Harvardのデータセンター研究、需要を82TWhと推計
Harvardのデータセンター研究は、米国の大規模施設403カ所が1年間に82テラワット時の電力を消費し、その大半を化石燃料が供給したと推計している。テラワット時は累積的な電力使用量を表すのに対し、テラワットは特定時点の電力を示す。この違いは、一部の見出しに見られる重大な誤りを正すものだ。調査結果は82TWではなく、82TWhに関するものである。
2026年11月16日に公表されたこの研究は、2024年5月から2025年4月までに稼働していた施設を対象としている。その中心推計は、Michigan州の2024年における小売電力販売量の約83%に相当する。これは大きな比較だが、これらの拠点がMichigan州より多くの電力を消費したことを意味するわけではない。
中心的な論点は、コンピューティング施設が地域の電力網に依存する場合、クリーン電力とは何を意味するのかという点にある。企業は再生可能エネルギーの発電に資金を提供できる一方、周辺の電力システムではガスや石炭の燃焼が続く可能性がある。クラウド事業者、企業の購入者、新たなキャンパスを検討する地域社会にとって、この研究は実務的な問いを投げかける。持続可能性への約束と実際の稼働条件を結び付ける根拠は何か。
Harvardのデータセンター研究が実際に測定したもの
この研究が示すのは、業界全体のメーター測定値ではなく、定義された施設群に対する推計である。
査読済みのハイパースケール電力研究は、施設負荷、すなわち各拠点がどの程度高負荷で稼働するかについて、異なる仮定の下で結果を提示している。これらのシナリオから、電力使用量は約68~99TWhの範囲となる。中心推計は82TWhで、約2,570万トンの二酸化炭素に対応する。
これらのシナリオにおける帰属排出量は、約2,100万~3,100万トンに及ぶ。中心的な電力推計は、米国全体の消費量のおよそ1.8%に当たる。帰属される発電量の約54%は化石燃料由来である。
研究者らは、クラウド事業者やコンテンツプロバイダーを支える大規模拠点、ならびに第三者が運営する対象施設を含む、ハイパースケール施設を調査した。この分類は単一のアプリケーションではなく、インフラを説明するものだ。クラウド顧客向けの建物は、他のコンピューティングサービスと並行してAIを支えることがある。
この区別は重要である。施設の電力消費量を、そのままAIの電力消費量の推計に置き換えることはできない。この研究は、一般的なコンピューティングとAIワークロードを分離していない。したがって、特定のチャットボット、モデル提供企業、または企業向けアシスタントがどれだけの電力を消費したかを確定することはできない。
日付についても同様の注意が必要だ。2026年11月は公表日であり、2025年4月は調査対象となった稼働期間の終了時点である。この推計を2026年の実測消費量として扱えば、根拠の時点を暗黙のうちに先へずらすことになる。
Michigan州との比較は、直接的な運用上の同等性を示すことなく規模感を把握する助けとなる。連邦統計によれば、Michigan州の2024年における小売電力販売量は約99TWhだった。82を99で割ると約83%となり、5分の4を十分に上回る。
ただし、小売販売量は定義された電力統計であり、州のエネルギー使用に関するあらゆる指標ではない。Michigan州のガソリン消費、産業用燃料、建物の暖房は、この比較には含まれない。また、Michigan州内で発電された電力が、必ずしも同州の顧客に販売された電力と等しいわけでもない。
Michigan州の電力プロファイルが、この基準値を示している。分母を明示し続けることで、分かりやすい比較が総エネルギー消費に関する誤解を招く主張へ変わるのを防げる。
州との比較は規模を伝えるが、施設の境界のほうが分析上はより重要である。研究を比較し、企業の主張を評価し、成長を議論する前に、どの建物が含まれているのかを読者は知る必要がある。
重要な変化は、地理的に特定された推計値が利用可能になったことだ。これにより、コンピューティング需要がどこで電力供給と接するのかを検討する出発点が生まれる。ただし、運用に関する開示の必要性がなくなるわけではない。
圧力は事業者、電力会社、購入者に向かう
この研究は、広範な気候目標から、個々の拠点について利用可能な根拠へと注目を移す。
Harvardの施設排出量評価は、研究者らが衛星画像、施設情報、連邦政府の電力データをどのように組み合わせたかを説明している。研究者らは稼働シナリオに基づいて需要を推計し、その後、地域の発電構成を用いて排出量を帰属させた。
研究者らは、対象範囲が不完全であること、AIの電力使用量を一般的なコンピューティングから区別できないことを認めている。また、結果は拡大中の業界における過去の一時点を示すものだとしている。こうした留保は、その後の根拠が何を改善すべきかを定義するため、調査結果の有用性を高めている。
事業者にとって、実務上の圧力は開示に関わる。組織は、特定のキャンパスを評価するのに十分な情報を明らかにしないまま、持続可能性目標を発表できる。施設の推計値は、その稼働負荷、電力供給地域、契約上のクリーン発電との関係について問いを生じさせる。
電力会社にとって、年間需要と供給要件は異なる計画上の問いである。年間消費量は、時間を通じて使用される電力量を説明する。インフラ計画では、需要がいつ生じるのか、また供給がどの程度確実でなければならないのかを理解する必要もある。
この研究は、特定の送電プロジェクトが必要かどうか、あるいはその費用を誰が負担すべきかを示してはいない。そうした判断には地域の根拠が必要である。この研究が重要なのは、大規模なコンピューティング需要が、それを支えると見込まれる電力システムの中で分析に値する点にある。
地域社会も、発表と実際の運用体制との間に同様の違いを抱えている。提案されたキャンパスには、投資、雇用、クリーンエネルギーに関する約束が伴うことがある。これらの約束を評価するには、特定の施設および供給条件と結び付ける文書が必要となる。
企業の購入者にとって、直ちに重要になるのは、事業者の変更を自動的に求めることではなく、調達に関する問いである。クラウドコンピューティングを購入する企業は、選択した地域にどの環境主張が当てはまるのかを理解する必要がある。プロバイダーのグローバルな声明が、必ずしもすべてのサービス拠点を説明しているとは限らない。
社内向け文書アシスタントを導入する仮想的な企業を考えてみよう。従業員は資料をアップロードし、文章を検索し、ホスト型サービスを通じて要約を依頼する。購入者はアプリケーションの有用性を直接評価できるが、その電力フットプリントにはインフラ提供者からの情報が必要となる。
ホスティング地域を特定する契約は、その購入者により具体的な出発点を与える。電力会計に関する追加開示があれば、評価はさらに改善する。こうした詳細がなければ、ベンダー選択に環境上の便益を帰属させることは難しい。
これらは、研究者らが測定した結果ではなく、根拠に対する提案された対応である。この研究は、調達行動、契約変更、地域の電気料金を定量化していない。
それでもHarvardのデータセンター研究は、情報格差を具体的に示している。外部の研究者が稼働条件を推計しなければならない場合、購入者は一般的な持続可能性の主張が施設に関する疑問に答えてくれると想定できない。
生じる圧力は明快だ。境界を説明し、計算を説明し、その主張を裏付ける運用上の根拠を示す必要がある。
クリーンエネルギー契約と地域の電力は異なる問いに答える
再生可能エネルギーの調達と地域電力網の排出量は、同じコンピューティング事業の異なる側面を説明することがある。
ロケーション基準の会計は、施設所在地に関連する電力構成を用いて排出量を推計する。マーケット基準の会計は、購入電力に関連する適格な契約上の手段を組み入れる。これらの手法は関連する問いに答えるが、その結果を相互に代替可能なものとして扱うべきではない。
この区別は、クリーンエネルギーへの約束だけでは、施設運用のすべての時間帯を説明できない理由を示す。年間の調達総量は、1年間にわたる量を確立する。しかし、それだけでは発電の時期や場所を確立できない。
この点は、調達を無関係なものにするわけではない。契約は電力プロジェクトを支援でき、企業戦略の重要な部分を担う。影響を評価するには、契約が何に資金を提供するのか、プロジェクトがいつ稼働するのか、需要とどのように関連するのかを知る必要がある。
Googleは、測定方法を明示する重要性を示している。同社が公表しているcarbon-free energy progressは、24時間365日、カーボンフリー電力で事業運営を一致させる目標を説明している。Googleは、2024年の66%に対し、2025年のデータセンターとオフィスにおける世界平均が約65%だったと報告している。
これらの企業報告の割合は、Harvardのサンプルとは異なる境界を説明している。研究における化石燃料の割合と、同一施設を対象とする競合指標として並べるべきではない。その有用性は、時間単位の電力実績が、広範なクリーンエネルギーへの約束とは異なり得ることを示す点にある。
Microsoftは、調達ルートの別の例を示している。同社のrenewable energy procurementに関する開示は、持続可能性戦略の一部として契約やインフラパートナーシップを説明している。契約済み容量は関連性があるが、消費された電力や稼働拠点に帰属される地域排出量とは異なる測定値である。
これらの例が示すのは手法であり、プロバイダーの順位ではない。グローバル企業のポートフォリオと選定された米国施設のサンプルは、地理、稼働期間、会計上の境界が異なる。これらの数値から優劣を断定すれば、根拠が支持しない精密さを作り出すことになる。
根底にある緊張関係は、購入の約束と電力システムの稼働条件との間にある。購入者は将来のクリーン発電を支援しながら、現在も混合された地域供給に依存し得る。両方の事実は成り立つ。
企業顧客にとって有用な問いは、プロバイダーが再生可能電力を購入しているかどうかよりも具体的になる。どの拠点がワークロードを提供しているのか。その拠点についてプロバイダーは何を開示しているのか。また、環境に関する数値はどの会計手法で算出されたのか。
年間調達に基づく回答も、なお有益であり得る。ただし、そのラベルを維持する必要がある。それを継続的なカーボンフリー運用の証明として提示するには、追加の根拠が必要となる。
同じ規律は批判にも当てはまる。地域の化石燃料への帰属は、企業のクリーンエネルギー購入に価値がないことを示すものではない。また、研究者らが個々の発電所から特定の建物までの電力を追跡したことを示すものでもない。
Harvardのデータセンター研究は、この区別を明確にする。その結果は、地域的な枠組みの中で帰属された稼働排出量に関するものだ。企業契約も、異なる目的を明示し続ける限り、議論に含めるべきである。
不確実性は数値の使い方を変える
最も妥当な読み方は、シナリオの範囲を保ち、推計を精密な運用監査へと変えないことである。
出版社が示した研究の限界では、推定された施設負荷と地域ごとの年間平均電力値が強調されている。結果は、検証された403施設を対象とする。米国のハイパースケール・インフラ全体の完全な一覧として解釈すべきではない。
推定負荷が重要なのは、容量と消費量が異なる概念を表すためだ。容量は潜在的な運転水準を示す一方、消費量は実際の使用を時間の経過とともに積み上げたものだ。前者を知っても、仮定や測定なしに後者を確定することはできない。
未使用のスペースや機器を持つ施設を、自動的に最大稼働しているものとして扱うことはできない。逆に、想定した稼働水準に基づく推定では、より高い利用率で稼働する施設を見落とす可能性がある。シナリオ分析は、その不確実性を可視化する。
したがって、報告された範囲自体が結果の一部である。中心値だけを引用すれば、読者が精度を判断するために必要な情報が失われる。上限値だけを引用すれば、別の歪みをもたらすことになる。
地域への帰属にも限界がある。これは需要を電力構成と関連付けるものであり、個々の電子を追跡するものではない。年間平均では、すべての時間帯における発電状況を記述することも、特定の時点で施設に供給された電力の正確な発電元を特定することもできない。
別の論点として、追加の電力需要1単位に伴う発電量の変化を指す限界排出量がある。これは、既存の地域電源構成を配分する分析とは異なる分析を必要とする。公表された総量を、施設を停止した場合に回避される排出量の推定値へと暗黙に置き換えるべきではない。
排出の境界設定も重要である。電力関連の二酸化炭素だけでは、建設、機器製造、水消費、その他の環境影響を完全には説明できない。こうした問題には、それぞれ独自の根拠が必要だ。
健康影響には、さらに慎重な扱いが求められる。Harvardはこれを本研究で直接測定された結果ではなく、今後の研究課題として位置付けている。読者は、二酸化炭素の推定値から定量化された疾病負担を推測すべきではない。
研究で対象とした施設群や手法が異なる場合、過去との比較は誤解を招き得る。公表された推定値がより高いからといって、測定排出量の同等な増加が自動的に示されるわけではない。有効な傾向分析には、基礎となる境界設定が比較可能なままであるかを確認する必要がある。
再現性に関する問題もある。公開コードは、実際の施設観測データへの無制限なアクセスを必ずしも提供しなくても、読者が計算を検証する助けにはなる。例示用データセットを実行することと、元のインフラ記録から結果を独立して再現することは異なる。
こうした限界が、研究結果そのものを無効にするわけではない。むしろ、結果が裏付けられる主張の範囲を定める。範囲を限定した推定でも、業界に関するあらゆる問いを解決せずに、重要な情報の空白を明らかにできる。
適切な結論は、検討された施設がモデル化されたシナリオの下で相当な電力需要を示すということだ。すべてのデータセンター、現在のAI消費量、あるいは個別プロバイダーについての主張には、追加の根拠が必要となる。
効率性の主張には絶対的な電力使用量が必要
コンピューティング効率の向上と総電力消費量の削減は、異なる結果である。
効率性とは、一定の資源投入に対してシステムがどれだけ有用な作業を提供するかを表す。総需要は、ユーザーがどれだけの作業を求めるかにも左右される。より効率的なサービスでも、全体のワークロードが十分に拡大すれば、消費電力は増加し得る。
この関係は、特定企業についての予測ではなく、算術上の問題である。だからこそ、効率性に関する発表にはワークロードの測定値を併記する必要がある。それがなければ、読者は絶対的な消費量に何が起きたのか判断できない。
AIサービスでは、「有用な作業」の定義にも注意が必要となる。より短い回答、小型のモデル、少ない処理手順は、資源使用を減らす可能性がある。それが改善といえるかは、システムが依然として求められるタスクを遂行できるかに左右される。
仮に、顧客サポート・アシスタントを考えてみよう。運営者は、定型的な問い合わせにはより簡単なプロセスを使い、難しいケースには追加の計算を割り当てるようシステムを変更する。関連する評価では、消費した資源と併せてサービス品質を検討することになる。
定型的な問い合わせ1件当たりの資源使用量が減ったことだけを報告しても、より広範な結果は判断できない。総問い合わせ件数、難しいケースの頻度、再試行が消費量に影響し得る。サービス全体で削減があったと主張する前には、これらの測定が必要となる。
同じ考え方は文書分析にも当てはまる。使えない要約を生成するアシスタントでは、再試行、手作業での修正、または別モデルの使用が必要になる可能性がある。効率性の評価では、すべての出力を同じ価値として扱うのではなく、タスクの完了が成功したかを考慮すべきだ。
これらの例はいずれも、Harvardの研究で測定されたワークロードを説明するものではない。施設レベルの推定値を受け取った後、アプリケーション購入者が何を評価する必要があるかを示している。同研究は、その電力総量を個別のソフトウェア機能に配分することはできない。
開発者にとって、これは実践的な報告の規律を示唆する。どのタスクを完了したのか、どの品質基準を適用したのか、測定がどのインフラ境界を対象とするのかを明示する。利用量の変化と効率性の変化は分けて扱う。
企業チームにとっては、裏付けとなる根拠を保存する理由にもなる。ホスティングに関する判断は、サービス文書、サステナビリティ開示、時間とともに変化する社内要件に依存し得る。検索可能なナレッジベースは、環境に関する主張そのものを検証することなく、こうした記録の保持に役立つ可能性がある。
最も有用な記録は、各結論をその情報源と日付に結び付ける。グローバルなサステナビリティ報告書に基づく調達判断は、そのような判断だったものとして識別可能な状態を保つべきだ。後になって、施設固有の測定値として記憶されるべきではない。
この区別によって、議論は絶対的な需要に戻る。効率的なハードウェア、改良されたソフトウェア、よりクリーンな電力は、それぞれ重要になり得るが、答える問いは異なる。これらをまとめて報告するには、それぞれの測定値を維持する必要がある。
Harvardのデータセンター研究は、より完全な全体像を求める理由を示している。その推定は累積電力消費量に関するものであり、効率性の改善が成功したとしても、最終的には拡大する需要と競合することになる。
開示、稼働中の供給、ワークロードの根拠を注視する
次に有用となる展開は、公的な約束を、測定された施設、供給された電力、完了したコンピューティング作業に結び付けるものだ。
今後数カ月で最初に注目すべきシグナルは、施設に関する開示である。有用な根拠には、稼働拠点、測定期間、電力消費量、排出量の計算方法が含まれる。一貫した開示があれば、外部の推定値を評価しやすくなる。
企業全体の総量にもなお意味はあるが、その境界は明確に維持する必要がある。施設別の内訳は異なる詳細度を提供する。両方を公表すれば、地域の条件がより広範なポートフォリオとどう関係するかを読者は理解できる。
推定の中心値が変わったとしても、より多くの測定データは議論への信頼を高める。改訂された数値は、以前の研究に価値がなかったことを自動的に意味するものではない。推定から観測へ進む過程の前進を表す可能性がある。
第2のシグナルは、新たな電力供給と稼働需要の関係である。発表は、プロジェクトが実際に電力を供給する段階まで追跡されるべきだ。署名済みの契約、建設の節目、稼働中の発電設備は、それぞれ異なる段階を表す。
読者は、開示された供給情報が消費の場所と時期に対応しているかを検討すべきだ。整合性の改善を示す根拠があれば、コンピューティングの成長がよりクリーンな運用と両立し得るという主張を強める。広範な調達総量への依存が続けば、地域に関する問いの多くは未解決のままになる。
これは、提案されたすべてのプロジェクトが失敗する、あるいはすべての契約が不十分だという主張ではない。意図と実現の違いを示すものだ。企業が一方が他方へどう移行するかを示すとき、環境報告はより有用になる。
第3のシグナルは、効率性を絶対的な消費量に結び付けるワークロードの根拠である。開発者とプロバイダーは、提供したサービス、その品質、測定対象となる電力の境界を明示すべきだ。総需要の変化は、完了タスク当たりの改善と併せて示されるべきである。
こうした報告は、企業の購入担当者が、アプリケーションの変更によって実際のサービス全体で資源使用が削減されるかを評価する助けになる。また、孤立したベンチマークの改善を全体的な環境成果と誤認しにくくする。
これらのシグナルは、予定された予測ではなく、実践的な検証基準を形成する。同研究の中心的な知見が重要であり続けるために、特定の発表が必要なわけではない。重要なのは、その後の根拠が運用に関する不確実性を減らすかどうかだ。
Harvardのデータセンター研究は、明確に示された境界を持つ相当規模の推定値を読者に提供している。その持続的な価値は、運営者が測定可能で比較可能な開示を通じて、これらの境界を調査しやすくするかどうかにも左右される。
州規模との比較を共有する前に、単位、稼働期間、施設サンプル、排出量の算定方法を確認する。クリーンエネルギーの主張を受け入れる前に、それがどの場所と時間帯を示しているのかを尋ねる。効率性の向上を称賛する前に、総消費量と完了した作業への影響を確認する。特にベンダーを比較したりインフラ判断を見直したりする際には、これらの答えを元の根拠に結び付けたままにする。次の見出しはより大きな数字を示すかもしれないが、数字が大きいだけでは中心的な不確実性は解消されない。主張を検証しやすくする情報を探すべきだ。どのプロバイダーが、顧客がそのコンピューティングサービスを支える電力システムと結び付けられるだけの運用上の詳細を開示するだろうか。



