AIの「魔法」の裏側：物理的フットプリントの現実
あの、クラウドとかAIって聞くと、なんかこう、どこか魔法みたいな、実体のないものだって感じませんか?
ああ、わかります。空の上にふわふわしたデータセンターがあって、みたいなイメージですよね。
そうなんですよ。プロンプトを打ち込めば、一心で答えが返ってくる。でも、実は、これを聞いているあなたがチャットボットに、今日の夕飯のレシピを考えてって打ち込む、そのたった数秒の間にもですね、
現実世界ではとんでもない量のエネルギーが消費されているんですよね。
ええ。私たちは限りなくシームレスで便利なデジタル空間を当たり前のように享受していますけど、その裏側には驚くほど重くて泥臭い物理的な代償が存在しているんです。
今日はまさにその裏側、AIの物理的なフットプリントについて徹底的に深掘りしていきたいんです。
というのも、今回IEA国際エネルギー機関の最新予測とか、マイクロソフトの環境レポート、あとは電子廃棄物に関する研究データなんかを束で読み込んでいたら、いや、これはちょっと見過ごせない現実だなと。
テクノロジーの進化を手放しで喜べないような、かなり名もなましいデータが並んでいましたよね。
データセンターの電力消費と排出量の急増
まず驚いたのが単純な電力の消費量です。IEAの予測だと、データセンターの電力消費って今急激に伸びていて、2030年には415テラワット時を超える可能性があるって。
415テラワット時。
はい。これって現在の倍以上なんですよね。さらにマイクロソフトのレポートでも、AIインフラを拡大したことによって、二酸化炭素排出量が前年比で25%も跳ね上がったと報告されていて。
えっと、AIの処理って従来のウェブ検索とはもう全く次元が違うんですよ。
違うんですか。
はい。単にデータベースからすでにある情報を引っ張ってくるんじゃなくて、何千億っていうパラメーターを使って入力されたデータから確率を計算して、新たな文章とか画像をその後と生成しているわけです。
ああ、その場で作り出してるから。
そうなんです。計算量が桁違いになれば、当然サーバーを動かす電力も劇的に跳ね上がるというわけなんですよね。
「内包炭素」の課題：製造段階の環境負荷
なるほど。でも私が今回一番ハッとしたのは、その環境負荷がいつ発生しているかっていう点なんです。
と言いますと。
私、サーバーがフル稼働しているときに一番電気を食ってCO2を出しているんだとばかり思っていたんですよ。
でも実はハイテク企業の環境フットプリントの70%から90%は自社のオフィスとか直接の電力消費じゃないんですよね。
ああ、そこですね。いわゆるスコープスリーと呼ばれるものです。
つまり自社の直接的な活動ではなくて、サプライチェーン全体から発生する間接的な排出が大部分を占めているんです。
このスコープスリーという言葉最近よく耳にしますけど、要するに私たちが箱を開ける前の話ですよね。
その通りです。
資料によればサーバーの障害にわたる排出量の20%から40%、ノートPCなんかのデバイスに至っては80%から85%が工場で製造されている段階ですでに排出されていると。
つまりエンボディードカーボン、内放炭素っていう形でデバイスが稼働する前にすでに地球にものすごい負荷をかけているんですよね。
そうなんですよ。レアメタルの採掘から始まって超高純度のシリコンを生成して、ナノレベルの微細な半導体を焼き付けて、さらにそれを地球の裏側まで輸送する。
うわー工程が多すぎる。
特に最先端のAIチップの製造プロセスって極端な高温環境が必要ですし、二酸化炭素の数千倍もの温室効果を持つ特殊なガスが使われることもあるんです。製造にかかるエネルギーそのものがもう莫大なんですよね。
考えてみたらこれって、走行中のCO2排出ゼロを謳っている最新の電気自動車を買ったとしても、その巨大なバッテリーを製造する工場でガソリン車が何年も走るのと同じぐらいのCO2を出していたら手放しでええことは言えないじゃないですか。
まさにその通りですね。
それと同じで、もしデータセンターを100%太陽光発電で動かしたとしても、サーバーを作った時点ですでに巨大な環境的不採を抱え込んでいるってことですよね。
だからこそ、今は単に自社の電気代から排出量を大雑把に計算するんじゃなくて、Tier2とかTier3と呼ばれる部品の製造元まで遡って、実データで管理することが求められているんです。
なるほど、部品レベルまで。
製品ごとの正確なカーボンフットプリントを把握しないと、サプライチェーン全体の脱炭素化なんて不可能ですからね。
冷却システムにおける水と電力のジレンマ
そうやって莫大なエネルギーを注ぎ込んで作られたサーバーですが、ひとたび稼働し始めると今度はとんでもない熱を発しますよね。
ええ、熱問題は深刻です。
この熱をどう逃がすかが次の大きな壁になっていると。
人間の脳も集中すると熱を持ちますけど、AIサーバーの熱量は比較になりません。数万個のGPUが24時間耐性でフル稼働しているわけですから、常に冷却し続けないとシステム自体が物理的にメルトダウンしてしまいます。
その冷却がまた新たな環境問題を引き起こしているんですよね。多くのデータセンターでは蒸発冷却、つまりオープンループと呼ばれるシステムを採用しているそうですが、これをするに水が蒸発するときの気化熱を利用して冷やしているわけですよね。
ええ、1キロワット時あたり1リットルから9リットルの水を物理的に蒸発させて消費しているんです。
ちょっと待ってください。蒸発ってことは待機中に消えちゃうんですか?
そうです。完全に消費されてしまいます。
だから、乾燥地帯ではそれが深刻な水不足の一因になっていますし、冷却棟から排出される温水が川に流れ込んで地域の生態系に熱汚染を引き起こしているという報告もありましたよね。
水をジャブジャブ使ってシステムを冷やしている状態で。
データセンターの運営側からすれば、蒸発冷却って非常に効率的なんですよ。電力使用効率、いわゆるPUEを下げることには成功するんです。
つまり電気代を抑えられると。
そうです。でもその反面、水使用効率、WEが悪化して貴重な淡水を大量に消費してしまうわけです。
なるほど。そこでNVIDIAが新しいアプローチとしてDSXアーキテクチャというシステムを発表したんですね。
はい。注目されていますね。
これはプロピレングリコールと水の混合液をパイプの中で密閉して循環させて、45度の高温でもファンによる空冷で熱を逃がす仕組みだと。
そうです。
外から新しい水を補給する必要がないから、直接的な水消費ゼロを実現している。
これ、人間で例えるなら、汗をかいて気管熱で涼むのが今までのやり方だとしれば。
新しい方法は、冷たい保冷剤が詰まった重いリュックを背負って、巨大な扇風機の風を浴びながら歩くようなものですよね。
分かりやすい例えですね。冷却液を内部でぐるぐる回すクローズドループです。
自社のデータセンター施設での水消費をゼロに抑えるという点では、非常に画期的なシステムといえます。
いや、でもちょっと待ってください。なんだか引っかかります。
どのあたりですか?
NVIDIAの水消費ゼロって、一見素晴らしい解決策に見えますけど、ファンをガンガン回して空冷するってことは、当然その分電力を余分に消費しますよね。
まあ、そうなりますね。
その電気ってどこから来るのかと考えたら、遠くの火力発電所とか原子力発電所なわけで、
発電所でタービンを回したり冷やしたりするのって、結局ものすごい量の水使いませんか?
おっしゃる通りです。
これって、自社のデータセンターの裏庭での水不足を解決したように見せかけて、
実はその水不足のツケを電力を供給している発電所の周辺地域に押し付けているだけなんじゃないですか?
その視点、非常に重要なんです。
実際、データセンターが施設内で直接消費する水って、サプライチェーン全体の水フットプリントで見ると、わすか4分の1から3分の1程度に過ぎないというデータがあるんですよ。
やっぱり。じゃあ、残りの大部分は間接的に消費されている水なんですね?
そういうことです。
システム全体を俯瞰すると、水を節約しようとして空冷ファンを回せば電力を大量に消費し、
逆に電力を節約しようとして蒸発冷却を使えば水を消費してしまう。
これが水と電力のジレンマなんです。
ジレンマですか?
ある特定の施設の数字だけを切り取って水消費ゼロになったといっても、地球全体で見たら資源の消費量が増えている危険性すらあるわけです。
水を節約すれば電力が足りず、電力を節約すれば水が枯渇する。
完全に発泡塞がりですね。
電子廃棄物（E-Waste）の津波とリサイクルの困難さ
ええ。
しかも問題は水と電気だけじゃないんですよ。
これだけ熱を出して24時間過酷な環境でフル稼働しているハードウェアそのものにも当然限界がきますよね。
それが第三の物理的フットプリント、電子廃棄物E-Wasteの津波です。
はい。従来の企業のサーバーってだいたい7年程度は原液で使えていたんですよ。
7年、結構長持ちですね。
でも現在のAI向けのGPUとかアクセレレーターはわずか18ヶ月から24ヶ月、長くても3年程度で陳腐化して退液させられているんです。
18ヶ月ってスマホの買い替えサイクルより早いじゃないですか。
ええ、本当に。
数千万円もする超高級スポーツカーを買ったのに最高速がほんの少し早い新型が出たというだけの理由で、たった1年半でスクラップ工場に捨てているようなものですよね。
機械としてはまだ全然動くはずなのに。
ええ、AIの開発競争ってそれだけ過酷なんですよ。
最前線では計算速度が少し遅いっていうだけで、AIモデルの学習に何ヶ月も余分な時間がかかってしまって、それがビジネス上致命的な遅れにつながるんです。
なるほど。
だから物理的には壊れていなくても技術的な寿命が異常なほど短くなっているんです。
そして捨てられたハードウェアの山が2030年までに120万トンから500万トンに達するという予測もありました。
ならリサイクルすればいいじゃないかと思うんですが、最先端のAIチップはそれが絶望的に難しいと。
そうなんです。
資料にコーター域幅メモリ、HBMとGPUが3次元速速パッケージで結合されているってありましたが、これどういう意味なんですか?
処理速度を極限まで上げるために、シリコンのチップ同士をナノレベルで立体的に積み重ねて、微細なシリコン貫通電極っていうもので直接つないじゃってるんです。
例えるなら、小麦粉と砂糖と卵を混ぜてオーブンでしっかり焼いたケーキの中から、後から卵だけをきれいに取り出して再利用してくれって言われているようなものですか?
その表現がぴったりですね。物理的にも科学的にも完全に一体化してしまっているので、昔のデスクトップパソコンみたいに部品をドライバーで分解して金や銅を取り出すようなレベルの話じゃないんですよ。
ああ、なるほど。
現在の技術では、そこから高純度のレアアースとか木金属を分離するのは膨大なコストとエネルギーがかかりすぎて現実的ではありません。
AIがより賢くなるための性能一乗主義が資源の持続可能性と完全に衝突してしまっているのが現状なんです。
持続可能性への取り組み：ハードウェア・ソフトウェア・サプライチェーンの最適化
電力の爆発的増加、水の枯渇、そしてリサイクル不可能な電子廃棄物の山。正直これだけ聞くと途方に暮れてしまいそうですが。
でも業界もただ手をこまねているわけではないんですよね。
もちろんです。
ここからこの負の連鎖をどう断ち切ろうとしているのかを見ていきたいんですが。
ハードウェア、ソフトウェア、そしてサプライチェーンの3つの層で具体的な対策が動き出しています。
まずハードウェアですね。先ほどチップの寿命が18ヶ月という話がありましたが、これをなんとか延命させようという動き。
IT資産処分、ITADですね。
資料によると機器の更新サイクルを3年から6年に伸ばすだけで、デバイスの年間炭素負荷を約29%も削減できると。
ええ。最初の製造段階で大量のエンボディードカーボンを出してしまっているわけですから、とにかく長く使うことが最大の防御になるんです。
確かに。
新先端のAIの学習には使えなくなった片落ちのサーバーでも、完成したAIを動かす推論の処理とか末端のエッジコンピューティングには十分すぎる性能を持っていますからね。
それをにじりようするエコシステムが育ちつつあるんです。
新品を1つ作らずに済めば製造にかかる巨大な炭素排出を丸ごと防げるわけですね。
その通りです。
そして次にソフトウェアの工夫。個人的にはこれが一番身近でなるほどと思いました。
ユネスコの研究が提唱しているスマーター、スモーラー、ストロンガー、より賢く、より小さく、より強くというアプローチです。
今の私たちは本当に簡単なタスク、例えば今日のミーティングの議事録を3行にまとめてといったお願いにも何千億ものパラメータを持つ超巨大な言語モデルLLMを使っていたりしますよね。
これを聞いている皆さんも心当たりがあるんじゃないでしょうか。
それって近所のコンビニに牛乳を買いに行くだけなのに巨大なダンプカーのエンジンを吹かして出かけているようなものですよね。
ものすごいエネルギーの無駄遣い。
まさにそうです。
そこで用途に合わせて特化した小規模言語モデルSLMに切り替えるライトサイジング、つまり適材適所を行うことで処理にかかる電力を最大90%も削減できる可能性があると示されているんです。
リスナーの皆さんが普段何気なく使う時も、何でもかんでも最強のAIを呼び出すんじゃなくて、用途に合った適切なサイズのAIを選ぶ。
それだけで間接的に巨大なエコに貢献できるんですね。
ええ。ユーザーの選択も非常に重要です。
そして最後がサプライチェーン。
フェニックスMFGのような企業がニアシュアリングを行っているとありました。
これは今まで太平洋をまたいで長距離輸送していた電子部品の製造プロセスを、ドミニカ共和国など消費地に近い米州内で統合していく動きですね。
はい。部品を船や飛行機で地球の裏側まで往復させるだけでも莫大な燃料を消費しますから、製造を特定の地域に集約して輸送距離を極限まで短くすることで、先ほどのスコープ3の輸送にかかる排出を劇的に減らすことができます。
規制の圧力とAIの未来への展望
なぜ今になって各社がこういう最適化を急いでいるのかと思ったら、やっぱり規制の圧力が大きいんですね。
そうなんです。
EUのCSRD、企業サステナビリティ報告指令とか、カリフォルニア州のSB253といった法律が動き出している。
簡単に言えば、あなたの会社が間接的に出している環境負荷のレシートをすべて法的に公開しなさいという厳しいルールです。
逃げ道がないわけだ。
ええ、企業はもはやサプライチェーンの奥底に隠れたフットプリントを見て見ぬふりすることはできません。
こうした圧力がイノベーションを強制的に加速させている側面がありますね。
なるほど。技術的な解決策だけでなく、製作の強制力、そして私たちユーザーの使い方の意識が変わることで、初めて持続可能なAIの未来が見えてくるんですね。
はい、まさにその通りです。
さて、今回の深掘りでは、AIの魔法の裏側に隠された電力、水、電子廃棄物という巨大な物理的フットプリントと、それを乗り越えようとする業界の取り組みを紐解いてきました。
リスナーの皆さんが次にスマホを開いてチャットボットに質問を投げかけるとき、
画面の向こう側でとんでもない熱を発しながら唸っているサーバーやそれを冷ますための水、そしてものすごいスピードで寿命を迎えていくハードウェアの存在を少しだけ想像してみてください。
私たちが享受しているデジタルの豊かさは間違いなく有限な物理資源の上に成り立っています。それを認識することが全ての第一歩ですね。
今回の資料を読んでいてふと思ったんです。AIがどこまで賢くなれるのか、その進化の限界を決めるのは人間の知能でもプログラミングの壁でもないのかもしれない。
というと、もっと手前の私たちが住む地域の水や電力が先に底をついてしまうかどうかという、ものすごくアナログで泥臭い物理的な問題がAIの未来を左右する最大の壁になるのではないかと。
ああ、なるほど。深いですね。
この問いの続きはぜひ皆さん自身でも探究してみてください。それではまた次回の深堀りでお会いしましょう。
