考慮漏れすると痛い、AIの電力コスト問題と対策法 LLMメーカーでは原子力発電ブーム：AIビジネスのプロ 三澤博士がチェック 今週の注目論文

生成AIの利用コストにはサービスの利用料の他に電力コストも存在する。生成AIを活用する上で考慮すべき電力問題と解決策について解説する。

[三澤瑠花，日本タタ・コンサルタンシー・サービシズ]

この連載について

AIやデータ分析の分野では、毎日のように新しい技術やサービスが登場している。その中にはビジネスに役立つものも、根底をひっくり返すほどのものも存在する。本連載では、ITサービス企業・日本TCSの「AIラボ」で所長を務める三澤瑠花氏が、データ分析や生成AIの分野で注目されている最新論文や企業発表をビジネス視点から紹介する。

　日本総合研究所の最新レポートによれば、生成AIの利用（推論）1件当たりの電力消費はGoogle検索の約10倍に相当する1〜10Whです。少量利用では問題なくとも、企業全体での大規模展開時には、電力コストと環境負荷の両面で無視できない影響をもたらす可能性があります。

ブロックチェーンとAIモデルの電力消費量比較（日本総合研究所「ブロックチェーンと生成AIにおける電力消費の現状」）

　特に深刻なのは、この問題がデータセンターや電力供給という企業の管理外の領域にまで及ぶ点です。生成AI導入の「見えないコスト」が、事業継続や環境目標の達成に予想以上の影響を与える可能性があります。

「桁違い」の電力消費量が招く新たなリスクと解決策

　Allen Institute for AIの研究によれば、深層学習の計算要件は2012年から2018年の間に30万倍に増加しました。AIモデルの開発（学習）時の電力消費量はさらに莫大で、GPT-4クラスのモデル学習には約720万kWhもの電力が必要とされています。

　ローレンス・バークレー国立研究所の最新報告によれば、米国のデータセンター電力使用量は2018年の約76TWhから2023年には176TWh（米国総電力消費の4.4%）に急増しています。2028年の予測では最大で580TWh（同12.0%）に達する可能性があるというのです。これは、米国の電力インフラにかつてない負荷をかけています。

米国クラウド大手の「破壊的な電力戦略」

　米国のクラウド大手各社は、この未曾有の電力危機に対して、従来の電力調達の常識を覆す大胆な戦略を打ち出しています。

　Microsoftは2024年、かつて原子力事故で知られるスリーマイル島の健全な原子炉を再稼働させ、その電力を購入する契約を締結しました。同様にAmazonも閉鎖の危機にあった原子力発電所からの電力購入契約を結んでいます。

　さらに驚くべきはGoogleの戦略です。Googleは工場生産型の小型モジュール原子炉（SMR）を発注しました。これらはデータセンターの電力需要が従来の発想では対応し切れなくなっていることを示しています。

　Googleの環境報告書2024では、「2030年までに温室効果ガス排出実質ゼロ」という目標の達成が、AIの急速な需要増のため「重大な不確実性」に直面していると表明しています（日本総研レポート5ページ）。

日本固有の「二重の課題」とジレンマ

　日本の状況は米国よりもさらに複雑です。経済産業省と総務省の「デジタルインフラ（DC等）整備に関する有識者会合」の報告書が指摘するように、日本は以下の二重の課題に直面しています。

• 「情報主権」対「電力制約」のジレンマ：　「日本国内でAIモデルやクラウドサービスを動かすべき」という情報保全や経済安全保障の要請がある一方で、「電力需要増を国内で供給しきれない」「電力需要増に伴う電料金の上昇」という電力インフラの制約があります
• 東京大阪圏への過度の集中：　データセンターは引き続き東京大阪圏への集中が進む一方、これらの地域ではすでに短期で十分な電力を新規に確保することが困難になっています。さらに、データセンターの規模も変化しています。2000年代のWebサイト閲覧や電子メール用途ではデータセンターの受電容量は大きくても十数MW程度でしたが、2020年頃からはクラウド用途の数十MW規模のハイパースケール型が増加。今後はAIの学習や推論に使う数百MW〜GWクラスのデータセンターが増加する見込みです

「デジタルインフラ（DC等）整備に関する有識者会合 中間とりまとめ3.0」（経済産業省、総務省）

日本政府の戦略的対応

　経済産業省と総務省は「デジタルインフラ（DC等）整備に関する有識者会合」を通じて、以下の方針を示しています。

• データセンターの分散立地促進：　東京大阪圏を補完、代替する中核拠点として北海道や九州における整備を優先的に推進します
• 次世代技術の研究開発と社会実装：　オール光ネットワークや光ファイバーの多芯化、大容量化などの次世代技術を活用し、データセンターの立地可能地域の拡大と電力効率の向上を目指します
• 国際海底ケーブルの陸揚局の分散：　房総半島、志摩半島における集中からの分散を促進し、国際的なデータ流通のハブ機能を強化します。具体的な支援策として、総務省はデジタルインフラ整備基金によって北海道および九州を含む7カ所のデータセンター案件を支援。経済産業省も北海道苫小牧市におけるデータセンター事業の土地造成、電力・通信インフラなどを支援しています

企業が取るべき具体的な対応策

　この状況を踏まえ、企業はどのような対応をすべきでしょうか。独自調査と業界事例を基に、以下のような実践的アプローチが考えられます。

• 業務内容に応じた適切なAIモデル選定の枠組みを構築する案
1. ティア1（日常業務）: 　社内資料作成や簡易分析には小規模モデルを使用
2. ティア2（重要業務）: 　顧客提案資料や市場分析には中規模モデルを活用
3. ティア3（戦略業務）: 　経営戦略立案や複雑な意思決定支援には大規模モデルを限定的に使う
• 従来型のツールと生成AIの最適な組み合わせを設計する案
1. 反復的な情報検索は従来の検索エンジンを活用
2. 複雑な文書生成や分析には生成AIを活用
3. データ処理や分析には専用ツールとAIを連携
• クラウドAIとエッジAIの適切な役割分担を検討する案

　特にリアルタイム性が重要で大量データ転送が不要な用途では、エッジデバイスでの処理が電力効率に優れています。将来的には部門やプロジェクトごとにAI利用の環境影響を可視化し、社内での意識向上と改善を促進することになるかもしれません。

三澤の“目”　環境問題だから対応すべき……だけではない

　生成AIの電力消費は、単なる環境問題ではなく、企業の競争力と事業継続に直結する戦略課題となっています。AIモデルの電力消費の増分に見合った価値が得られている限りは社会的に許容範囲ですが、今後の普及次第では消費量が桁違いに増える恐れがあり、従来型との使い分けが必要になる可能性があります。

　企業は、この「見えない電力危機」を認識し、軽量モデルの採用やRAG技術の活用など、具体的な対応策を講じることが求められます。世界的なAI革命の中で、電力効率を考慮したAI導入戦略の成否が、今後の企業競争力を大きく左右するでしょう。

〇参考文献

日本総研「ブロックチェーンと生成AIにおける 電力消費の現状」

経済産業省・総務省「デジタルインフラ（DC 等）整備に関する有識者会合 中間とりまとめ 3.0」

GreenAI

AIはデータセンターのエネルギーコストが高いーその解決策

AIを強化するための多面的な課題

AIの排出量はさらに急増見込み

2024年米国データセンターエネルギー使用量レポート

著者紹介　三澤瑠花（日本タタ・コンサルタンシー・サービシズ）

AIセンターオブエクセレンス本部　AIラボ ヘッド

日本女子大学卒業、東京学芸大学大学院修士課程修了（天文学）　フランス国立科学研究センター・トゥールーズ第3大学大学院　博士課程修了（宇宙物理学）。

2016年入社。「AIラボ」のトップとして、顧客向けにAIモデルの開発や保守、コンサルティングなどを担当している。