データセンターのかつてない成長とその電力消費の急増、そして大規模なAI推論の利用コスト高騰が、ニュースの見出しを賑わせています。しかし、電力消費の削減がAI利用コストの削減にもつながるという関係は、あまり知られていないようです。なぜなら、両者ともAIシステムの能力を最大効率で上手く活用することが条件となるからです。現状では、その効率化が十分に実現されているとは言えません。
AI推論を利用する企業にとって、省エネルギーはもはやデータセンター事業者だけの課題ではありません。AIをより賢く活用し、電力消費とコストを抑えることは、企業の収益性向上につながります。さらに、省エネルギー技術で先行する企業は、AIの次なるフロンティアであるフィジカルAI市場の拡大によって大きな成長機会を得る可能性があります。AIがコンピューター画面の中だけでなく現実世界へ進出する時代において、ロボット、ドローン、ウェアラブルデバイスは限られたバッテリーで動作するため、高い電力効率は「オプション」ではなく「不可欠」となります。
以下の課題はすべて、新たな機会へと転換することができます。
エネルギー
AI学習に使われる計算量は年間4～5倍のペースで増加していると推定されています。報道によれば、最新の大規模言語モデル（LLM）では、5兆から50兆ものパラメータが利用されています。さらに、大規模なAI推論利用の急拡大がこの傾向を加速させ、膨大な電力需要を生み出しています。米国では、この10年間でデータセンターの電力消費量が3倍に増加しました。そして多くの予測では、今後5年以内にさらに3倍になると見込まれています。国際エネルギー機関（IEA）によると、世界のデータセンターによる電力消費は2025年に約460テラワット時（TWh）に達し、2030年には945TWhへと2倍以上に増加する見通しです。これは現在の日本全体の年間電力消費量を上回る規模です。
しかし、世界のエネルギーインフラは、このような急激な需要増を想定して設計されていません。電力料金の上昇や供給不足が発生する中、世界各地で電力網や水資源への負荷に対する懸念が高まっています。原子力発電は既存の電力供給を増強する有力な選択肢となり得ますが、そのためには少なくとも10年以上を要します。エネルギー問題を放置していると、将来的にAI発展の大きなボトルネックとなる可能性があります。エネルギーは今やAI時代における戦略的な「通貨」とも言える存在になっています。AI関連の取引の規模が、今やメガフロップスではなくギガワットで語られるようになったのも当然と言えるでしょう。
コスト
AIインフラへの投資は驚異的なスピードで拡大しています。主要プレーヤーによるデータセンター投資額は、2020年には約1,000億ドル規模でしたが、2026年にはその10倍の約1兆ドルに達すると予測されています。世界全体の投資額はさらに大きくなります。しかし、当然ながらそのコストは誰かが負担しなければなりません。現在、多くの企業がAI推論利用の増加に伴う費用負担を実感し始めています。大手企業でさえ、年間AI予算をわずか数カ月で使い切ったとの報道もあります。さらに問題なのは、現時点で実際に収益を生み出し、期待通りの投資対効果（ROI）を実現できているAIアプリケーションはごく一部に過ぎないことです。その背景には、AIの基本機能そのものが急速に「標準装備」になりつつある現実があります。企業が高価なAIツールを導入して製品やサービスを強化しても、競合他社も同じことを行うため、価格プレミアムにつながらないケースも少なくありません。
AIワークロードとコストを測る基本単位は「トークン」です。AIサービスプロバイダーは通常、入力トークンと出力トークンの利用量（100万単位）に基づいて課金しています。米国では、1日あたりのトークン消費量が現在の約200兆トークンから、2030年には約2,250兆トークンへと10倍以上に増加すると予測されています。トークン単価は低下しているものの、その低下スピードは利用量の増加に追いついていません。その結果、現在の延長線上ではAI関連コストは今後も大幅に増加する見込みです。こうした状況を受け、多くの企業でCFOや財務部門が警戒感を強めており、AI予算の管理強化や利用制限を始めています。
フィジカルAI
AIはデータ分析から生成AIへと進化し、今まさに次のステージへ向かっています。それが、コンピューター画面の世界を飛び出し、現実空間で機能するフィジカルAIです。ロボット、ドローン、医療用ウェアラブルなどのフィジカルAIシステムでは、ソフトウェアによる知能と、センサー、アクチュエーター、カメラ、レーダー、LiDARなどの機械・電気・光学システムを融合することが不可欠です。こうしたシステムは、通信遅延やセキュリティ上のリスクを伴うデータセンターへの常時接続に依存できないため、高い自律性が求められます。そのため、リアルタイムで意思決定を行う「エッジインテリジェンス」を備え、現実世界を継続的に認識し、判断し、行動する能力が必要になります。しかし、こうした機能はすべて電力を消費します。一方で、自律型システムの多くは限られたバッテリーで稼働します。エネルギー効率を飛躍的に向上させるブレークスルーがなければ、フィジカルAIは外部電源への依存を余儀なくされるか、短い稼働時間しか確保できなくなり、実用性が大きく制限される可能性があります。
前進への道筋
これらの課題を機会へと変える魔法の杖、それがイノベーションです。テクノロジー業界はイノベーションを得意としています。しかし今後は、「より大規模なシステム」を追求するだけでなく、「より賢く、より効率的なシステム」へと焦点を移す必要があります。また、個別最適のソリューションだけではもはや十分ではありません。抜本的な効率向上を実現するには、材料、デバイス、システム、ソフトウェアまで含めたAIスタック全体を最適化するシステムレベルのアプローチが求められます。
よくある質問
なぜAIコンピューティングにおいてエネルギー効率が戦略的重要課題になっているのでしょうか？
AIの学習と推論の拡大によって、データセンターの電力消費は急増しています。その結果、電力網、水資源、運営コストへの負荷が高まっています。また、AI利用者のコスト負担も急速に増加しており、その抑制が重要な経営課題になっています。エネルギー消費を削減することは、AIシステムをより効率的に活用することにつながり、そのままAI利用コストの削減につながります。
AIトークンはなぜAIコスト増加と関係しているのでしょうか？
AIサービスプロバイダーは通常、入力トークンと出力トークンの利用量に応じて課金します。そのためトークンは、AI利用量とコストを示す重要な指標です。トークン価格が下落しても、利用量の増加ペースがそれを上回れば、AI関連支出は増加し続けます。企業はそのため、より効率的なAI活用方法を模索しています。
フィジカルAIではなぜエネルギー効率がさらに重要になるのでしょうか？
ロボットやドローン、医療用ウェアラブルは、限られたバッテリー電力でリアルタイムに認識・判断・行動しなければなりません。エネルギー効率が大幅に向上しなければ、稼働時間の短縮や実用性の低下、あるいは外部電源への依存といった課題に直面します。
企業や業界関係者はどのようにして効率的なシステムのイノベーションを推進できるのでしょうか？
企業や業界関係者は、SEMIのSmart Data-AI Initiativeを通じて、AIエコシステム全体の専門家との連携や議論に参加できます。材料、デバイス、システム、フォトニクス、ハードウェア・ソフトウェア協調最適化、そしてチップから電力網までを含む技術革新を議論することで、実践的な解決策の創出や新たな協業機会の発掘、さらにはAIコンピューティングのより持続可能な未来の形成につながります。
Dr. Pushkar P. Apteは、SEMIのSmart Data-AI Initiativeのグローバルリードおよび戦略的技術アドバイザーです。
