世界で何が起きているのか：AIと暗号資産が引き起こす電力と計算資源の争奪戦

世界のデータセンターにおける電力消費は急増しています。2024年の消費量は415テラワット時（TWh）に達し、世界全体の電力消費の約1.5%を占めました[1]。国際エネルギー機関（IEA）の予測では、2030年に約945TWhへ倍増する見通しです[2]。送電網などの制約により、計画中プロジェクトの約20%が遅延リスクに直面するとも分析されています[3]。また別の推計では、2024年の約460TWhから2030年に1,000TWh超へ拡大すると予測されています[4]。この急増の主要因は、AI処理を高速化するアクセラレーテッドサーバの普及です[4]。

2025年におけるデータセンター全体の電力需要は、前年比で17%増加しました[5]。その中でもAI特化型データセンターの需要は前年比50%増を記録しました[5]。全データセンターの伸びを大きく上回るペースで拡大しています。IEAの試算では、AI向けデータセンターの電力消費は2030年までに約3倍へ達する見込みです[6]。

AIの普及以前から大量の電力を消費してきた暗号資産（仮想通貨）マイニングも、電力網への負荷となっています。ケンブリッジ大学の調査によると、ビットコインの年間電力消費は138TWhと推定されています[7]。この値は世界の総電力消費の約0.5%に相当します[7]。同調査は世界のマイニング活動の48%をカバーしています[8]。2024年6月末時点の年率換算では138.2TWh（前年比17%増）となり、同年末には183TWhに達したとの推計もあります[9, 10]。これに伴う二酸化炭素（CO2）排出量は約39.8MtCO2e（二酸化炭素換算メガトン）と試算されています[11]。

現時点の総量比較では、AIを含むデータセンター経済全体の方がビットコインマイニングより大きな電力や排出負荷を担う可能性が高いとみられます[12]。しかしデータセンター統計にはAI以外の処理も含まれるため、AI単独とビットコインを厳密に比較する公的統計はまだ存在していません[12]。

区分2024年（現状推計）2030年予測世界シェア / 排出量
データセンター全体415〜460TWh約945〜1,000TWh超世界電力消費の約1.5%（2024年）
ビットコインマイニング約138TWh（継続推計）世界電力消費の約0.5% / 約39.8MtCO2e

データセンター全体およびビットコイン採掘の電力消費規模は、公的機関や大学により推計されています[1, 7, 4, 11]。

電力に加えて、計算資源自体の供給も限界を迎えています。NVIDIAは2026年8月時点で、同社の計算資源が提供先の全クラウドでフル稼働していると説明しました[13]。需要が供給を上回るため、計算資源の供給制約が生じています。AWS（Amazon Web Services）は2026年第3四半期から2029年第2四半期までに200万基のNVIDIA製GPUを追加導入する計画です[14]。NVIDIAのネオクラウドパートナーの設置容量は、2025年末の3ギガワット（GW）から、2026年末には8GWへ拡大する見込みです。クラウド業界のバックログ（受注残）は2兆ドルに達しています[13, 15]。

後輩AIもビットコインも電力の消費規模が大きいですが、インフラから見ると何が違うんですか？

先輩稼働の柔軟性が大きく違うんだよ。マイニングとAIでは需要特性が異なる可能性があるんだよ。AIは局所的なピーク負荷も生じやすいと評価されているね。

後輩同じ電力量を消費していても、送電網にかかる運用の負荷が異なるわけですね。

先輩そうだね。途切れられない需要が増えるほど、予備の送電容量や電源の確保が切実になってくるんだよ。

後輩だからこそ、同じ地域の限られた電力枠を奪い合う摩擦が起きているわけですか。

先輩単純な消費量の大小だけでなく、質の異なる大口需要が重なっている点に難しさがあるんだ。

なぜ今逼迫しているのか：次世代モデルの処理増と電力網・部品供給のボトルネック

計算資源が逼迫している背景には、AIモデルの利用実態が変化したことがあります。単純なテキスト生成では効率化が進む一方、動画生成や推論型モデル、自律的なエージェント処理が普及してきました。これらのタスクは、1クエリ当たりで単純テキスト生成の数百倍から数千倍の電力を消費し得ます[16]。推論型モデルによる思考時間の拡大や、反復的なツール利用が計算量を押し上げています[17]。Googleでは月間処理トークン（文章の最小単位）数が1年で9.7兆から480兆へと50倍に急増しました[17]。

モデル自体の大型化も計算資源の要求を高めています。Metaの「Llama 4 Maverick」は170億のアクティブパラメータと4,000億の総パラメータを持ちます[18]。超大型モデル「Behemoth」の事前学習には3万2,000基のGPUが使用されました[18]。Microsoftは4,600基を超えるNVIDIA GB300 NVL72クラスタを展開し、将来的には数十万基のBlackwell Ultra GPUを含む規模へ拡大しています[18]。モデルの大型化は学習時だけでなく、推論時にも広大なメモリ容量や高速通信帯域を必要とします[18]。

サーバーの高密度化も物理的な限界を押し上げています。AIサーバの電力密度は、2020年から2025年にかけて11倍に上昇し、2027年までにさらに4倍上昇する見通しです[19]。先端ラック1台のピーク電力は一般家庭65世帯分に相当する水準に達する可能性があります[19, 20]。実際にMicrosoftの次世代ラックGB300 NVL72は約136kWのIT負荷を要し、Fairwaterデータセンター設計では1ラックあたり約140kW（1列あたり1,360kW）に達します[21]。

ボトルネックはGPUチップ単体にとどまりません。高速なデータ転送を担うHBM（広帯域メモリ）が不足しているほか、TSMCの「CoWoS」など先端パッケージングの需要も急増しています[22]。IEAはHBMの不足が少なくとも2027年末まで継続するとみています[22]。GoogleのIronwood TPUのように専用アクセラレーターを導入しても、スーパーポッド全体で1.77PBのHBM容量やチップあたり7.4TB/s（7.37TB/s）の帯域幅が必要です[23, 24, 25]。トークン生成はメモリ帯域に縛られるため、演算器以外のメモリ転送待ちが全体の制約になります[25]。

電力設備や送電網の整備遅延も深刻です。送電線の建設には先進国で4〜8年を要し、変圧器やケーブルの納入待ち時間は過去3年間で倍増しました[26]。これらの設備制約により、計画中のデータセンタープロジェクトの約20%が遅延リスクに直面しています[27, 26]。米国では2030年までの電力需要増加の約半分をデータセンターが占める見通しで、世界で2,500GW超のプロジェクトが送電網の接続待ち状態にあります[28, 29]。さらに2030年には、データセンター向けガリウム需要が世界供給量の最大10%に達する可能性があり、その精製の95%を中国が占めています[30]。水資源の負荷も大きく、GPT-3の1回の学習で約70万リットルの淡水が蒸発し、2027年の世界AI需要で42億〜66億立方メートルの水を取水するとの推計もあります[31]。

米国の輸出規制は先端半導体へのアクセスを地域ごとに分断し、調達先の再構築を強いています[32]。AI開発企業はチップだけでなくソフトウェア、メモリ、ネットワーク、電力を統合する垂直統合調達を進めています[33]。AIの普及は、電力需要や局所的なピーク負荷、水冷設備への需要、先端半導体と電力機器の制約を同時に生み出します。そのため、AIに伴うインフラの外部コストは、ビットコインマイニングより大きくなりやすいと評価されています[34]。

AIモデルの高度化から半導体、メモリ、電力設備、送電網に至る波及経路は相互に連鎖しています[22, 26, 30, 25]。

後輩GPUの生産さえ増やせば、計算資源の不足は解消できるんじゃないですか？

先輩チップが届いても動かせないんだよ。高帯域メモリや変圧器、さらには送電線が揃わないと稼働できない。

後輩半導体の先端技術だけでなく、重電設備や送電線といった物理インフラが制約になっているんですね。

先輩送電線の新設には数年単位の時間がかかるからね。ソフトウェアの進化速度に物理的な工事が追いつかないんだ。

後輩資本力があっても、送電網の建設期間までは簡単には短縮できませんね。

先輩だからこそ、土地や電力、冷却水といった物理環境の確保が主要な制約の一つになっているんだよ。

誰にどのような影響が及ぶのか：開発企業の選別とスタートアップ・産業界の格差

計算資源が物理的に制約される中で、大手AI開発企業では資源配分が課題となり得ます。限られた計算能力を「次世代モデルの学習」「顧客向け推論の提供」「安全性の評価や検証」のどれに割り振るかという優先順位付けです[35]。十分な計算資源を確保できる企業ほど、開発速度と安全性検証の両面で有利になりやすいと指摘されています[35]。

クラウド事業者はGPU不足による調達遅延に対応するため、調達戦略の多様化を進めています[36]。例えばAWSでは、将来の日付でGPUを1日から最長14日間予約できる「Capacity Blocks for ML」を提供しています[36]。さらにオンデマンド価格から最大90%割り引かれるスポットインスタンスや長期契約、自社アクセラレーター、GPU共有などを組み合わせています[36]。

一方、大規模な長期契約を結ぶ資金力に乏しい大学やスタートアップ企業は、短期の予約枠やスポット市場に依存する場合があります[37]。

暗号資産の採掘事業者にとっても、AIデータセンターとの電力競合は深刻です。電力や送電網を奪い合う形となるため、安価で安定した電力を確保できる立地や設備効率、長期契約が収益性と生存の条件になりやすいとみられています[38]。中国では暗号資産マイニングへの新規投資が禁止され、既存事業の撤退や電力制限、データセンター名義でのマイニング禁止が導入されました[39]。一方で、既存のマイニング設備や事業をAI・HPC（高性能計算）へ転用する動きもみられます[40]。廃止ハードウェアの86.9%が再販や転用、リサイクルされる見込みですが、AI用途への転用には冷却やネットワーク、建物設計の適合が必要です[40]。

一般企業や利用者にとっても影響は及びます。推論効率の改善によって1件あたりの利用コストや待ち時間は下がる可能性があります[41]。実際にOpenAIの「GPT-5.6 Sol」では出力トークンが54%削減されたと報告されています[41]。しかし、AIを利用する業務が増えることで総需要が膨らみ、計算資源の逼迫が長期化する可能性も指摘されています[41]。

後輩計算資源が足りなくなると、資金力のある大手企業だけが開発を独占することになりませんか？

先輩その格差は実際に広がりつつあるね。長期契約を結べない小規模チームは、スポット枠の取り合いに巻き込まれてしまう。

後輩実験のタイミングが読めなくなると、新しい研究成果を出したり検証したりすることが難しくなりますね。

先輩そうなんだ。インフラの調達能力の差が、そのままモデル開発や安全性検証のスピード差につながってしまう。

後輩多様なイノベーションを維持するためにも、計算資源への公平なアクセスが重要になってきますね。

先輩個別の企業努力だけでなく、産業や学術界全体で基盤をどう支えるかが問われているよ。

何が変わるのか（技術編）：効率化技術の進展とジェボンズの逆説

計算資源の逼迫に対し、ハードウェアの電力効率を高める技術革新が進んでいます。Googleの推論特化型TPU（AI計算に特化したプロセッサ）「Ironwood」は、第6世代TPU「Trillium」の2倍となるワット当たり性能を達成しました[42, 43]。またNVIDIAの液冷構成「GB200 NVL72」は、従来の空冷アーキテクチャ比で25倍のエネルギー効率を実現したとされています[42]。同じ処理をより少ない電力で実行できるため、逼迫の緩和に寄与し得ます[43]。

ソフトウェアによる既存設備の稼働率向上も成果を上げています。従来の業界水準では、CPUやGPUの利用率は50〜60%にとどまっていました[44]。これに対しMicrosoftの「Project Forge」は、処理の割り当てを最適化し、Azure全体のCPUやGPUの利用率を80〜90%へ引き上げました[45, 44]。同社は2019年以降、未使用電力の融通によって既存データセンターから約800MWを回収したと説明しています[45, 44]。

アルゴリズム面では、モデルのパラメータを低ビット化して圧縮する量子化が進展しています。Metaの「Llama 3.2」1Bおよび3Bモデルでは、量子化によりモデルサイズが平均56%、メモリ使用量が平均41%削減され、速度が2〜4倍に向上しました[46, 47]。これによりエッジ端末での推論が可能になり、中央データセンターの負荷を分散できます[47]。

ただし小型化や量子化には限界もあります。Llama 3.2の量子化モデルは命令チューニング版に限定され、コンテキスト長も8,000トークンに制限されています[48]。そのため最先端モデルの学習や長文・マルチモーダル推論全体を代替できるわけではありません[48]。Metaも小型モデルの提供と並行して「Llama 3.3 70B」などの利用拡大を説明しており、小型化が推論総需要そのものを減らす保証はありません[49]。

暗号資産では、合意形成方式の変更が劇的な電力削減を実現しました。イーサリアムはプルーフ・オブ・ステーク（PoS）への移行（The Merge）により、CCRIの推計で年間電力消費を99.988%以上削減しました[50, 51]。一方、ビットコインはプルーフ・オブ・ワーク（PoW）を継続しています。採掘ASICの電力効率は前年比24%改善（28.2 J/TH）したものの、ハッシュレート増加が上回り、年間電力消費は前年比17%増の約138TWh（排出量約39.8MtCO2e）に達しています[53, 8, 11]。暗号資産の負荷はPoWネットワークに集中しており、PoSのような大幅削減はネットワーク全体には適用されていません[54]。

暗号資産合意形成方式年間電力消費削減効果 / 排出量
イーサリアムプルーフ・オブ・ステーク（PoS）The Merge後に激減年間電力消費を99.988%以上削減
ビットコインプルーフ・オブ・ワーク（PoW）約138TWh（前年比17%増）年間約39.8MtCO2eを排出

暗号資産の合意形成方式による電力消費の差異は、公開データから明確に確認できます[51, 8, 11, 52]。

効率化が進む一方で、「ジェボンズの逆説」が懸念されています[55]。効率化によって計算単価が低下すると、より長い思考を伴う推論やエージェント処理など新たな用途が誘発され、かえって総需要が拡大するリバウンド効果が生じます[55]。これにより、効率化が進んでも計算資源の逼迫が長期化する可能性があります[55]。

後輩チップの効率が倍になってモデルも小型化されれば、電力不足は自然に解消されるのでは？

先輩そう考えがちだよね。でも、1回あたりの利用コストが安くなると、今まで諦めていた業務にもAIが使われるようになる。

後輩コストが下がった分だけ、利用する頻度や処理の規模が何倍にも跳ね上がるわけですね。

先輩その通り。歴史的にも効率化がかえって消費増を招く事例があり、ジェボンズのパラドックスと呼ばれているんだ。

後輩効率を高めるほどインフラの逼迫が長引くというのは、非常に悩ましいですね。

先輩だからこそ効率化だけに頼るのではなく、電源や設備の供給側も同時に手当てする必要があるんだよ。

何が変わるのか（供給編）：電源争奪と主権インフラ整備がもたらす構造変化

供給制約を打破するため、民間企業は超巨大データセンターの建設と電源確保に乗り出しています。OpenAIの「Stargate」プロジェクトは、米国で10GWのAIインフラ確保を目指し、今後4年間で5,000億ドルを投資する計画です[56]。オラクルとの提携などを通じて、2025年7月時点で5GW超の電力容量と、200万個超のチップを開発中としています[56]。

国家も計算基盤の確保を安全保障の重要課題と位置づけ、「主権インフラ」の整備を進めています。欧州連合（EU）はEuroHPCを通じて「AI Factories」を展開し、2025年3月時点で13拠点を選定してスタートアップや研究機関へアクセスを提供しています[57]。日本でも経済産業省の支援を受けた「ABCI 3.0」が、最新GPUを6,128基搭載して2025年1月に本格運用を開始しました[58]。

しかし、送電網や電力設備の整備遅れにより、計画中プロジェクトの約20%が遅延リスクにさらされています[59]。IEAの予測では、2030年までのデータセンター追加電力需要の約50%を再生可能エネルギーが供給する見通しです[60]。また原子力を含む低排出電源が全体の約60%（現在の35%から上昇）を供給すると予測されています[60]。GoogleはKairos Powerと複数のSMR（小型モジュール炉）から電力を購入する契約を結び、初号機を2030年までに稼働させ、2035年までに追加配備する計画です[61]。

その一方で、短期的には急増する需要を満たすために天然ガス火力への依存も大きく増えるとみられています[60]。データセンターの電力消費に由来する間接CO2排出量は、現在の約180MtCO2から2030年には約320MtCO2へと増える見込みです[62]。計算需要を満たしながら脱炭素化を進めることは、極めて難しい課題になっています。

後輩民間企業だけでなく、国家までが計算基盤を直接整備し始めているのはなぜですか？

先輩計算資源を特定の国やメガクラウドに依存したままだと、自国の産業競争力や研究基盤が制約されてしまうからだよ。

後輩計算インフラが、エネルギーや通信と同じレベルの国家主権に関わるインフラになったわけですね。

先輩その通りだね。ただ、電力を急いで確保しようとすれば、脱炭素の目標と衝突してしまう難しさがある。

後輩クリーンな電源の新設が間に合わなければ、火力発電などに頼らざるを得なくなりますね。

先輩先端技術の開発を進めながら環境負荷をどう抑えるか、社会全体で優先順位を判断する局面に立っているんだよ。