BloombergNEFのデータセンター向けガス予測、AI成長を化石燃料路線へ
BloombergNEFは、米国のデータセンターによるガス需要の予測を2035年までに日量約180億立方フィートへと引き上げた。この見通しは、9カ月前の推計のほぼ2倍に当たる。AIインフラをめぐる競争は、パイプライン、発電所、電力会社の計画、そして気候目標にとって、はるかに大きな試金石となる。
この予測は、提案されているすべてのAIキャンパスが建設されることを意味しない。実現が頓挫する可能性の高いプロジェクトをすでに差し引いたベースケースを反映している。その調整後でも、データセンターは米国における天然ガス需要の最大級の新たな増加要因となる。
中心的な対立は、もはや単純にAIの成長と送電網容量の対立ではない。スピードと長期的なエネルギー戦略との競争である。Meta、Microsoft、Google、Amazonなどの事業者は、より時間のかかる送電網や発電プロジェクトが実現する前に、信頼できる電力を必要としている。
天然ガスは、送電網経由でもデータセンターに隣接して建設される発電所経由でも、その信頼できる出力を提供できる。しかしガスには、燃料価格へのエクスポージャー、地域の大気汚染、炭素排出、数十年続くインフラ投資という問題も伴う。
BloombergNEFのデータセンター向けガス予測は倍増した
BloombergNEFの上方修正は、AIインフラ計画が従来のエネルギーモデルの想定を上回る速度で進んでいることを示している。
新たな見通しによると、米国のデータセンターは2035年までに日量約180億立方フィートの天然ガスを消費する可能性がある。これは10年間でおよそ日量150億立方フィートの増加に相当する。
予測される増加分だけでも、ほぼすべての国の現在のガス消費量を上回る。予測とともに報じられた比較によれば、これを上回る消費国は中国、ロシア、イラン、米国だけだ。
この規模はドイツと日本の合計消費量も上回る。この比較は、各国が複数の経済部門でガスを利用しているため完全ではない。しかし、専門的なデジタル産業が主要なエネルギー消費者になり得ることを示している。
BloombergNEFの推計は、公開されているプロジェクト発表だけに基づくものではない。報道によれば、このモデルは提案されたデータセンターの多くが稼働に至らない可能性を織り込んでいる。
この条件は重要だ。発表済みの容量は、既存の送電網、機器供給会社、建設市場が実現できる規模を大きく上回っている。送電接続、許認可、タービン、水、資金、確定顧客の不足により、プロジェクトは失敗する可能性がある。
そうしたプロジェクトを除外した後でも、BloombergNEFはデータセンターが米国のガス需要増加における第2位の要因になると予想している。この期間により多くの需要を加えるのは、液化天然ガスの輸出だけだ。
このガス予測は、BloombergNEFの電力見通しに対する別の大幅な上方修正に続くものだ。同社の容量予測では、2035年までに米国で194ギガワットのデータセンターが稼働すると見込んでいる。
この推計は同社の以前の予測より83％高い。また、データセンターが2035年までに米国の電力のおよそ5分の1を消費する可能性も示唆した。
BloombergNEFは、異例に速い接続スケジュールを前提としても、送電網には19GWの供給不足が残ると算出した。ベースケースでこの不足を埋めるには、最大48GWのオンサイト・ガス発電が必要となる。
オンサイト発電は、地域送電網だけに全面的に依存するのではなく、顧客のメーターの内側に設置される。送電網の増強が完了する前でも、キャンパスの稼働開始を支援できる。
したがって、この新たなガス予測は単なる燃料需要の定期的な調整ではない。データセンター容量、電力消費、専用発電という、拡大を続ける3つの推計を結び付けている。
各推計は、なお不確実な前提に依存している。AIハードウェアの効率が向上する可能性も、発表済みキャンパスが中止される可能性も、代替発電がより早く実現する可能性もある。
それでも、その方向性を無視することは難しくなっている。上方修正のたびに、完全な情報を待つこと自体にリスクがあると電力会社に伝えている。また、コンピュートの調達が今やエネルギー調達に依存することをテクノロジー企業に示している。
これはAIを構築するビジネスを変える。企業は先進的なチップを確保し、キャンパスを建設してから、十分な電力が後から供給されると考えることはできない。電力は当初の設計の一部として、契約、発電、蓄電、供給されなければならない。
その結果、AI展開に新たなボトルネックが生まれている。業界は長年にわたりGPUの獲得を競ってきた。現在は送電網接続、ガスタービン、パイプライン、そしてそれらを運用する許可を競っている。
AIの電力需要は送電網より速く動いている
この圧力は、データセンター建設のスケジュールと、地域電力システム拡張のより遅い時間軸との不一致から生じている。
大規模なAIキャンパスは、電力会社が主要な送電プロジェクトを承認・完了するよりも速く、計画から建設へ移行できる。新たな送電線は複数の管轄区域を通過することが多く、長期にわたる審査を必要とする。
発電所も機器面の制約に直面している。ガスタービンメーカーは長い受注残を管理しなければならず、変圧器や開閉装置も迅速な調達が依然として難しい。
このタイミングの問題は、天然ガスに実務上の優位性を与える。ガス火力発電機は、電力需要の変化に応じて事業者が出力を増減できる、給電可能な電力を供給できる。
AI施設がこの制御を重視するのは、高価なコンピューティングハードウェアを24時間稼働させるためだ。信頼性の低い電力供給では、資金調達、人員、冷却のコストが継続する一方で、チップが遊休状態になる。
企業がデータセンターの隣に発電設備を配置できる場合、その魅力はさらに高まる。専用発電所は、過負荷の接続への依存を減らし、一部の送電遅延を回避できる。
ただし、オンサイト・ガス発電ですべての制約が解消されるわけではない。発電所には依然としてタービン、燃料供給、環境承認、連系設備が必要だ。保守や供給中断に備えたバックアップシステムも必要になる可能性がある。
パイプラインも別の制約となる。ある地域が豊富なガス資源を持っていても、複数の新規発電所に十分な地域供給能力を備えていないことがある。
そのため、既存の用地権、貯蔵拠点、パイプライン接続が戦略的価値を増している。PwCのガスインフラ分析は、許認可、タービン、パイプライン、水、時間を希少資源として挙げている。
PwCは、AIに関連する米国の追加ガス需要が2035年までに日量76億〜115億立方フィートに達する可能性があると推計している。そのレンジがBloombergNEFの最新総量より低いのは、モデルごとにAI関連需要の定義が異なることも一因だ。
この差は、見せかけの精密さを避けるべきことを示している。全国のAIガス消費量を記録する単一のメーターは存在しない。分析者は、提案容量、完成率、稼働率、効率、想定電源を組み合わせなければならない。
それでもモデルはメカニズムについて一致している。データセンター容量の拡大は、大規模かつ継続的な電力需要を生む。送電網の遅れは、その結果として専用発電の魅力を高める。
ローレンス・バークレー国立研究所も、同じ圧力を別の角度から示している。同研究所の2025年更新版では、データセンターが2030年までに米国の電力消費の11.8％を占める可能性があると推計している。
この国家エネルギー報告書は、9.5％から15.3％のシナリオ範囲を示している。この幅は、機器出荷、施設タイプ、冷却、運用慣行に関する不確実性を反映している。
これらの比率が重要なのは、データセンターが地理的に需要を集中させるためだ。全国送電網は追加負荷に対応できるように見えても、特定の電力会社の供給地域では深刻な不足に直面する可能性がある。
北バージニアは、この集中をよく示している。整備された光ファイバーネットワークとクラウドインフラが施設群を呼び込み、地域の送電計画に例外的な圧力をかけている。
新規プロジェクトは、利用可能な土地やエネルギー資源を持つテキサス、オハイオ、ペンシルベニア、ルイジアナなどの市場へ広がっている。この動きはインフラ圧力をなくすのではなく、再分配する。
電力会社は、提案されたすべてのキャンパスが確実になる前に、どれだけの発電・送電設備を建設するかを決めなければならない。建設が少なすぎれば、プロジェクトは待機するか、自家発電を導入する。
建設しすぎれば、一般の顧客が不要なインフラコストを負担する可能性がある。規制当局は、どの費用をデータセンター開発事業者が負担し、どの費用を一般の電気料金に組み入れるかを判断しなければならない。
この判断は、AIのエネルギー論争に消費者に直結する側面を与える。モデルのリリース遅延はテクノロジー企業に影響する。配分を誤った電力会社の投資は、供給地域のすべての家庭や企業に影響を及ぼし得る。
天然ガスはタイミングの問題を解くが、ロックインの問題を生む
ガスはAIキャンパスにより早く確定電力をもたらせる一方、その結果生じるインフラは、それを正当化した需要前提より長く残る可能性がある。
データセンター向けに建設されるガス発電所は、一時的なソフトウェア展開ではない。そのパイプライン、タービン、許認可、資金調達の仕組みは数十年にわたって残り得る。
この長寿命はAI予測とのミスマッチを生む。コンピュート需要は急速に変化する一方、物理的なエネルギー資産ははるかに長い期間で投資を回収する。
開発事業者は、キャンパスが数年間にわたりほぼフル稼働すると見込むかもしれない。しかし、新しいチップが電力単位当たりでより多くの演算を実現したり、ワークロードが別の地域へ移ったりする可能性がある。
需要は予想より速く伸びる可能性もある。その場合、専用ガス発電所はつなぎのインフラから、AI経済の恒久的な基盤へと拡大するかもしれない。
したがって、「橋渡し」という言葉には、見かけ以上の不確実性が含まれている。橋渡しは別のエネルギーシステムへ導くべきものだ。置き換えが実現しなければ、それはロックインとなる。
国際エネルギー機関は、2030年までの世界のデータセンター向け追加電力のほぼ半分を再生可能エネルギーが供給すると見込んでいる。天然ガスと石炭を合わせると、40％超を供給することになる。
IEAのベースケースでは、データセンターに供給される発電量は2024年の460テラワット時から、2030年には1,000TWh超へ増加する。2035年には1,300TWhに達する。
IEAのエネルギー供給見通しは、より速いAI拡大のシナリオもモデル化している。このケースでは、データセンターの電力消費は2035年までに2,000TWhに近づく。
送電網への接続待ち行列は、クリーン電源がこのより高い需要に対応できる速度を制限する。その結果、予想外の増加分において化石燃料の比率が大きくなる。
このメカニズムは、企業の再生可能エネルギー契約が物理的な問題を解決しない理由を説明している。企業はクリーンエネルギー証書を購入できるが、その施設は依然としてガスを燃やす地域システムから電力を引き出している可能性がある。
新たな負荷に実際に応答する発電機は、場所と時間によって決まる。別の市場にある太陽光発電プロジェクトが、夜間に稼働するAIクラスターへ必ずしも電力を供給するわけではない。
蓄電池は時間帯をまたいで電力を移動させ、ピーク需要を抑えることができる。しかし、高稼働率のキャンパスが必要とする継続的なエネルギーを、それ自体で生み出すことはできない。
原子力は確定的で低炭素な発電を提供し、複数のテクノロジー企業がこれを追求している。しかし、新しい原子炉は通常、データセンターより長い開発期間を要する。
既存の原子力発電所を再稼働させる、あるいは稼働中の発電所から出力を購入することは、個別プロジェクトの支援になり得る。ただし、これらの選択肢は地理的条件と利用可能な設備群によって制約される。
地熱エネルギーも、運転時の排出量を抑えながら安定した出力を提供できることから注目を集めている。短期的な貢献は、掘削性能、プロジェクトの実行力、適地の有無に左右される。
現在の多くの比較で天然ガスが優位に立つのは、入手しやすく、使い慣れており、必要に応じて出力を調整できるためだ。系統向け発電と、孤立したキャンパス型システムの双方を支えられる。
しかし、この優位性には排出量以外の代償もある。専用のガス設備を利用するAI事業者は、燃料供給、商品市場、環境要件の影響を受けることになる。
この体制は企業に求められる専門性も変えうる。テクノロジー企業は、パイプライン事業者、タービンメーカー、電力会社、大気環境規制当局と交渉しなければならない。
クラウド顧客にとって、こうした判断は最終的にコンピューティングコストやサービス提供地域に影響を及ぼす可能性がある。エネルギー集約型のワークロードは、より迅速で予測可能な電力供給を提供する地域へ移行するかもしれない。
したがって開発者と企業の購買担当者は、地理的条件をAIアーキテクチャの一部として扱うべきだ。モデル性能は重要だが、コンピューティング拠点を支えるエネルギーシステムが、容量、信頼性、将来のコストを形作る。
予測は18 Bcf/dの実現を保証するものではない
BloombergNEFのデータセンター向けガス需要予測に対する最大の課題は、AI需要とプロジェクト完了の双方が依然として非常に予測しにくい点にある。
見出しの数字は、多くの変数を一つの数値に圧縮している。それらの変数がわずかに変化するだけで、2035年の結果は異なりうる。
変数の一つは、発表済み施設のうち実際に稼働へ至る数だ。米国の開発パイプラインには、資金調達が完了する前に用地、接続、顧客を求める投機的なプロジェクトが含まれている。
一部の提案は、同じ限られた系統容量を巡って競合している。すべてを独立した将来需要として数えれば、実現可能性を過大評価することになる。
BloombergNEFは、完了しないプロジェクトを見積もりから除外しているとしている。だが、公表情報では、基礎となる独自モデルの各プロジェクトレベルの前提がすべて開示されているわけではない。
そのため、独立した検証には限界がある。読者は方向性と報告された合計値を評価できる一方で、公表情報だけから予測全体を再現することはできない。
二つ目の変数は稼働率だ。公称最大容量を掲げるデータセンターが、必ずしも毎時間その量を消費するとは限らない。
学習クラスターは強い需要を生む可能性がある一方、推論ワークロードはユーザー活動に応じて変動しうる。事業者は、一部のコンピューティングタスクを電力の利用可能性に合わせてスケジューリングすることもできる。
三つ目の変数はハードウェア効率だ。アクセラレータの各新世代は、エネルギー単位当たりでより多くの処理を実行できるが、総消費量はなお増加しうる。
効率化は、固定されたワークロードに必要なエネルギーを削減する。だが、計算コストの低下によって顧客の利用量が大幅に増えた場合、需要低下を保証するものではない。
このリバウンド効果は、AIエネルギー需要の不確実性の中心にある。より優れたチップは電力需要の伸びを抑える可能性もあれば、追加のモデルや自動化サービスを経済的に成り立たせる可能性もある。
四つ目の変数は電源構成だ。BloombergNEFの予測は、特に系統接続が依然として制約される地域において、ガスが新規負荷の相当部分を担うと仮定している。
送電網の建設が速まれば、この仮定は弱まる。再生可能エネルギー、蓄電、原子力の再稼働、拡張地熱システム、柔軟なコンピューティングの導入加速も同様だ。
米国のガス市場には別の不確実性もある。エネルギー情報局によると、総消費量は2025年にすでに過去最高の平均92.0 Bcf/dに達した。
同年の電力部門は35.8 Bcf/dを消費した。2024年から減少したにもかかわらず、この部門は国内最大のガス消費者であり続けた。
EIAの消費データは、天候、太陽光発電の追加、蓄電池、電力需要が、年間のガス使用量を異なる方向へ動かしうることを示している。
データセンター向け電力として最大15 Bcf/dを追加すれば、LNG輸出、産業需要、家庭用暖房、生産拡大、パイプライン制約と相互に影響し合う。
供給や輸送が追いつかない地域では、価格が上昇する可能性がある。価格上昇はその後、ガス発電や代替電源の経済性を変えることになる。
環境政策も結果を左右しうる。ガス火力発電所は二酸化炭素を排出し、生産・輸送の過程では強力な温室効果ガスであるメタンが放出される可能性がある。
地域の反対は、窒素酸化物、水消費、騒音、電力コストの負担配分に焦点を当てるかもしれない。許認可への抵抗は、発電設備とデータセンターそのものの両方を遅らせる可能性がある。
したがって、予測される18 Bcf/dは、予定された結果ではなくシナリオとして読むべきだ。これは、AI拡大のもっともらしい一つの経路に必要となるシステムを示している。
この区別は、予測の重要性を損なうものではない。最終需要が確実になる前に、計画上の意思決定は行われる。電力会社と開発事業者は、予測の幅が大きい段階で行動しなければならない。
リスクは両方向にある。設備建設が不足すれば、経済的に価値のあるインフラが遅れる可能性がある。過剰建設になれば、実現しなかった需要を前提に設計された資産の費用を顧客が負担することになりうる。
AI向けガス設備拡張の費用を誰が負担するのか
決定的な政策課題は、新たなガス供給能力が建設されるかどうかだけではなく、誰がその費用を支払い、誰がリスクを負担するかである。
データセンター開発事業者は、専用発電設備を自ら資金調達できる。このアプローチでは、電力の恩恵を受ける企業がより多くのプロジェクトリスクを負担する。
規制下の電力会社が、想定されるデータセンター需要の拡大に向けて発電設備、パイプライン、変電所、送電設備を建設する場合、境界は不明確になる。電力会社は承認された支出を顧客料金で回収する。
規制当局は、大口顧客に長期契約の締結や財務保証の提供を求めることができる。こうした保護措置は、放棄された施設の費用を他の顧客が負担する可能性を減らす。
ただし、需要が段階的に到来する場合、契約設計は難しくなる。キャンパスは計画容量の一部から稼働を始め、繰り返し拡張を求める可能性がある。
電力会社にとって大口顧客は、固定的なシステムコストをより多くの電力販売に分散できるため価値がある。その利益は、新規インフラのコストが生む収入を上回れば失われる。
したがって料金設計では、いくつかの問題に対処する必要がある。どの程度の容量が真に確約されているのか。顧客はどれだけの期間とどまらなければならないのか。建設が中止された場合、誰が支払うのか。
同じ問いはガスインフラにも当てはまる。複数の発電所に供給するパイプライン延伸は、一つのデータセンターが閉鎖した後も有用であり続ける可能性がある。
逆に、専用の支線は、単一のキャンパスが方針を変えれば座礁資産になりうる。その価値は代替顧客と地域ネットワークの設計に左右される。
地域社会も金銭以外のコストを負担する。新たな発電設備は、地域の大気汚染、水需要、交通、産業用地利用を増やす可能性がある。
利益には、建設雇用、税収、投資が含まれる可能性がある。その均衡は場所と、開発事業者との交渉条件によって異なる。
気候目標は、もう一つの負担配分問題を生む。大手テクノロジー企業は野心的な排出削減目標を発表しているが、AIの拡大は電力需要を増加させる。
再生可能エネルギーの購入は、新たなクリーンエネルギープロジェクトを支えうる。しかし、そのプロジェクトが利用可能になる前に施設へ供給する専用ガス発電所の排出を消し去るものではない。
炭素回収は、一部のガス発電所における排出削減に寄与する可能性がある。その有効性は、回収率、運転性能、輸送ネットワーク、恒久的な貯留に依存する。
オフセットの利用は、発電所そのものを変えるのではなく、別の会計レイヤーを導入する。関係者は、契約上の主張と発電による物理的な排出量を、ますます区別するようになっている。
クラウド排出量は自社の報告の一部となるため、企業顧客はこの区別を注視すべきだ。ワークロードの環境負荷は、実行される場所と時間に一部依存する。
AIを大規模に利用する企業は、地域ごとの発電構成と時間単位の排出量について、より詳細な情報を必要とするかもしれない。年間の再生可能エネルギーマッチングは、拠点間の重要な差異を隠しうる。
これは企業内部におけるナレッジマネジメント上の課題でもある。インフラチーム、サステナビリティ部門、調達担当者、経営陣は、同じ前提に基づいて連携しなければならない。
検索可能なAIナレッジベースは、チームがエネルギー契約、容量予測、規制上の判断を保持するのに役立つ。不確実性を解消することはできないが、前提を可視化できる。
予測がこれほど急速に変化する状況では、その可視性が重要となる。BloombergNEFによる大幅な上方修正は、インフラ戦略が数か月以内に時代遅れになりうることを示している。
電力会社が投機的な要請を正式な投資へと転換するにつれて、費用を巡る議論は激化するだろう。最も強力な保護策は、プロジェクト費用と中止リスクを透明に配分することだ。
こうした保護がなければ、地域社会は、AI開発事業者が優先的な利用権を得る一方で、他の顧客が財務面と環境面の結果を負担していると結論づけるかもしれない。
ガス予測が維持されるかを示す三つのシグナル
系統接続、実際のキャンパス建設、ガス設備の納入が、2035年の予測が強まるか弱まるかを決める。
第一のシグナルは、発表されたデータセンター容量が稼働負荷へ転換することだ。プレスリリースや土地取得だけでは十分ではない。
投資家は、完成した建物、導入済みのコンピューティング機器、契約済み顧客、実測された電力会社の需要を注視すべきだ。発表と稼働の隔たりが拡大すれば、予測は弱まる。
第二のシグナルは、新規系統接続の進行速度だ。BloombergNEFのガス見通しは、送電と発電の整備がデータセンター建設に追いつかないことにも一部依存している。
接続承認が速まれば、より多くのプロジェクトが地域の電力を利用できるようになる。それによって電力が自動的にクリーンになるわけではないが、専用ガス設備の建設を減らせる可能性がある。
接続待ちの滞留が続けば、オンサイト発電の根拠は強まる。また、既存の発電所やパイプライン網に近いキャンパスの戦略的価値も高まる。
ローレンス・バークレー国立研究所の予測は、より近い検証ポイントを提供する。機器出荷と電力会社の負荷データが蓄積されるにつれ、同研究所の2030年の範囲は検証しやすくなる。
全国消費量がその範囲の上限に近づけば、2035年のBloombergNEFシナリオはより信頼できるものに見えるだろう。負荷の伸びが遅ければ、より低いガス需要の軌道を支持することになる。
第三のシグナルは、確定した設備および燃料インフラだ。タービン受注、製造能力、パイプライン承認、完成した発電所は、予備的な提案より重要である。
開発事業者は、タービンの納入枠を確保する前にガス発電型キャンパスを発表できる。設備の長いリードタイムは、稼働開始を予定日から数年遅らせる可能性がある。
パイプラインプロジェクトにも、独自の承認・建設リスクがある。信頼できる燃料供給がなければ、発電所は信頼性の高いオンサイト電源として機能できない。
国際エネルギー機関は、2030年までに15〜27 GWのオンサイト天然ガスが、主に米国でデータセンターに供給される可能性があると見積もっている。この範囲内での実際の導入状況は、早期の検証材料となる。
テクノロジー企業のクリーンエネルギープロジェクトも、同じ指標に含めるべきだ。AI負荷が増加している場所に新たな原子力、地熱、再生可能エネルギー、蓄電容量が導入されれば、ガス予測は弱まる可能性がある。
契約の発表を、完了した代替供給として数えるべきではない。重要なシグナルは、コンピューティング機器が電力を必要とする時間帯に、稼働中のキャンパスへ実際に電力が届くことだ。
読者は天然ガス価格と電力料金に関する手続きも注視すべきだ。燃料コストの上昇は、他の発電手段、効率化、ワークロードの柔軟性の相対的な経済性を改善する可能性がある。
規制当局は、大口需要家に対してより強力な財務保証を求める可能性がある。これにより投機的なプロジェクトが淘汰され、どの開発事業者が自らの予測に伴うコストを受け入れるのかが明らかになる。
今後数四半期で、2035年までを見通す予測の正否は決まらない。ただし、その根底にあるメカニズムが加速しているかどうかは示される。
データセンターの稼働負荷が増加し、接続待ちのキューが継続し、ガス設備が建設段階に入れば、BloombergNEFの推計を裏付ける材料となる。いずれかの連鎖が途切れれば、結果は下振れする。
BloombergNEFによるデータセンター向けガス需要予測は、最終的には避けられない法則ではなく、選択を測るものだ。米国は、送電網、発電、蓄電、柔軟性を複数の形で組み合わせることで、AI需要に対応できる。
現時点で天然ガスは、安定した電力を得るための、最も迅速で既知の手段を提供している。その優位性は、代替インフラの整備があまりに遅い間に限って持続する。
開発事業者、政策立案者、企業のAI導入担当者にとって、有用な問いは具体的だ。どのプロジェクトが電力を確保しているのか、誰がその電力に資金を供給するのか、そして将来は何がガスに取って代わるのか。
これらの答えを追跡することで、今日の橋渡し策が一時的な対応にとどまるのか、それとも米国のAIを支える恒久的なエネルギー基盤となるのかが明らかになる。
