データセンターの効率化、AI成長のペースに追いつかず

Google Newsは、鋭い対立を浮き彫りにした。データセンターの効率は向上している一方で、AIの成長が総エネルギー需要をさらに押し上げ続けている。

この違いは、環境・社会・ガバナンスの目標にとって重要だ。事業者は冷却、電力供給、コンピューティングの効率を改善できるが、それでも毎年消費する電力、水、建設資材は増え続ける可能性がある。

この圧力は今やGoogleにとどまらない。Microsoft、Amazon、Meta、コロケーション事業者、電力会社、企業の購入担当者はいずれも同じ試練に直面している。効率化がインフラ拡張より速く進まなければ、企業の気候目標は達成からますます遠ざかる。

Google Newsが示す、任意の効率化から事業運営上の必須事項への転換

データセンターの効率性は、単なる環境面での選好ではなく、容量確保の要件となった。

当面の変化は、新しい冷却装置や報告フレームワークの登場ではない。AIインフラ計画に伴う電力需要の規模である。

国際エネルギー機関（IEA）は、データセンターが2024年に世界全体で約415テラワット時の電力を消費したと推計している。これは世界の電力消費量のおよそ1.5%に相当する。

同機関の基本シナリオでは、消費量は2030年までに約945テラワット時に達すると予測されている。これは2024年の2倍以上であり、現在の日本の消費量をわずかに上回る。

予測される増加の最大の要因はAIだ。GPUなどの専門システムを含むアクセラレーテッドサーバーの電力使用量は、2030年まで年率約30%で増加すると見込まれている。

従来型サーバーの電力消費量は、年率9%の増加が予測されている。アクセラレーテッドサーバーは、データセンター需要の予想純増分のほぼ半分を占める。

これらの推計はIEAのエネルギー需要分析に掲載されている。企業の効率性に関する主張を評価する際の基準となる規模を示している。

データセンターには、コンピューティング機器以外にも多くの設備がある。冷却システム、ネットワーク機器、ストレージ、電力変換設備、バッテリー、非常用発電設備も必要だ。

IEAによると、現代的な施設ではサーバーが電力需要の約60%を占める。冷却は、効率的なハイパースケール拠点では約7%に収まる一方、効率の低い企業向け施設では30%を超えることがある。

この差は実際の改善機会を生む。気流の改善、運転温度の引き上げ、液冷、効率的な電力システム、より強力な容量管理により、オーバーヘッドを削減できる。

電力使用効率（PUE）は、このオーバーヘッドを測定する指標だ。施設全体のエネルギーを、IT機器が消費するエネルギーで割って算出する。

PUEが1.2であれば、施設はコンピューティング機器に必要な量より20%多くのエネルギーを使用していることを意味する。1.0に近いPUEは、インフラのオーバーヘッドが低いことを示す。

TechTargetのPUEの定義は、事業者が施設のベンチマークや運用変更の評価にこの比率を用いる理由を説明している。

ただし、PUEはサーバーが有用な仕事を行っているかを示さない。また、電力の炭素集約度、水消費、ハードウェア製造、総需要の伸びも測定しない。

したがって、ある施設は優れたPUEを報告しながら、前年比でより多くの電力を消費している可能性がある。また、炭素集約度の高い電力網で効率的に稼働している場合もある。

これがGoogle Newsでの議論の背景にある中心的な変化だ。効率性は依然として重要だが、単独の施設比率だけではESG上の主張を裏付ける十分な証拠にならない。

現在、事業者は施設効率をワークロードの出力、地域の電力網の状況、水ストレス、絶対排出量と結びつける必要がある。そうしなければ、各指標は環境コストの一部しか示さない。

電力供給が導入上の制約になっているため、このタイミングは特に重要だ。電力会社は、産業プラントに匹敵し得る大規模かつ集中した負荷に対応しなければならない。

AIデータセンターは、1日を通じて信頼できる電力も求める。その運用プロファイルは、断続的な風力や太陽光発電だけに依存する計画を複雑にする。

その結果、新たな競争条件が生まれている。電力網への接続が新規容量を利用可能にする時期を左右する以上、企業はコンピューティング戦略をエネルギー戦略から切り離せない。

AIの成長は、効率化で守り切れない速度で気候コミットメントを圧迫している

最も効率的なインフラを構築する企業が、同時に最大の新規電力需要も生み出している。

Googleはこの対立をよく示す例だ。同社のデータセンターは、Search、Google News、Gemini、YouTube、Cloud、広告、多数の企業向けサービスを支えている。

Googleは、データセンターの電力需要が2024年に27%増加したと報告した。同社は同年、データセンターのエネルギー由来排出量が12%減少したとも述べている。

この組み合わせは、よりクリーンな電力と運用改善によって、コンピューティングの成長とエネルギー由来排出量の結びつきを弱められることを示した。ただし、絶対的な資源需要の増加が止まったことを示したわけではない。

Googleの2026 environmental reportは、さらに別の側面を加えている。同社によると、2025年に約77億ガロンの水を補充した。

この量は、その年の総淡水消費量のおよそ78%に相当する。Googleはまた、水管理ポートフォリオを97の流域にまたがる165のプロジェクトへ拡大した。

補充は、生息地の復元、保全、インフラ、水へのアクセスを支援するプロジェクトに資金を提供できる。しかし、ある流域から取水した水が、同じ時点に同じ場所へ物理的に戻ることを意味するわけではない。

水の影響は地域的なものなので、場所が重要になる。水ストレスの高い地域で消費される1ガロンは、水が豊富な地域で消費される1ガロンとは異なるリスクを伴う。

電力会計にも同様の問題がある。年間の再生可能エネルギー調達は書類上で消費量と一致させられるが、データセンターは特定の時間帯には依然として化石燃料による発電に依存する可能性がある。

24時間365日のカーボンフリーエネルギーのマッチングは、より厳格な基準を定める。消費と同じ電力網で、同じ時間帯にクリーンな電力が利用可能かを問うものだ。

この基準を達成するには、証書を購入するだけでは足りない。企業には新たな発電、送電容量、蓄電、柔軟なワークロード、信頼できる低炭素電力が必要になる。

Google、Microsoft、Amazon、Metaは、再生可能エネルギー、原子力、地熱プロジェクト、蓄電の組み合わせを追求している。こうした投資はクリーンな供給を拡大できるが、建設のスケジュールには依然ばらつきがある。

開発事業者が給電可能な容量を必要としているため、天然ガスにも注目が集まっている。IEAは、2035年までのデータセンター電力需要の増加の一部をガス発電が供給すると見込んでいる。

これは企業の脱炭素化の約束と直接的な緊張関係を生む。企業は別の場所でクリーン電力を調達していても、地域での拡張が新たな化石燃料発電に寄与する可能性がある。

圧力はハイパースケーラーにとどまらない。コロケーション企業は、エネルギー、水、排出量に関する信頼できる情報を顧客に提供しなければならない。

企業の購入者はその後、それらの数値を自社のScope 3インベントリに組み込む。Scope 3は、企業の直接操業や購入電力の外にあるバリューチェーン排出量を対象とする。

そのため、インフラデータの質が低ければ、顧客報告の正確性が損なわれる可能性がある。また、クラウド移行が実態以上にクリーンに見えることにもつながり得る。

規制当局や投資家は、幅広いサステナビリティ表現ではなく、比較可能な情報をますます求めている。必要なのは、一貫した境界、測定方法、報告期間だ。

地域コミュニティには別の懸念がある。提案された施設が、電気料金、地下水、税収、土地利用、電力網の信頼性に影響するかを知りたいと考えている。

こうした問いは、効率性を社会・ガバナンス上の問題へと変える。技術的な向上だけでは、誰が経済的利益を受け、誰がインフラコストを負担するかをめぐる対立を解決できない。

Google Newsの報道は、この拡大する関係者層を可視化する助けとなる。データセンターの性能は、もはやエンジニアだけが議論する専門的な施設運用の話題ではない。

現在では、企業の取締役会、電力会社の計画担当者、規制当局、投資家、顧客、そして計画中のキャンパス近隣の住民に影響する。各グループは、異なるリスクの観点から効率性を評価している。

真の競争は、効率改善と総資源需要の増加の間にある

効率改善がESG目標を支えるのは、総合的な環境影響の軌道を変える場合に限られる。

これは、二つの変動要因を軸にした規模の問題だ。一つ目は、コンピューティング作業の単位当たりに消費されるエネルギーである。

二つ目は、求められるコンピューティングの量だ。AI企業は一つ目の変数を改善する一方で、二つ目を急速に増やしている。

より効率的なチップは、1ワット当たりより多くの計算を処理できる。より優れたソフトウェアは、不必要な処理を減らし、モデルルーティングを改善し、作業を適切なハードウェアへ配置できる。

サーバー稼働率の向上は、組み込み影響と運用上の影響をより多くの有用な作業に分散させる。アイドル状態のアクセラレータは、顧客価値をほとんど生まないまま電力を消費し続ける。

しかし、コスト低下は利用拡大を刺激し得る。経済学者はこの結果をリバウンド効果と呼ぶことが多く、効率化によってサービスが安価になり、総消費量が増加する現象を指す。

AIシステムはこのリスクをよく示している。テキストクエリが安くなれば、開発者はモデルを検索、オフィスソフトウェア、カスタマーサポート、コーディングツール、自動化エージェントに組み込むようになる可能性がある。

推論モデルは、回答を返す前に繰り返し計算ステップを実行できる。動画生成やマルチモーダルシステムは、単純なテキスト応答よりはるかに多くの処理を必要とする場合がある。

エージェントは、継続的な人間の入力なしにモデル呼び出しの連鎖を実行することもできる。個々のタスクはより効率的になる一方で、タスク総数はさらに速く増加する可能性がある。

IEAは2026年、近年のAIタスク当たりのエネルギー使用量が毎年少なくとも1桁低下したと報告した。また、AIに特化したデータセンターの電力使用量が2025年に50%急増したことも明らかにした。

これらの知見は矛盾しない。タスク当たりの進歩とシステム全体の需要を併せて報告すべき理由を示している。

施設設計も同じ緊張関係に直面している。液冷は、従来の空冷よりも高密度AIラックから熱を効率的に除去できる。

ただし、液冷システムには、ポンプ、熱交換器、水源、放熱設備に関する新たな設計上の選択肢が生じる。その性能は気候と構成に左右される。

ラック密度を高めれば、一定量のコンピューティングに必要な物理的スペースを削減できる。一方で、より小さなエリアに電力需要と熱を集中させることにもなる。

この集中は、変圧器、開閉装置、バックアップシステム、電力会社との連系に影響する。技術的に効率的な建物であっても、敷地外で大規模なアップグレードが必要になる場合がある。

したがって、PUEはより大きな測定セットの中に位置づける必要がある。米国エネルギー省は、PUE型の指標を水、炭素、エネルギー再利用、コンピューティング出力の指標と組み合わせることを推奨している。

同省の設計効率ガイドでは、PUEが1.6前後は標準、1.4は良好、1.1はより優れていると説明している。

このガイドは、PUEがデータセンター全体の効率性を定義するものではないとも警告している。導入されたサーバーが生産的か、適切にプロビジョニングされているかについては何も示さない。

水使用効率（WUE）は、年間のサイト水使用量をIT機器のエネルギー消費量に対して測定する指標である。炭素使用効率は、排出量とITの電力消費を結び付ける。

エネルギー再利用効率は、別用途のために外部へ供給されたエネルギーを考慮する。適切なインフラがある場合、廃熱は地域暖房、産業プロセス、近隣の建物を支えることができる。

コンピューティング指標は、欠けていた成果側の視点を加える。事業者は、ワット当たりのトランザクション数、モデルトークン数、学習進捗、あるいはワークロード固有の別単位を追跡できる。

すべてのワークロードに通用する単一の成果指標は存在しない。モデルの学習、動画配信、記録の保存、金融取引の処理は、それぞれ異なる価値を生み出す。

この制約は、成果を無視してよい理由にはならない。外部の人々が結果を解釈できるよう、企業は手法、境界、ワークロードの分類を十分に明確に公表しなければならないことを意味する。

PUEだけを軸に構築されたESGプログラムは、誤った行動を促す可能性がある。旧式機器の置き換えで施設オーバーヘッドは改善しても、十分に活用されていないサーバーが放置されかねない。

ワークロードをハイパースケール事業者へ移せば、測定上の企業電力使用量は減るかもしれない。だが、根底にあるエネルギー需要は依然として存在し、事業者側のインベントリーへ移るだけだ。

再生可能エネルギー証書は、市場ベースのScope 2排出量を減らし得る。しかし、地域の電力消費に伴う物理的な排出量を自動的に減らすものではない。

同様に、年間の水補填は有益な復元プロジェクトを支援できる。だが、干ばつ時や需要ピーク時の取水に関するサイト単位の情報に取って代わることはできない。

最も信頼できるアプローチは、有用なコンピューティング成果、施設全体のエネルギー、時間帯別の電力源、地域の水への影響、サプライチェーン排出量という5つの層を結び付けるものだ。

このより広いスコアカードは調達判断を変える。買い手は単一の効率比を受け入れるのではなく、サービスの成果と環境への影響に基づいて事業者を比較できる。

また、エンジニアリングの優先順位も変わる。チームは、モデル、スケジューリング、ハードウェア利用率、冷却、エネルギー調達を、一つにつながったシステムとして最適化できる。

より優れたハードウェアでも、不十分な測定と情報開示は補えない

最大の不確実性は効率化技術が機能するかどうかではなく、報告される指標が企業の主張を検証するのに十分な情報を示しているかどうかにある。

この20年間、業界は施設性能を改善してきた。その成果は実在するが、既存設備の大部分では改善ペースが鈍化している。

Uptime Instituteの2025年グローバル調査では、平均PUEは6年連続でほとんど変化していなかった。レガシーインフラと気候に固有の冷却制約が、さらなる進展を制限した。

同じ調査では、主要なサステナビリティ指標の収集・報告は2025年中に改善しなかった。Uptimeは、この停滞の一因として商用AIへの圧力と、一部地域における規制緩和を挙げた。

これらの調査結果は、同研究所の調査結果に掲載されている。

情報開示の隔たりは比較を難しくする。企業ごとに組織境界、会計手法、水消費量や再生可能エネルギーの定義が異なる。

データセンターを切り分けず、全社の電力使用量を公表する企業もある。地域別の合計を報告しても、個別施設を示さない企業もある。

サイト単位の開示は、セキュリティや商業上の懸念を生むことがある。しかし、集計は送電網や流域への圧力が最も大きい場所を覆い隠しかねない。

AIワークロードは、別の測定上の課題も生む。事業者がモデル、タスク種別、場所、時間ごとの完全なエネルギーデータを公表することはほとんどない。

単一の平均値には、効率的なテキスト要求と、エネルギー集約的な動画生成が混在し得る。また、モデル規模や推論設定による差異も隠し得る。

Googleの研究者は、AI推論を提供スタック全体で測定する方法を提案している。これにはアクセラレータ、ホストシステム、アイドル容量、施設オーバーヘッドが含まれる。

この手法は、稼働中のチップだけを測定するより情報量が多い。それでも、事業者が異なるワークロードや非公開インフラを用いる限り、独立した比較には制約が残る。

企業目標はガバナンス上の問題も生む。取締役会は、インフラチームがAI需要の伸びをどれほど速く見込めるか分からないうちに、長期の気候コミットメントを承認することが多い。

その後、経営陣は相反するインセンティブに直面する。気候目標を守りつつ、AI市場での立場を弱めかねない遅延を避けたいからだ。

サステナビリティ実績が報酬や資金調達に影響する場合、この問題はより深刻になる。弱い定義は、物理的な削減ではなく有利な会計処理を報いる可能性がある。

規制当局は、一貫した報告要件を設けることで比較可能性を高められる。一方、設計の悪いルールは、運用上の意味を欠くコンプライアンスデータを生みかねない。

欧州連合は、対象となるデータセンターにサステナビリティ報告を求め始めている。ドイツは、施設向けの将来的なPUEしきい値を含む効率要件を採用した。

報告要件があっても、すべての施設が比較可能になるわけではない。気候、可用性要件、ワークロード種別、建物の築年数はいずれも達成可能な性能に影響する。

高温多湿の地域にあるデータセンターを、寒冷地でフリークーリングを利用する施設だけを基準に評価すべきではない。重要なのは、各サイトが適切な手法を採用しているかどうかだ。

信頼性には別のトレードオフがある。冗長設備は電力オーバーヘッドを増やすが、不可欠なデジタルサービスを停止から守る。

冗長性をすべて取り除けば効率比は改善するかもしれないが、許容できない運用リスクを生む。ESG分析ではサービスのレジリエンスを考慮しなければならない。

水とエネルギーは、相反する方向へ動くこともある。蒸発冷却は電力消費を減らせる一方で、水の消費量を増やす可能性がある。

空冷システムは直接的な水使用量を抑えられる一方、より多くの電力を必要とすることがある。より環境負荷の低い選択肢は、地域の水ストレスと送電網の排出量によって決まる。

こうしたトレードオフにより、「グリーンデータセンター」といった幅広い主張は検証が難しい。透明性の高い事業者は、利点と移転された影響の双方を開示すべきだ。

企業報告書は複数の読者を対象としているため、独立した分析は依然として不可欠である。そこには有用なデータが含まれるが、企業戦略を好意的に見せる側面もある。

Associated Pressの報道は、AI拡大が大手テクノロジー企業の気候目標をいかに複雑化しているかを記録している。その気候目標の分析では、企業が困難さを認める場面が増えていると指摘されている。

この認識は重要だが、進展の証明ではない。読者は、目標、締結済みのエネルギー契約、完了したプロジェクト、測定済みの運用成果を区別すべきだ。

Google Newsでは、これら4つのカテゴリーが一つのストリームに現れることがある。編集者と読者は、それらを同等の証拠として扱わないよう注意しなければならない。

提案段階の原子力契約は、稼働中の発電ではない。水補填のコミットメントも、プロジェクトが検証済みの便益を提供するまでは、回復した水ではない。

研究室でのハードウェアに基づく効率主張は、フリート全体の成果ではない。建設目標も、完成した低炭素施設ではない。

最も強力なESG報告は、こうした段階を可視化する。また、古い目標を新しい表現で置き換えるのではなく、不足や未達を説明する。

効率化がAI建設ラッシュに追いつけるかを示す3つのシグナル

次の段階は、孤立した効率化発表をもう一巡させることではなく、絶対的な成果によって評価される。

第1のシグナルは、電力消費が増え続ける中で、データセンター全体の排出量が減少し始めるかどうかだ。

効率化は、需要の増加を抑え、管理されていない拡張と比べて排出量を減らすなら、実際の価値を持つ。しかし企業の気候コミットメントには、最終的には絶対量の削減が必要だ。

読者は、年間の電力使用量の増加を、ロケーションベースおよびマーケットベースの排出量と比較すべきだ。ロケーションベースの数値は運用に電力を供給する送電網を反映し、マーケットベースの数値は契約による購入分を含む。

両者の差が拡大すれば、会計上の手段への依存が強まっていることを示す。両方が減少すれば、物理的な脱炭素化のより強い証拠となる。

第2のシグナルは、企業がより詳細なエネルギー・水情報を公表するかどうかだ。

有用な開示では、データセンターをオフィスやその他の事業活動から分離する。また、主要地域、水ストレスの高い場所、消費量の算定方法も特定する。

AIについては、事業者はタスク当たりの推定値にどのシステム構成要素が含まれるかを説明すべきだ。機微な顧客情報を公開せずに、ワークロードの分類を開示すべきである。

より一貫した報告は、ESG目標がインフラ判断を導いているという根拠を強める。集計が続けば、地域への影響に対する疑念は残る。

第3のシグナルは、効率化が新設施設を改善するだけでなく、容量計画を変えるかどうかだ。

事業者は、より高いサーバー利用率、ワークロードのスケジューリング、機器の廃止、需要の柔軟性を示すべきだ。また、ソフトウェアチームがモデル選定時にエネルギーを考慮していることも実証すべきである。

電力会社は実践的な試金石となる。新たな負荷と、実現可能な発電、送電、蓄電を組み合わせるプロジェクトは、信頼性に関する疑問が少なくなる。

不確実な将来の供給に依存するプロジェクトは、地域の送電網への圧力を高める。また、政治的な反発、許認可の遅れ、インフラコストの上昇を招く可能性もある。

今後数回の企業環境報告により、これらのシグナルは比較しやすくなる。Google、Microsoft、Amazon、Metaは現在、同じ基本的な次元で精査されている。

各社が報告するPUEの数値は依然として重要だ。より重大なのは、総電力使用量、時間帯別のクリーンエネルギー供給率、水消費量、排出量、そして提供された有用なコンピューティング成果である。

Google Newsは今後も、効率的なチップ、液冷、新たなエネルギー契約に関する発表を伝え続けるだろう。読者は、それぞれの進展がこうしたより大きな総量を変えるかどうかを問うべきだ。

開発者や企業の購入担当者にも影響力がある。より小規模なモデルを選び、不必要な呼び出しを減らし、適切な結果をキャッシュし、信頼できるインフラデータを事業者に要求できる。

ナレッジワーカーは、あらゆる作業に最も計算負荷の高いモデルが必要かどうかを問い直せる。プロダクトチームは、モデル規模を最大化するのではなく、エネルギーとレイテンシーに対して出力品質を測定できる。

データセンターのエネルギー効率は、今やAI成長戦略の信頼性と切り離せない。決定的な問いは単純だ。拡張によって企業のESG目標が到達不能になる前に、検証済みの資源削減は実現するのか。