Schneider Electricのグリッド・トゥ・チップ・アプローチがAIインフラをつなぐ、ただしペースを決めるのは依然として電力網
Schneider Electricは、統合設計では解消できない対立があるにもかかわらず、グリッド・トゥ・チップ・アプローチを注目の的にしている。AIデータセンターが必要とする電力は、電力網が供給できる速度を上回っているのだ。この戦略は、高密度AIチップの要件を軸に、電力事業者のインフラ、配電、液冷、運用ソフトウェアを接続する。
この統合は、Schneider ElectricにFast Companyの「2026 Best Workplaces for Innovators」リストで10位という評価をもたらした。しかし、この評価は職場プログラムだけに結び付くものではない。NVIDIAの高密度化が進むコンピューティングシステムを取り巻く物理アーキテクチャを、誰が主導するのかという競争を浮き彫りにしている。
直接の対抗相手は、従来型で分断されたデータセンター設計プロセスだ。電力事業者との接続、電気システム、冷却機器、ラック、ソフトウェアは、別々の請負業者が異なる段階で仕様を決めることが多い。AIクラスタでは、電力消費と発熱がラック単位で相互に影響するため、こうした境界の管理が難しくなる。
Schneider Electricは、NVIDIAとの協業によって、こうした依存関係を協調的なリファレンスデザインへと変えるとしている。同社は、受電から冷却ループ、チップレベルの運用に至るまで、より広範なインフラ経路をパッケージ化している。Vertiv、Eaton、Siemensなどのサプライヤーも重なり合う戦略を進めており、統合だけで競争の決着がつくわけではない。
中心的な問いは、グリッド・トゥ・チップのエンジニアリングが、遅延を別の場所へ移すことなく導入スケジュールを短縮できるかどうかだ。リファレンスデザインは、施設内部における計画上の不確実性を減らせる。しかし、電力事業者の供給能力を生み出すことも、すべての許認可を迅速化することも、プレハブ機器が予定通り届くことを保証することもできない。
Schneider Electricのグリッド・トゥ・チップ設計は、AIが結び付けたシステムを統合する
グリッド・トゥ・チップ・アプローチは、AIデータセンターを独立した機器購入の集合ではなく、相互接続された電力、熱、制御のシステムとして扱う。
Fast Companyは2026年9月8日、Schneider ElectricのエンジニアがNVIDIAと統合的な手法で協業したと報じた。同記事は、電力供給、液冷、ソフトウェア監視を一つの設計の構成要素として説明している。同社によれば、このアプローチはすでに世界最大級のAIデータセンターの一部で設計に反映されている。
今回のニュースは評価という面では新しいが、その基盤となるエンジニアリングプログラムは数年にわたって発展してきた。Schneider ElectricとNVIDIAは2024年3月、リファレンスデザインに関する協業を発表した。当初は、NVIDIAのアクセラレーテッド・コンピューティング・クラスタ向けインフラ設計図に焦点を当てていた。
リファレンスデザインとは、互換性のあるレイアウト、機器、制御、運用前提を定めた文書化済みの技術設計図である。構築者は、現場に合わせてシステムを調整する前の出発点として利用できる。これにより、繰り返されるエンジニアリング作業を減らし、競合を早期に発見できる可能性がある。
両社はその後、配電、冷却、制御、デジタルモデリングにわたって取り組みを拡大してきた。Schneider ElectricのAI reference designsは、既存施設とAI専用に構築する拠点の両方を対象としている。同社はこれらの文書を、完成済みの建物ではなく導入ガイドとして位置付けている。
この違いは重要だ。設計は、選定されたシステムが定められた前提の下でどのように相互作用すべきかを検証できる。実際の性能は依然として、施工品質、地域の電力網条件、水の利用可能性、部品供給、システムにかけられるワークロードに左右される。
Schneider Electricが2026年3月に示したNVIDIA GB300インフラ向け設計は、その規模を示している。これは、3つのクラスタとクラスタ当たり1,152基のGPUを収容する、7,536キロワットのデータホールを規定する。設計には、施設電力、施設冷却、IT空間、ライフサイクルソフトウェアが組み込まれている。
各クラスタは、72基のGPUをラック規模のコンピューティングプラットフォームとして接続するNVIDIA GB300 NVL72システムを使用する。Schneider Electricは、Motivairの冷却液分配ユニットと断熱支援機能付き流体クーラーを指定している。冷却液分配ユニットは、コンピューティングループと施設の冷却システムの間で熱を移送する。
この計画は、液冷サーバーを一般的な室内に配置するだけにはとどまらない。クラスタに予想される挙動を中心に、電力容量、冷却流量、ラック配置、冗長性、制御を調整する。これがSchneider Electricのグリッド・トゥ・チップ・エンジニアリングの実際的な意味である。
制御は、もう一つの重要な層を形成する。Schneider Electricの設計作業は、建物および電気監視システムを、AIファクトリーのインフラを管理するソフトウェアであるNVIDIA Mission Controlと結び付ける。目標は、コンピューティング機器と施設機器を横断する共通の運用ビューだ。
そのため、冷却の問題を、影響を受けたコンピューティングのワークロードと並べて可視化できる。運用担当者は、孤立したダッシュボードだけに完全に頼ることなく、電力品質、熱条件、機器の健全性を確認できる。Schneider Electricは、この連携が予測的な管理と、変動する負荷へのより慎重な対応を支えるとしている。
ただし、このアーキテクチャは単一の独自ボックスではない。コンポーネント、設計ルール、ソフトウェアインターフェース、運用手順の組み合わせである。顧客は依然として、特定の場所で電力事業者のサービス、発電機、蓄電設備、開閉装置、冷却機器、ネットワーク、NVIDIAシステムを統合しなければならない。
したがって、このニュースは単一の発明というより、設計責任の変化に関するものだ。Schneider Electricは、電力網への接続とコンピューティングラックの間にある調整レイヤーを担おうとしている。どちらか一方の端で発生した障害が投資全体を脅かすようになるほど、この立場の価値は高まる。
AIラックの高密度化が従来の計画手順を破綻させた
AIインフラは電気と熱に関する意思決定を同一のエンジニアリング課題へと圧縮し、チームが各層を個別に設計する余地を狭めている。
Schneider Electricによれば、従来のエンタープライズラックは一般的に5〜15キロワットの範囲で稼働していた。多くの施設では、負荷が分散することを前提に電気システムを設計しながら、空冷によってその熱を除去できた。
AIクラスタは異なる挙動を示す。大規模なアクセラレーター群はトレーニング中に同時稼働し、集中的かつ急速に変化する需要を生み出す。施設の計画担当者は、各サーバーが異なる時点で最大負荷に達すると想定するのではなく、同期したピークに備える必要がある。
Schneider Electricによれば、GB200およびGB300 NVL72の構成はラック当たり132〜142キロワットに達しうる。142キロワットのラックは、従来の範囲の上限のおよそ9倍の電力を消費しうる。また、通常の室内レベルの空冷では効率的に処理できない熱負荷も発生させる。
NVIDIA自身のGB300 architectureでは、このラック規模システムに液冷が指定されている。ダイレクト・トゥ・チップ冷却は、プロセッサーや他の高温部品に取り付けたコールドプレートへ冷却液を流す。熱は、周囲の空気を先に温めるのではなく、発生源の近くで液体へ移る。
これにより、ラックの外側にまで及ぶ依存関係が生まれる。ポンプ、熱交換器、施設の水ループ、センサー、制御、バックアップ戦略が一体として機能しなければならない。電気設計も、コンピューティング負荷が変化する間にポンプと冷却機器を支えられる必要がある。
古い施設の改修は、特に複雑になる。建物には十分な床面積があっても、配電能力が不十分な場合がある。冷水システムに容量が足りないこともあり、ラックや配管ルートが液冷ハードウェアに対応していない可能性もある。
Schneider Electricは、単一の普遍的な計画を提案するのではなく、複数の導入条件に対応している。同社が公開したシナリオには、ラック当たり最大40キロワットの空冷改修と、73キロワットの液冷改修が含まれる。専用設計の構成では、GB200およびGB300システムに関連するより高い密度に達する。
この幅は、グリッド・トゥ・チップ・アプローチが部分的には計画上の規律である理由を示している。顧客は、コンピューティング目標を現場の実際の制約に適合させなければならない。建物が必要なエネルギーを供給または除去できない場合、最高密度のラックを設置しても意味がない。
同社は、検証済みの計画によって設計作業を数か月から数週間へ短縮できるとしている。文書化された機器リストとテスト済みのレイアウトは初期段階の検討を一部省けるため、この主張には妥当性がある。ただしSchneider Electricは、市場ごとの一般的なスケジュール短縮を示すのに十分な独立プロジェクトデータを公開していない。
計画上の優位性はタイミングにも左右される。GPUプラットフォームは、発電所、変電所、大規模データセンター建屋より速く進化する。インフラサプライヤーは、顧客がサーバーを受け取る前に互換性のある電気・冷却システムを準備するため、十分に早い段階で詳細なチップロードマップを必要とする。
これが、Schneider ElectricとNVIDIAの関係が深い理由を説明している。このサプライヤーは、ラックが市場に出た後で単に対応しているわけではない。将来のコンピューティングプラットフォームと並行して、物理インフラを開発しようとしている。
こうした連携は、コストのかかる不一致を減らせる可能性がある。そうでなければ、開発事業者は建物を完成させた後に、その電力経路では選定したクラスタを支えられないと判明するかもしれない。別のプロジェクトでは十分な電力を確保していても、ラックレベルの冷却要件を過小評価する可能性がある。
デジタルツインは、この計画プロセスを拡張する。デジタルツインとは、物理機器の挙動をシミュレーションし、運用データの到着に応じて更新されるソフトウェアモデルである。Schneider Electricと同社のETAP部門は、NVIDIA OmniverseおよびOpenUSDを利用して電気・熱システムをモデル化している。
構築者は、建設を確定する前に、想定負荷、冷却構成、機器故障をテストできる。運用担当者は後に、別のクラスタを追加した場合や冷却ゾーンを変更した場合の影響をシミュレーションできる。これらのモデルは不確実性をなくすものではないが、前提条件をより早期に可視化する。
データセンターの購入者にとっての価値は、互換性のない意思決定を避けることにある。Schneider Electricにとっての利点は戦略的だ。同社のエンジニアがコンピューティングロードマップと密接に連携するほど、電力と冷却を交換可能なコモディティ購入として扱うことは難しくなる。
本当のボトルネックはデータホールの外側にある
グリッド・トゥ・チップの統合は施設内の経路を改善できるが、十分な電力が期限内に敷地へ届くことを保証するものではない。
ここで、この構想は主要な制約と向き合う。AI施設は、電力事業者が巨大な新規負荷を調査、承認、供給するよりも速く、構想から建設へ移行できる。慎重に調整された建物であっても、電力網への接続が何年も先であれば稼働しないままとなる。
Schneider Electricは、18か月で建設を終えられる可能性があるプロジェクトでも、接続待ちが5〜7年に及ぶと説明している。同社の2026年7月のグリッド・トゥ・チップに関する説明資料では、米国における系統連系の待機期間の中央値が5年に達したとしている。一部の大規模プロジェクトでは、さらに長い期間に直面していると報じられている。
これらの数値はSchneider Electricおよび同社が引用した業界情報源によるものであり、普遍的なスケジュールとして扱うべきではない。接続までの期間は、電力事業者の管轄区域、電圧、プロジェクトの成熟度、送電網の必要性、各申請の信頼性によって異なる。待機列には、投機的または重複したプロジェクトが含まれる場合もある。
より広範な圧力は、独立したデータからも明らかになっている。国際エネルギー機関（IEA）によると、データセンターの電力使用量は2025年に17％増加した。AI向け施設の消費量は50％増となり、世界全体の電力需要の伸びを大幅に上回った。
IEAは、世界のデータセンター消費電力が2025年の485テラワット時から2030年には約950テラワット時へ増加すると見込んでいる。同期間にAI関連の需要は3倍になるとの予測だ。同機関の更新版エネルギー見通しは、すでにボトルネックが短期的な拡大の加速を妨げていると警告している。
需要は地理的に集中しており、問題は世界全体の合計値が示す以上に複雑だ。電力会社は、存在しない送電線を通じて遠隔地の余剰電力を送ることはできない。新たな変電所、変圧器、発電設備、送電容量の整備には数年を要する。
IEAは、送電網の制約に対処しなければ、計画中のデータセンタープロジェクトのおよそ20％が遅延リスクに直面すると推定している。この数字は、Schneider Electricの社内最適化が及ぶ範囲に限界を示している。施設エンジニアリングの改善は、供給チェーンの一部にしか対応できない。
開発事業者は、当初は公共送電網に全面的に依存せず、施設に電力を供給するメーター背後型発電で対応している。構成には、ガスタービン、蓄電池、太陽光発電、燃料電池、あるいは複数技術の組み合わせを含めることができる。
オンサイト電源は稼働開始までの期間を短縮し得る一方、新たなトレードオフも生じさせる。開発事業者は燃料、発電設備、許認可、保守能力、排出に関する承認を確保しなければならない。また、データセンターの信頼性要件を満たす十分な冗長性も必要となる。
Schneider Electricはマイクログリッド制御と電気インフラを販売しているため、グリッドからチップまでの計画にはこれらの資産を組み込める。これは対象プロジェクトの範囲を広げるが、公共的な影響を消し去るものではない。地域社会は依然として、大気排出、水需要、土地利用、電気料金への圧力の可能性に直面する。
電力調達も環境面の主張に影響する。IEAは、2030年までのデータセンター電力需要増加分のほぼ半分を再生可能エネルギーが賄うと予測している。同期間の追加需要の40％超は、天然ガスと石炭を合わせて供給する見通しだ。
効率的な冷却システムは、施設内で無駄になる電力を削減できる。しかし、追加される1メガワットごとにどの発電機が供給するかを決めることはできない。したがって持続可能性は、統合アーキテクチャだけでなく、電源、利用率、運用効率、代替される需要に左右される。
データセンターが一時的に送電網を迂回しても、送電網はなお進捗速度を左右する。メーター背後型プロジェクトは、レジリエンス、市場アクセス、拡張を目的として、後に送電網への接続を求めることが多い。その建設は、同じタービン、変圧器、開閉装置、技術人材を巡る競合を生む可能性もある。
Schneider Electricの戦略は、電力会社との接続とエネルギー管理を含めることで、このより広い境界を認識している。しかし、最も説得力のある証拠は完成済みの施設から得られるだろう。購入者が必要としているのは、このアプローチによってどの遅延が解消され、どの制約が残ったのかを示す検証済みのスケジュールだ。
Schneider Electricだけではない、グリッドからチップへの競争
競争の焦点はアーキテクチャへの影響力であり、この表現の所有権や不可欠なインフラ技術への排他的アクセスではない。
Vertivは、高密度コンピューティング向けに、重要電源、熱管理、モジュール型インフラ、監視システムを販売している。Eatonは開閉装置、配電、バックアップシステム、データセンター向け電気機器を供給する。Siemensも、送電網技術、ビルディングシステム、デジタルモデリングにまたがって事業を展開している。
これらの企業は、ポートフォリオを孤立した製品ではなく、接続されたインフラとして説明する機会を増やしている。Eatonの2025年年次報告書は、液冷やNVIDIAとの800ボルト直流インフラに関する取り組みを含む、同社独自のグリッドからチップまでの戦略について論じている。
VertivもNVIDIAプラットフォームを軸とするシステムを開発している。同社の360AI設計は、Blackwell導入向けの高密度電源・冷却を対象としている。2026年の技術見通しでは、ラック密度の上昇に対する主要な対応策として、高電圧直流と液冷を挙げている。
高電圧が重要なのは、同じ電力をより高い電圧で送る場合、必要な電流が少なくなるためだ。電流を低く抑えることで、導体サイズ、抵抗損失、発熱を削減できる。NVIDIAが計画する800 VDCアーキテクチャは、この原則を、将来のメガワット級コンピューティングシステムを支えるラックにより近づける。
Schneider ElectricもAIファクトリーのポートフォリオに800 VDCを含めているが、それによって異論のない技術的優位性を得るわけではない。NVIDIAはこのアーキテクチャを中心にサプライヤーエコシステムを構築している。Vertiv、Eaton、Siemensなども関連する開発を発表している。
したがって競争は、相互に結び付いた複数の領域での実行力に左右される。サプライヤーは、新たなアクセラレータの投入スケジュールに機器を合わせ、希少な部品を供給し、システムを検証し、建設期間を通じて顧客を支援しなければならない。また、脆弱な運用上の依存関係を生まずにソフトウェアを統合する必要もある。
Schneider Electricは、2024年に支配持分の取得で合意した液冷専門企業Motivairという有用な資産を持つ。Motivairは、クーラント分配ユニット、リアドア熱交換器、コールドプレート、その他の熱管理機器を供給する。この買収により、冷却に関する専門知識がSchneider Electricの電気系ポートフォリオにより近づく。
電力会社向け機器、ビル制御、データセンターシステム、産業オートメーションにまたがる同社の規模は、統合型の提案を支えている。同社は2025年、2027年までに米国事業へ7億ドル超を投資する計画も発表した。
Fast Companyによると、このプログラムにはデータセンター電源、ロボティクス、マイクログリッド向けの製造施設と研究所が含まれる。また、AI主導のエネルギー・自動化システムに焦点を当てるHouston Innovation Centerの計画も含まれている。地域内の能力拡大は機器需要への対応に役立つ可能性があるが、計画された支出が顧客のリードタイム短縮を保証するわけではない。
同誌によると、Schneider ElectricはSE Venturesを通じて10億ドル超も投資している。この活動により、同社は初期段階の電化・脱炭素化技術に接する機会を得ている。ただし、グリッドからチップまでのプロジェクトがより良い成果をもたらす証拠とは別のものである。
真の競争上の分岐点は、統合エンジニアリングと分断された調達の対比にある。分断型モデルでは、開発事業者が複数のサプライヤーから製品を選び、統合の責任をコンサルタント、請負業者、社内チームに委ねる。
このモデルは柔軟性を維持できる。顧客は専門的な機器を選択でき、単一サプライヤーのソフトウェアやサービス組織への依存を回避できる。経験豊富なハイパースケーラーは、複雑なシステムを自ら調整できるだけの社内専門知識を備えている場合もある。
統合型のリファレンス設計は別の利点を提供する。未解決のインターフェースの数を減らし、既知の構成を提供する。これは、長年の運用経験なしに高密度インフラへ参入する企業、ソブリンAIプロジェクト、開発事業者にとって価値があり得る。
どちらの道が自動的に勝つわけではない。高度に統合された設計は説明責任を単純化できる一方、ベンダー集中を高める可能性がある。マルチベンダー設計は競争を促進できる一方、より多くの互換性作業を顧客に残す。
この緊張関係が調達の意思決定を形作るだろう。Schneider Electricは、自社の調整が各コンポーネント単体の性能を超える測定可能な改善を生むことを示さなければならない。そうでなければ、グリッドからチップは、顧客がすでに必要としていた機器に付される広範なラベルとなるリスクがある。
