人工知能がエネルギーと水の大消費者に成長する。神経ネットワークの成長が気候に与える影響、投資家および世界経済に対するリスクと機会。
急成長するAIとエネルギー需要
近年、AIの計算能力に対する需要は急増しています。2022年末にChatGPTのような公的な神経ネットワークが発表されて以来、世界中のビジネスはAIモデルの導入を加速させており、膨大なデータ処理を必要としています。業界の見積もりでは、2024年にはAIが全データセンターのエネルギー消費の約15～20%を占めるとされています。AIシステムの稼働に必要な電力は2025年には23GWに達する可能性があり、これはイギリス全体の電力消費に匹敵します。比較のために、これはビットコインのマイニングネットワーク全体のエネルギー消費を上回っており、AIが最もエネルギー集約的な計算方法の一つになったことを示しています。
この指数関数的な動向は、技術企業によるインフラへの大規模な投資に起因しています。ほぼ毎週新しいデータセンターが開設され、数か月ごとに機械学習のための特殊なチップの生産が始まっています。このようなインフラの拡張は、現代の神経ネットワークをサポートする何千ものサーバーに電力を供給し、冷却するために必要な電力消費の増加を直接的に引き起こしています。
大都市並みの排出量
このような高いエネルギー消費は、化石燃料から得られた電力の一部が使用されている場合、欠かせない温室効果ガスの排出を引き起こします。最近の研究によれば、AIは2025年には年間32〜80百万メトリックトンのCO2に責任を持つ可能性があります。これは実質的にAIの「カーボンフットプリント」を一つの都市の規模に引き上げており、例としてニューヨークの年間CO2排出量は約50百万トンです。デジタルであると思われていた技術が、実際には大規模な産業部門と同様の気候への影響を示しています。
重要なのは、これらの見積もりが保守的と考えられていることです。それは主にサーバーの運用に必要な電力の生成による排出量を考慮しており、AIのライフサイクル全体からの排出量－ハードウェアの製造（サーバー、チップ）から廃棄まで－は追加のカーボンフットプリントを生み出します。AIのブームが続く場合、関連する排出量は急速に増加するでしょう。これは、温室効果ガスの削減に対する全球的な取り組みを難しくし、技術企業にはカーボンニュートラリティの達成へどのようにAIの爆発的成長を組み込むかという課題を投げかけます。
神経ネットワークの水のフットプリント
AIのもう一つの隠れたリソース「ニーズ」は水です。データセンターは、サーバーと設備の冷却に膨大な量の水を消費します。蒸発冷却や空調には水資源が必要です。直接の消費に加えて、電力を生成するための発電所でもタービンや炉を冷却するために多くの水が必要です。専門家の見積もりでは、AIシステムが2025年には312〜765億リットルの水を消費する可能性があり、これは人類が1年間に消費する全てのボトル入り水の量に匹敵します。このように、神経ネットワークはこれまでほとんど知られていなかった巨大な水のフットプリントを形成しています。
公式な見積もりはしばしば全体像を反映しません。例えば、国際エネルギー機関は、2023年に世界中の全データセンターが約560億リットルの水を消費するという数値を報告しましたが、この統計には発電所で使用された水は含まれていません。AIの実際の水のフットプリントは、公式な見積もりの数倍になる可能性があります。業界の主要プレーヤーはまだ詳細を発表することに慎重です。最近の自社のAIシステムに関する報告書で、Googleは外部の発電所での水の消費はメトリックスに含めていないと明示しました。このアプローチは批判されています。なぜなら、AIの電力需要を満たすためには、多くの水が使用されているからです。
すでに水消費の規模は、一部の地域で懸念を引き起こしています。アメリカやヨーロッパの乾燥した地域では、新しいデータセンターの建設に対してコミュニティが反対しています。なぜなら、データセンターが地元の水源から不足している水を汲み上げることを恐れているからです。企業自身もサーバーファームの「渇望」の増加を記録しています。たとえば、Microsoftは2022年にデータセンターのグローバルな水消費が34%増加し、6.4億リットルに達したと報告しています。その理由は、AIモデルのトレーニングに関連する負荷の増加です。これらの事実は、水の要因がデジタルインフラの環境リスク評価において急速に重要性を増していることを強調しています。
技術的ゴ巨人の透明性の欠如
このような大規模な影響を持ちながら、AIのエネルギー消費と水消費に関するデータは公に利用可能なものが極めて少ないというのは皮肉なことです。大手技術企業（ビッグテック）は、サステナビリティに関するレポートでは、AIに関連する部分を分けずに排出量やリソースの総体的な指標を示しています。データセンターの運営に関する詳細情報－特に、神経ネットワーク向けの計算に具体的にどれだけのエネルギーや水が消費されているか－は、通常、社内に留まっています。「間接的な」消費についての情報はほとんどありません。例を挙げれば、データセンターの電力供給に必要な電力生成時に消費された水に関する情報などです。
その結果、研究者やアナリストはデータに基づく情報の断片から全体像を再構築しなければなりません。企業のプレゼンテーションの一部、販売されたAIサーバーチップの数、エネルギー企業からのデータなど、間接的な指標に基づいています。このような透明性の欠如は、AIのエコロジカルフットプリントの全体的な規模を理解することを難しくしています。専門家は、情報の開示に関する厳格な基準の導入を呼びかけています。企業は、データセンターのエネルギー消費と水使用について、AIを含む主要な分野ごとに報告するべきです。このような透明性は、社会と投資家が新技術の影響を客観的に評価し、業界が環境への負荷を軽減するための道を探求するための刺激となるでしょう。
襲いかかる環境リスク
現在の傾向が続く場合、AIの増大する「欲求」は既存の環境問題を悪化させる可能性があります。毎年数千万トンの温室効果ガスの追加排出は、気候に関するパリ協定の目標の達成を困難にします。数百億リットルの淡水消費が、2029年までに56%に達する可能性がある世界的な水資源の不足の中で、行われることになります。言い換えれば、持続可能な開発の対策なしでは、AIの拡張は地球の環境制約と衝突するリスクがあります。
何も変えなければ、こうした傾向は以下の悪影響をもたらす可能性があります。
- 温室効果ガスの排出増加による地球温暖化の加速。
- 既に乾燥している地域での淡水不足の悪化。
- 限られた資源を巡るエネルギーシステムへの負担の増加と社会的・環境紛争の悪化。
すでに地域社会や政府はこれらの課題に対処し始めています。いくつかの国では、「エネルギーを消費する」データセンターの建設に制限が設けられ、リサイクル水の使用や再生可能エネルギーの購入が求められています。専門家は、根本的な変化がない限り、AI産業が純粋にデジタルな領域から、干ばつや気候計画の挫折などの具体的な環境危機の源になりかねないと指摘しています。
投資家の視点：ESG要因
AIの急速な発展における環境的側面は、投資家にとってますます重要になっています。ESG（環境、社会、ガバナンス）原則が重要視される時代において、技術のカーボンフットプリントや水のフットプリントは企業の評価に直接影響を与えます。投資家たちは次のように考えています：政策の「グリーン」シフトがAIに焦点を当てた企業のコストを押し上げることはないか？たとえば、カーボン規制が厳格化されることや水利用に対する料金が導入された場合、エネルギーと水を大量に消費するAIサービスを提供する企業のコストは増加します。
一方で、現在のうちからAIの環境影響を和らげるために投資を行っている企業は、有利な立場を得ることができます。データセンターの再生可能エネルギーへの移行、省エネルギーのためのチップやソフトウェアの最適化、そして水の再利用システムの導入は、リスクを軽減し、評判を向上させます。市場は持続可能な開発における進捗を高く評価していて、投資家はますますエコロジカルメトリクスをビジネス評価モデルに組み込んでいます。したがって、技術リーダーにとっては、AIの能力を増強しながらも、持続可能性への社会の期待にも応える方法が求められています。革新と自然への責任を組み合わせることができる企業が、長期的に見てイメージ面でもビジネス価値の面でも勝利するでしょう。
持続可能なAIへの道
問題の規模にかかわらず、業界にはAIの成長を持続可能な発展の方向に向ける機会があります。世界の技術企業や研究者は、革新を妨げることなくAIの環境フットプリントを削減するソリューションに取り組んでいます。主要な戦略には以下が含まれます。
- モデルとハードウェアのエネルギー効率の向上。 より少ないエネルギー消費で機械学習のタスクを実行する最適化されたアルゴリズムや特殊なチップ（ASIC、TPUなど）の開発。
- クリーンエネルギーへの移行。 データセンターに再生可能エネルギー（太陽光、風力、水力、原子力）の電力を使用することで、AIの運用によるカーボン排出量をゼロにします。多くのIT大手企業は、必要なクリーンエネルギーを調達するために「グリーン」契約を結んでいます。
- 水消費の削減とリサイクル。 より少ない水を必要とする新しい冷却システム（液体冷却や浸漬冷却）の導入と技術水の再利用。データセンターの立地を水不足の状況を考慮して選定すること：寒冷地域や十分な水資源がある地域を優先すること。研究によれば、適切な立地と冷却技術の選択により、データセンターの水およびカーボンフットプリントを70～85%削減することができます。
- 透明性と監視。 AIインフラによるエネルギー消費と水使用に関するデータの監視と公開の義務化。公的な報告は企業がリソースをより効率的に管理することを促進し、投資家がエコシステムへの影響を軽減するプロセスを追跡することを可能にします。
- リソース管理にAIを活用する。 パラドックスですが、AI自体がこの問題解決に役立つ可能性があります。機械学習アルゴリズムはすでにデータセンターの冷却最適化、負荷の予測、ネットワークのピーク負荷を最小化しサーバーの使用効率を高めるためのタスクの分配に使用されています。
今後数年は、急成長するAI分野に持続可能性の原則を統合するための重要な期間となります。業界は岐路に立っており、慣性で動くと環境の壁に直面するリスクがあります。それを挑戦に変えるか、新しい技術とビジネスモデルの刺激にするかの選択肢があります。透明性、革新、資源に対する責任がAI戦略の不可欠な部分となれば、「デジタルインテリジェンス」は地球への配慮とともに発展し得るでしょう。このバランスが投資家や社会全体が新しい技術時代に期待しているものです。
