4つの潜在的なシナリオを検討し、電力消費が制御不能に陥るのを防ぐためのいくつかの指針を提案する報告書によると、政策立案者はAIデータセンターによる将来の電力消費を慎重に指導する必要がある。
エネルギーインフラ企業シュナイダーエレクトリックが先月開催されたIEA（国際エネルギー機関）のエネルギーとAIに関する国際会議を受けて発表した調査報告書。「人工知能と電力：システムダイナミクスによるアプローチ」と題されたこの調査報告書は、AIに関する新たな学説と、それが電力消費に与える影響について考察しています。
AI、特に生成AIの台頭についてはすでに多くのことが報告されており、モデルの開発とトレーニングを目的とした高性能で電力を大量に消費するインフラストラクチャへの巨額の投資につながっています。
レポートが指摘するように、既存のデータセンターインフラは稼働に多大なエネルギーを必要とし、AI導入の予想される成長を支えるためには追加のリソースが必要になるでしょう。AIを動かすためのエネルギー需要が現在のペースで増加し続けた場合、電力網への潜在的な負担や環境への影響が懸念されています。
シュナイダーは、持続可能なAI、成長の限界、無限の豊かさ、そしてエネルギー危機という4つの異なるシナリオをモデル化しました。これら4つのシナリオはいずれも、2025年から2030年にかけてエネルギー消費が概ね上昇傾向にあると予測していますが、その後はそれぞれの前提に基づいて大きく乖離しています。
AI エネルギーシナリオ（シュナイダーエレクトリック サステナビリティ リサーチ インスティテュートの Rémi Paccou 氏提供）
「持続可能なAI」は、エネルギー消費が着実に増加する中で効率性を優先した場合の潜在的な結果を考察します。一方、「成長の限界」は、AI開発が自然または人間に起因する限界に達した場合の制約された道筋を概説します。「境界のない豊かさ」は、抑制されない成長の潜在的なリスクを考察し、「エネルギー危機」シナリオは、エネルギー需要と発電量のミスマッチがどのようにして広範囲にわたる不足につながる可能性があるかを検証します。
シュナイダーによれば、持続可能なAIは、そのモデルによれば、エネルギー消費量が2025年の予想100テラワット時（TWh）から2035年には785TWhに増加するという有望なアプローチを示している。
このシナリオでは、2027～2028年までにGenAI推論がAIセクターにおける電力消費の主な牽引役となるが、同時に、より効率的でエネルギー消費量の少ないモデルへの移行も進むだろう。報告書では、「AIインフラと需要の共生関係が特徴であり、効率性と資源保全が相互に強化される」と述べている。
「成長の限界」によると、GenAI推論の継続的な普及は、電力とインフラの制約の影響を受けやすいことが示されています。レポートでは、AIの総エネルギー使用量が2025年の基準値100TWhから2030年には510TWhに増加すると予測されていますが、主要データセンターハブにおける電力系統の可用性、特殊AIチップの製造におけるボトルネック、大規模言語モデル用のデータ不足といった課題が、大きな負担となっています。
「境界のない豊かさ」シナリオは、AI システムの急速かつ無制限な開発により、持続可能なリソース利用の能力を上回り、より大規模で強力なインフラストラクチャに向けた継続的な軍拡競争が発生するリスクがあることを示しています。
シュナイダーは、AI の総エネルギー消費量が 2025 年の 100 TWh から 2030 年までに 880 TWh へと大幅に増加し、上昇傾向が続いて 2035 年には驚異的な 1,370 TWh に達すると予測しています。
このシナリオは、AIの効率性向上が逆説的にエネルギー消費量の増加につながるというジェヴォンズのパラドックスを体現しています。AIの進歩があらゆるリソース制約を解消すると信じ、テクノロジーオプティミストがあらゆるセクターでAIの急速な導入を推進するにつれ、AIとデータセンターは障壁なく拡大すると予測されています。
最後に、エネルギー危機モデルは、AIの急速な成長により、そのエネルギー需要が経済の他の重要なセクターと衝突することを予測しています。これは、経済の低迷やAI依存産業の深刻な事業運営上の課題など、様々な悪影響をもたらします。
ここでは、AIのエネルギー消費量は2029年頃にピークを迎え、約670TWhに達し、その後2032年までに約380TWhまで減少し、2035年にはさらに190TWhまで減少すると予測されています。報告書によると、調整されていないAIガバナンスは政策の断片化につながり、世界的または地域的なエネルギー不足につながる可能性があります。
シュナイダー氏は持続可能な AI に関するいくつかの推奨事項を挙げており、それらは AI インフラストラクチャ、AI 開発、ガバナンス、標準、教育という 3 つの主な領域に分類されます。
最初の提唱は、次世代データセンターは最新の冷却技術、高密度コンピューティング、そしてGPUやTPUといった最新のエネルギー効率の高いAIハードウェアによって最適化されるべきだというものです。事業者は、データセンターの電力使用効率（PUE）の向上を目指しつつ、インフラを定期的に評価・アップグレードする必要があります。
- 曇り空、GPU費用の可能性：AIのエネルギー消費量がCIOを悩ませている
- AIのせいでデータセンターの電気代が爆発的に上昇する可能性
- AIの電力トリップにより、2027年までに電力網は救済を乞うことになるだろう
- データセンター開発者は、電力問題により新規建設が遅れていると述べている
また、安定した電力供給を確保するため、固体電池や水素貯蔵などの技術に投資し、先進的なエネルギー貯蔵ソリューションと組み合わせたオンサイト再生可能エネルギー発電の導入を加速することも提案している。
公益事業会社は、AI によるエネルギー需要の増大にも対応する計画を立てる必要があり、そのためにはエネルギー供給業者、政策立案者、AI 企業と連携して包括的な戦略を策定する必要があります。
AI開発に関しては、モデルのプルーニング、量子化、軽量アーキテクチャなどの技術を通じてモデルをより効率的にするとともに、測定されたAIハードウェア電力プロファイルを開発することが推奨されていると報告書は述べている。
AI 企業は、ビジネス成果に加えてエネルギー効率と環境への影響を含む AI プロジェクトの明確な主要業績評価指標 (KPI) を確立する必要があり、同時に循環型経済の原則を AI のハードウェアとソフトウェアに適用して悪影響を最小限に抑える必要があります。
ガバナンス、標準、教育に関しては、政策立案者はエネルギー効率と環境への影響に関する明確で測定可能な基準を備えた持続可能な AI 実践の認証スキームを開発し、導入すべきだとシュナイダー氏は言います。
さらに、堅牢な AI ガバナンス フレームワークは、エネルギー消費、データのプライバシー、倫理的配慮に対処しながら、責任ある AI の開発と展開を導く必要があります。
本報告書はまた、将来の課題に対応できる人材を育成するために、持続可能な慣行を重視するAI教育プログラムを提唱しています。企業は教育機関と提携し、例えばAIの技術スキルと環境意識を組み合わせた研修プログラムを作成するべきです。
報告書の大部分は付録に割かれており、シュナイダーの研究者がシナリオの開発と情報提供に採用した手法について解説しています。興味のある方はぜひご覧ください。これには、例えば、起こりうる結果に関する「もし～だったら」という問いに答えるためのシステムダイナミクスの未来モデルの作成や、それらに影響を与える様々な要因や重み付けなどが含まれます。
しかし、著者らは、将来のシナリオを予測しようとする際には妥協が伴うことを認識しているという免責事項も付記している。報告書によると、本研究はAIによる電力消費の潜在的なシナリオに関する知見を提供する一方で、さらなる調査が必要な領域も浮き彫りにしている。
これらには、製造、データセンター建設、そして使用済み製品の廃棄までを網羅した包括的なライフサイクルアセスメントを通じて、AIの環境フットプリントをより深く理解することが含まれます。また、今後の研究では、本研究で使用したシステムダイナミクスモデルを改良し、様々なセクターやアプリケーションにおけるAI需要の動的な性質をより効果的に捉える必要があると報告書は述べています。
シュナイダーエレクトリック・サステナビリティ研究所所長レミ・パッコウ氏は序文で、この研究は規範的なものではなく、将来の可能性を探ることで、関係者が将来に待ち受ける課題と機会を乗り越える準備を整えることを目的としている、と述べています。
「むしろ、この研究が情報に基づいた議論と意思決定の出発点となることを願っています。AIは急速に進化する分野であり、私たちの知識は常に成長し続けているという認識のもと、私たちは研究結果を発表しています」と彼は述べた。
全体的なメッセージは、政府と業界リーダーがAIの成長と環境および経済の持続可能性のバランスをとるための戦略的計画を立てる必要があるということです。実際にそうするかどうかは別の問題です。®
