生成AIの電力需要はなぜ急増するのか｜データセンターとエネルギー制約

3秒でわかるこの記事の要点

• 生成AIの普及でデータセンターの電力需要が急増している
• 電力確保・系統接続・冷却がAIインフラ拡大の制約になる
• 電力・エネルギー制約は立地と調達の判断軸に直結する

「生成AI」と聞くと、便利さや賢さに目が向きがちです。ですが、AIを事業として広く使えるようにしようとすると、早い段階でぶつかるのが「電気が足りるか」という問題です。AIの計算には GPU 用語解説 画像処理やAIの計算を高速にこなす専用の半導体（部品）。たくさんの計算を同時にこなすのが得意で、AIの学習・推論に広く使われる。 と呼ばれる計算専用の部品が大量に使われ、これがたくさんの電気を消費します。しかも、その電気を安定して使える場所は限られています。この記事では、（1）なぜ生成AIでこれほど電気が要るのか、（2）電力需要は今後どこまで増える見通しなのか、（3）電力の制約が「設備をどこに建て、どう調達するか」の判断にどう効いてくるのか、を順番に、公表された情報をもとにやさしく整理します。なお、記事中の数値は調査機関による見積もり（推計）で、対象の範囲や時点によって変わります。その前提で読み進めてください。

なぜ生成AIで電力需要が急増するのか

生成AIが電気を使う場面は、大きく2つに分けられます。1つは「学習」、もう1つは「推論」です。学習は、大量のデータを読み込ませてAIの本体（モデル）を作る作業で、たくさんのGPUを長い時間まとめて動かします。推論は、できあがったAIに質問して答えを出させる作業です。サービスが使われるたびに発生するので、利用者が増えるほど電気の消費も積み上がっていきます。生成AIはモデルの規模が大きく、1回の答えを作るのに必要な計算量も、これまでのシステムより多くなりがちです。これが、電力需要を押し上げる根っこにあります。

学習・推論が消費する電力の構造

学習と推論では、電気の使われ方が違います。学習は、いわば「作り込みの工事」です。一度大がかりに行えば済むことが多く、電気の消費も一時的に集中します。一方の推論は、サービスが使われているあいだ、ずっと続く負荷です。多くの人に使われるAIサービスほど、電力消費の中心は推論側へ移っていくと考えられます。つまりAIは、作るときだけでなく、使われ続けるあいだもずっと電気を消費し続ける、ということです。

推論で使う電気の量は、利用者の数だけでは決まりません。1回のやり取りでAIが処理する「文章の量」にも左右されます。AIは文章を「トークン」という細かい単位（単語のかたまりのようなもの）に分けて処理します。長いやり取りや、画像・動画を扱う生成では、この処理量が増え、その分だけ計算も電気も多く必要になります。使い方が高度になるほど、利用者1人あたりが使う電気も増えやすい、ということです。利用者の増加と、1回あたりの処理量の増加が重なって、推論の電力需要はふくらんでいきます。

さらにGPUは、一般的な CPU 用語解説 パソコンやサーバーの“頭脳”にあたる部品。順番に処理をこなすのが得意。GPUは多数の計算を同時にこなす点が異なる。 中心の機器に比べて、同じ電力でも発熱が大きい部品です。熱くなる機器は冷やす必要があり、その冷却にも電気を使います。加えて、電気を機器に届ける途中でも一部が失われます（変換ロス）。そのため、施設全体で見た電力は、機器そのものの仕様（スペック）の数字よりも大きくなります。この「機器本体＋冷却＋途中のロス」の積み重ねが、AIの電力設計を難しくしています。

AIサーバー1ラックあたりの電力密度の上昇

電力需要の急増をよく表すのが、「ラック」1本あたりが使う電力の増え方です。ラックとは、サーバー機器を縦に何段も収める棚のような設備のこと。その1本あたりの消費電力の大きさを「電力密度」と呼びます（単位のkW＝キロワットは、その瞬間に使う電力の大きさを表します）。従来の一般的なCPUサーバーのラックは、消費電力が十数kW程度までに収まる構成が多く見られました。ところが、GPUをぎっしり積んだAI向けのラックでは、この水準が一気に跳ね上がります。

たとえばNVIDIAの「GB200 NVL72」という、ラックまるごとを1台のように使う構成では、1ラックあたり100kWを超える電力が想定されています（2025年時点、構成により変わります）。同じ床面積でも、電気を受け取る設備・配る設備・冷やす設備に求められる能力が、従来の数倍規模になるということです。

数値は代表的な構成の概観であり、製品世代・冷却方式・搭載GPU数によって変わります（2025年時点）。

データセンターの電力需要はどこまで伸びるのか

ラック1本あたりの電力が増えれば、それを大量に置くデータセンター（サーバーなどのIT機器を大量に設置して動かす専用の施設）全体の電力も増えます。ここからは、世界全体の見通しと、日本国内の状況を分けて見ていきます。なお、以下の数値はいずれも調査機関の見積もり（推計）で、「どこまでを対象に数えるか」によって変わる前提で読んでください。

世界の見通し（調査機関の推計・時点明記）

IEA（国際エネルギー機関）の「Energy and AI」というレポートによると、世界のデータセンターが使う電力は、2024年で約415TWhでした。TWh（テラワットアワー）は電力量の単位で、415TWhは世界全体で使う電気のおよそ1.5%にあたります。同じレポートの標準的なシナリオでは、これが2030年には約945TWhへと、ほぼ2倍に増え、世界の電力消費の3%弱を占めると見込まれています（2025年時点の推計）。

この伸びを引っ張るのが、AI向けの需要です。同レポートによれば、データセンターの電力消費は2024年から2030年にかけて、1年あたり約15%のペースで増える見通しです。これは、ほかのすべての分野の電力の伸びを合わせた速さの4倍を超えます。なかでも、AIの計算を担う高性能サーバー（加速サーバー）の電力は1年あたり約30%で伸び、増加分のほぼ半分を占めると見積もられています。国・地域で見ると、アメリカと中国で特に大きく増える見通しです。

ここで見落としやすいのが、需要が特定の場所に集中する点です。AI向けのデータセンターは、電力・広い土地・高速な通信がそろう地域に集まりやすく、その地域の電力網に負担が集中します。世界全体で見れば電力に占める割合はまだ小さくても、集まる場所が偏るため、その地域では大きな負担になります。「世界全体では小さな割合」と「特定地域では大きな負担」は、同時に成り立ちます。ですから、世界規模の大きな数字だけを見て、国内の電力の余裕を判断しないことが大切です。

出典: IEA「Energy and AI」（2025年）。数値は基本シナリオの推計値であり、対象範囲や前提により変わります。

国内の現在地と制約

日本国内でも、生成AI向けの計算基盤を確保する動きが広がっています。ただし国内で問題になりやすいのは、需要の大きさそのものよりも、「電気を確保できる場所」と「電力網の空き」です。大量の電気を受け取る（受電する）データセンターは、電力網に余裕のある地域や、電力・土地・通信がそろった場所に集まりがちです。

そのため国内では、需要が強くても、設備をすぐには増やせないことがあります。たとえば大量の受電を申し込んでも、電気を送り届ける 電力系統（系統） 用語解説 発電所から工場や家庭まで電気を送り届ける、送電線・変電所などのネットワーク。電力の“道路網”にあたる。 の側に空きが足りなければ、増強工事の順番待ちが発生し、稼働の開始が遅れることがあります。土地の確保や自治体との調整まで含めると、計画から実際に動き出すまでには相応の時間がかかります。需要の強さと、実際に供給できる速さのあいだにズレが生じやすいのが、国内の特徴です。

具体的な需要の規模や地域ごとの見通しは、官公庁や業界団体が出す一次資料で、そのつど確認する必要があります。将来の需要予測や供給計画は前提しだいで変わるため、断定せず「そう見込まれている」という形で受け止めるのが適切です。

電力・エネルギー面の制約要因

需要が伸びても、電気を供給する側にはいくつもの制約があります。AIの設備を計画するときは、この制約を最初から前提に入れておくことが欠かせません。ここでは代表的な2つを取り上げます。

系統接続・電力確保のリードタイム

大規模なデータセンターが必要とする電力を確保するには、電力会社と電気を受け取る契約（受電契約）を結び、場合によっては送配電網そのものを増強する必要があります。これらは短期間では終わらず、準備から完了までに何年もかかる（＝リードタイムが長い）ことも珍しくありません。電力を確保できる時期が、施設をいつ動かせるかを決めてしまうケースが増えています。

しかも、AI向けの需要は特定の地域に集中しがちで、その地域の電力網に負担が偏ります。需要地の偏りは、電力網につなぐ順番待ちや、増強にかかる費用という形で、計画の進み具合に影響します。

冷却とPUE、再エネ調達の論点

ラックあたりの電力が上がると、機器を冷やす負担も一気に増えます。高密度なGPUラックは、空気で冷やす「空冷」だけでは冷やしきれない領域に入りつつあり、液体で冷やす「液冷」を前提とする構成が増えています。冷却に使う電気の量は、施設全体の電力効率を示す PUE 用語解説 Power Usage Effectiveness。データセンターの総消費電力をIT機器の消費電力で割った指標。1.0に近いほど電力効率が高い。 という指標に表れます。どの冷却方式を選ぶかは、電気代（コスト）と環境への負荷の両方に効いてきます。

エネルギーの調達（電気の仕入れ方）では、再生可能エネルギー（太陽光や風力など）を活用したり、電気を長期間まとめて買う契約である PPA 用語解説 Power Purchase Agreement。電力の長期購入契約。再エネ電源などから一定期間・一定価格で電力を調達する手段として使われる。 を組み合わせたりする動きが広がっています。ただし、再生可能エネルギーをどれだけ・いくらで確保できるかは、地域や時期によって差があります。安定して仕入れられるかは、前提を一つひとつ確認する必要があります。ここでも、調達の条件は契約や制度によって変わるため、断定せず「条件つき」で整理することが大切です。

AIインフラの立地・調達判断への影響

電力やエネルギーの制約は、机上の話ではありません。設備を「どこに建てるか（立地）」「どう調達するか」を決めるときの、具体的な判断材料になります。GPUの性能や価格だけでなく、その電気を確保し続けられるかまで含めて考えることが、実務では当たり前の前提になっています。

確認観点は一般的な整理例です。実案件では要件や地域条件に応じて重み付けが変わります。

こうした点は、調達の早い段階でそろえておくほど、後戻りが減ります。GPUを確保できても電力が足りなければ動かせませんし、電力があっても冷却が追いつかなければ機器の密度を上げられません。電力・冷却・調達を「セットで見る」姿勢が、AIインフラの計画では欠かせません。

計画の初めの段階では、次のような点を確認しておくと、判断の抜け漏れを防ぎやすくなります。

• 想定するラック電力密度と、それに見合う受電容量を見積もったか
• 電力確保・系統接続にかかるリードタイムを計画に織り込んだか
• 電力密度に応じた冷却方式（空冷／液冷）の実現性を確認したか
• 再エネ調達や電力単価の前提を、契約・制度の条件とあわせて確認したか
• 将来の増設に備えた電力・冷却・用地の拡張余地があるか

AIインフラの電力・調達をどう整理するか

ここまで見てきたように、AIインフラを考えるうえで、電力とエネルギーの制約は切り離せません。GPUの選定・必要な容量の設計・立地・調達を別々に進めるのではなく、「電力を確保できる見通し」を出発点にして全体を組み立てるほうが、あとからのやり直しを減らしやすくなります。

イオレのAIインフラ事業では、容量の設計・運用の設計・調達の整理といった観点から、電力や冷却の前提を踏まえた検討をお手伝いしています。まずは一般的な判断の軸を整理し、そのうえで案件ごとの条件に合わせて具体化していく、という進め方です。電力を確保できる見通しを早めに整理したい、というときの相談先としてご利用いただけます。

※ 支援の提供範囲や前提条件は案件により異なります。電力確保・系統接続の可否は立地と制度に依存するため、個別にお問い合わせのうえ確認が必要です。

まとめ

生成AIの広まりは、データセンターの電力需要を根本から押し上げています。学習と推論の計算量が大きく、ラック1本あたりの電力も上がっているためです。IEAの推計では、世界のデータセンターの電力消費は2030年に2倍になる見通しで、その中心はAI向けの需要とされています（2025年時点）。

一方で、電気を供給する側には、電力を確保するまでの時間、電力網につなぐための制約、冷却や再生可能エネルギーの調達といった課題があります。これらは、設備をどこに建て、どう調達するかに直結する判断材料です。AIインフラを検討するときは、GPUの性能や価格だけでなく、電力・冷却・エネルギーの調達を「セットで」見ることが、実現できる計画への近道になります。