Basel Action Networkの電子廃棄物レポート、AIに潜むハードウェア問題を浮き彫りに
Basel Action Networkは現在、AI関連機器が2050年までに最大6億1,700万トンの電子廃棄物を生み出す可能性があると推計している。Basel Action Networkの電子廃棄物レポートは、この数値を算出するにあたり、プロセッサやサーバーだけを対象としていない。AIデータセンターの稼働を支える電力、冷却、ネットワーク、ストレージ、バックアップの各システムも含めている。
このように対象範囲を広げたことで、主にコンピューティングハードウェアに焦点を当ててきた従来の研究を何倍も上回る予測となった。上限ケースでは、廃棄される機器は40フィートコンテナ約2,300万個分に相当する。それらを一列に並べれば、地球をおよそ6周できる計算だ。
この見出しの数値は、実測結果ではなく予測である。それでもこのレポートは、クラウド事業者、機器メーカー、リサイクル事業者、規制当局にとって差し迫った問題を明らかにしている。AIの物理的な影響は、電力や水の消費だけでは終わらない。新たなデータセンターが建設されるたびに、将来、旧式機器、有害物質、回収可能な金属が廃棄物として発生する。
AI電子廃棄物の推計は大幅に拡大した
今回の新推計が変えたのは、単なる成長率の前提ではなく、算定対象の境界そのものである。
非営利団体Basel Action Network（BAN）は、2026年9月15日に分析を公表した。2025年から2050年にかけて、AI関連の電子機器3億9,500万〜6億1,700万トンが退役すると予測している。
上限推計は、輸送用コンテナ約2,300万個分に相当する。下限推計であっても、これまで議論を形作ってきたサーバー中心の予測をはるかに超える廃棄物の流れとなる。
BANは、2030年までに年間の退役量が860万〜1,310万トンに達する可能性があると見積もる。同団体は、これはサーバーやグラフィックスプロセッサを中心とした一部の推計のおよそ40〜60倍に当たるとしている。
この差は、BANがシステム境界に何を含めるかに起因する。データセンターにはサーバーが必要だが、サーバーだけでは稼働できない。スイッチ、ストレージ機器、配電設備、バッテリー、発電機、冷却装置、ケーブル、その他の専用ハードウェアも必要となる。
レポートによれば、サーバー中心の研究は、データセンターを構成するより広範な電気機械インフラの約87％を見落としている。そこでBANは、データセンター容量1ギガワット当たり約7万トンの機器を割り当てる、インフラ全体を対象としたモデルを採用した。
その予測は、容量見通しによって導かれる。このモデルは、世界のデータセンター容量が2030年までに219ギガワットに達する可能性があるという推計を用いている。その後の拡張シナリオにおける機器更新を加味し、2050年までのBANの累積レンジを算出している。
この手法には、同団体が「AI waste contagion」と呼ぶものも含まれる。この分類は、AI開発によって所有者が早期買い替えを迫られる可能性のある関連通信機器や個人用デバイスを対象とする。
これはモデルの中でも最も範囲が広く、不確実性の高い要素だ。サーバーの退役は、データセンターの更新と直接結び付けられる。一方、AI機能が消費者にスマートフォンやコンピューターを買い替えさせたかどうかを判断するのは難しい。
この分類を慎重に捉えたとしても、BANの中心的な指摘は重要である。インフラ全体を対象とした推計は、より狭い研究ではモデルの外に置かれがちな機器を特定している。
廃棄されたグラフィックスプロセッサは目に見えやすく、AIとの関連付けもしやすい。退役した冷却ポンプ、開閉装置、バックアップバッテリー、ネットワークスイッチ、電力システムは注目を集めにくい。しかし、それらを合計すると、同じ施設内のコンピューティング機器を上回る可能性がある。
この対象範囲の拡大は、レポートがモデル成長の加速に基づく単なる新たな警告ではない理由を説明している。BANは、将来の廃棄物の多くが、成長率を議論する以前から算定から漏れていたと主張する。
その結果、発表されるすべてのAIキャンパスは、将来に持ち越される廃棄物管理上の責務として捉え直される。建設は短期的な電力需要だけでなく、最終的に誰かが再利用、リサイクル、保管、廃棄しなければならない機器の量も決定する。
AIデータセンターがハードウェア更新サイクルを生む理由
AIインフラが廃棄物になるのは、遠い将来の一度きりの解体ではなく、繰り返される更新によってである。
データセンターには、耐用年数が異なる機器が含まれる。建物が稼働し続ける間にもサーバーは更新される。バッテリー、冷却部品、ドライブ、ネットワーク機器には、それぞれ異なる保守・更新スケジュールがある。
AIは、事業者がワット当たりの性能、計算密度、サービスコストを競うため、このサイクルを加速させる。新しいアクセラレータは、制約のある電力枠内でより多くの処理を実行できる。そのため、物理的に故障する前であっても、稼働可能な旧型機器が商業的に魅力を失うことがある。
そこで発生する廃棄物は、故障したハードウェアに限られない。より新しいシステムの経済性が優れているために退役する機器も含まれる。一部のデバイスは中古市場に流通できるが、専用設計であったり、再販需要が限られたりするものもある。
大規模なAIクラスターは、それを取り巻くシステムも変える。ラック密度の向上には、異なる冷却方式、電力供給、ネットワーク、物理レイアウトが必要となる。そのため、コンピューティング層の更新が施設内の他の部分の変更を強いる可能性がある。
これは、迅速な導入と長い機器寿命の間に対立を生む。クラウド事業者は、各世代のハードウェアを迅速に稼働させたい。廃棄物の削減は、機器をより長く使用し、修理し、セカンドライフ用途へ移行させる場合に最も効果的となる。
従来の研究も、この圧力の一部を捉えていた。2024年の査読付き研究では、生成AIが2020年から2030年にかけて120万〜500万トンの電子廃棄物を蓄積する可能性があると推計した。このモデルは、特に大規模言語モデル向けのコンピューティング機器に焦点を当てていた。
同じ生成AIに関する研究では、循環型の取り組みにより、モデル上の廃棄物を16〜86％削減できる可能性が示された。こうした取り組みには、ハードウェア寿命の延長、機器の再利用、材料回収の改善が含まれる。
別の2026年の学術分析では、短期的な推計はより低かった。AIサーバーが2030年までに年間13万1,000〜22万4,800トンの電子廃棄物を生むと予測している。
このサーバー中心の再評価は、AIの世界全体の電子廃棄物への寄与は、従来の推計ほど大きくない可能性があると結論付けた。また、サプライチェーンのデータや現実的なサーバー寿命に関する情報が不足していることも強調した。
一見すると、この結論はBANの数値と矛盾する。しかし両者は、必ずしも同じものを測定しているわけではない。一方はAIサーバーを重視し、BANは周辺インフラと誘発されるデバイス更新まで数えようとしている。
この違いは重要である。なぜなら、「AI電子廃棄物」には普遍的に受け入れられた算定境界がないからだ。分析者は、アクセラレータ、サーバー全体、施設全体、接続された通信資産、あるいはAI導入の影響を受ける消費者向けデバイスを数えることができる。
どの選択も異なる問いに答える。サーバーのみを対象とするモデルは、コンピューティングによる直接的なハードウェア負担を推計できる。システム全体を対象とするモデルは、インフラ拡張によって生じる廃棄物上の責務を検討するのにより適している。
したがって、BANのレポートは学術的な推計を自動的に無効にするものではない。政策や長期的な廃棄物計画にとって、その境界が十分に広いのかを問いかけている。
競合する結果は、より深い透明性の問題を明らかにしている。外部の研究者は一般に、大手データセンター事業者から完全な機器台帳、退役スケジュール、再生利用率、最終処分記録を入手できない。
こうした記録がなければ、モデルは公開されている容量予測と、機器重量や寿命に関する仮定を組み合わせる必要がある。特に2050年まで予測を延ばす場合、小さな変更でも数十年にわたって積み重なる。
不確実性は現実のものだが、ハードウェアが消えるわけではない。これは、事業者がエネルギー消費や炭素排出と同じ真剣さで物理資産を報告すべき理由を示している。
Basel Action Networkの電子廃棄物レポートがリサイクル事業者に圧力をかける
AIの拡張は、リサイクルシステムの透明性と説明責任が向上するスピードを上回って、専門的な廃棄物を生み出している。
Global E-waste Monitorによると、2022年に世界で発生した電子廃棄物は6,200万トンだった。このうち、環境上適正な方法で正式に回収・リサイクルされたと記録されているのは22.3％にすぎない。
世界の廃棄物インベントリは、年間の電子廃棄物発生量が2030年までに8,200万トンに達すると予測している。この増加は、BANがAIインフラにより広い定義を適用する以前から見込まれていた。
BANは、AI関連機器が最終的に世界の電子廃棄物の15〜20％を占める可能性があると推計する。この比率を、2050年に年間2億1,100万トンと予測される世界全体の総量と比較している。
これらの数値を確定的な結果として扱うべきではない。長期的なデータセンターの成長、機器集約度、更新サイクル、世界の廃棄物予測を組み合わせたものであり、どの要素も変化し得る。
それでもこのシナリオは、リサイクル事業者が直面する処理能力の問題を示している。データセンター機器には、価値ある銅、アルミニウム、鉄鋼、回路基板、その他の回収可能な材料が含まれる。バッテリーや、管理された取り扱いを必要とする物質も含まれ得る。
回収は最初の課題にすぎない。現代の電子製品は、分離を難しくする形で材料を組み合わせている。大量の金属を回収することは一般に、統合部品から少量の重要材料を取り出すより容易である。
リサイクル事業者は、搬入される機器に関する信頼できる情報も必要とする。機器台帳、部品構成、使用履歴、データセキュリティ要件は、ハードウェアを再利用できるのか、解体しなければならないのかに影響する。
データを保存するデバイスは、別の障害を生む。企業は情報漏洩を防ぐため、まだ使用可能なストレージ機器を破壊する場合がある。安全な消去と検証可能なチェーン・オブ・カストディの仕組みは再利用の選択肢を維持できるが、退役前の計画が必要になる。
AI分野には、一部の機器価値を回収するインセンティブがある。アクセラレータ、サーバー、ネットワーク機器は、より負荷の低いワークロードで引き続き有用になり得る。部品は修理や二次配備にも活用できる。
ただし、再利用はソフトウェアサポート、エネルギー効率、互換性、購入者へのアクセスに左右される。稼働するサーバーでも、運用コストが新しい機器を上回れば、実用的な価値はほとんどない可能性がある。
この緊張関係により、設計上の判断が重要になる。モジュール式システムであれば、事業者はアセンブリ全体ではなく個々の部品を交換できる。標準部品や修理文書も、耐用年数を延ばすことにつながる。
メーカーはこうした選択に影響を与えるが、ハイパースケール顧客も大きな影響力を持つ。クラウド事業者は膨大な量の機器を発注し、カスタム設計の形成にも関与することが多い。調達ルールにより、修理可能性、材料情報の開示、回収サービスを求めることができる。
リサイクル計画は、サーバー周辺の施設も対象としなければならない。電源、冷却装置、バッテリー、ケーブル、ネットワークシステムには、それぞれ異なる再利用・回収経路がある。単一の請負業者がすべての廃棄物流を適切に管理できるとは限らない。
したがって、圧力はチェーン全体に及ぶ。データセンター所有者は、機器をいつ運用から外すかを決める。メーカーは設計情報を管理し、物流事業者は退役資産を輸送し、リサイクル事業者はどの材料を生産工程へ戻すかを決定する。
その連鎖のどこかが途切れれば、再生可能な機器が輸出スクラップや埋立廃棄物へと変わりかねない。BANの予測規模を踏まえると、分断された責任体制を正当化することはますます難しくなる。
輸出規制が浮き彫りにするAI廃棄物の地理
最も難しい問いは、廃棄される機器の量だけでなく、その後どこへ行くのかという点だ。
電子廃棄物は、人件費、処理コスト、環境規制が国ごとに大きく異なるため、しばしば国境を越えて移動する。再利用目的と表示された輸送品にも、ほとんど価値が残っていない機器が含まれることがある。
バーゼル条約は、有害廃棄物その他の規制対象廃棄物の国際移動を規律している。電子廃棄物に関する同条約の改正は2025年1月1日に発効し、国際的な電子廃棄物輸送に対する事前同意手続きを拡大した。
この手続きの下では、規制対象の輸送を進める前に、輸出国は通常、関係する輸入国および通過国から書面による同意を得る必要がある。この規則は、安全な処理能力を持たない地域に望まれない廃棄物が届くことを防ぐ目的で設けられている。
米国はバーゼル条約に署名しているが、批准はしていない。そのため、AIインフラにとって最大の市場は条約の完全な締約国枠組みの外に置かれている。ただし、国内規制や仕向国の規則によって輸送が制限される場合はある。
BANは長年、この規制上の空白に注目してきた。同団体の調査は、より豊かな市場から、執行体制が弱い国や非公式リサイクル部門が大きい国へ、廃棄電子機器が処理目的で流出している状況を追跡してきた。
2025年の調査では、米国の電子機器が東南アジアや中東の仕向地へ輸送されていることが確認された。受入国の一部では、当局がすでに押収や取締りを強化していた。
輸出に関する調査では、十分な保護を受けずに機器を解体する労働者の状況が報じられた。このような処理は、有毒な煙、汚染された粉じん、有害残留物を放出する可能性がある。
AI機器が自動的に同じ経路をたどるわけではない。大手事業者は認証済みの処理を義務づけ、ベンダーを監査し、退役から最終処理までの記録を維持できる。
機器が仲介業者や複数の下流企業を経由する場合、リスクは高まる。移転のたびに、その資産が再利用されたのか、適切にリサイクルされたのか、無期限に保管されたのか、あるいは不法投棄されたのかを把握しにくくなる。
企業が公表するリサイクル総量だけでは、この問いに答えられない場合がある。企業は埋立処分を回避した割合を報告しても、最終的な仕向地や個別材料の回収率を開示しない可能性がある。
同様に、「リサイクル済み」という表現は、すべての部品が新製品になったことを意味しない。この用語には、慎重な材料回収から、多量の残渣を伴う低付加価値の破砕処理まで、幅広い工程が含まれ得る。
報告書の政策提言は、こうした可視性の空白を埋めることに基づいている。BANは、廃棄物輸出へのより強い規制、独立したリサイクル認証、そして機器のライフサイクル全体にわたるより明確な責任を求めている。
拡大生産者責任は、その一つの手段となる。この種の規則では、製品の耐用年数が終わった後の回収・処理にかかる資金負担や運営責任を生産者に負わせる。
このアプローチは、設計に影響を与える企業へ廃棄物コストを移すことができる。また、長寿命化、分解のしやすさ、二次市場での価値維持を促す可能性もある。
ただし、データセンターのインフラは消費者向けデバイスの制度にはきれいに収まらない。カスタム機器、企業間取引、リースハードウェア、グローバルなクラウド運用には、産業技術向けに設計された規則が必要となる。
同じ理由で国際的な足並みも重要だ。ある市場で厳格な制度を導入しても、退役機器が報告要件の緩い別の法域を経由できるなら、その効果は限定的になる。
AIインフラの拡大は、この規制の不整合を無視しにくくしている。ハードウェアは国境内で稼働するが、サプライチェーンと廃棄物市場はグローバルだ。
最大の数字は、同時に最も不確かな数字でもある
BANの予測は警告シナリオであり、すでに発生した廃棄物の精密な測定値ではない。
同団体は、有害廃棄物の輸出に関して明確な政策的立場を持つ環境監視団体である。その分析は、査読済みの科学的コンセンサスと混同せず、政策提言を目的とした調査として評価すべきだ。
複数の前提によって予測値は大きく変動し得る。将来のデータセンター容量は予想より速く、あるいは遅く成長する可能性がある。施設の高密度化や効率改善に伴い、ギガワット当たりの機器集約度も変わり得る。
ハードウェアの寿命も同じく重要だ。平均使用年数が延びれば、2050年までの交換回数は減少する。更新サイクルが短くなれば、製造需要と退役量の双方が増える。
モデルでは、機器の交換と廃棄も区別しなければならない。別の事業者に売却された退役アクセラレータは、元のデータセンターからは離れているが、寿命を終えたわけではない。退役と廃棄を同一視すれば、直近の廃棄物量を過大評価することになる。
BANは、その推計範囲を運用から退役した電子機器を基準に示している。したがって読者は、予測期間中にすべてのトン数が直接埋立地へ送られると解釈すべきではない。
セカンドライフでの利用は、廃棄を数年先送りできる。しかし最終的な廃棄責任をなくすものではない。機器はやがて、修理、再販、再配置が現実的でなくなる段階に至る。
「AI waste contagion」という分類は、さらに別の不確実性をもたらす。AI機能がデバイス更新を促す可能性はあるが、消費者は多くの重なり合う理由で機器を買い替える。それらの要因を切り分けるのは難しい。
2050年までの予測は、まだ存在しない技術にも依存している。将来のアクセラレータは、計算単位当たりに使用する材料を減らすかもしれない。新しい冷却設計によって機器の重量が減る可能性もあれば、高密度な導入によってより専門的なシステムが必要になる可能性もある。
政策も結果を変え得る。修理要件、再生材含有基準、生産者責任法、輸出規制は、廃棄物量と処理経路の両方を変化させる。
こうした不確実性は、正確性をうたう主張を弱める一方で、より良い情報開示の必要性を強める。事業者は、機器台数、重量、使用年数、再利用率、検証済みの仕向地を公表することで、仮定を実測データに置き換えられる。
比較可能な報告は、狭義の推計と広義の推計の間にある見解の相違も解消できる。研究者は、サーバー廃棄物と補助インフラを一つの数字にまとめず、それぞれ別に示せるようになる。
有用な開示枠組みは、少なくとも四つの段階を追跡すべきだ。すなわち、購入した機器、導入した機器、退役した機器、最終処理に到達した機器である。再利用はリサイクルと区別して扱うべきだ。
企業は、台数だけに頼るのではなく、材料回収についても報告すべきである。再利用されたサーバー1台とリサイクルされた冷却システム1台は、異なる環境上の結果をもたらす。
BANの予測に対する最も強い対応は、上限値の前提をすべて受け入れることではない。不確実な推計を監査可能な記録に置き換えるだけの運用上の証拠を求めることだ。
それまでは、業界の保証も外部の予測も検証しにくいままである。廃棄物が目に見える形で現れるのは、インフラ発表が世間の注目を集めた数年後であるため、情報の空白は楽観的な主張を有利にする。
予測が現実になるかを示す三つのシグナル
容量の拡大、機器の長寿命化、検証可能な回収が、AIがBANの上限推計に近づくかどうかを決める。
第一のシグナルは、データセンター建設の速度と構成だ。発表された容量が必ずしも実運用容量になるとは限らない。電力接続、資金調達、許認可、チップ供給に関する遅延は、退役予測を変え得る。
さらに重要なのは、開発事業者がメガワット数と併せて機器集約度を公表することだ。電力容量が同じ二つの施設でも、冷却、バックアップ、ネットワーク、コンピューティング用ハードウェアの量は異なり得る。
導入容量が現在の高成長予測に近づき、材料集約度が下がらなければ、BANの推計範囲はより現実味を帯びる。建設が遅れる、あるいはインフラが軽量化されれば、上限シナリオは弱まる。
第二のシグナルは、AIハードウェアの実際の使用年数だ。事業者が、アクセラレータ、サーバー、補助システムがどれほど長く導入状態に置かれるかを示す一貫した公開データを提供することは少ない。
古いアクセラレータが推論、研究、あるいは二次市場のワークロードに移行している証拠に注目すべきだ。機能する再販チャネルがあれば、短期的な廃棄物を減らし、ハードウェアを長く使う経済性を改善できる。
メーカーのサポートも重要である。ソフトウェア互換性、交換部品、修理へのアクセス、ファームウェア更新は、古い機器が有用であり続けられるかを左右する。
クラウド事業者が数年でシステムを更新し、大規模な再配置を行わなければ、年間廃棄物量は急増する。長期利用と記録されたセカンドライフは、結果を推計範囲の下限側へ押し下げるだろう。
第三のシグナルは、検証可能な下流での資源回収だ。企業のサステナビリティ報告書は、再利用、再整備、リサイクル、最終処分に回された機器の量を明らかにすべきである。
これらの報告書は、処理地域を示し、監査方法も説明すべきだ。仕向地データを伴わないリサイクル率では、有害物質が管理の不十分な処理工程へ移されたかどうかを示せない。
規制当局は、輸送記録と執行を通じてこのシグナルを強化できる。バーゼル条約の電子廃棄物規則は、同意と国際追跡の枠組みを提供しているが、各国の参加状況と執行には依然としてばらつきがある。
透明性の高い報告があれば、顧客はクラウド事業者を速度、モデルへのアクセス、電力に関する主張だけでなく比較できるようになる。企業の購入者は、インフラ調達において機器寿命と資源回収の要件を盛り込める。
開発者やナレッジワーカーの直接的な管理範囲は狭いが、その購買判断も需要に影響する。適切な規模のモデルを選び、デバイス寿命を延ばすことは、システム周縁部の負荷を減らすことにつながる。
Basel Action Network e-waste reportは最終的に、AIは主としてソフトウェアであるという考え方に疑問を投げかけている。すべてのモデルは、有限の稼働寿命と複雑な行き先を持つ物理的なシステムに依存している。
技術、政策、再利用の慣行が改善すれば、6億1,700万トンという推計は下がる可能性がある。一方で、容量と交換サイクルが同時に加速すれば、この推計は保守的だったと判明する可能性もある。
次に重要なのは、事業者が両者を見分けられる十分な証拠を開示するかどうかだ。プロバイダーに対し、機器をどれほど長く使用するのか、退役システムがどこへ行くのか、資源回収をどのように検証しているのかを尋ねるべきである。その答えによって、AIのハードウェアブームが循環型サプライチェーンを築いているのか、それともはるかに大きな廃棄物危機を先送りしているだけなのかが明らかになる。
