NokiaのAIトラフィック予測、2035年までにアップロード容量へ圧力
Nokiaは11月4日、2035年までにAIが世界のネットワークトラフィックの44%を牽引するとの予測を発表した。NokiaのAIトラフィック予測では、月間総トラフィックは約3,789エクサバイトに達するとされる。1エクサバイトは10億ギガバイトに相当する。中心的な警告は、主としてダウンロードを提供するよう設計されたネットワークに関するものだ。機械や自動化ソフトウェアは、反対方向により多くの容量を要求するようになる。
これは、従来の消費者トラフィックのパターンと、処理のために継続的に情報を送信するアプリケーションとの間に、計画上の対立を生む。通信事業者は追加のアップロード容量にどこで投資すべきかを判断する必要があり、企業の購入担当者は接続性が想定するワークロードを支えられるという根拠を求める必要がある。
CiscoとEricssonもAIトラフィック要件の変化を指摘しているが、その予測は異なる対象を測定している。これらの報告は合わせて、実務的な問いをより明確にする。AI導入が拡大する前に、どのネットワーク前提を更新する必要があるのか。そして、どの投資に関する主張にはなお検証が必要なのか。
NokiaのAIトラフィック予測が実際に測定しているもの
Nokiaのネットワークトラフィック見通しでは、月間トラフィックは2026年の水準から2035年までにほぼ4倍になると予測している。同社は、アプリケーション利用、接続デバイス、自動化ワークフローに加え、外部調査、専門家レビュー、研究所での作業を基に推計を構築している。
この見出しが示すのは、すでにネットワークを流れているトラフィックの測定値ではなく、モデル化された将来である。
この区別は重要だ。正確な到達点は、採用に関する基礎的な前提よりも確実に聞こえる場合がある。ネットワーク投資の判断には、特に予測が変化するアプリケーション、デバイス、ビジネスモデルにまたがる場合、もっともらしい需要パターンの幅が必要となる。
報告書の対象範囲にも注意が必要だ。Nokiaは、AIアプリケーションに直接関連するトラフィックと、AIによるレコメンデーションの影響を受ける追加の消費者活動を分けている。総計にはアクセス・トラフィックとクラウドAIワークフローのやり取りが含まれる一方、ほかの複数のネットワーク活動カテゴリーは除外されている。
アクセス・トラフィックとは、ユーザーまたはデバイスと、それらを接続するネットワークとの間でやり取りされるデータを指す。クラウドワークフロー・トラフィックは、AIリクエストを完了するために関与するサービス間の通信を指す。これらのカテゴリーは異なる場所で発生する関連活動を表すため、予測を比較する前にその境界を確認すべきだ。
例えば、トラフィック定義では、デバイス内または構内にとどまる活動を除外している。また、AIコンピューティングプラットフォーム内の通信や、トレーニング、複製、バックアップに関連する一部の転送も除外している。
したがって、この見出しを、Nokiaがあらゆるコンピューターネットワークを移動するすべてのバイトを数えたという主張に変えてはならない。これは同社が定義した予測対象の世界を示している。その定義を維持して結果を引用する限り、有用な計画フレームワークとなる。
同じ注意は、AIの予測シェアにも当てはまる。クラウドアシスタント、レコメンデーションに後押しされた視聴判断、産業用機械に関連するトラフィックは、それぞれ異なる仕組みで発生しうる。これらを組み合わせることは全体需要の推計に役立つが、運用上の要件まで同じになるわけではない。
追加の動画を視聴する消費者と、指示を待つ機械では、求めるサービス体験が異なる。両者のトラフィックは共通の総量に寄与しうる一方で、異なる混雑パターン、障害の影響、投資優先度を生み出す。
そのため通信事業者にとって有用な出発点は、需要の構成である。より大きな総量は規模を示すが、どのネットワーク区間に注意が必要かはアプリケーションの挙動によって決まる。
企業の購入担当者にとって、この区別は同様によくある誤りを防ぐ。すなわち、世界規模の予測を個別の接続性要件へ直接置き換えることだ。企業の必要性は、アプリケーション、運用拠点、データポリシー、中断への許容度に依存する。
この発表は、容量の見出しと並べてこれらの論点を提示することで、計画に関する議論を変える。その有用性は、組織が広範な予測を自らのネットワークで観測できる条件へ結び付けられるかどうかにかかっている。
通信事業者は家庭向けブロードバンドの成長と並行してアップロード需要に直面する
差し迫った圧力は、デバイスがより広いサービスへ最初に接続するアクセスネットワークを担う組織にかかる。こうした組織は、既存顧客を支えながら、トラフィックパターンがなお不確実なアプリケーションに備えなければならない。
需要の増加だけでは、トラフィックがどこで、いつ、どの方向に現れるかを通信事業者が把握するまで、正しいアップグレードを示すことはできない。
NokiaのAIトラフィック予測では、複数の手順を通じてタスクを実行するソフトウェアであるagentic AIを、特に急成長するカテゴリーとして位置付けている。同社は、そのトラフィックが2035年までに2026年水準の160倍に達すると予測している。
物理世界を認識し、そこで行動するシステムであるphysical AIは、開始時点の105倍に達すると予測されている。Nokiaは、このカテゴリーのトラフィックの90%以上が、デバイスから外へ情報を運ぶ接続であるアップリンクで発生すると見込む。
これらは小さな出発点に基づく予測である。運用上の重要性は、倍率そのものよりも、そこに表れる需要の種類にある。
センサー情報をリモート処理へ送るネットワークは、画面へエンターテインメントを届けるネットワークとは異なる容量問題に直面する。ダウンロード容量を追加しても、アップロードの制約が自動的に解消されるわけではない。
場所は判断をさらに複雑にする。産業拠点周辺に集中する需要には、住宅地に分散する需要とは異なる対応が必要になる場合がある。通信事業者は、広範な成長と、特定の顧客またはサービス地域周辺に集中する圧力を区別する必要がある。
Fixed wireless access、すなわちFWAは、携帯電話インフラを通じて固定拠点にブロードバンドを提供することで、別の計画変数を加える。Nokiaは、これが2035年までに消費者向けセルラートラフィックの3分の1超を生み出すと見込んでいる。
この予測をAI導入の推計として読むべきではない。家庭向けブロードバンドの成長は、自律型エージェントや接続された機械とは独立して、セルラー需要を増やしうる。複数のサービスが共有インフラに依存するため、その重なりは重要である。
EricssonのFWA見通しは、別の比較対象を示している。同社の2026年6月の予測では、FWAは2031年までに世界のモバイルネットワークのデータトラフィックの36%を占めるとしている。
Nokiaの数値とは日付とカテゴリーが異なるため、これらの推計を一致する測定値として扱うべきではない。それでも、新たなAIワークロードと同じ投資議論に家庭向けブロードバンドを含めるべき理由を示している。
容量を評価する通信事業者は、実際のサービス構成を考慮しなければならない。住宅需要、ビジネス接続、機械トラフィックは、同じネットワーク機器を共有していても異なる要件を生み出しうる。
商業上の問題はここから直接導かれる。通信事業者は、顧客が求めるサービス特性に対して対価を払う顧客を必要とし、購入者は性能に関する明確な約束を必要とする。AI対応という大まかな約束では、具体性に欠けすぎる。
したがって企業調達では、利用可能な容量と信頼できるアプリケーション性能を区別すべきである。単独のデモでは接続が十分に見えても、混雑、中断、復旧に関する疑問が解消されない場合がある。
NokiaのAIトラフィック予測は、通信事業者にこうした前提を見直す理由を与える。ただし、すべてのネットワークに同じアーキテクチャが必要だとか、提案されたすべてのアップグレードに直ちに事業上の根拠があることを示すものではない。
実務上の圧力は、投資判断をより具体化することにある。通信事業者は予想需要を実際のボトルネックへ結び付ける必要があり、顧客はどのアプリケーション成果がより強い接続性の約束を正当化するのかを説明しなければならない。
エージェントはタスクとトラフィックの関係を変える
エージェント需要が拡大する仕組みは単純だ。ユーザーの指示は、ユーザーには見えないやり取りを引き起こしうる。目に見える回答は、それを生み出すために必要なネットワーク活動の不完全な姿しか示さない。
自動化ワークフローでは、需要の関連単位は完了したタスクと、それを支える通信である。
文書を比較し、ブリーフィングを作成する架空のリサーチアシスタントを考えてみよう。これは、ソース資料の取得、モデル分析の要求、別のソースの確認、回答の改訂を行う可能性がある。最終的なブリーフィングは短くても、その背後のプロセスでは相当量の情報交換が発生しうる。
この例は、測定済みの導入事例ではなく、あり得るワークフローを示している。その重要性は、ユーザーに表示される量と、その結果の背後にある活動とを分けている点にある。
トレーニング済みモデルを実行して出力を生成するプロセスである推論は、その連鎖の一部となる。推論をどこで実行するかによって、どの接続がリクエスト、補足情報、応答を運ぶかが決まる。
CiscoのAIネットワーク調査は、この仕組みに関する根拠を示している。そのテストでは、エージェントが人間主導の実行と比べ、タスク当たりで最大450%多い総トラフィックを発生させる可能性があることが分かった。
この結果は自動化ワークフローに注目する根拠となるが、「最大」という表現は、読者が導ける結論を限定する。これは、すべてのアシスタント、アプリケーション、組織に当てはまる普遍的な倍率ではない。タスク設計と実装が引き続き中心的な要素となる。
この比較は、トークン使用量だけではネットワーク計画を決められない理由も示している。トークンは、モデルが処理するテキストまたはその他のコンテンツの単位である。トークンはモデル活動を表す一方、ワークフローはファイルを取得し、ツール結果を交換し、補助メディアを転送する場合もある。
そのためアプリケーションチームには、完全な経路の可視性が必要となる。そうでなければ、別のサービスや接続を調査すべきなのに、遅延をモデルに帰してしまうリスクがある。
モデルの応答を導くために提供される情報であるコンテキストは、別の設計判断を生む。補足資料を増やすことはタスクに役立つ場合があるが、不要な転送は結果を改善せずに作業を増やす可能性がある。
ナレッジワーカーにとって、これはインフラ計画を情報整理へと結び付ける。適切に管理されたAI knowledge baseは、アシスタントが何を取得すべきかについて、より明確な判断を支えうる。
このつながりは、特定のナレッジツールがネットワークトラフィックを削減することを示すものではない。むしろ、アプリケーションレベルの問いを浮き彫りにする。どの情報を移動させる必要があり、どの資料がタスクに無関係なのか。
開発者も、再試行や繰り返しのリクエストを評価する際に同じ問題に直面する。類似情報を繰り返し要求するワークフローは、そのトラフィックを避けられない需要として扱う前に調査する価値がある。
物理的な側面には、関連しつつも異なる問題がある。機械は、人が別のリクエストを送るからではなく、周囲の環境が変化し続けるために情報を生成する場合がある。
ここで有用なアプリケーション設計は、リモート分析が必要なものとローカルで処理できるものを見極めなければならない。送信する情報を減らすことが有益なのは、アプリケーションが依然として運用要件を満たせる場合に限られる。
どちらの分類も、自動化が常に帯域幅を無駄にするという単純な主張を裏付けるものではない。追加のやり取りは、価値ある作業に伴う場合がある。計画における問いは、結果として生じるトラフィックが必要か、十分に理解されているか、適切な接続性によって支えられているかである。
このため、予測される成長は通信部門を超えて注目に値する。製品上の意思決定がワークフローの挙動を決定し、ワークフローの挙動が最終的にネットワークが運ぶ必要のある需要を決定する。
ユーザーに近い場所での処理には条件付きのビジネスケースがある
Nokiaは、一部のAI処理がより分散化すると予想している。エッジコンピューティングはユーザーやデバイスに近い場所で処理を行うことを意味し、都市圏のネットワーク施設はアクセス接続と遠隔地のクラウドサービスの間に位置する、もう一つの選択肢となる。
同社は、2035年までにエッジおよび都市圏インフラがAIネイティブのトラフィックの36%を担うと予測している。また、AIトラフィックの大半は中央クラウドに残ると見込んでいる。
投資判断は各ワークロードをどこに配置すべきかに関するものであり、性能、運用の複雑さ、データ要件がその答えを左右する。
これは普遍的な移行スケジュールではなく、アーキテクチャ上の選択である。ワークロードを近くへ移すと、コンピューティングリソースをどこに設置し、保守し、保護し、更新する必要があるかが変わる。
企業にとって、近接性はアプリケーション要件が明確になる前から魅力的に聞こえる可能性がある。ワークフロー内の遅延が別の場所で発生しているなら、ローカル施設の価値はほとんどない。
Ciscoは有用な懐疑的比較を提示している。同社の調査によれば、検討したワークロードでは現在、モデル処理がエンドツーエンドの推論遅延の大半を占める。ネットワーク遅延だけでは、エッジ推論への広範なアーキテクチャ変更をまだ正当化できないと主張している。
この知見はNokiaの長期予測を否定するものではない。両社は異なる時間軸と問いを扱っている。Ciscoの観察は現在の性能に関するものであり、Nokiaは将来のアプリケーションと導入の選択肢がどのように発展するかをモデル化している。
この比較は、インフラマーケティングにおける短絡的な考え方に疑問を投げかける。AIを含むアプリケーションが自動的に近接コンピューティングを必要とするわけではなく、近接コンピューティングが自動的にユーザーが重視する成果を改善するわけでもない。
購入者は実際の要件を特定する必要がある。アプリケーションは情報転送、リモート処理、別の業務システム、それとも人による承認を待っているのか。答えごとに、異なる対策が示される。
データ主権、すなわちデータの保存場所や処理場所を規定する要件も、配置を左右し得る。このような要件は、遠隔サービスが十分な性能を発揮している場合でもコンプライアンス上の制約が適用され得るため、性能とは分けて扱うべきである。
運用レジリエンスも別の考慮事項を加える。分散アプリケーションでは、サイトが支援サービスへのアクセスを失った場合に何が起きるかについて、明示的な判断が求められる。地理的な近接性だけでは、その問いに答えられない。
開発者にとって、妥当なアーキテクチャはアプリケーションの依存関係から始まる。不可欠なツールを別の場所に残したまま推論だけを近づけても、リモート接続への当初の依存の多くが残る可能性がある。
企業の購入者は、各コンポーネントを誰が運用するのかも確認すべきである。アプリケーションが複数の場所にまたがる場合でも、更新、監視、アクセス制御、インシデント対応の責任は明確でなければならない。
こうした考慮事項により、この予測は分配の問題として扱うとさらに有用になる。異なるワークロードは異なる配置を正当化し得るため、同じ組織でも複数のアプローチを運用できる。
共有リソースと集中運用がアプリケーションに適する場合、中央クラウドサービスは引き続き重要である。近接処理は、実証された要件がそれを支える場合に検討に値する。
最も強力なビジネスケースは、配置を測定可能な成果に結び付ける。導入では、選択した場所がなぜ性能を改善し、データ要件を満たし、または信頼できる運用を支えるのかを示すべきである。
この結び付きがなければ、組織はアーキテクチャ上のラベルを買うリスクがある。Nokiaが予想する長期的な変化は、アプリケーションレベルで価値を実証できる実践的な導入判断に左右されるだろう。
予測の前提は精度以上に重要である
長期予測は組織の準備に役立つが、数字が見せる精密さは不確実性を覆い隠す可能性がある。導入、アプリケーション設計、ローカル処理、サービス経済性はいずれも、新興カテゴリーから世界規模の総量に至る道筋に影響する。
Nokiaの予測を最も適切に読むには、その前提を保持し、予測需要を保証された設備投資に変換しないことが重要である。
まず成長倍率から始めよう。小規模なカテゴリーは急速に成長し得るが、最終的な寄与は導入に左右される。倍率だけでは、どのユーザーが加わるのか、何を行うのか、トラフィックがどこを通るのかは示されない。
導入の選択も重要である。主にデバイス上で動作するワークフローは、リモートのやり取りに依存する同等のサービスとは異なるネットワーク上の意味を持つ。予測では、こうした選択がどのように変化するかを前提に置く必要がある。
効率性も別の不確実性をもたらす。開発者は、アプリケーションが特定のタスクのために送信する情報量を変更できる。また、個々の処理が改善されても、アプリケーションが試みる範囲を広げることで追加需要を生み出すこともできる。
結果として生じるバランスは実証的な問いである。効率性が成長をなくすと仮定したり、あらゆる改善が必ずより多くのトラフィックを生むと仮定したりして解決することはできない。
分類は別の課題を生む。Nokiaの定義には、AIによるレコメンデーションの影響を受ける追加的な消費者トラフィックが含まれる。その増分を推定するには、そうでなければ発生していた活動について反実仮想的な判断が必要となる。
したがって読者は、直接観測できるカテゴリーと、行動モデルを必要とするカテゴリーを区別すべきである。どちらも計画に役立つが、提供する証拠の性質は異なる。
ベンダー間の比較にも同様の規律が必要である。Ciscoは、2035年までにAI推論がネットワークトラフィックの4分の1を占めると予測している。この数字を、Nokiaのより広範なAI駆動トラフィック比率への直接的な反証として提示すべきではない。
推論トラフィックとAI駆動トラフィックは異なる範囲を示している。有意義な比較には、この差を解釈する前に、対象アプリケーション、ネットワーク境界、計数方法をそろえる必要がある。
商業的なインセンティブも認識に値する。Nokia、Cisco、Ericssonはいずれもネットワーク投資の恩恵を受けるインフラを販売している。各社の調査は、事業目的に資する一方で有益な証拠を含み得る。
だからといって、その知見を退ける理由にはならない。ベンダー予測と併せて、透明性のある手法、現場測定、顧客成果を求める根拠になる。
利用可能な証拠も、ネットワークの対応力が全面的に崩壊することを示してはいない。圧力は一様ではなく、あらゆる場所で同時にではなく、特定の場所やアプリケーションで制約が生じる可能性がある。
世界全体の総量だけでは、その場所を特定できない。事業者は、世界的な軌道を個別の建設や調達判断へ変換する前に、地域の証拠を必要とする。
企業の購入者にとって、実務上のリスクは両方向にある。接続性を過小評価すれば、アプリケーションが期待を満たせなくなる可能性がある。要件を過大評価すれば、需要や運用上の価値が明確になる前にリソースを拘束しかねない。
NokiaのAIトラフィック予測は、構造化された計画シナリオとして最も有用である。アプリケーションの挙動や導入の選択が変化する余地を残しつつ、検証に値する前提を特定している。
このアプローチはニュースを適切な規模に保つ。このレポートはAIワークロードの測定の必要性を強める一方、個別投資の時期と規模は、より詳細な証拠を必要とする判断であり続ける。
2027年初頭までに注視すべき3つのシグナル
今後数カ月で、2035年に終わる予測を検証することはできない。しかし、その基礎となる仕組みが商用ネットワークや企業導入に現れつつあるかどうかについての証拠は得られる。
短期的な観測では、この順序で、測定されたトラフィック挙動、顧客導入、導入経済性に焦点を当てるべきである。
最初のシグナルは、識別可能なAI導入におけるアップロード需要についての事業者による開示である。有用な証拠は、トラフィックパターンを特定のアプリケーションに結び付け、通常のブロードバンド成長と区別するものとなる。
持続的なアップロード制約を示す測定結果は、既存の計画前提を調整する必要があるという見方を強めるだろう。十分な余力を示す報告は、より選択的な投資対応を支持する。
結果と同じくらい文脈も重要である。読者は、導入環境、測定期間、アプリケーションの挙動、ネットワーク条件を確認すべきだ。こうした詳細がなければ、単独の性能指標が示す指針は限られる。
2つ目のシグナルは、エージェントと接続されたマシンの持続的な商用利用である。試験運用は技術要件を明らかにできるが、継続的な運用は、その要件が持続的な需要に結び付くかどうかについてより強い証拠を提供する。
最も有益な開示では、アクティブな利用、完了したタスク、運用場所、顧客拡大を説明する。単にAIという用語を追加する発表は、トラフィック予測の評価にはあまり役立たない。
導入の継続はNokiaの需要仮説を支持するだろう。導入の遅れ、放棄されたワークフロー、またはより多くの作業をローカルで実行するアプリケーションは、リモート交換の拡大に依存する前提を弱める。
3つ目のシグナルは、処理場所を裏付ける証拠である。顧客とベンダーは、特定のワークロードが中央クラウド、都市圏施設、近接サイト、またはデバイスのどこに属するのか、その理由を説明すべきである。
アプリケーション上の便益を示す比較結果は、分散処理の論拠を強める。モデル実行やその他のリモート依存関係が支配的な結果は、より慎重なアーキテクチャ対応を支持する。
こうした比較では、性能と並んで運用経済性も扱う必要がある。技術的に成功した導入でも、機器、ソフトウェア、セキュリティ、サービス支援を維持するための持続可能な体制が必要である。
投資家は、一般的なAI需要を特定サプライヤーの将来業績の証明として扱うべきではない。事業者は拡張計画を実際のネットワーク条件に結び付けるべきである。企業の購入者は、アプリケーション成果に結び付いたコミットメントを求めるべきである。
今後数カ月は、NokiaのAIトラフィック予測を、依存するネットワークやアプリケーションからの証拠と併せて読むべきである。データがどこを移動するのか、どの接続制限が性能を左右するのか、継続利用で何が変わるのかをベンダーに説明させよう。こうした前提を導入記録とともに保持し、導入が拡大するにつれて観測された挙動と比較する。ナレッジチームにとっては、モデル品質と並行して検索と処理の選択を文書化することを意味する。事業者にとっては、家庭向けブロードバンドの成長と新たに生じるマシンワークロードを分けて捉えることを意味する。AI導入を拡大する前に、チームはそれが生み出すトラフィックと、そのトラフィックが満たすべきサービス要件を特定できるだろうか。
