生成AIの拡大に伴い、競争領域はGPUや先端半導体だけでなく、データセンターを支える発電・送電網や電力利用効率へ広がっている。インドでは2030年にデータセンター容量が約8GWへ達するとの予測も示されている。（画像はイメージ）
今回のニュースのポイント
生成AIの急速な普及に伴い、高性能なGPUや先端半導体の確保が注目されてきました。しかし、計算能力を拡張するためには、それを格納するデータセンター、膨大な電力供給、そして電力を送る送電網の存在が物理的条件となります。この一週間だけでも、インドでは2030年に約8GWへ拡大すると予測されるデータセンター容量を支えるため、再生可能エネルギーや原子力まで含めた包括的な政策アプローチが提示されました。一方、米国では電力供給を増やすアプローチに加え、同じ電力枠から引き出せるAI処理量を高めたり、受電タイミングを柔軟に制御したりする取り組みが始まっています。さらに、送電網増強の費用負担をめぐる制度設計の議論も各地で表面化しており、AI投資の競争領域は半導体の外側にあるエネルギー・インフラ全体へと広がっています。
本文
生成AIや大規模言語モデルの開発競争において、これまでは「どれだけ多くの最新鋭GPUや先端半導体を確保できるか」が主要なテーマとして語られてきました。しかし、先端半導体を手に入れただけではAIの計算処理は完了しません。それらの半導体をデータセンターへ設置し、高密度の電力を安定供給し、発熱を冷却し、大容量ネットワークで接続し続けて初めて、実際のAIインフラとして機能します。
AIへの投資拡大が今、電力や送電網という「物理的な制約」に直接突き当たっています。AI競争の軸は、単なる半導体の調達合戦から、その裏側にあるデータセンター、発電設備、送電網、さらには「供給された1メガワット（MW）の電力をどう使うか」という統合的なインフラ競争へと広がりを見せています。
■インドが示す「政策間の相互接続」
こうした構造変化を如実に示しているのが、新興国におけるデータセンター容量の急拡大です。
インド政府報道情報局（PIB）が9月14日に公表した最新データによると、同国におけるデータセンターの設置済み電力容量は、2020年時点の約375メガワット（MW）から、2026年8月時点で1.57ギガワット（GW）へと拡大しました。2020年からの6年間で約4.2倍に急増した計算となります。さらに政府予測では、この容量が2030年には約8GWに達すると見込まれています。電力省傘下の中央電力庁（CEA）に至っては、同分野の電力需要が2031～32年までに17GWへ達する可能性を示しています。
重要なのは、インド政府の対応策です。インドはAIミッション（IndiaAI Mission）や半導体支援策（Semicon 2.0）、電子部品製造支援（ECMS）、データセンター向け税制優遇を単独で運用しているわけではありません。急増するデータセンターの電力を賄うため、再生可能エネルギーの導入拡大や環境規格（PUE等）の整備に加え、「SHANTI法」などを通じて将来的な原子力発電や小型モジュール炉（SMR）の活用までを視野に入れた政策枠組みを提示しています。
AI、半導体、データセンター、電力をまたぐ政策が相互に接続する構図が鮮明になっています。
■供給を増やすだけでなく「使い方」を変える
一方で、需要拡大に対して「単に発電所や送電網を増やし続ければよい」という従来の対処法だけでは追いつかない側面も浮き彫りとなっています。特に米国においては、データセンター側の「電力の使い方」そのものを変革する試みが始まっています。
従来のデータセンターは、年間を通じて一定かつ大量の電力を消費し続ける「固定的な負荷」として設計・運用されてきました。これに対し、Google、NVIDIA、Emerald AIの3社は9月16日、AIデータセンターの受電量やタイミングを電力系統（送電網）の状況に応じて柔軟に調整する新たな連合「AI Energy Management Alliance（AEMA）」を発足させました。
AIの計算処理には、即時性が求められる「推論」と、時間の融通が利く大規模な「学習」が存在します。AEMAは、優先度の低い計算処理の実施時間をずらしたり、併設した蓄電池や自社電源を活用したりすることで、電力網のピーク時における受電量を抑制する「フレキシブル・データセンター」としての運用定着を目指しています。電力網の状況に応じて需要を柔軟に調整することで、既存送電網を有効活用し、将来的な送電網投資の先送りや系統接続の迅速化につなげることを目指しています。
■「同じ1MW」から、どれだけのAI処理を取り出せるか
電力利用の効率化において、さらに一歩踏み込んだアプローチが「同じ電力枠内での処理量の最大化」です。
米NVIDIAが9月15日に公表した検証結果では、GPUクラウドの米Lambdaが「NVIDIA HGX B200」を用いたクラスター運用において、電力制約下での最適化技術（NVIDIA DSX）を適用しました。従来の16ノードを最大電力で稼働させるクラスター電力予算（同一の電力枠）を維持したまま稼働ノード数を19台に増やすことで、AI推論の処理量を毎秒約400万トークンから約500万トークンへと24％増加させ、電力当たりの処理性能も23％向上させたとしています。
これは単なる省エネ活動ではありません。「限られた電力供給の中で、どれだけ多くのAI計算成果（トークン）を取り出せるか」という発想の転換です。AIインフラの評価では、単なるGPUの性能や搭載台数に加え、「一定の電力からどれだけの計算量を引き出せるか」という観点の重要性が高まっていることを示す事例です。
■建物内部の受配電構造へ及ぶ再設計
電力効率への追求は、データセンターという建物の受配電構造そのものにも変化を迫っています。
米Bloom Energyが9月16日に公表したTCO（総保有コスト）モデルの試算によると、1GW規模のAIデータセンターにおいて、従来の交流（AC）給電から800V直流（DC）ネイティブ電源へ変更した場合、変圧器や電力変換機器の削減により、サーバー等の計算設備を除く「非コンピュート設備費（CAPEX）」を36億ドル（約27％）削減できるとの推計を示しました。
送電網から取り込んだ電力を、機器内部のGPUに届けるまでの電力変換損失や設備コストをいかに減らすかという観点から、受配電設備や電源変換など、サーバーの外側にあるデータセンター設備の設計そのものまで変化の対象になっています。
■「費用は誰が払うのか」――インフラのルールをめぐる議論
AI投資の拡大に伴うインフラ需要は、最終的に「費用負担の適正化」という制度上の問題へ到達します。
米ニューヨーク州政府は9月15日、データセンター立地地域への投資指針として1MW当たり100万ドルの地域還元に関する推奨ベンチマークを提示すると同時に、データセンター向けのインフラ増強費用が一般家庭の電気料金へ不当に転嫁されないための制度整備を進めています。
この課題は日本国内でも例外ではありません。東京電力パワーグリッド（東電PG）管内では、2025年3月末時点で、データセンター事業者等による電力系統への託送申込み容量が累計約1200万kW（12GW）に達しています。
ここで注意すべきは、インドで示された「2030年に設置済み容量約8GW（予測）」という数字と、東電PG管内の「託送申込み累計約1200万kW（12GW）」という数字の性質の違いです。インドの数字は実際の稼働・予測容量であるのに対し、日本の数字は事業者からの接続申請の累積値であり、双方を単純に比較して「日本の方が需要が大きい」と結論付けることはできません。
しかしながら、12GWに達する申込みの集中は、日本においてもデータセンターの接続需要が地域の送電網容量を上回るケースが生じ、上位系統の増強やその費用負担のあり方を巡って経済産業省の審議会等で議論が進んでいる実態を示しています。
■広がるAI投資のフロンティア
AI競争において、高性能なGPUや先端半導体が中核であるという事実に変わりはありません。しかし、半導体を確保しただけではAIの社会実装やビジネス上の優位性は完結しません。それを収めるデータセンターを建設し、確実な電力を確保し、送電網を通じて安定供給し、限られた電力を極限まで効率的な計算処理へと変換する必要があります。
各国で進む発電・送電インフラの整備、データセンター側の受電制御や直流化、さらには1MW当たりの計算出力の最大化といった一連の動きは、AIブームがIT業界の投資にとどまらず、エネルギーや電力インフラの構造そのものを再設計し始めていることを示しています。「どれだけGPUを持つか」という初期の競争から、「そのGPUを動かすインフラと電力をいかに最適化するか」という新たな競争のステージへ、AI投資の最前線は移行しています。（編集担当：エコノミックニュース編集部／Editorial Desk: Economic News Japan）
