・季節別のプロファイルも必要だ。水道システムは年間平均ではなく、ピーク条件に合わせて配管、ポンプ、処理能力、貯水を整備する。熱波時にキャンパスが冷却を増強すれば、年間消費量が控えめでもコストを生む可能性がある。

産業顧客が税制優遇や特別な開発協定を受けると、争いはより先鋭化する。地域社会がインフラリスクを負う一方で、事業者は拠点レベルの需要を商業上機微な情報として保護する場合がある。

オレゴン州ザ・ダルズでは、地元当局が当初、Googleの水使用記録の開示に対して営業秘密を理由に争った。市は13カ月にわたる法廷闘争の後、記録を公開した。この出来事は、機密性が公共資源の計画と衝突しうることを示した。

Googleは現在、多くの同業他社よりも立地別の水情報を公開している。その透明性によって各拠点の消費量が適切かどうかが決まるわけではないが、地域社会がより良い問いを投げかけるための基盤にはなる。

補充プロジェクトは、別の会計上の課題ももたらす。企業は、湿地の復元、灌漑の改善、漏水削減、地下水涵養など、流域に水の便益を戻すことを目的としたプログラムに資金を提供している。

Googleは、2024年中に45億ガロンの水を補充したと報告した。同社の環境成果によると、この量は淡水消費量の64%に相当し、2023年の18%から増加した。

補充は実質的な便益を生み得るが、施設の取水量を削減することと同義ではない。復元プロジェクトは流域の別の場所で実施される可能性があり、異なる季節に便益をもたらすことも、推定された節水量に依存することもある。

特に干ばつ時には、タイミングが重要になる。年間を通じて水を節約するプロジェクトが、最も暑い午後にデータセンターの隣で消費される水を必ずしも補えるわけではない。量的な収支は、場所、時期、生態学的価値の違いを覆い隠しかねない。

企業は一般に、水ポジティブの目標を掲げる。これは、事業で消費する水より多くを補充することを目指すものだ。この表現は物理的な余剰を想起させるが、実際には通常、複数の施設とプロジェクトをまたぐ会計上の結果である。

だからといって、この取り組みに意味がないわけではない。読者は、企業ポートフォリオ全体の進捗と、地域の事業活動への影響を区別すべきだということである。企業がグローバルな目標に近づく一方で、特定の町ではピーク需要が増す可能性がある。

同じ注意は効率性にも当てはまる。水使用効率は、コンピューティングで消費する電力1キロワット時当たりの水使用量をリットルで示す。これは事業者による設計比較に役立つが、原単位の低下が総消費量の低下を保証するわけではない。

コンピューティング需要の伸びが効率改善を上回れば、総水使用量は増加する。このリバウンド効果は、AIインフラをめぐる議論の中心にある。より優れた機器は計算1回当たりの影響を抑えられる一方で、実行される計算の総数を増やし得る。

Google、Microsoft、Amazonは異なる道を選んでいる

大手テクノロジー企業の間では、水使用量を削減すべきだという認識が広がっている。しかし、その手法と開示範囲は依然として比較が難しい。

Googleは、自社のアプローチを気候条件を意識した冷却と説明している。同社によると、地域の水文条件を評価し、立地条件に応じて空冷、蒸発冷却システム、代替水源を利用できるという。

Googleはまた、2030年までにオフィスとデータセンターで消費する淡水量の120%を補充することを約束している。同社の水プロジェクトポートフォリオには、2024年末時点で112件の補充プロジェクトが記載されている。

この目標は流域を対象とするが、すべての施設が自らの消費量を地域内で補充することを約束するものではない。ポートフォリオ単位の会計により、同社は介入策が利用可能で測定可能な場所のプロジェクトを支援できる。

Microsoftは、新しいAIインフラ向けに閉ループ式液冷を強調している。同社によると、これらのシステムはサーバーとチラーの間で水を循環させ、蒸発のために淡水を継続的に供給する必要がない。

同社の設備群には、複数世代の冷却技術がなお含まれている。Microsoftは2026年6月、平均水使用効率が初期施設の1キロワット時当たり2.3リットルから、2025年には0.27リットルへ低下したと報告した。

Microsoftはまた、自社所有のデータセンター設備群で、水使用原単位を2022年の基準値から25%削減したと述べた。これらは、事業者間で独立して標準化された比較ではなく、同社が報告した測定値である。

同社の水使用原単位に関する更新は、冷却に関する主張で範囲の確認が必要な理由を示している。蒸発補助は華氏85度を超える場合にのみ作動させることで、従来の水ベースのシステムより最大90%少ない水使用量にできるとしている。

この設計では、北欧では年間の大半で冷却用水を必要としない場合がある。同じアプローチでも、高温条件がより長く続き、水ストレスも高いアリゾナ州では異なる挙動を示す。

Amazon Web Servicesは多くの施設で直接蒸発冷却を採用しているが、気象条件に応じて冷却モードを切り替えている。また、一部拠点を処理済み排水に接続し、飲料水供給への需要を減らしている。

再生水は、サーバーが飲料水品質の水を必要としないため魅力的に見える。しかし、その安定利用には公益事業者との調整と専用インフラが必要となる。小規模な自治体では、ハイパースケールのキャンパスに必要なネットワークと処理能力の両方を欠く場合がある。

AWS、Google、Microsoftは冷却の最適化にもソフトウェアを使用している。センサーは温度、湿度、圧力、流量、機器性能を監視する。制御システムは、ワークロードや屋外条件の変化に応じてファン、ポンプ、バルブを調整できる。

冷却インフラが一定の負荷だけで稼働することはほとんどないため、こうした運用上の改善は重要だ。制御の改善は、需要が部分的なときの不要な消費を減らす。ただし、AIアクセラレーターがほぼフル稼働した際に発生する熱をなくすことはできない。

事業者が異なる指標を公表すると、比較の信頼性は失われる。ある企業は取水量を報告し、別の企業は消費量を、さらに別の企業は水使用効率を報告する場合がある。賃借施設を含める企業もあれば、自社所有拠点に焦点を当てる企業もある。

報告期間も、暦年ベースの場合と企業会計年度ベースの場合がある。補充量には、データセンターがある流域外のプロジェクトが含まれることもある。電力に関連する間接的な水使用は、別途扱われるか、まったく報告されない場合もある。

したがって、信頼できる比較には複数の指標が必要となる。総取水量、総消費量、水源の種類、季節的ピーク、地域の水ストレス、冷却技術、そして電力由来の間接水使用である。さらに、1つのキャンパスが自治体需要の意味ある割合を占める場合には、拠点別の数値も必要だ。

Google Newsの読者は、単一のグローバル総量だけで企業を順位付けすることを避けるべきだ。より大きな開示値は、より大規模な設備群、より広い報告範囲、あるいは高い透明性を反映している可能性がある。より小さな値は、より優れた技術、報告範囲の不完全さ、またはその両方を示している可能性がある。

数字はなお最も難しい問いを隠している

業界最大の不確実性は、データセンターが水を消費するかどうかではない。公開報告が、適切な場所での適切な消費量を明らかにしているかどうかである。

連邦レベルの全体像は、不完全なデータから始まる。2024 United States Data Center Energy Usage Reportは、機器出荷、施設タイプ、運用上の仮定を用いて、過去および将来の電力需要を推計した。

同報告の全国エネルギー調査は、米国のデータセンターが2023年に176テラワット時の電力を消費したと推計した。これは国内電力使用量のおよそ4.4%に相当する。

同報告は、2028年の消費量を325〜580テラワット時、米国の電力使用量の6.7〜12%と予測した。この幅は、AIハードウェアの導入、利用率、効率性に関する不確実性を反映している。

水需要の予測も、これらの不確実性を引き継ぐ。将来の需要は、施設の建設場所、冷却システム、地域の気象、電力網の構成、運用強度に左右される。全国規模のレンジでは、ある町の帯水層が提案された1つのキャンパスを支えられるかは分からない。

企業のサステナビリティ報告は、建設に関する決定よりも遅れる。今日発表された施設は、稼働まで数年を要する可能性がある一方、企業報告書は前の報告期間を説明する。地域社会は、運用実績が存在する前に将来の需要を評価しなければならない。

開発事業者は、用途地域の承認から建設までの間に設計を変更する可能性がある。キャンパス計画も段階的に拡張され得る。1棟の許可が複数棟の基盤となり、電力と冷却の必要量を増幅させることがある。

契約済み容量も不確実な指標の一つだ。データセンターは、最終的な全面開発に必要な電力と水を確保していても、当初はその上限を下回って稼働する場合がある。現在の使用量だけを報告すれば潜在需要を過小評価し、最大容量を報告すれば短期的な影響を過大評価する可能性がある。

補充に関する会計の質も、同様に精査に値する。灌漑や漏水修理のプロジェクトによる推定節水量は、反実仮想、すなわち介入がなければ何が起きていたかの推定に依存する。

プロジェクトには、追加性、信頼できる測定、持続的な成果が必要だ。企業は、すでに義務付けられていた、全額資金が確保されていた、あるいは自社の関与がなくても実施される可能性が高かった節水プロジェクトの価値全体を主張すべきではない。

流域の境界も重要である。数百マイル離れた場所で水を補充すれば、コンピューティング施設を受け入れる地域への圧力を減らさずに、企業比率だけを改善できる。報告書は、便益がどこで生じるのか、また季節的需要とどのように整合するのかを明らかにすべきだ。

批判者は時に、AIクエリをボトル入りの水と比較する。このような数値は目に見えない影響を理解しやすくするが、ワークロード、モデル、ハードウェア、施設、気候、利用率、電力に関する仮定に依存している。

1つのプロンプトに普遍的な水フットプリントはない。涼しい地域で効率的なハードウェアにより処理される短い依頼は、高温で水ストレスのある地域で処理される長時間の推論タスクとは異なる。

クエリ当たりの推計には、責任を完全にユーザーへ移してしまうリスクもある。事業者は、施設の立地、電力契約、ハードウェア構成、冷却設計、開示慣行を選択する。これらの選択が、ユーザーがプロンプトを入力する前に環境影響の大部分を決定する。

同時に、劇的な比較は規模を曖昧にすることがある。多くの地域で農業は依然としてはるかに大きな淡水利用者である。この事実は、とりわけ制約のある自治体システムに新たな産業需要が急速に加わる場合、その需要が無害であることを意味しない。

重要なのは限界的な影響である。計画担当者は、次のキャンパスが他の利用者にとっての希少性、インフラコスト、干ばつへの脆弱性を高めるかを問わなければならない。全国規模での比率が小さくても、地域では大きな問題を引き起こし得る。

水に関する約束が守られるかを示す3つのシグナル

次の段階を左右するのは、拠点レベルの開示、閉ループシステムの実運用データ、そして執行可能な干ばつ対策である。

第1のシグナルは、標準化された地域別報告だ。事業者は取水量と消費量を分けて開示し、水源を特定し、月間ピークを報告し、除外される施設を説明すべきである。

拠点レベルの報告があれば、公益事業者は予測需要と実際の使用量を比較できる。また、低い企業平均値が、高ストレスの流域で稼働するキャンパスを覆い隠していないかも明らかになる。

最も強力な政策は、開示を許認可と公益事業の計画に結び付けるものになる。任意報告は透明性を改善できるが、その定義は変わり得る。許可条件は、建設開始前に安定した期待値を作り出す。

有用な開示制度は、正当な安全保障上の詳細を保護しつつ、自治体の水需要を営業秘密として扱うべきではない。地域社会は、干ばつ時にプロジェクトがどれだけの水を消費すると見込むかを理解するために、サーバー配置を必要としない。

今後数カ月で一貫した報告が広がれば、業界の水ポジティブという物語は検証しやすくなる。抵抗が続けば、既存の企業開示で十分だという主張は弱まる。

第2のシグナルは、新しい閉ループ式AIキャンパスの運用実績である。Microsoftなどの開発事業者は、再循環型の設計により継続的な淡水消費を大幅に削減できるとしている。

重要な証拠には、測定された電力使用量、水消費量、排熱性能、高温期を通じた信頼性が含まれる。実験室での比較や設計上の予測は、実規模の運用データに代わるものではない。

閉ループシステムは、追加的な電力使用を通じて間接的に消費される水についても報告すべきである。冷却塔の蒸発をなくしても電力網への需要が増える設計は、フットプリントの一部を発電側へ移す可能性がある。

これらのシステムが、大きなエネルギー負荷を伴わずに猛暑下で性能を維持できるなら、水ストレス地域で蒸発冷却を制限する根拠はより強まる。エネルギー需要が急増する場合は、ハイブリッド設計が引き続き必要となる可能性がある。

3つ目のシグナルは、干ばつ時に政府や公益事業者がリスクをどのように配分するかだ。許可制度では使用量上限を設定し、再生水の利用を義務付け、取水削減ルールを定めたり、拡張の条件を新たな供給源の確保に結び付けたりできる。

信頼できる干ばつ対策には、どの利用者が最初に需要を削減するのか、そしてバックアップインフラの費用を誰が負担するのかを明記すべきだ。貯水池の水位が下がり、井戸の水量が減少した際には、協力するという曖昧な約束では十分な保護にならない。

公益事業者との契約は、住民が産業成長を補助しているかどうかも明らかにする。新しいキャンパスは地域の税基盤を強化し得る一方、数十年にわたって使用される浄水施設、ポンプ、パイプライン、電力インフラを必要とする場合がある。

開発事業者は、自らのプロジェクトに直接起因する費用を負担すべきだ。地域社会もまた、新たな供給が農業、生态系、あるいは近隣の町から水を単に移転するものではないという明確な証拠を受け取るべきである。

この3つのシグナルは、さらなる世界的な誓約よりも重要だ。公開データは基準値を確立でき、運用結果はエンジニアリング上の主張を検証でき、執行可能なルールは状況が悪化した際に地域社会を守ることができる。

この議論がGoogle Newsを通じて表面化したのは、水がAIインフラを具体的なものとして捉えさせるからだ。モデルは画面上では無重力のように感じられるかもしれないが、それを支える機械は特定の流域に設置され、物理的な制約の下で稼働している。

次のキャンパスが発表された際、読者は3つの問いを投げかけるべきだ。何の水源で冷却するのか、最も暑い週には何が起きるのか、そして誰がその回答を検証できるのか。こうした問いは、広範な環境論を、説明責任を伴う地域の意思決定へと変える。