1. データセンターの電力消費の急増：世界5位のエネルギー消費国規模

テキサス州アビリーンの広大な平原。真夜中でも巨大な建物ひとつが明々と輝いています。OpenAIのスターゲート・プロジェクト第1号データセンターです。この建物ひとつが飲み込む電力は1.2ギガワット。75万世帯が使用できる量です。しかし、これはほんの始まりに過ぎません。OpenAIは今後4年間に5,000億ドルを投じ、総10ギガワットの人工知能インフラを構築すると宣言しました。オランダ一国が消費する電力量に匹敵する規模です。

数字が語る現実は厳しいものです。国際エネルギー機関（IEA）が2026年4月に発表した報告書によれば、全世界データセンターの電力消費量は2024年基準で約415テラワット時（TWh）と推定されます。世界全体の電力消費の1.5%に相当する数字です。この数値が2030年までに945TWhと2倍以上に跳ね上がるとするのがIEAの見通しです。日本全体が1年間で使用する電力量に迫ります。人工知能に特化したデータセンターだけを抜き出してみると、状況はさらに緊迫しています。IEAは人工知能中心のデータセンターの電力消費が2025年一年だけで50%急増したと明らかにしました。一般的なデータセンターより格段に速いペースです。

Google検索1回の消費電力は0.3ワット時。同じ質問をChatGPTに投げかけると2.9ワット時が消費されます。およそ10倍の差です。サム・アルトマンがユーザーに対して『AIに感謝しないでほしい』と願う理由がここにあります。毎日数億人が『ありがとうございます』と入力するたびに、AIは応答を生成するために電力を一度余分に消費するのです。1日90億件の検索がすべてAIテキストクエリに転換されれば、年間の追加電力消費だけで10TWh達します。ですが、テキストは始まりに過ぎません。動画生成、推論、エージェント作業といった新たに登場する人工知能の機能は、テキスト生成よりも数百倍、ときには数千倍もエネルギーを消費します。

資金の流れがこの嵐の規模を示しています。アマゾン、アルファベット、メタ、マイクロソフト、オラクルなど5大ビッグテック企業の資本支出（CAPEX）は2025年に4,000億ドルを突破しました。2026年には6,000億ドルを超える見通しです。2024年の2倍以上の規模というわけです。このお金の大部分はAIチップ、サーバー、データセンター・インフラに注ぎ込まれます。IEAはこれら5社の資本支出規模がすでに全世界の石油と天然ガス生産に投入される投資総額を上回ったと指摘しました。エネルギーを採掘するのに要する費用よりも、エネルギーを消費するインフラを構築するのに多くの費用が必要な世界。これが2026年の現実です。

ブルッキングス研究所の分析はさらに進んでいます。2026年末までにデータセンターのグローバル電力消費が1,050TWhに達する可能性があるという推定です。もしデータセンターがひとつの国家ならば、日本とロシアの間、世界5位のエネルギー消費国となるわけです。AIジャーナリストのカレン・ハオの言葉が思い出されます。『AI帝国は資源を貪欲に消費する現実世界の帝国と全く同じだ』。デジタル世界の利便性の裏に隠された物理的代価を、私たちはあまりにも長く見て見ぬ振りをしてきました。

2. AIが節約するエネルギーと消費するエネルギーの交差点

Hashed（ハッシュド）のキム・ソジュン代表は『迫り来る30の亀裂』というメモの中でこのような見通しを提示しています。『電力グリッドのAIがピーク需要を削減する』。天候、産業稼働率、家庭の電力使用パターンをリアルタイムで予測し、秒単位で電力を調整する技術がすでに実証段階に入ったということです。エネルギー貯蔵装置（ESS）の最適運用だけでもピーク需要を相当程度削減できるというデータが蓄積されています。キム・ソジュン代表はこの項目の3年以内の実現確率を70%と評価しています。

実際のところ、人工知能はエネルギー節約の面でも成果を示しています。Googleはデータセンター冷却システムに人工知能を応用して、冷却電力を40%削減することに成功しました。デンマークの洋上風力発電施設では、人工知能が気象データをリアルタイムで読み込み、タービン羽根の角度を調整します。発電効率が向上し、電力グリッドが安定します。スマートビル、電力網最適化、新素材開発。炭素を削減する領域において、人工知能の役割は確かに存在します。IEAもまた、人工知能が他部門で効率を引き上げてデータセンターの追加排出量を相殺できるという『探索的分析』の結果を提示しています。

問題は、その相殺が現実で起きているかという点です。IEAは同じ報告書で冷徹に付け加えています。『AI導入がこうした排出削減を実現するのに十分な弾みはまだ存在しない』。人工知能がエネルギー削減をもたらすという期待はありますが、その期待が実際の削減につながる道筋はまだ不確かであることを意味しています。

ジェボンズの逆説（Jevons Paradox）はまさにこの点を衝いています。蒸気機関の効率が向上するとともに石炭消費がむしろ増加した19世紀イギリスの逆説が、人工知能時代に正確に繰り返されています。アルゴリズムが効率的になるほど、人々はより多く使用します。テキスト生成が速くなると動画生成を試み、動画ができるとエージェントに複雑な作業を丸ごと委ねます。各段階で電力消費は数百倍跳ね上がります。効率が向上した分だけ用途が飛躍的に増加し、削減分が増加分に飲み込まれる構造なのです。

人工知能が気候危機を解決する救世主となるのか、エネルギー枯渇を促進する触媒となるのか。この問いの答えは、結局のところ技術の効率改善速度と人工知能需要の拡大速度の間の競争にかかっています。これまでの傾向を見ると、需要側が圧倒的にリードしています。オランダ中央銀行のデータ科学者アレックス・デ・ブリスの警告がいまだ有効である理由はそこにあります。『AIはエネルギー集約的であるため、実際には必要のないあらゆる種類の作業にAIを投じることは無駄な浪費だ』。

3. 水消費と炭素排出：AI学習の隠された環境コスト

アリゾナ州砂漠の真ん中に建つデータセンターは、電力と同じくらい多くの水を吸い上げます。サーバー・アクセラレータが放出する熱を冷やすには、大量の水が冷却塔を通じて蒸発する必要がありますが、この水は元の水源に戻りません。『蒸発』という言葉がポイントです。冷却に投入された水のほとんどが大気中に消えてしまうのです。

規模を推し量ってみましょう。テキサス州だけを見ると、ヒューストン高度研究センター（HARC）とヒューストン大学の共同研究によれば、2025年のデータセンター水消費量は490億ガロン、2030年には3,990億ガロンに達します。2030年の数値はアメリカ最大の貯水池であるレイク・ミード（Lake Mead）の水位を1年間で約5メートル低下させるのと同じ量です。テキサス州一州の話に過ぎないのにこの程度です。

Googleは2023年間で61億ガロン（約231億リットル）の水を使用しました。小規模都市ひとつの年間使用量に相当します。オレゴン州ダラスではGoogleのデータセンターが地域全体の水使用量の25%を占めており、2017年から2022年の間に水消費が3倍に膨らみました。農民が農地を放棄し、家庭から水道供給が断たれるさなかでも、データセンターの冷却塔は止まりません。

炭素排出も深刻です。VUアムステルダムのアレックス・デ・ブリス研究チームが2025年12月に発表した論文によれば、人工知能システムの炭素フットプリントは2025年基準で3,260万トンから最大7,970万トンに達します。ニューヨーク市全体の年間排出量に相当する規模です。水のフットプリントは3,125億から7,646億リットル。世界で1年間に消費されるボトル水の総量に近い数値です。ですが、この数字ですら過小評価である可能性は高いです。データセンター運営者がAIワークロードと非AIワークロードを区別して環境報告をしていないため、正確な把握そのものが不可能だと研究チームは指摘しています。

企業の公約と現実のギャップも広がっています。マイクロソフトの2025年環境持続可能性報告書は、2020年以降、エネルギー使用量が168%増加し、総排出量が23.4%増加したことを認めています。Googleは『カーボンニュートラルを達成した最初の企業』というタイトルをみずから返却しました。AI技術拡張とデータセンター拡充のため、炭素排出が継続的に増加しているからです。ガーディアンの調査によれば、Google、マイクロソフト、メタ、アップルなどが公式発表する排出数値は実際の7.62倍も少ない可能性があるという推定も出ました。

半導体製造工程で消費される化学物質とエネルギー、寿命を終えたサーバーが放出する電子廃棄物まで合算すると、人工知能の環境コストは私たちが認識しているよりもはるかに大きいのです。人工知能が生成する知識の豊かさの背後には地球の有限な資源が消費されているという事実を、炭素フットプリントだけでなく水フットプリントも含めた総合的指標として直視すべき時です。

4. AIインフラの地域集中がもたらす電力網ストレス

ダブリンではデータセンターが都市全体の電力の79%を占めています。都市というより、サーバーファームが電力を使うために存在しているような数値です。アイルランド全体に範囲を広げても、データセンターの電力シェアは21%であり、IEAは2026年までにこの割合が32%に跳ね上がると予想しています。米国バージニア州ではすでに全電力の26%をデータセンターが占めています。

問題は、電力網がこのような速度の需要増加に耐えるよう設計されていないということです。電力網はもともと段階的な需要変化を前提に構築されています。ですが、人工知能データセンターの需要は段階的ではなく爆発的です。米国の電力管理機関PJMの管轄地域では、太陽光発電所が電力網に接続するにはメガワット当たり10万ドル、約1億3,000万円を支払う必要があります。新しい送電線を建設するには、計画策定、政府許可、住民同意、実際の施工まで合わせて10年以上かかります。2テラワット以上の再生可能エネルギープロジェクトが電力網接続許可を待っていますが、歴史的には100件中わずか15件しか認可を受けていません。

ガートナーは2027年までに既存のAIデータセンターの40%で電力供給可能性の問題が発生すると予測しています。電力不足でAIが停止する状況が現実になりうるという警告です。北米電力信頼度協会（NERC）も米国の半分以上の地域で今後10年間の電力供給不足の可能性を警告しています。ジョージア州はAIデータセンター建設により、10年間に必要な電力量の予測値を既存予想の17倍に引き上げました。

このような状況で逆説的な事態が起きています。未来技術である人工知能が過去のエネルギー源である石炭を復活させているのです。カンザス、ネブラスカ、ウィスコンシン、サウスカロライナ州で閉鎖予定だった石炭火力発電所の操業が延長されています。気候変動対応という時代的課題と正面から衝突する選択です。同時に小型モジュール原子炉（SMR）への関心が急速に高まっています。SMR建設パイプラインは2024年末の25ギガワットから2026年の45ギガワットに拡大しました。スリーマイル・アイランド原発の再稼働決定は、人工知能のために環境リスクを進んで負担するという象徴的宣言でした。

地域集中は地政学的リスクでもあります。特定地域に集中したデータセンターが自然災害や地政学的紛争で停止すれば、全世界の人工知能サービスが同時にまひする可能性があります。分散が答えだということは誰もが知っています。しかし、電力供給が安定しネットワーク遅延（レイテンシー）が短いサイトは地球上にはそう多くありません。

キム・ソジュン代表はこの問題について興味深い提案を示しています。『分散発電の時代へ向かう必要がある。電力を多く使う場所は企業みずからが作って使う環境を整備するべきだ。政府が全てをコントロールすることはやめるべきだ。そうすれば系統の負担が減り、グリッドもスムーズになる』。日韓電力線接続という大胆な構想もこのような文脈から生まれています。韓国と日本が海底ケーブルで電力を共有すれば、余剰電力を売買できる市場が形成され、両国ともに高コスト社会への転落を防ぐことができるという論理です。

結局のところ、人工知能のエネルギー問題は企業の技術革新だけでは解決しません。電力網設計、発電所立地、地域住民との合意、国家間エネルギー協力まで含める複合的な課題です。IEAが2026年報告書で指摘するように、『人工知能革命の速度は、それを支える物理的、社会的、経済的システムの速度とますます乖離しています』。データセンターを建設するには2～3年で済みます。そのデータセンターに電力を供給する発電所と送電線を建設するには10年以上かかります。この時間差が解消されない限り、人工知能の拡散速度を調整するのは、コードではなく物理的現実が支配することになるのです。