AIデータセンターの水需要が地域の供給に圧力
Google Newsでは、AIデータセンターの冷却需要が干ばつ、老朽化した水道インフラ、そして市民の不信感と衝突する問題が、ますます大きく取り上げられている。
もはや当面の論点は、単にサーバーが水を消費するということではない。地域社会は現在、個々のキャンパスがどれほどの水を必要とするのか、需要がいつピークに達するのか、不足時には誰が優先されるのかを知りたがっている。こうした問いは環境をめぐる議論の域を越え、許認可、公益事業の計画、州の政策へと移りつつある。
AI企業は、データセンターをモデル訓練、クラウドサービス、日常的な推論処理に不可欠なインフラだと説明する。一方、住民にとっては、電力、土地、ときには飲料水を奪い合う工業施設に映る。このデジタルサービスと物理的な負荷との隔たりこそが、対立を規定している。
中心にあるトレードオフは避けがたい。蒸発冷却は水を消費する一方で、電力需要を抑えられる。空冷は水を節約できるが、とりわけ暑い時期にはより多くのエネルギーを使う。閉ループ式の液冷システムは施設内での熱伝達を改善するものの、他の段階での水使用を自動的になくすわけではない。
だからこそ、全国レベルの単一の水使用量だけで議論を決着させることはできない。データセンターが米国全体の水消費に占める割合は限られているが、ひとつのキャンパスでも、余裕のない地域の水道システムに深刻な圧力をかけうる。立地、冷却設計、ピーク需要、情報開示のほうが、単独の全国比率よりも重要である。
水をめぐる対立は地域の許認可に移行している
AIデータセンターの水需要は、建設後に地域社会が対処する懸念ではなく、承認の条件になりつつある。
Google Newsを通じて集められた最近の報道は、既存利用者へのサービスを弱めることなく、地域の公益事業が大規模なコンピューティングキャンパスを支えられるのかという現実的な問いに、当局者が直面していることを示している。その答えはますます、事業者が一貫して開示してこなかった情報に左右されるようになっている。
バージニア州はその代表例だ。同州の地下水に関する調査は、人口増加と産業需要に直面する東部沿岸平野における供給可能量の低下を検証した。著者らは帯水層の問題をデータセンターだけに帰してはいないが、施設ごとの消費量に関する利用可能な情報は依然として限られていると判断した。
この調査は、大規模な地下水取水を承認する前に、より強力な許認可権限、より緊密な計画策定、再生水または表流水の利用をより重視することを提言した。東部バージニア州についての結論は、とりわけ明確だった。現状では、蒸発冷却式の施設が十分に信頼できる地下水供給を確保するのは難しい。
これは、バージニア州に世界最大のデータセンター集積地があるため重要だ。同州で下される決定は、他地域の公益事業基準、開示規則、冷却要件にも影響を及ぼしうる。
ニューヨーク州はさらに踏み込んでいる。2026年7月、同州は規制当局がエネルギー、水、環境への影響を対象とするルールを策定する間、新たなハイパースケールデータセンターの許認可を停止した。ハイパースケール施設とは、膨大なクラウドおよびAIワークロードを支えるために設計された、非常に大規模なキャンパスである。
この州全体での停止措置は、政策立案者がもはや各プロジェクトを孤立した土地利用の判断として見ていないことを示している。彼らは送電網、水道システム、周辺地域社会にまたがる累積的な需要を検討している。
こうした動きは、AIインフラを全国的に拒絶するものではない。しかし、自動的な承認が政治的に難しくなったことを示している。開発事業者は、許可、税制優遇、公益事業者からの供給確約を得る前に、資源需要を説明することがますます求められている。
公的な議論は、国内で最も乾燥した地域だけにとどまらない。水ストレスは、処理能力の不足、季節的な干ばつ、地下水位の低下、あるいはピーク時間帯に十分な水を届けられない配管によっても生じうる。
公益事業者は年間では十分な供給量を持ちながら、施設の最も暑い日の需要を満たす能力を欠く場合がある。開発事業者が年間平均の消費量を示すとき、この区別はしばしば見落とされる。
対立は、大規模キャンパスが不確実な要件を抱えたまま計画手続きに入ることで始まる。その後、住民は、飲料水、再生水、間接的な消費を区別していない可能性のある予測を信頼するよう求められる。
こうした不確実性は、プロジェクトの年間需要が管理可能に見える場合であっても反発を生む。地域社会が求めているのは、将来の効率改善が問題を解決するという約束ではなく、執行可能な上限である。
AIデータセンターが水を必要とする理由
基本的な仕組みは単純だ。高密度コンピューティングは電力を熱に変え、事業者はその熱を継続的に移動させなければならない。
AI施設では、従来のオフィス機器をはるかに上回る電力を消費する専用プロセッサーがラックに高密度で搭載されている。GPUなどのアクセラレーターは多くの計算を同時に実行するため、AIモデルの訓練と提供に適している。
これらのチップに入る電力のほぼすべては、最終的に熱となる。事業者が熱を除去できなければ、プロセッサーは速度低下、誤作動、停止に至る。したがって冷却は、任意の建物サービスではなく、コンピューティングシステムの一部である。
蒸発冷却は、水供給の一部を蒸発させることで熱を除去する。この方式は、特に気温と湿度が好条件に保たれる場合、冷凍機ベースの冷却より少ない電力で済むことがある。
欠点は消費にある。蒸発した水はその地域の水系から離れ、新たな供給で補う必要がある。施設はまた、冷却機器内のミネラル濃度を制御するため、一定量の水を排出する。
空冷は、空気、ファン、機械システムへの依存度がより高い。直接的な水消費を大幅に削減できるが、極端な暑さでは電力需要が増す。その時間帯は、地域の送電網が最大の負荷に直面する時間と重なることが多い。
ダイレクト・トゥ・チップ冷却では、プロセッサーの近くに配置された密閉機器に液体を循環させる。サーバールームに冷気を送り込む方式より効率的に熱を移動できるため、高密度のAIハードウェアにとって価値が高い。
ただし、内部ループが閉じているからといって、水をめぐる問題全体に答えられるわけではない。施設はなお、回収した熱を外部に放出しなければならない。最終的な排熱設備では、冷却塔、チラー、外気、またはそれらを組み合わせたシステムが使われる可能性がある。
水使用効率、すなわちWUEは、コンピューティング機器が使用するエネルギーに対する水消費量を測る指標である。施設の比較には役立つが、年間平均は季節や地域による違いを覆い隠す。
キャンパスは、夏の水不足時に最も多くの水を使いながら、年間WUEでは良好な数値を報告できる。また、水を消費する発電所で生産された電力を使うことで、水需要を敷地外へ移すこともできる。
この間接的なフットプリントは大きい。ローレンス・バークレー国立研究所による米国の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660億リットルだったと推定している。
同じ報告書は、発電に伴う間接的な水消費を約8,000億リットルと推定した。冷却技術、電力源、運転条件が異なるため、いずれの推定値にも不確実性がある。
バークレー研究所は、直接消費量が2028年までに年間1,450億～2,750億リットルに達する可能性があると予測した。この幅は、成長、冷却方式の選択、コンピューティング効率に関する不確実性を反映している。
これらの数値は、AIだけでなくすべてのデータセンターを対象としている。施設では通常、一般的なクラウドストレージ、ストリーミング、業務ソフトウェア、インターネットサービスをAIワークロードと併せて運用するため、AI分を切り分けることは依然として難しい。
プロンプト当たりの推定値にも同じ問題がある。1件のAIリクエストに関連する水使用量は、モデル規模、ハードウェア利用率、地域の天候、冷却設計、電力源によって変わる。
したがって、すべてのプロンプトが一定量のボトル入り水を消費するという単純な主張は、読者を誤解させる可能性がある。それは、利用可能な証拠では裏付けられない可変的なインフラのフットプリントを、普遍的な単位に変換してしまう。
より有益な問いは、AIのために新たに構築されている限界的なシステムに関するものだ。新しいキャンパス、発電所、冷却システム、パイプラインは、個々のモデルが変わっても残る長期的な需要を生み出す。
Google Newsが明らかにする、約束と現実の隔たり
テクノロジー企業は効率的なAIインフラを約束している一方で、地域社会にはその主張を検証するために必要な施設単位の情報が依然として不足している。
Google、Microsoft、Amazon、Metaは、企業全体の水使用量と一部の効率指標を含むサステナビリティ報告書を公表している。これらの開示は方向性を追う助けにはなるが、各キャンパスについて完全な地域別運用プロファイルを示すことはほとんどない。
Googleは、2024年に45億ガロンの水を補充したと報告した。同社によれば、これは淡水消費量の64％に相当し、2023年の18％から上昇した。
水の補充では、水の利用可能性を回復または改善することを目的としたプロジェクトに資金を提供する。流域での取り組み、漏水削減、生息地の復元、灌漑の改善などが例として挙げられる。
水の補充は、施設の即時的な取水量を減らすことと同じではない。プロジェクトが長期的な地域利益をもたらす一方で、データセンターが干ばつ時に特定の公益事業者への需要を増やし続けることはありうる。
Googleはまた、AIインフラの効率が向上しているとしている。同社の環境関連の開示は、エネルギーのオーバーヘッド低下とアクセラレーター効率の改善を報告している。
タスク当たりのキロワット時が減れば、電力需要と間接的な水需要の両方を抑えられるため、こうした改善は重要である。しかし、AIコンピューティングの量がより速く増加する場合、効率化は総消費量の低下を保証しない。
これは、業界のサステナビリティの説明の中心にあるリバウンド問題だ。計算処理の各単位は資源集約度が低くなっても、総需要は増え続ける可能性がある。
Microsoftは、より新しいデータセンター設計では、運用中の冷却に水を使わないとしている。同社は、この設計により施設当たり年間約12万5,000立方メートルの水使用を回避できると見積もっている。
同社のゼロウォーター設計は、通常運用時の蒸発に頼らず冷却液を循環させる。Microsoftはまた、ダイレクト・トゥ・チップ冷却が高密度化するAIシステムを支えるとしている。
この設計は意味のある技術的対応だ。ただし、既存のMicrosoftキャンパスすべてがすでに採用しているわけではなく、発電や機器製造で使用される水をなくすものでもない。
既存キャンパスの改修は、新設より難しい場合もある。既存施設には、以前のサーバー密度に合わせて設計された固定的なレイアウト、公益事業接続、冷却設備がある。
ここに主要な対立がある。企業は、コンピューティング単位当たりの水消費が少ない将来の設備群を説明する。地域社会は、現行の設計と不完全な予測に基づく現在のプロジェクトを承認するかどうかを決めなければならない。
Google Newsの報道は、地域の対立が企業のサステナビリティ総量にきれいに収まることが少ないため、その隔たりを可視化する。あるプロジェクトは再生排水を使うかもしれないが、別のプロジェクトは夏季の供給能力が限られた飲料水システムに接続するかもしれない。
企業全体の平均値は、こうした事例をひとつの指標にまとめてしまう。住民と公益事業管理者には、詳細を分けて示す必要がある。
提案に含めるべき有用な開示情報としては、水源案、1日当たりの最大需要量、想定される季節的パターン、冷却技術、バックアップ運転モード、排水計画などがある。また、取水と消費を区別すべきだ。
取水は、水源から取り出した水の量を測るもので、後に返還される水も含む。消費は、一般に蒸発などによって、直近の水系で利用できなくなる水を指す。
この違いは、企業が水が閉ループで循環すると主張する場合に重要となる。内部ループでは冷却材を再利用できても、外部の排熱システムでは引き続き水を消費している可能性がある。
したがって、世間の監視は単に大きな数字への反応ではない。相容れない測定方法と、施設単位のデータへのアクセスが限られていることへの反応でもある。
地元の供給は全国比率より重要
データセンターは全国的には小規模な水利用者であっても、地域では重大なインフラ問題になり得る。
農業、発電、家庭は、全国規模ではデータセンターよりはるかに多くの水を消費する。業界支持者はこうした比較を用いて、公共の議論がこの分野の負荷を誇張していると主張する。
この比較は文脈を与えるが、個別プロジェクトが持続可能かどうかを判断することはできない。水は地域、季節、あるいは事業者のシステム間を、常に容易に移動できるわけではない。
理論上、別の場所で利用可能な1ガロンの水は、地下水位が下がっている町の助けにはならない。年平均が低くても、熱波時のピーク需要の問題は解決しない。
研究者はこれを「小さなボトル、大きなパイプ」の問題と表現する。年間の総消費量は控えめに見えても、事業者はなお、その施設の最大需要に備えてパイプ、ポンプ、貯水、処理能力を整備しなければならない。
そのインフラには財政的な影響が伴う。開発事業者が拡張コストを全額負担しなければ、既存の利用者は料金上昇や公共事業の遅延に直面する可能性がある。
地域社会は予測リスクも負う。提案されたキャンパスは複数の段階で拡張される可能性がある一方、最初の許可申請では初期需要だけが議論されることがある。将来の建物によって、管理可能だった接続がはるかに大きな負担へと変わり得る。
データセンター事業者は、自社の経済活動が投資を正当化すると主張することがある。建設は一時的な雇用を生み、大規模施設は地域の課税基盤を拡大し得る。
長期的な雇用の見通しは、それほど単純ではない。データセンターが必要とする恒久的な従業員数は、同程度の土地と公益インフラ容量を占有する工場より少ない。
だからといって、データセンターに経済的価値がないわけではない。行政当局は、プロジェクト固有の根拠に基づき、便益と資源上の負担を比較しなければならないという意味だ。
水リスクは同じ州内でも異なる。大規模な再生水ネットワークに接続するプロジェクトと、家庭用井戸の近くで地下水をくみ上げるプロジェクトでは、影響が異なる。
Virginiaの地下水に関する調査結果は、地域分析の必要性を示している。この研究は地下水の利用可能性が低下すると予測したが、その原因をデータセンターだけに帰すことは避けた。
このニュアンスは重要だ。人口増加、農業、製造業、その他の産業利用者も、水不足に寄与し得る。信頼できる検証では、一つの業界を万能の説明にするのではなく、累積需要を評価すべきだ。
逆もまた然りだ。州全体では別の業界の方が水を多く消費しているという理由だけで、行政当局は地域の懸念を退けるべきではない。
Californiaの研究者も同様の結論に達している。その分析では、集団的な消費量よりも、利用可能な供給に対する新たな地域需要の規模の方が重要だとされた。
公的な監督には依然としてばらつきがある。Californiaでの調査では、多くの施設について、環境審査や詳細な消費情報への一般のアクセスが限られていることが判明した。
こうした情報の不足は、議論を両方向にゆがめる可能性がある。批判者は最悪ケースの推計に頼るかもしれず、開発事業者はピーク条件を捉えていない最適化済みの予測を提示するかもしれない。
施設単位の報告は、この隔たりを縮めるだろう。地域社会は、水使用量の少ない施設と、処理済み飲料水を取水する蒸発冷却型キャンパスを区別できるようになる。
また、より良いエンジニアリング上の選択を行う企業への評価にもつながる。比較可能な開示がなければ、再生水やドライクーリングに投資する事業者は、ほとんど公的な評価を得られない。
懐疑的な視点も重要だ。データセンターがあらゆる地域の水を枯渇させるわけではなく、建設現場近くの水質問題がすべて冷却運転に由来するわけでもない。
建設によって土壌、井戸、排水が影響を受けることはあるが、それだけで通常のデータセンター運転が地域の水を汚染したことの証明にはならない。因果関係に関する主張には、検査、ベースライン測定、独立調査が必要だ。
同様に、家庭で採取された変色した水のサンプルだけでは、隣接施設との関係は立証されない。報道では、記録された取水と汚染に関する主張を分けるべきだ。
監督を求める最も強い根拠に、誇張は必要ない。データセンターは、負荷に幅があり、透明性が限られ、急速に成長している大規模な産業利用者だ。これらの事実だけで、慎重な計画を正当化できる。
より良い冷却は、コストを消すのではなく移し替える
あらゆる冷却方式は、水システム、電力網、建設予算、運転信頼性の間で負荷を再配分する。
蒸発冷却が依然として魅力的なのは、水が効率よく熱を移動させるためだ。適した気象条件では、冷凍に必要な電力を減らし、機械設備への負荷を軽減できる。
この水需要をなくすと、別の負担が増える可能性がある。ドライクーリングシステムにはより大型の熱交換器と、より大きなファン電力が必要だ。屋外気温が上昇するにつれ、性能も低下する。
このトレードオフは、熱波の最中に特に難しくなる。家庭が空調需要を増やし、公益事業者が節水を求めるのと同時に、施設はより多くの冷却を必要とする。
事業者はハイブリッドシステムによって対立を減らせる。キャンパスは、涼しい時期には外気を使い、ほどほどの暑さでは機械冷却を用い、極端な条件でのみ限定的な蒸発冷却を使うことができる。
ハイブリッド設計は、最も不利な1時間を基準に施設全体を設計することなく、年間の水消費量を減らせる。その有効性はなお、透明な運転ルールに左右される。
再生排水も別の選択肢となる。本来なら放流される地方自治体の排水を冷却システムに供給することで、処理済み飲料水を温存できる。
再生水の利用には、パイプライン、処理設備、信頼できる契約が必要だ。小規模な地域では、特に乾燥期や開発初期には、十分な排水がない可能性がある。
再生水にも競合する用途がある。自治体は、灌漑、産業プロセス、帯水層の涵養、生態系への流量確保に利用できる。それを「廃水」と呼んでも、機会費用が消えるわけではない。
閉ループ液冷は、チップに近い場所で熱を処理する。性能を向上させるとともに、膨大な量の空調済み空気を動かすためのエネルギーを減らせる。
それでもシステムには、ポンプ、熱交換器、そして最終的に熱を逃がす場所が必要だ。総合的な負荷は、サーバーラック内に液体が存在するかではなく、その完全な連鎖に左右される。
液浸冷却は、コンピューティング機器を非導電性の液体に浸す方式だ。高い熱密度に対応できるが、導入はなお比較的少なく、異なる保守慣行とハードウェア設計を必要とする。
施設は、時間や場所をまたいでワークロードを移すこともできる。事業者は、気温が低い時、電力網がよりクリーンな時、水供給への負荷が小さい時に、柔軟に調整可能な学習処理を実行できるかもしれない。
ただし、ユーザーが即時の応答を期待するリアルタイム推論では、この手法はより困難だ。また、実際に移動が行われていることを外部の人々が検証できるだけの運用情報を、企業が開示する必要もある。
モデルおよびチップレベルの効率化は引き続き不可欠だ。量子化は、モデルが用いる数値精度を下げる手法で、慎重に実装すればメモリーと計算要件を削減できる。
より小さなモデルでも、最大級のシステムを使わずに多くの業務タスクを処理できる。単純な要求を適切な規模のモデルに振り分ければ、不必要な計算を減らせる。
こうした改善はタスク当たりの需要を下げるが、インフラ全体はなお拡大し得る。Microsoft、Google、Meta、Amazon、OpenAIなどは、より多くのユーザーとより複雑なモデルに対応するため、容量を拡大している。
そのため業界は、効率化を絶対的な水使用量が減少する証拠として提示すべきではない。効率は一つの要素にすぎない。拡張速度、稼働率、気候、冷却設計が最終的な結果を決める。
同じ注意は「water positive」の公約にも当てはまる。企業が消費する量を上回る水を回復させることは流域に利益をもたらし得るが、補充の時期と場所によって、受け入れ地域を守れるかどうかが決まる。
遠方の流域を回復させるプロジェクトは、町の水道管への圧力を直ちに軽減しない。また、その町における夏のピーク需要も緩和しない。
最も強い提案は、地域の制約と技術的な柔軟性を結び付ける。操業開始前に、最大取水量、干ばつ段階別の制限、計量、公的報告、代替冷却モードを定める。
こうした条件は、企業の約束を執行可能な運転計画へ変える。また、地域の承認に何が必要かを開発事業者に明確にする。
Google Newsの読者が次に注視すべきこと
AIと水を巡る対立の次の段階は、開示ルール、冷却技術の導入、執行可能な干ばつ対策によって決まる。
最初の兆候は、施設単位の報告がどこまで広がるかだ。政策立案者は、事業者に年間消費量、1日当たりのピーク需要、水源、冷却方式、想定される拡張段階の開示を義務付けるべきだ。
報告では、直接的な消費と、電力に伴う間接的な水使用を区別すべきだ。また、飲料水、再生水、地表水、地下水をそれぞれ特定すべきである。
州が比較可能な基準を採用すれば、公共の議論は企業平均や推測的な見積もりへの依存を減らせる。開示が任意のままであれば、不信感は地域の許可を巡る対立を形成し続けるだろう。
二つ目の兆候は、ゼロ水使用および低水使用の冷却技術が実際に導入されることだ。発表よりも重要なのは、新規容量のうち実際にこれらの設計を使う割合である。
読者は、異なる気候での運用実績に注目すべきだ。涼しい地域で良好に機能するシステムでも、砂漠の暑さでは電力コストが高くなったり、容量が低下したりする可能性がある。
企業は、施設全体のエネルギーとコンピューティングに使うエネルギーを比較するPUE（power usage effectiveness）とともに、水使用効率を公表すべきだ。どちらの指標にも、季節および地域の文脈が必要となる。
水消費量が減少し、エネルギー使用量と信頼性が抑えられるなら、業界の効率性に関する主張は強まる。事業者が最も暑い時期に蒸発冷却へ依存するなら、地域の対立は未解決のままだ。
三つ目の兆候は、執行可能な公益インフラ計画だ。許可では、干ばつ宣言、熱波、設備故障、その後のキャンパス拡張時に何が起きるのかを説明すべきだ。
信頼できる計画では、誰が最初に消費を減らすのか、制限下で事業者がどうコンピューティングサービスを維持するのかを特定する。また、新たなパイプ、処理システム、貯水設備の費用負担も定める。
New Yorkの規則制定と、Virginiaによる地下水研究への対応は、早期の試金石となる。他の州も、同一のモラトリアムを課さずに類似の保護策を採用できる。
Google Newsは今後も、企業、住民、研究者、政治当局者による主張を伝え続けるだろう。読者は、それらの主張を最終回答ではなく、競合する判断材料として扱うべきだ。
その数字が取水量なのか消費量なのかを確認してください。また、対象が単一の施設なのか、企業全体なのか、米国のすべてのデータセンターなのかも見極める必要があります。さらに、年間平均なのか夏季ピークなのかも確認しましょう。
最も重要なのは、水源がどこにあるかを問うことです。全国規模での割合が低いからといって地域の安全が保証されるわけではなく、大きな見出しの数字が、すべてのプロジェクトが家庭用水の供給を脅かすことの証明になるわけでもありません。
AIインフラは、通常の公共インフラ計画の一部になりつつあります。この変化は、数十年にわたって稼働する可能性があるプロジェクトを承認する前に、コミュニティがより確かな根拠を求める機会をもたらします。
実務的な目標は、AIか水かを選ぶことではありません。最悪の数週間を基準に、平均的な一年ではなく、開発事業者に冷却計画が地域の制約に適合していることを証明させることです。
この問題を追う読者は、新たな許可と実際の稼働データを比較するべきです。企業がピーク需要を開示しているか、低水使用量の冷却技術を大規模に導入しているか、拘束力のある干ばつ時の制限を受け入れているかに注目してください。この3つの兆候によって、業界が水問題を解決しているのか、それとも表現を改善しているだけなのかが分かるでしょう。
