最先端の AI は、もはや賢いアルゴリズムを書けば前に進む段階を過ぎつつあります。次の壁は計算機科学ではなく、電気・水・送電線・土地という物理インフラの調達です。本稿では「なぜ AI が電力問題になったのか」を、確かめられる 2026 年の数字とともに整理します。
FIG.1 最先端 AI の制約は、アルゴリズムから電力・水・送電・土地へ移りつつある
01AI が「電力ヘビー級」になったわけ
数年前まで、有力なモデルは数百枚規模の GPU でも学習できました。ところが GPT-4 級以降のフロンティアモデルは、数千〜数万枚の GPU を数十日〜100 日連続で回す規模になっています。学習は「一度きりの巨大な電力消費イベント」であり、ここに推論（ユーザーが使うたびの計算）の電力が日々積み重なります。
GPT-4 の学習に要した電力は、外部の見積もりでおおむね 50 GWh 前後とされます（手法により 30〜50 GWh と幅があり、企業の公式値ではない点に注意）。GPT-3 の推定が約 1.3 GWh だったことと比べると、世代をまたぐたびに桁が変わっていることが分かります。
02規模感をつかむ数字
抽象論より具体的な数字のほうが、この問題の大きさは伝わります。いずれも推定・前提により幅があるため、桁感をつかむ目的で読んでください。
| 項目 | 規模（2026 年時点の目安） |
|---|---|
| GPT-4 級モデル 1 回の学習 | ～50 GWh（数千世帯の年間使用量に相当） |
| 大規模 AI クラスタ（建設中の上位案件） | 数百 MW〜1GW 級（大型発電所 1 基に迫る） |
| ChatGPT への 1 クエリ | OpenAI 公表値で約 0.34 Wh（短いやり取りの平均） |
| 世界のデータセンター電力（2025） | 約 415〜485 TWh／世界全体の約 1.5%（IEA） |
| 2030 年予測（IEA） | 約 945 TWh・世界の約 3% へ倍増、うち AI 向けは約 3 倍に |
ここで一つ、よく流布した誤解を正しておきます。「ChatGPT の 1 問は Google 検索の 10 倍の電力」という話は、2023 年の古い推定（約 3 Wh）と 2009 年時点の Google の数値を比べた結果で、現在の効率改善を反映していません。OpenAI は 2025 年に平均約 0.34 Wh と公表しており、これは過去に報告された検索 1 件の電力と同程度です。ただし複雑な推論をさせると 1 問で 20 Wh を超えるとの研究もあり、「短い質問は安い／重い推論は高い」と幅で捉えるのが実態に近いです。
03立地競争 ― どこに建てるかが戦略になる
巨大クラスタは「安い電気」「冷やしやすい気候」「広い土地」「速い系統接続」がそろう場所に集まります。世界の主要な立地は次のように整理できます。
米国 南部・中西部
テキサス、ジョージア、バージニア、オハイオが急成長。安価なガス・原子力電源と広大な土地が魅力で、ハイパースケーラーの新設が集中。
北欧
アイスランド、スウェーデン、フィンランド、ノルウェー。地熱・水力の低炭素電源と寒冷気候による冷却効率が強み。
中東
UAE・サウジアラビアが資源マネーを AI インフラへ。OpenAI と G42 による Stargate UAE 構想など大型投資が動く。
一方で日本は、業務用電力が約 29 円/kWh（2025 年 9 月時点）と世界でも高い水準にあり、電力コストだけを見れば超大型クラスタには不利です。それでも、地震に強い地盤・豊富な水・冷涼な気候を備える北海道などには、低遅延が要らない学習用途を中心に期待が寄せられています。電気代の高さを、立地条件と政策支援でどう補えるかが論点です。
04電力をどう確保するか
新設クラスタに必要なのは「大量・安定・できれば低炭素」な電源です。実際に動いている主な打ち手を、原子力と再エネに分けて見ます。
原子力 ― 既存炉の再稼働とSMR
- スリーマイル島（米ペンシルベニア）：運転を担う Constellation が 1 号機を再稼働させ、Microsoft が 20 年・835MW の電力購入契約（PPA）でその出力を引き取る（2024 年 9 月発表）。設備は Crane Clean Energy Center と改称され、稼働は 2027〜2028 年が見込み。Microsoft 自身が原発を運転するのではなく、長期 PPA で電力を確保する形です。
- Amazon：Talen Energy から原発（Susquehanna）隣接のデータセンター用地を約 6.5 億ドルで取得し、追加の電力購入契約も締結。
- Google：小型モジュール炉（SMR）の Kairos Power と契約し、2030 年代に向け複数基・計 500MW 規模の導入を計画。
- 日本：柏崎刈羽の再稼働や SMR の検討が進む。
原発路線で先に電気が届くのは、新設より「既存炉の再稼働」を選んだ案件です。新規建設や SMR は審査・工期が長く、供給開始は数年先になります。
再エネ自家発電 ― 補完としては有効
太陽光・風力に蓄電池を組み合わせれば電力単価は下げられますが、出力が天候で変わる変動性があるため、24 時間フル稼働の AI 学習に直接あてるのは難しいのが実情です。系統電力やガス・原子力と組み合わせる補完電源として使うのが現実的です。
FIG.2 電源は「低炭素 × 安定供給」のトレードオフ。当面は既存炉の再稼働が先行する
05電気だけではない ― 水と送電網
電力を確保できても、まだ二つの物理制約が残ります。冷却用の水と、電気を運ぶ送電網です。
FIG.3 AI クラスタは「電力・水・送電・土地」の総取り。一番不足する資源が全体を律速する
水資源 ― 液冷の時代に表面化
Nvidia の Blackwell 世代以降、1 ラックあたりの消費電力が 100kW を超え、従来の空冷では追いつかなくなりました。そのため液冷（直接チップ冷却・液浸）への移行が進んでいます。冷却に伴う水の使用は、米アリゾナ・テキサス・ジョージアなど水の乏しい地域で地域社会との摩擦を生み、住民の反対運動や立地計画の見直しにつながっています。米国のデータセンター直接消費水量は 2023 年に約 174 億ガロン、2028 年には 380〜730 億ガロンに増えるとの EPA 推計もあります。対策として、外気と隔離して水を循環させるクローズドループ冷却の採用も広がっています。
送電網 ― 「建てたいのに繋げない」
用地と資金があっても、送電線が引けず接続待ちが数年に及ぶケースが頻発しています。発電所を新設しても系統への接続キュー（順番待ち）が長く、AI 向けの大口需要が想定どおり電気を受け取れない事態が起きています。系統増強・接続手続きの迅速化は、いまや AI インフラ整備の中核的な課題です。
06消費を減らす ― ソリューション側の動き
「もっと電源を確保する」だけでなく、同じ性能をより少ない電力で出す取り組みも並行して進んでいます。
モデルの効率化
MoE（専門家混合）、量子化、蒸留などで、必要な計算量を抑えつつ性能を保つ。同等の品質を大幅に少ない電力で出すのが狙い。
専用ハードウェア
汎用 GPU だけでなく、推論に最適化した専用チップ（ASIC）で電力効率を底上げする。
エッジ・オンデバイス推論
スマホや PC で動く小型 LLM（Apple の Foundation Models など）に処理を移し、データセンター側の負荷とネットワーク電力を減らす。
分散・時間分散の学習
地理的に学習を分散したり、電力に余裕のある時間帯に寄せたりして、局所的な電力ピークを避ける。
Case Study — Europe
欧州にも巨大拠点 ― ソフトバンクのフランス構想
2026 年 5 月 31 日、ソフトバンクグループはフランスで最大 5GW、最大 750 億ユーロ規模の AI データセンター群を整備する計画を発表しました。第 1 フェーズは約 450 億ユーロを投じ、北部オー＝ド＝フランス地域で 3.1GWを 2031 年までに立ち上げる内容で、ダンケルク（ロン＝プラージュ）、ボスケル、ブシャンが初期拠点に挙がっています。電源では国営 EDF が連携し、旧発電所跡地を活用する点が特徴です。
これは、米国での Stargate（OpenAI・Oracle と進める 5,000 億ドル規模の構想）に続く欧州側の大型拠点づくりの動きとして注目されます。一方、この種の大型発表は金額や時期が「上限・予定」で示されることが多く、過去には着工に至らなかった例もあるため、実際の進捗は段階的に確認する姿勢が要ります。日本企業にとっては、欧州リージョンでの学習・推論基盤や、ソフトバンク経由のキャパシティ調達という選択肢が広がる可能性があります。
FIG.4 第 1 フェーズ（確度高）と拡張上限（条件付き）を分けて読むのが要点
2026年7月5日、Google のサプライチェーン CO2 排出量が前年比 +25%、Amazon が +16% 増加したと報じられました（Innovatopia／各社サステナビリティ関連報告）。AI インフラ拡大の直接的な代償で、両社ともデータセンター建設・半導体調達に伴う間接排出（Scope 3 中心）が跳ね上がった格好です。本記事で扱った電力・水・冷却の物理制約に、「調達段階の温室効果ガス」という上流側の制約が加わりつつあることを示す数字で、2030 年ネットゼロ目標を掲げてきたハイパースケーラー各社にとっては、AI 事業成長と気候公約の両立が今後の焦点になります。
2026年7月6日、韓国 KAIST の研究チームが AI エージェントは従来型チャットボット（1 問 1 答型の生成 AI）の最大 136.5 倍のエネルギーを消費すると発表しました（GIGAZINE／Innovatopia）。エージェントは 1 タスクの中で複数のツール呼び出し・複数の推論ステップ・自己修正を繰り返すため、単発推論より桁違いに計算量が増える構造が数値で裏付けられた形です。本記事 02 章で扱った「短い質問は安い／重い推論は高い」という幅を、エージェント時代は 「エージェント 1 タスク」= 数十〜100 倍のクエリ相当として計画する必要があることを示しています。電力・水・送電線の物理制約に、「エージェント運用が普及するほど 1 ユーザーあたりの電力需要が跳ね上がる」という需要側の増幅要因が加わったと読むアップデートで、社内でエージェント（Claude Cowork、ChatGPT Agent、Manus など）の全社展開を計画する組織は、電気代・クラウド推論コストの試算を「単発推論比」ではなく「エージェント推論比」で組み直しておくのが安全です。
2026年7月14日、Meta のルイジアナ州リッチランド郡に建設中の 5GW 級 AI スーパークラスター建設費が約500億ドルに達したと AI Business が報じました。同社単体の AI インフラ投資として過去最大で、本記事 04 章「電源をどう確保するか」で挙げたハイパースケーラーの原発 PPA・SMR 投資と並ぶ、フロンティアラボの巨大電源確保競争の最新事例です。同時期に ニューヨーク州が全米で初めて AI データセンター新設のモラトリアム（一時停止措置）を制定したと The Verge が報道（2026年7月14日）：本記事 03 章の立地競争で挙げたバージニアなど東部集中の弊害に対する州政府側の初のブレーキで、「電気を引ければどこでも建てられる」段階から 「州政府が立地そのものを認可する／させない」 フェーズに入ったことを示します。日本企業を含む海外事業者にとっても、米国内リージョン選定時に「州政府のスタンス」が明確な変数になったと読むアップデートです。
07まとめ ― AI 競争は電力工学の競争へ
AI スケーリングの次の壁は、賢いコードではなく 電気を引けるかにある。
数百 MW〜1GW 級のクラスタを建てようとすると、電力・水・送電線・土地という物理制約が同時に効いてきます。だからこそ、どこに建て、どこから電気を引くかという立地と政策判断が AI 競争の重要な変数になりました。発表される数字には推定や「上限・予定」が多く含まれます。桁感を押さえつつ、確度の高い事実と、まだ計画段階の話を切り分けて読むこと ― それがこのテーマと付き合ううえでの実務的な姿勢です。
