チップが届く前から数十億ドルを要するテキサスのAIデータセンター
テキサスのAIデータセンターのコストは、人工知能を可能にする先進チップを開発事業者が導入する前から、すでに数十億ドル規模に達している。Bloombergによる新たな内訳は、テキサス州の大規模施設にかかる推定費用を追ったものだ。AIキャンパスが従来型のテクノロジー購入ではなく、産業プロジェクトとなる過程を示している。
注目すべきなのは、ひときわ高額な建物が一棟あることではない。あらゆる層が、莫大で継続的なコンピューティング負荷を支えなければならない。土地、変電所、冷却設備、バックアップシステム、光ファイバー、建設労働力、資金調達のすべてが、運営者が実質的な収益を得る前に必要となる。
ここに、AIインフラ競争を支える中心的な対立がある。企業はコンピューティング能力を迅速に求める一方、それを支える物理システムの建設には何年もかかる。OpenAI、Meta、Microsoft、Google、Amazon、Oracle、そして各社のインフラパートナーは、互いと競うのと同じくらい建設スケジュールとも競っている。
サーバーが届くはるか前から始まる請求書
AIデータセンターは、最初のアクセラレーターがリクエストを処理する前に、数十億ドル規模の投資確約となる。
Bloombergのコスト内訳は、テキサス州で大規模なAI施設を建設する際にかかる費用を検証している。これは単にコンピューターを詰め込んだ倉庫以上のものだ。電力、排熱、ネットワーク、運用継続性を中心に構築された統合システムを描いている。
用地そのものは出発点にすぎない。開発事業者は、コンピューティング用建物、電気設備、水処理システム、保管施設、警備、将来の拡張に十分な土地を確保しなければならない。大規模キャンパスには、産業設備を道路、隣接地、送電インフラから隔てるための空間も必要だ。
その土地の整備には、造成、排水、基礎、進入道路、ユーティリティ回廊が含まれる場合がある。キャンパスが単一の建物ではなく複数棟で構成される場合、こうした要件はさらに膨らむ。開発事業者は、第1期の建設で必要な面積を超える土地を確保することもある。
建物の躯体は、非常に重い機器を支えるとともに、天候、ほこり、振動、火災からそれらを守らなければならない。内部レイアウトでは、電力ケーブル、ネットワーク用光ファイバー、冷却配管、保守用通路を通す経路を綿密に計画する必要がある。小さな設計変更でも、複数のエンジニアリングシステムに波及しかねない。
次に電気アーキテクチャが続く。AIサーバーは、多くの従来型エンタープライズシステムよりラック当たりではるかに多くの電力を消費する。ラックとは、サーバー、ネットワーク機器、支援用ハードウェアを収める標準化された筐体だ。
ラック密度が高いほど、建物にはより多くの変圧器、開閉装置、バスウェイ、バッテリー、配電設備が必要になる。開閉装置は、施設全体の電気回路を制御・保護する。これらのコンポーネントは、単一障害点を生じさせずに大容量の負荷を扱わなければならない。
大規模プロジェクトでは、新たな送電接続や専用変電所も必要になる場合がある。系統への接続は、単なる建設作業の一つではない。完成した建物に、運用に必要な電力が十分に供給されるかを左右し得る。
送電容量が需要に追いつかない場合があるため、開発事業者はオンサイト発電をますます検討している。この選択には、タービン、燃料接続、排出ガス制御、追加許認可を含む別の建設計画が伴う。
冷却は並行する別のシステムを形成する。AIアクセラレーターは多くの計算を同時に行い、高密度に配置されたラックの内部で熱を集中的に発生させる。電力密度が高まると、従来の空冷は効果を発揮しにくくなる。
そのため、多くの施設では液体をプロセッサーの近くまで循環させる。液冷は、空調された空気だけに頼るのではなく、冷却液を通じて熱を移動させる。ポンプ、熱交換器、配管、監視システム、電子機器の近くでの漏れを防ぐよう設計された設備が必要となる。
開発事業者は、これらすべてのシステムを連携した段階で構築しなければならない。変圧器の遅延は、完成したサーバーホールを遊休化させる可能性がある。冷却設計の見直しは電力要件を変え得る。送電網への接続が遅れれば、高価な設備が信頼できるエネルギー供給なしに待機することになりかねない。
このため、総額を単純な平方フィート当たりの建設単価として理解することはできない。建物はあくまで容器だ。高額なのは、昼夜を問わず膨大な電力を消費する機械のために、信頼性の高い産業環境を整えることにある。
テキサスのAIデータセンターのコストが上昇を続ける理由
テキサスには土地とエネルギー分野の知見があるが、その利点によってギガワット規模で必要となるインフラが不要になるわけではない。
テキサスがデータセンター開発事業者を引きつける理由はいくつか明確だ。広大な土地、確立されたエネルギー産業、拡大する再生可能エネルギー発電、電力集約型事業への対応経験を備えている。許認可と税制も開発を後押ししてきた。
こうした強みは、アビリーン、エルパソ、その他の西テキサス地域を含むエリアにプロジェクトが集積する要因となっている。集積は、建設請負業者、光ファイバー経路、エネルギーインフラへのアクセスをもたらし得る。一方で、同じ労働力・設備市場に需要を集中させることにもなる。
規模は急速に変化している。1ギガワットは10億ワットの電力容量に相当する。その水準に近づくAIキャンパスは、必要とするエネルギーの面で大規模な産業複合施設に匹敵する。
Bloombergは以前、OpenAIが利用するアビリーンのキャンパスが完成時には約1.2ギガワットを消費する見込みだと報じた。このプロジェクトには8棟の大型建物が含まれ、建設期間中には6,000人超の労働者を雇用した。
この事例は、開発事業者が電力を建設終盤に発注するサービスとして扱えない理由を示している。電力の利用可能性は、当初から立地、レイアウト、資金調達、スケジュールを左右する。
電力設備もボトルネックとなっている。変圧器は電圧を調整し、電力が送電網を移動してコンピューティング機器に安全に届くようにする。大型ユニットは、複雑な材料と製造要件を伴う専門製品だ。
Bloombergは、米国での建設拡大が一部で輸入された変圧器、開閉装置、バッテリーに依存していることを明らかにした。電気設備に関する同社の報道は、潤沢な投資家資金があっても建設を遅らせ得る供給制約を描いている。
変圧器の納期が長い開発事業者には、選択肢が限られる。プロジェクトの詳細がすべて固まる前に機器を発注するか、スケジュール上のリスクを受け入れるか、より早く入手できる部品に合わせて設計を変更するかだ。いずれの選択もコストを押し上げる可能性がある。
労働力も別の負担を加える。AIキャンパスには、電気技師、溶接工、配管工、コンクリート工、ネットワーク専門家、コミッショニングエンジニアが必要だ。コミッショニングとは、相互接続されたシステムが実際の負荷の下で安全に稼働するかを試験する最終プロセスである。
同じ地域で複数の大規模プロジェクトが、これらの労働者を奪い合う。開発事業者は、追加シフト、仮設住宅、輸送、より高い請負価格を用意する必要があるかもしれない。複雑なスケジュールを短縮するには、より多くの調整と冗長性が必要となるため、スピードにはコストがかかる。
建設中には資金調達コストも積み上がる。キャンパスは、最初のコンピューティング能力が利用可能になるまで、何年にもわたり資本を吸収する場合がある。遅延はその期間を延ばし、テナントやクラウド顧客から期待される収益を先送りにする。
これが、パートナーシップや特別目的の資金調達ビークルの利用が広がっている理由を説明する。開発事業者、テクノロジー企業、インフラファンド、金融機関が、所有権、建設リスク、長期リース義務を分担する。
例えばMetaとBlackRockは、エルパソにおける1ギガワット施設のためのベンチャーを発表した。BlackRockが運用するファンドが80%の持ち分を保有し、Metaは20%を維持するとともに最初のテナントとなる予定だった。
Bloombergは、開発だけで約140億ドルがかかると報じた。この推定には先進コンピューティングチップは含まれておらず、ギガワット規模のAI施設全体では、その数倍の費用がかかる可能性がある。
この仕組みは、初期負担の一部をMetaのバランスシートの外へ移す。ただし、経済的リスクをなくすものではない。このプロジェクトは依然として、高価なコンピューティング能力に対する長期的な需要に依存している。
したがって、テキサスのAIデータセンターのコストには3つの圧力が同時に反映されている。プロジェクトは大型化し、開発事業者はより早い完成を求め、重要設備は依然として調達が難しい。テキサスは建設を可能にするが、こうした制約を消し去ることはできない。
真の費用はチップを取り巻くシステムにある
AIアクセラレーターは注目を集めるが、施設全体が継続的に電力を供給し、冷却し、接続できて初めて有用になる。
先進プロセッサーは、AIキャンパスにおいて依然として最大級のコスト項目の一つだ。大規模モデルの訓練と提供には、高速ネットワークで接続された数千基のアクセラレーターが必要となる。これらの機械は、一つの協調的なコンピューティングクラスターとして動作できる十分な速度でデータを交換しなければならない。
しかし、これらのチップが期待される出力を実現できるかは、それを支えるインフラによって決まる。十分な電力、冷却、ネットワーク容量がないプロセッサーは、遊休資本となる。
この関係はラックから始まる。従来のクラウド施設は、中央処理装置を使用するサーバーを中心に設計されることが多かった。AI施設では、各ラック内により多くのグラフィックスプロセッサーや専用アクセラレーターが配置される。
こうしたアクセラレーターは、モデルの訓練と推論に必要な並列計算を実行する。推論とは、訓練済みモデルを使って回答、画像、予測、行動を生成するプロセスである。
コンピューティング密度の向上は、より小さな物理領域内の電気負荷を高める。ケーブル、配電ユニット、冷却接続はすべて、その集中に対応しなければならない。施設は、古いレイアウトに単にチップを追加するだけでは対応できない。
ネットワークも同様に重要だ。AIの訓練では多数のプロセッサーに作業を分散するため、通信の遅さは高価なハードウェアを待機させかねない。運営者は、その待機時間を減らすため、高帯域幅スイッチ、光接続、冗長化された光ファイバー経路に投資している。
ストレージシステムも、訓練データを高速に提供しなければならない。クラスターは膨大な処理能力を備えられるが、ストレージが十分に速く情報を供給できなければ、生産性を維持できない。
これらのシステムは稼働中に熱を発生させる。コンピューティング機器が消費する電力のほぼすべては、最終的に熱エネルギーとなる。その熱を取り除くには、追加の電力と機械設備が必要となる。
そのため、冷却設計はコンピューターアーキテクチャの一部となっている。エンジニアは、冷却液をどのようにラックへ届けるか、熱をどのように建物から排出するか、機器の故障や極端な気象条件でシステムがどう振る舞うかを決めなければならない。
水使用量は、選択する冷却システムと地域条件に左右される。蒸発冷却システムは一部の電力要件を減らせる一方で、水を消費する。閉ループシステムは冷却液を循環させ、直接的な水需要を減らせるが、依然として放熱設備を必要とする。
より広範な電力供給も重要だ。系統接続には、キャンパスと周辺地域の双方に対応する送電網の増強が必要になる場合がある。規制当局は、プロジェクトが変更された場合や提案規模に達しなかった場合、こうした投資費用を誰が負担するのかを決めなければならない。
米国エネルギー省は、データセンターが2023年に米国全体の電力の約4.4%を消費したと報告した。エネルギー使用量レポートは、その比率が2028年までに6.7%から12%の間に達する可能性があると予測している。
その幅が大きいのは、将来の需要が建設、チップ効率、モデルの利用状況、運用方法に左右されるためだ。それでも、電力計画が施設単位の課題から国家インフラの問題へと移行した理由は示している。
国際エネルギー機関も、Energy and AIの評価で同様の結論に達している。AIの成長は、ソフトウェア研究と同じくらい、電力システム、発電資源、送電網投資に依存している。
信頼性はコストをさらに押し上げる。運営企業は、極めて高価なハードウェアを抱えるクラスターで日常的な停止を受け入れられない。施設では、重要システムを稼働させ続けるため、バッテリー、発電機、冗長化された接続、重複した冷却設備を用いる。
冗長化は、生涯の大半を待機状態で過ごす可能性がある資産の購入を意味する。その価値が現れるのは、別の部品が故障したときだ。この保護を削減すれば建設費は下げられるが、高コストの停止が起きる可能性は高まる。
電力供給の中断は学習作業を止め、モデル開発を遅らせる可能性がある。冷却障害は、温度が部品を損傷する前に機器を停止へ追い込む可能性がある。ネットワークの問題は、それ以外は正常なクラスターの生産性を低下させうる。
このため、AIインフラはシステム全体への投資となる。チップ、建物、公益事業、ソフトウェアは、正しい順序で揃わなければならない。施設が価値を生むのは、すべての層が連携して機能するときだけだ。
スピードが建設の現実と衝突している
AI競争では早期の設備容量が報われる一方、建設では性急な判断が設計変更、遅延、高額な遊休資産という代償を招く。
テクノロジー企業は、コンピューティング能力を競争優位とみなしている。能力を増やせば、より大規模な学習、より迅速な製品開発、より多くの顧客リクエストに対応できる。また、予測可能な商業的リターンのない実験の余地も生まれる。
このインセンティブにより、企業はモデルやユーザー需要がどう展開するかを正確に把握する何年も前から、インフラを確保するよう促される。確実性を待てば後れを取るリスクがある。積極的に建設しすぎれば、十分な収益を生めない能力を保有するリスクがある。
Abileneの拡張は、そうした計画がどのように変わりうるかを示している。OpenAIとOracleは、資金調達とOpenAIの要件をめぐる協議の後、追加フェーズに関する交渉を終了した。その後、Microsoftは計画されていた2棟を引き継ぐことに合意した。
Abilene transitionは、物理的なプロジェクトを無意味にしたわけではない。想定していた顧客が変わっても、拠点が魅力を保ちうることを示した。
Microsoftの追加により、このキャンパスはデータセンター10棟、コンピューティング能力約2.1ギガワットに達すると見込まれていた。Crusoeも、この拡張に向けて900メガワットの発電所を計画していた。
この出来事は中心的なリスクを浮き彫りにする。建物や変電所の耐用年数は長いが、AIハードウェアの戦略は数カ月以内に変わる可能性がある。したがって開発事業者は、将来のテナントがアーキテクチャを最終決定する前に、コンクリートや電気設備へ投資を約束することがある。
同じ不一致は冷却にも影響する。ある世代のプロセッサ向けに用意された設計は、ラック密度が異なる後世代の製品に合わせて調整を要する場合がある。こうした変更は、配管、ポンプ、配電、フロアレイアウトを変えうる。
開発事業者はモジュール式建設でこの問題に対処しようとしている。モジュール式キャンパスでは、作業を反復可能な建物または機器ブロックに分割する。サイト全体が完成する前でも、各フェーズを稼働開始できる。
モジュール化は柔軟性を高めるが、共通する依存関係をなくすわけではない。変電所の遅延は複数のモジュールに影響しうる。送電上の制約は、個々の建物が完成していてもキャンパス全体を制限する可能性がある。
保険もまた不確実性の一つだ。ギガワット規模の施設では、集中した設備価値、複雑な冷却システム、気象への曝露、運用上の依存関係が組み合わさる。保険会社は、この規模では過去の前例が限られるリスクを評価しなければならない。
資金調達の仕組みも、テナントが長期の支払いを続ける能力と意思を維持することを前提としている。大手テクノロジー企業とのリース契約は建設債務を支えられる。しかし依然として、プロジェクトは一社の顧客の戦略と信用力に結び付けられる。
懐疑的な見方は、AI需要が消えると考える必要はない。需要が伸びる一方で、個別のプロジェクトが期待を裏切ることはありうる。能力が誤った場所に、誤ったハードウェアで、あるいは顧客が受け入れにくいコストで投入される可能性がある。
AIシステムはより効率的になる可能性もある。より優れたチップ、モデル圧縮、ソフトウェア改善は、特定のタスクに必要な計算量を減らしうる。効率化はしばしば利用拡大を促すが、開発事業者は数年先のバランスを知ることはできない。
したがって稼働率は極めて重要な指標となる。大規模施設が価値を生むのは、その機器が継続的に有用な作業を行うときだ。稼働率が低ければ、高価なプロセッサ、電力契約、建物が期待を下回る収益しか生まない。
商業上の問いは、人々がAIを使うかどうかではない。それを提供するために必要なインフラ全体を、AIサービスの収益が正当化できるかどうかだ。
この圧力はまずハイパースケーラーに及ぶ。Amazon、Microsoft、Google、Oracleは顧客にコンピューティング能力を貸し出す。Metaは主に、自社製品、広告システム、研究、将来的に外部向けとなりうるコンピューティングサービスのためにインフラを構築している。
この圧力はモデル開発企業にも及ぶ。OpenAI、Anthropic、その他の研究所は、基盤となる施設を常に所有することなく、コンピューティング資源への長期的なアクセスを必要としている。彼らのコミットメントは、インフラパートナーによる資金調達を後押しする。
投資家も関連する問題に直面する。長寿命の資産に資金を供給できる一方で、その経済性は急速に変化するテクノロジーに依存している。20年の資金調達契約が、運営企業が何度も入れ替える設備を支えることもある。
これがAIデータセンター競争における真の相手だ。企業同士の対決ではない。ソフトウェア産業によるスピードへの需要と、より緩慢な電力、建設、資本の経済性との対立である。
テキサス州の地域社会がコストモデルの一部になっている
開発事業者は現在、エンジニアリング費用に加え、住民の反発、電気料金、水に関する懸念、規制の遅延も考慮しなければならない。
データセンターは周囲から切り離されて稼働するわけではない。地域の送電網に接続し、地元の道路を使い、建設労働者を雇用し、騒音を発し、水に依存する場合もある。キャンパスが大規模化するほど、こうした影響は目立つようになる。
テキサス州は当初、拡張に特に有利な環境を提供していた。その規模、エネルギー市場、開発政策が、大手テクノロジー企業やインフラ専門企業のプロジェクトを引き付けた。
その結果として生じた計画案件の増加は、政治的な判断を変えた。州および地方の当局者は、住宅顧客が送電網拡張のコストを負担することにならないかをますます問うようになっている。地域社会は、税制優遇と恒久的な雇用との関係にも疑問を呈している。
データセンターは多くの建設雇用を生み出すが、その運営人員は土地や電力の必要量に比べて少ない場合がある。地方の指導者は、一時的な経済活動と長期的なインフラ負担を比較しなければならない。
水も緊張の原因となる。冷却技術が直接的な消費量を左右する一方、発電は別の場所で間接的な水利用を加える可能性がある。同じ設計でも乾燥地域では異なる結果をもたらしうるため、地域条件は重要だ。
騒音は施設の境界を越えて届く可能性がある。冷却ファン、電気設備、非常用発電機は産業規模で稼働する。計画地の近隣地域は、離隔距離、騒音制限、監視を求めるケースが増えている。
テキサス州知事Greg Abbottは、水効率の高い冷却と、電力・水利用の報告拡充を義務付ける規則を求めた。また、データセンターが住宅顧客のコストを増やすべきではないとも主張した。
提案されたTexas regulationsには、税制優遇の見直しや近隣地域への保護措置の追加が含まれていた。同州の2027年立法会期では、これらの問題がさらに検討される見込みだ。
この政策転換が重要なのは、不確実性そのものにコストがあるためだ。開発事業者は既知の設備費や人件費を予算化できる。だが、接続手続きの停止、税制の変更、地方承認の遅れを価格に織り込むことはより難しい。
プロジェクトは、敷地内発電、水の再利用、騒音対策、地域インフラをさらに組み込むことで対応する可能性がある。こうした追加策は地域への影響を抑えられるが、初期資本の必要額も増やす。
一部の開発事業者は、専用発電によって施設が送電網の負担にならないと主張する。批判的な立場からは、ガス火力発電所が排出物と燃料インフラを近隣地域にもたらすとの反論がある。
閉ループ冷却にも同様のトレードオフがある。直接的な水消費は減らせるが、熱そのものをなくすわけではない。施設には依然として、その熱を周囲環境へ移すための設備が必要だ。
市民による監視は、最終的にプロジェクト設計を改善する可能性がある。明確な基準は、建設開始前に開発事業者が負担すべきコストを示せる。また、送電網の増強費を誰が支払うかをめぐる争いも減らせる。
より難しい問題は、投機的な設備容量に関するものだ。すべての計画中キャンパスが完成するわけではないにもかかわらず、電力会社は複数の大規模接続申請を受ける可能性がある。消滅するプロジェクトのためにインフラを整備すれば、他の顧客がリスクを負うおそれがある。
したがって開発事業者は、技術的な意欲以上のものを示さなければならない。資金調達、確約した顧客、機器の発注、信頼できる建設スケジュール、実行可能な電力計画が必要だ。
こうした要件は競争の速度を落とすが、プロジェクトが実体を伴うものかどうかも試す。書類上で最も安価な提案でも、利用できない電力や未解決の地方承認に依存していれば、高くつく可能性がある。
テキサス州におけるAIデータセンターのコストには、政治的な許容もますます含まれている。業界は、利用可能な土地と提案された送電網接続が円滑な稼働開始を保証するとは、もはや考えられない。
投資が報われるかを示す3つの兆候
AIインフラ拡張の次の段階は、送電開始済みの設備容量、持続的な稼働率、そして誰がインフラリスクを負担するかによって判断される。
第一の兆候は、実際に商業運転に到達する設備容量だ。発表されたギガワット数と、通電済みの建物は同じではない。プロジェクトは建設を完了し、電力に接続し、設備を導入し、運用試験を通過する必要がある。
変圧器、タービン、送電線、冷却システムをめぐる遅延は、サプライチェーンがテクノロジー企業のスケジュールに対応できるかを示す。延期が頻発すれば、資本だけで設備容量の不足を解決できるという主張は弱まる。
第二の兆候は、施設の稼働開始後の稼働率だ。運営企業がすべての詳細を開示することはまれだが、クラウド収益、リース契約、チップの導入状況、顧客需要は、新しい能力が生産的かどうかを示す可能性がある。
高い稼働率は、莫大なコストにもかかわらず建設継続を支持する材料となる。空きスペースやハードウェア導入の遅れは、建物が収益性のある需要に先行して完成したことを示すだろう。
投資家は、企業が設備容量を制約されていると説明するか、それとも利用可能だと説明するかにも注目すべきだ。継続的な不足は新規プロジェクトを後押しする。収益の伸びを伴わない利用可能容量の増加は、資金調達の前提により大きな圧力をかける。
第三の兆候は、規制当局と電力会社がインフラコストをどのように配分するかだ。接続、報告、税制優遇、住宅料金の保護に関するテキサス州の判断は、同州をはるかに超えるプロジェクトに影響を与える。
開発事業者により多くの送電設備や専用発電の資金負担を求める規則は、直接的な建設費を引き上げる。それでも、地域社会が投機的プロジェクトを補助することから守る可能性がある。
これらの兆候が重要なのは、AIデータセンターのブームが発表段階から実行段階へ移行しているためだ。企業はすでに野心的な計画を打ち出している。今後は、物理インフラを予定どおりに整備し、許容可能な経済的リターンを生み出せることを証明しなければならない。
Bloombergによる分析は、この課題を明確に浮き彫りにしている。決定的なコスト要因は、単一のプロセッサ、建物、発電所ではない。あらゆる構成要素を、前例のない規模で同時に提供する必要があることだ。
開発者や企業の購入担当者にとって、実務上の問いは明快だ。発表済みのキャンパスのうち、どれが信頼できるコンピューティング能力へと発展し、どれが高コストな計画のまま終わるのか。
通電済みメガワット数、実際の顧客コミットメント、新たな公益事業規制に注目すべきだ。これらの指標は、テキサス州におけるAIデータセンターのコストが持続的なインフラを支えるのか、それとも需要が正当化できる以上の速度で拡大する業界の実態を露呈するのかを示すだろう。
