※本稿は2026年8月時点の技術、電力需要、データセンター、エネルギー政策の動向をもとにした未来分析である。AIによって電力不足が必ず起きる、あるいはAIがエネルギー問題を解決すると断言するものではない。AIが電力を大量に使う存在であると同時に、発電、送電、需要を効率化する存在になることで、2029年までに何が変わるのかを考える。
⸻
2029年。
8月の午後2時。
関東では気温が38度を超え、家庭やオフィスの冷房によって電力需要が急増している。
電力系統を管理するAIエージェントは、夕方までに供給余力が不足する可能性を検知する。
地域内にある複数のデータセンターへ、90分間、使用電力を10％下げられないか問い合わせる。
あるデータセンターのAIは、現在動いている計算処理を分類する。
病院の診療支援。
工場ロボットの制御。
リアルタイム翻訳。
これらは止めない。
一方、翌朝までに終わればよい広告動画の生成、社内文書の再整理、次期モデルの評価実験は、一時的に遅らせる。
一部の処理は、電力に余裕のある別地域のデータセンターへ移す。
敷地内の蓄電池から電力を放出する。
その結果、地域の電力需要は下がり、家庭や病院への供給は維持される。
別のデータセンターは、柔軟な運用を行っていない。
契約上、24時間いつでも同じ電力を使えることになっている。
AIエージェントによる大量処理を止めないまま、電力網から電気を受け取り続ける。
不足分を補うため、停止予定だった火力発電所が動き始める。
どちらもAIを動かしている。
しかし、一方は電力網を支え、もう一方は電力網の負担になっている。
ここに、AIとエネルギーの未来を分ける境界がある。
AIがどれだけ電気を使うかだけではない。
いつ、どこで、何のために使い、必要なときに譲れるか。
⸻
AIには、クラウドの向こうに必ず電気メーターがある
AIは、画面の中だけで動いているように見える。
文章を入力すると、数秒で返事が来る。
目の前では、煙も熱も音も出ない。
そのため、AIは物理的な資源をほとんど使わない、軽い技術のように感じやすい。
しかし、AIの処理は必ず、どこかのデータセンターで行われている。
大量の半導体へ電気を流す。
発生した熱を冷やす。
データをネットワークで運ぶ。
停電に備えて蓄電池と非常用電源を置く。
電気を受け取るための変電設備と送電線を整備する。
AIにとって、データセンターは単なる保管庫ではない。
知能を生産する工場である。
国際エネルギー機関の2026年推計では、世界のデータセンター電力消費は2025年の約485TWhから、2030年には約950TWhへほぼ倍増し、世界全体の電力需要の約3％を占める。AI向けデータセンターの消費電力は、その間に約3倍になると見込まれている。
世界全体の3％と聞けば、意外と小さく感じるかもしれない。
実際、AIだけが世界のエネルギー問題を引き起こしているわけではない。
空調、電気自動車、産業用モーター、工場の電化も、大きな電力需要を作る。
ただし、データセンターには特殊な性質がある。
非常に大きな需要が、短期間で、狭い地域へ集中する。
世界全体では数％でも、データセンターが集まる地域では、発電所や大規模工場に近い負荷になる。IEAも、データセンターの世界全体に占める割合より、地域ごとの集中した影響の方が大きな課題になり得ると指摘している。
⸻
AIは一回あたり省電力になりながら、全体では電気を多く使う
AIの効率は、急速に改善している。
半導体。
冷却。
モデルの設計。
計算方法。
ソフトウェア。
同じ種類の処理を行うために必要な電力は、小さくなっている。
IEAの2026年分析では、近年、AIの一つのタスクに必要な電力は、少なくとも年単位で一桁以上下がってきたとされている。単純な文章への応答であれば、同じ時間だけテレビを動かすより少ない電力で処理できる場合もある。
では、AIの電力問題は、半導体が効率化すれば自然に解決するのだろうか。
そうとは限らない。
一回あたりの処理が安くなると、利用回数が増える。
文章を一度生成するだけではなくなる。
複数のAIエージェントが、24時間市場を監視する。
何百件もの資料を読み続ける。
コードを書き、テストし、修正する。
複数案を比較し、別のAIへ確認させる。
動画や3D空間を生成する。
コンピューターを何時間も操作する。
IEAは、動画生成、高度な推論、エージェント型処理のような用途では、単純な文章生成と比べて、一回あたり数百倍から数千倍の電力を使い得ると整理している。2025年にはデータセンターの電力需要が17％増え、AI向け施設では約50％増加した。
つまり、
一回の計算は軽くなる。
しかし、計算する回数と仕事の長さが、それ以上に増える。
ことが起きる。
これは、エネルギー効率が向上したことで利用量が増え、総消費量が下がらない「リバウンド」と似た構造である。
AIエージェント時代には、人間が寝ている間もAIが働く。
人間一人が一日に20回使っていたAIを、100体のエージェントが常時使うようになる。
AIの電力需要を決めるのは、一回の回答の軽さではない。
社会が、どれだけ長い仕事をAIへ任せるようになるかである。
⸻
電力量より先に、「電力密度」が壁になる
年間で何TWh使うかだけでは、データセンターの難しさは分からない。
重要なのは、狭い空間で、どれほど大きな電力を必要とするかだ。
IEAは、先端的なデータセンター内にある一台のサーバーラックが、2027年にはピーク時に一般家庭65世帯分に相当する電力を必要とする可能性を示している。
AIサーバーの電力密度は2020年から2025年に約11倍となり、2027年までにさらに約4倍になると予測されている。
冷蔵庫ほどの大きさの設備へ、住宅街の一角に近い電力を流す。
そのラックが、建物の中に何百台、何千台と並ぶ。
すると必要になるのは、発電量だけではない。
変圧器。
ケーブル。
変電所。
冷却設備。
非常用電源。
電力変換装置。
建物へ電気を届ける最後の部分が、制約になる。
AIモデルは数か月で更新できる。
データセンターも、条件が整えば数年で建設できる。
しかし、送電線や大型変圧器、発電所の増強には、さらに長い時間がかかる。
2026年のIEA分析でも、変圧器、ガスタービン、電力機器、先端半導体、系統接続、許認可が、データセンター拡大のボトルネックになっている。
AIの進化速度と、電力インフラの建設速度は違う。
この速度差が、第0章から繰り返してきた「AIだけが先に進む未来」を、最も物理的な形で表している。
⸻
日本の電力需要は、「人口減少で下がる」という前提から変わる
日本では長く、人口減少、省エネ家電、産業構造の変化によって、電力需要は伸びにくいと考えられてきた。
しかし、その前提が変わり始めている。
電力広域的運営推進機関の2026年8月時点の見通しでは、日本の年間電力需要は2026年度の843.7TWhから、2030年度には864.8TWhへ増えると予測されている。
人口減少や省エネによる減少要因より、経済成長、データセンター、半導体工場による増加要因が大きくなるためだ。
IEAは、日本のデータセンター電力消費が2024年から2030年に約15TWh、率にして約80％増え、日本における電力需要増加の半分以上を占める可能性を示している。
これは、かなり大きな変化だ。
日本は人口が減る。
家電も省エネになる。
それでも、国内でAIと半導体を動かすなら、電力需要は増える。
AI産業を持つということは、ソフトウェア産業を持つことだけではない。
電力を大量に、安定して供給できる産業国家になることである。
AIモデルの性能競争は、半導体の競争でもある。
半導体の競争は、データセンターの競争でもある。
データセンターの競争は、発電、送電、蓄電、通信、土地の競争になる。
AI政策とエネルギー政策は、別々には考えられなくなる。
⸻
電気を都市へ運ぶより、計算を電気のある場所へ動かす
日本のデータセンターは、利用者や企業が多く、通信網が整っている都市圏へ集中しやすい。
しかし、大きな電力需要も同じ地域へ集中すれば、送電網や変電所の増強が必要になる。
一方、再生可能エネルギーを多く作れる地域と、計算需要が集中する地域は、必ずしも同じではない。
太陽光や風力で電気が余っていても、送電線が足りなければ都市へ運べない。
そこで出てくるのが、「ワット・ビット連携」という考え方だ。
電力を表すワットと、情報を表すビットのインフラを一体で考える。
データセンターを電力系統上の条件がよく、脱炭素電源へ近い地域へ配置する。
電力を遠距離へ運ぶだけでなく、通信回線を使って、計算処理の方を電力のある地域へ移す。
日本政府も、脱炭素電源に近い地域へのデータセンター立地と、電力・通信インフラの一体整備を進める方針を示している。
すべての計算を地方へ移せるわけではない。
工場ロボットの制御。
自動運転。
対面でのリアルタイム翻訳。
金融取引。
こうした遅延へ敏感な仕事は、利用場所に近い計算設備が必要になる。
一方、
AIモデルの訓練。
翌朝までに終わればよい分析。
動画生成。
大量の資料整理。
バックアップ。
一部のエージェント処理。
は、時間や場所を動かしやすい。
計算の種類 電力に合わせた移動
医療・工場・交通のリアルタイム制御 移動しにくい
利用者との会話 一部移動できる
長時間の推論・調査 時間帯をずらしやすい
モデル訓練・評価 地域と時間を比較的動かしやすい
動画・画像の一括生成 緊急性が低ければ延期しやすい
データ整理・バックアップ 夜間や電力余剰時へ移しやすい
2029年には、AIエージェントが仕事内容だけでなく、
この仕事は、いつ、どの地域で計算するべきか
まで決めるようになるかもしれない。
⸻
地方へデータセンターを置けば、地域が自動的に豊かになるわけではない
ワット・ビット連携は、地方に新しい産業を作る可能性を持つ。
再生可能エネルギー。
通信網。
データセンター。
関連する保守、建設、電力設備。
それらを一体で整備すれば、都市圏へ集中してきたデジタル産業の一部を、地域へ移せる。
ただし、データセンターは大きな電力と土地を使う一方で、稼働後に必要な常駐人員が限られる場合もある。
地域が提供するものは、
土地。
電力。
水。
送電設備。
災害対応。
住民の合意。
である。
その見返りとして、
どれだけ雇用が生まれるのか。
税収が地域サービスへ戻るのか。
地域企業がAIを使えるようになるのか。
電力網の増強費用を誰が払うのか。
停電時には地域とデータセンターのどちらが優先されるのか。
を考えなければならない。
地方がAI産業の拠点になることと、地方がAI産業の電源になることは違う。
電気と水だけを提供し、利益とデータは都市や海外企業へ流れる。
その構造なら、地域は「デジタル時代の資源供給地」になるだけかもしれない。
ワット・ビット連携には、電力と通信の連携だけでなく、
地域が受け取る利益との連携
も必要になる。
⸻
データセンターは「止められない工場」から「動かせる需要」へ変われる
従来のデータセンターは、24時間止めてはいけない設備として設計されてきた。
利用者は、いつアクセスしてもサービスが動くことを期待する。
そのため、データセンターは電力網から見ると、常に電気を必要とする大きな需要だった。
しかし、AIエージェント時代の計算には、必ずしも今すぐ終えなくてよいものも多い。
翌朝までに終わればよい。
数時間遅れても問題ない。
別地域で処理してもよい。
そのような計算を分類できれば、データセンターは電力網の状態に合わせて動ける。
電力が余っている時間帯に処理を増やす。
需要が高い時間帯は、一部の計算を減らす。
再生可能エネルギーが多い地域へ処理を移す。
敷地内の蓄電池を電力網へ提供する。
IEAは、系統接続を早め、電力価格への影響を抑える方法として、データセンターへ需要調整を促す契約や、供給状況に応じて制限できる系統接続を提案している。また2030年には、世界のデータセンター内に20〜25GW程度の蓄電池が設置され、条件次第では電力網を支える資源になり得るとしている。
AIデータセンターの負荷は、通常の施設より大きく、短時間で変動することもある。
だからこそ、蓄電池や処理時間の調整が重要になる。
データセンターが電力を使うだけの施設になるか。
電力網と協調する施設になるか。
これは技術だけでは決まらない。
電力料金と契約によって決まる。
いつでも同じ電力を使っても料金が変わらないなら、データセンター側には処理を動かす理由がない。
電力網を助けた分だけ接続時期、料金、収益で恩恵を受けられるなら、柔軟性を提供する理由が生まれる。
⸻
すべてのAI処理を同じ優先度で動かす必要はない
現在の電力制度では、
病院が使う一キロワット時。
広告動画を生成する一キロワット時。
工場の安全装置が使う一キロワット時。
AIエージェントが不要なメールを大量生成する一キロワット時。
は、電力網から見れば同じ電気である。
しかし、供給が限られる場面では、その社会的な意味は違う。
2029年には、AI側でも仕事の優先度を設定する必要が出てくる。
優先度 AI処理の例
最優先 医療、安全、電力、交通、災害対応
高 顧客対応、工場運営、決済、重要業務
中 日常的な調査、資料作成、開発
低 翌日でもよい分析、学習、バックアップ
延期可能 大量の広告案、娯楽生成、実験的処理
もちろん、政府がすべてのAI利用へ順位を付けるべきだという話ではない。
誰にとって重要な仕事かは、状況によって違う。
ただ、
電力が足りなくなっても、すべての計算を同じ速度で続ける
という設計は合理的ではない。
AIエージェントが人間の仕事を分解するように、電力需要も、
止められない仕事。
遅らせられる仕事。
別地域へ移せる仕事。
中止できる仕事。
へ分ける必要がある。
⸻
AI向けの電力を、再生可能エネルギーだけで賄えるとは限らない
大手テクノロジー企業は、再生可能エネルギーの購入契約を拡大している。
IEAによると、2025年に企業が締結した再生可能エネルギー購入契約の約40％を、テクノロジー企業が占めた。
AI需要によって、太陽光、風力、蓄電池への投資が増える。
これは期待したい方向だ。
IEAの基本シナリオでは、2024年から2030年に増えるデータセンター向け電力の約半分を、再生可能エネルギーが担う。
ただし、裏返せば、残りの半分は再生可能エネルギーだけではない。
2030年までに増えるデータセンター向け電力のうち、天然ガスと石炭を合わせて4割以上を供給すると予測されている。
データセンターは、夜も雨の日も動く。
太陽光や風力だけで24時間の安定供給を行うには、
蓄電池。
送電網。
水力。
原子力。
火力。
需要調整。
の組み合わせが必要になる。
AI需要が急速に増え、再生可能エネルギーや送電網の整備が間に合わなければ、既存の火力発電所の稼働を増やしたり、新しいガス発電設備を建てたりする圧力も強まる。
AIが再生可能エネルギー投資を加速する未来と、AIのために化石燃料利用が延びる未来は、同時に起こり得る。
⸻
「再エネ100％契約」と、その瞬間に使っている電気は同じではない
企業が年間で使う電力量と同じ量の再生可能エネルギーを購入したとしても、
データセンターが動いている毎時間、再生可能エネルギーだけが供給されているとは限らない。
昼間に太陽光が大量に発電する。
その価値を契約で購入する。
しかし、夜間にデータセンターが使う電気は、実際には火力や原子力を含む地域の電源構成から供給される。
IEAのデータセンター電源分析も、企業が契約上購入した電源ではなく、施設が接続する地域の電力網から物理的に供給される電源構成を区別している。
重要なのは、再エネ契約が無意味だということではない。
新しい発電設備への投資を支えられる。
市場へ需要を示せる。
ただし、
年間合計で相殺したこと
と、
毎時間、低炭素な電気で動いていること
は違う。
今後は、
- 新しい脱炭素電源を本当に増やしたか
- 電気を使う地域と発電地域が接続されているか
- 時間帯ごとの電源構成はどうか
- 電力が不足した時間に、処理を減らしたか
- 地域の既存電力を奪っていないか
まで見なければならない。
⸻
原子力や次世代発電は重要になる。しかし、3年後の魔法の答えではない
AI向けの24時間電力を確保するため、原子力や次世代地熱への関心も高まっている。
2026年には、データセンター事業者と小型モジュール炉の間で検討されている電力購入契約の規模が、世界で約45GWへ拡大している。
ただし、計画、許認可、建設、安全確認には時間がかかる。
IEAの基本シナリオでも、最初の小型モジュール炉が電源構成へ入り始めるのは2030年前後と見込まれている。
つまり、2029年までの電力需要増を、
数年後に新型原子炉ができるから大丈夫
と考えることはできない。
少なくとも当面は、
既存の発電所。
再生可能エネルギー。
送電網。
蓄電池。
需要調整。
省電力化。
で対応する必要がある。
未来の電源へ投資することと、今後3年間の電力網を安定させることは、別の課題である。
⸻
水の問題は、「一回の質問に何ミリリットル」では測れない
データセンターは、電気だけでなく水も使うことがある。
サーバーから発生する熱を冷やす。
発電所で電気を作る。
設備を適切な温度へ保つ。
そのため、
「AIへの一回の質問で、何ミリリットルの水が使われるのか」
という数字が注目される。
しかし、この数字を一つに決めるのは難しい。
同じ計算でも、
どのサーバーを使ったか。
稼働率は高かったか。
空冷か水冷か。
外気温は何度か。
地域の電力が何で作られたか。
発電所がどれだけ水を使うか。
によって、結果が大きく変わる。
Lawrence Berkeley National Laboratoryの2025年研究では、データセンターの一つの処理あたりの水使用量は、サーバー効率、地域の電源、冷却方式、気候などの組み合わせにより、1万倍を超える差が生じ得ると分析されている。
つまり、
AIは一回あたり必ずこの量の水を使う
という世界共通の数字はない。
水の豊富な寒冷地と、水不足の暑い地域では意味が違う。
同じ量を使っても、飲料水を使うのか、再生水を使うのかで影響は違う。
空冷を増やせば水使用量は減る可能性があるが、電力消費が増える場合もある。
水と電気を別々に最適化すると、一方を減らした結果、もう一方が増えることもある。
⸻
冷却は脇役ではない
データセンターが使う電力は、すべて計算へ使われるわけではない。
サーバーを冷やし、湿度や温度を保つためにも電力が必要になる。
IEAによると、冷却設備がデータセンター全体の電力に占める割合は、効率的な大規模施設では約7％である一方、効率の低い企業内施設では30％を超える場合もある。
AI向け半導体は電力密度が高く、従来の空調だけでは熱を処理しにくい。
そのため、半導体へ液体を近づける直接冷却や、外気を利用する冷却が広がる。
Berkeley Labの施設では、冷却など計算以外に使う電力を42％削減し、年間200万kWh以上の電気と約50万ガロンの水を節約した事例が報告されている。
効率化の余地は大きい。
ただし、データセンターの数と計算量がさらに増えれば、一施設あたりが効率化しても総消費量は増える可能性がある。
ここでも、
一回あたりの効率
と、
社会全体の消費量
を分けて見る必要がある。
⸻
AIは、電気を食べるだけでなく、電力網を賢くする
ここまで読むと、AIはエネルギーを大量に消費する存在に見える。
しかし、AIはエネルギーシステムを効率化する側にも回る。
電力網では、発電量と消費量を常に一致させなければならない。
太陽光と風力が増えるほど、天候によって発電量が変わる。
電気自動車、蓄電池、家庭の太陽光、工場、データセンターなど、電力を使い、作り、ためる設備も増える。
人間だけで、すべてをリアルタイムに調整することは難しくなる。
AIは、
- 数時間後の太陽光と風力発電を予測する
- 地域ごとの需要を予測する
- 送電線の異常を見つける
- 変圧器の故障を予測する
- 蓄電池と電気自動車を調整する
- 工場や建物へ需要削減を依頼する
- 停電箇所を特定する
- 送電線が安全に運べる容量を動的に変える
ことができる。
IEAは、AIによる故障検知によって停電時間を30〜50％短縮できる可能性を示している。
また、センサーとAIによって既存送電線の利用量を高めれば、新しい送電線を建設せずに最大175GW程度の送電能力を追加的に使える可能性があるとしている。
175GWは、IEAが予測する2030年までのデータセンター負荷増加を上回る規模である。
もちろん、これは世界中で関連技術が広く導入された場合の可能性であり、明日すぐ利用できる電力ではない。
それでも、
AIが電力需要を増やす速度と、AIが電力網を効率化する速度
の両方を見る必要がある。
⸻
AIは、工場や建物が使うエネルギーも減らせる
AIが削減できるのは、電力網の損失だけではない。
工場では、
温度。
圧力。
生産速度。
品質。
機械の状態。
を見ながら、最もエネルギー効率のよい運転条件を探せる。
建物では、
在室人数。
天気。
電力価格。
室内温度。
をもとに、空調、照明、蓄電池を調整できる。
物流では、空車や重複輸送を減らす。
農業では、水、肥料、燃料を必要な場所へ絞る。
IEAの2026年分析では、すでに確認されているAI活用事例が広く普及すれば、2035年に世界の最終エネルギー消費の約3％に相当する13EJ以上を節約できる可能性がある。
エネルギー集約産業では、AIによる工程最適化によって、エネルギーコストを3〜10ポイント削減できる可能性も示されている。
ただし、これも自動的には起きない。
AIが省エネ方法を提案しても、古い設備がネットワークへつながっていなければ実行できない。
データが企業ごとに分断されている。
現場にAIを扱う人がいない。
サイバー攻撃が怖くて接続できない。
投資費用を回収するまで時間がかかる。
といった壁がある。
IEAの企業調査でも、エネルギー分野でAIが広がらない最大の障害として、デジタル技能の不足が挙げられている。電力データを広く公開する制度がある地域も、世界全体では限定されている。
AIを省エネへ使えるかどうかは、モデルの能力よりも、設備とデータを接続できるかで決まる。
⸻
AIが使う電力と、AIが減らす電力を単純に引き算してはいけない
AIが950TWh使う。
一方、AIによって13EJのエネルギーを節約できる。
では、差し引きすればAIは環境に良い。
そう単純には言えない。
時期が違う。
場所が違う。
エネルギーの種類が違う。
導入確度も違う。
データセンターの電力需要は、特定の地域へ確実に現れる。
一方、省エネの可能性は、工場や建物が実際に設備を更新し、AIを導入した場合に初めて実現する。
また、AIによって商品が安くなり、生産量が増えれば、省エネ効果が相殺されることもある。
物流を効率化して一件あたりの燃料が減っても、配送件数が倍になれば、総燃料は増えるかもしれない。
AIによって自動運転が安くなり、移動回数が増えることもある。
AIがエネルギーを節約できる能力と、社会全体のエネルギー消費が減ることは同じではない。
見るべきなのは、
AIが使った電力。
AIによって直接減った電力。
AIによって新たに増えた需要。
その三つである。
⸻
電気料金は上がるのか
データセンターが増えれば、家庭の電気料金は上がる。
そう断言することもできない。
電力が余っている地域に、安定して大量に使う顧客が増えれば、発電所や送電網の設備を効率的に使える。
固定費を多くの利用者で分けられ、平均的な電力価格が下がる可能性もある。
一方、供給が限られている地域では、
新しい発電所。
変電所。
送電線。
蓄電池。
を建設する必要がある。
その費用を家庭や地域企業も負担すれば、料金は上がる。
IEAも、データセンターが電気料金へ与える影響は、地域の供給余力、需要の形、設備投資、料金制度によって異なると整理している。
大規模かつ短期間に増えるデータセンターは、系統増強費用と実際の使用量が一致しないリスクも持つため、誰が新規設備の費用を負担するかが政策課題になる。
たとえば、データセンターが将来1GW使うとして、大きな送電設備を先に建設する。
しかし、AI市場が想定より伸びず、実際には半分しか使われない。
残った設備費用は誰が払うのか。
反対に、接続申請を慎重に扱いすぎると、AI投資が別の国へ流れる。
電力会社、データセンター、住民、行政の間で、リスクをどう分けるかが必要になる。
AI向けの電力網を、社会全体が無条件で補助するべきでもない。
すべてをAI企業だけの負担にして、公共的な設備整備を止めるべきでもない。
地域へどのような利益が戻るかを含めて決める必要がある。
⸻
電力の価格だけで計算資源を配ると、豊かな企業が知能を独占する
電力が不足すれば、価格が上がる。
高い料金を払える企業が、電力を確保する。
市場としては自然な仕組みに見える。
しかし、AI向け電力が高騰すると、
巨大企業はモデルを訓練できる。
小さな企業は利用料の高騰に耐えられない。
大学や公共研究機関は十分な計算資源を持てない。
地方や低所得国は、AIサービスを作る側ではなく、海外AIを買う側に固定される。
ということが起こり得る。
AI時代には、電力へのアクセスが、そのまま知能へのアクセスになる。
電力格差が、AI能力の格差へ変わる。
この問題は、すべての企業へ安い電気を配ればよいという話でもない。
何の計算を公共的に支援するのかを考える必要がある。
医療。
防災。
教育。
科学研究。
行政。
地域インフラ。
こうした分野へ、一定の低炭素電力と計算資源を確保する。
一方、娯楽や広告生成については、市場価格を負担してもらう。
そのような区分が議論される可能性もある。
電気の使途を政府が細かく決めることには危険もある。
しかし、
お金を最も多く払える主体が、最も多くの知能を持つ
状態も、中立ではない。
⸻
AIが電力網を運営するほど、サイバー攻撃の影響も大きくなる
AIによって電力網を細かく調整すれば、効率は上がる。
同時に、攻撃対象も増える。
発電量の予測。
電力価格。
蓄電池。
需要調整。
データセンターの計算移動。
送電設備。
これらがAIエージェントによって接続される。
攻撃者が一つのAIへ誤った情報を入れる。
「明日は電力需要が下がる」
「この変圧器は正常である」
「このデータセンターは需要を減らした」
という偽の状態を信じさせる。
AIが自動的に発電、充電、供給を変更する。
効率化された電力網ほど、判断が速い。
だから、誤った判断も速く広がる。
IEAも、AIがエネルギー安全保障を高める一方、サイバー攻撃を強力にし、デジタル化されたエネルギーシステムへ新しい脆弱性を作る可能性を指摘している。
電力AIには、
- 一つのモデルへ全判断を任せない
- 重要操作には複数の確認を入れる
- 異常な指示を検出する
- ネットワークから切り離しても動かせる
- 人間による手動運転へ戻せる
- 判断と入力データを記録する
- 地域ごとに停止範囲を分ける
必要がある。
最も効率的な電力網より、AIが止まっても電気を供給できる電力網の方が強い。
⸻
2029年までに、AIとエネルギーは三段階で変わる
2026〜2027年：接続待ちと見える化の時代
最初に表面化するのは、電力不足そのものより、系統接続の待ち時間である。
データセンター事業者は、
どの地域なら接続できるか。
必要な電力をいつ確保できるか。
送電設備の増強費用はいくらか。
を確認する。
電力会社は、データセンターの計画が本当に建設されるのか、実際にどの程度の電力を使うのかを見極める必要がある。
AI企業には、
予定する設備容量。
稼働時期。
実際の負荷。
柔軟に減らせる処理。
を開示する圧力が強まる。
2027〜2028年：立地と電源を一体で決める時代
データセンターの場所は、
土地の価格。
通信速度。
災害リスク。
だけでなく、
脱炭素電源。
送電容量。
水。
冷却条件。
地域の受容。
で選ばれる。
ワット・ビット連携によって、電力のある地域へ計算を移す仕組みが増える。
大規模施設には、蓄電池、再生可能エネルギー、需要調整契約が組み込まれる。
2028〜2029年：計算そのものが電力網へ参加する時代
AIエージェントが、各処理の緊急度、期限、必要な計算量を判断する。
電力価格と再生可能エネルギーの発電量に合わせて、
実行する時間。
処理する地域。
使うモデル。
計算精度。
を変える。
簡単な仕事には、小さく省電力なモデルを使う。
緊急性の低い仕事は、電力が余る時間へ移す。
データセンターは、電気を消費する施設から、需要と蓄電池を調整する電力網の参加者へ変わる。
2029年の本命は、
AIのために無限の電力を作ること
ではない。
限られた電力の中で、AIの計算を動かせるようにすること
である。
⸻
2029年、AIとエネルギーは四つの未来に分岐する
未来 起きること 社会への影響
電力協調型AI社会 データセンターが処理時間、地域、蓄電池を調整し、AIも電力網の効率化へ使われる AI産業と電力安定、脱炭素を両立しやすくなる
化石燃料によるAI競争 電力需要へ送電網と再エネが追いつかず、ガス・石炭の稼働が増える AI産業は伸びるが、排出量と燃料依存が増える
電力を持つ企業の知能寡占 発電、データセンター、半導体、AIを一部企業が垂直統合する 安定したAIは提供されるが、価格と計算能力が集中する
地域反発と接続停止 電気料金、水、土地、地域利益への不満から、施設への反対が強まる 必要な電力投資も遅れ、AI産業と地域社会の対立が深まる
最も期待したいのは、電力協調型AI社会だ。
データセンターは、電力を無条件に使い続けるのではない。
必要のない計算をずらす。
蓄電池を電力網へ提供する。
再生可能エネルギーが余る地域で処理する。
AI自体も、送電網、工場、建物、物流の省エネへ使われる。
AIが使う電力以上の社会的価値を作る。
一方、短期的に起こりやすいのは、化石燃料によるAI競争かもしれない。
各国はAI産業を他国へ逃したくない。
系統接続を待つより、ガス発電設備を作る。
既存火力を長く動かす。
脱炭素の長期目標より、AI投資の短期スピードを優先する。
最も見えにくい危険は、電力を持つ企業の知能寡占だ。
AI企業が、
データセンター。
発電所。
蓄電池。
通信。
半導体。
を一体で持つ。
電力不足に強くなり、他社より安定してAIを提供できる。
同時に、新規企業が参入するために必要な電力と計算資源を確保できなくなる。
最悪なのは、地域社会が費用と負担だけを受け取る未来だ。
送電網の費用は住民が負担する。
水と土地はデータセンターが使う。
雇用やAIサービスは地域へ戻らない。
その結果、
AIのために、なぜ自分たちが電気代と環境負荷を負担するのか
という反発が強くなる。
技術的には建設できても、社会的に建設できなくなる。
⸻
AIとエネルギーに必要な十の原則
原則 必要な設計
実消費を開示する 設備容量ではなく、実際の電力、ピーク、水、排出量を示す
仕事ごとの効率を見る 一回の質問だけでなく、エージェント全体の処理量と価値を測る
計算に優先度を持たせる 緊急処理と延期可能な処理を分ける
電力に合わせて計算を動かす 時間、地域、モデルを選び、需要調整へ参加する
地域と電源を一体で選ぶ 通信だけでなく、送電、水、脱炭素電源、災害リスクを見る
追加的な脱炭素電源を作る 既存の再エネを取り合うだけでなく、新しい供給を増やす
系統費用を公平に分ける 接続・増強費用を、家庭や中小企業へ一方的に転嫁しない
地域へ利益を返す 税収、雇用、廃熱、電力設備、AI利用機会を地域と共有する
止まっても動く仕組みを持つ サイバー攻撃、通信障害、AI停止時に手動運転へ戻す
何のための計算かを問う 消費電力だけでなく、医療、教育、研究など社会的価値も評価する
この十の原則がなければ、AI向け電力投資は、
新しい産業を支えるインフラ
ではなく、
一部企業の計算需要を社会全体で支える仕組み
になる。
⸻
確度が高いこと、まだ分からないこと
分類 予測
確度が高い 世界のデータセンター電力需要は、2029年まで急速に増える
確度が高い AI向け処理の増加が、データセンター需要増の中心になる
確度が高い 電力、変圧器、送電網、冷却、半導体がAI拡大の物理的制約になる
確度が高い 日本でも人口減少と省エネを上回り、データセンターと半導体工場が電力需要を押し上げる
確度が高い データセンターの立地を、電源と通信の両方から考える政策が進む
確度が高い 非緊急処理の延期、地域移動、蓄電池など、柔軟な運用が重要になる
確度が高い 再生可能エネルギーは増えるが、少なくとも当面は火力も追加需要の一部を担う
確度が高い AIが送電網、工場、建物、物流の省エネへ使われる機会も増える
変数が大きい 半導体とモデルの効率改善が、利用量の増加を上回れるか
変数が大きい データセンターが電力需要を柔軟に動かす契約を受け入れるか
変数が大きい 原子力、地熱、蓄電池、送電網の建設がどの速度で進むか
変数が大きい データセンター増設費用が、家庭の電気料金へどこまで影響するか
変数が大きい AIが生み出す省エネ効果が、新しい需要によって相殺されるか
期待したい未来 AIとデータセンターが電力網へ協調し、増えた計算能力が省エネと社会サービスへ使われる
最悪の未来 電力、土地、水、計算資源が一部企業へ集中し、住民が費用を負担しながらAIの利益から排除される
未来の方向を判断するには、データセンターの建設件数だけでは足りない。
これから見るべきなのは、
- データセンターの実際の消費電力
- 契約容量に対する稼働率
- 一つのAI処理に必要な電力
- エージェント型処理の総実行時間
- 電力需要を減らせる処理の割合
- 再生可能エネルギーが余る時間への移行量
- データセンター内の蓄電池容量
- 送電網を支援した時間
- 地域ごとの電気料金への影響
- 新しい発電・送電設備の費用負担
- 時間帯ごとの電源構成
- 冷却に使う水と、その水源
- AIによって減った工場・建物・物流のエネルギー
- AI停止時に電力網を手動運用できるか
- 地域が受け取った雇用、税収、インフラ、サービス
である。
⸻
AIが使う電力ではなく、その電力が何を生み出したかを見る
AIは、これから大量の電力を使う。
その事実を隠すべきではない。
同時に、
「AIは電気を使うから悪い」
という結論だけでも足りない。
病気の発見を早める。
送電網の故障を防ぐ。
工場のエネルギーを減らす。
農業の水と肥料を節約する。
物流の空車を減らす。
新しい材料や発電技術を発見する。
そのために使われる電力もある。
一方、
誰にも読まれない広告を大量に生成する。
利用者を長く滞在させるためだけに動画を作る。
同じ資料を何度も作り直す。
価値のないエージェント同士の会話を続ける。
ために使われる電力もある。
同じ一キロワット時でも、生み出す価値は違う。
AIのエネルギー問題は、消費量の問題であると同時に、目的の問題である。
AI以前の社会でも、僕たちは電気を何に使うかを選んできた。
照明。
冷房。
工場。
病院。
娯楽。
交通。
AIは、その選択肢に巨大な新しい需要として加わる。
そして、AI向けの電力を増やせば増やすほど、
その電気は誰のものか。
誰が費用を払うのか。
どの地域が負担するのか。
どの計算を優先するのか。
という問いを避けられなくなる。
AIは、雲の中にはいない。
必ず、誰かの土地の上にある。
誰かが作った電気を使う。
誰かの地域の送電線と水と空気へつながっている。
だから、AIの未来を考えるときに必要なのは、
何TWh使うのか
だけではない。
その電力によって、誰の生活が豊かになったのか。
そのために、誰が費用と負担を引き受けたのか。
を見ることである。
AIが使う電力は、社会を豊かにできる。
AI自身によって、電力網と産業を効率化することもできる。
しかし、電気を大量に使える企業が、さらに知能と利益を独占する未来にもなり得る。
未来を分けるのは、AIが省電力になるかどうかだけではない。
AIへ使う電力を、どの価値へ変換するのか。
そこにある。
⸻
次章
詐欺師にもAIエージェントがつく
一人ひとりを調べ、信頼を作り、最適な瞬間に騙すAIから、どう身を守るのか
詐欺AIは、同じ文章を無差別に送るだけではない。
SNS、メール、会社情報、家族関係を調べる。
本人の声や映像を再現する。
何日も自然な会話を続ける。
相手が不安になり、急いで判断する瞬間を待つ。
一方、個人や企業の側にも、メール、電話、契約、送金を常時監視する防御エージェントがつく。
次章では、攻撃側と防御側の双方へAIエージェントが配備されたとき、詐欺、サイバー攻撃、本人確認、そして「誰を信じるか」がどう変わるのかを考える。
⸻
主な参考資料
International Energy Agency, Key Questions on Energy and AI.
International Energy Agency, Energy and AI.
電力広域的運営推進機関「2026年度供給計画の取りまとめ」。
資源エネルギー庁「エネルギー白書2025」「ワット・ビット連携」。
Lawrence Berkeley National Laboratory, The water use of data center workloads.
Lawrence Berkeley National Laboratory, data center energy and cooling research.