Firmus Technologies（ファーマス・テクノロジーズ）のCTOであるダニエル・カーニー博士は、持続可能なエネルギー効率の高いコンピューティング革新とテクノロジーリーダーシップソリューションを推進している。
AIが実験的技術から不可欠なインフラへと変化する中、企業や国家は前例のない課題に直面している。それは、電力網を破綻させたり持続可能性目標を損なったりすることなく、AIの変革力をいかに活用するかという課題だ。
この課題を「知性のエネルギー」と呼ぼう。これはAIの進化に伴い増大するエネルギー消費に関する懸念である。この問題を解決するには、即座の注目と革新的なソリューションが必要だ。
AIエネルギーの必要性
AIは私たちの時代を定義する技術として台頭し、生産性の飛躍的向上と限られたリソースからの新たな経済価値の創出を約束している。各国は現在、AI能力を貿易交渉や競争優位の中心と考えており、AIはビジネスツールというだけでなく、国家主権の要件となっている。
しかし、このAI革命には多大なエネルギーコストが伴う。主にAIワークロードによって推進される世界のデータセンターの電力消費量は、2030年までに2倍以上になり、945テラワット時以上に達する可能性があり、これは日本の総電力消費量に匹敵する。
この課題は特にAIトレーニングインフラにおいて深刻であり、ラックあたりの必要電力は2027年までに600kWを超えると予想されている。ゴールドマン・サックスによれば、これは「わずか5年前のCPUデータセンターの50倍の電力」であり、「ファイリングキャビネットのスペースに米国の500世帯分の電力を詰め込む」のに相当する。
その計算結果は厳粛なものだ。米国だけでも、データセンター部門は2023年の4%から増加し、2030年までに全電力網の9%を消費する可能性がある。AIハードウェアのエネルギー効率は年間約40%向上しているが、これらの改善は、展開されるワークロードとユーザー採用の指数関数的増加によって常に上回られている。
持続可能なAIインフラのための3つの法則
この課題に対処するために、私たちは3つの基本原則—世界中でAIシステムを構築、展開、拡大する方法を統治すべき3つの「法則」を受け入れなければならない。
1. 土地の法則：主権AIの要件
第一の法則は、AIが地理、ガバナンス、主権から切り離せないことを認識している。
シンガポールを例に取ろう。735.6平方キロメートルの島国で、天然資源は限られているが、デジタルに関する野心は大きい。42.8歳という人口の中央値と、電力、土地、水を含む天然資源が少ないシンガポールは、AI時代における小国の典型的な課題に直面している。それは、物理的およびエネルギー的制約の中で、十分な主権AI計算能力をいかに構築するかという課題だ。
同様に、アイルランドは電力網の制限がAIの野心を制約する例を示している。データセンターは現在、アイルランドの電力網容量の21%を消費しており、2015年のわずか5%から増加している。これにより公共事業会社は電力不足に陥り、AIワークロードのための追加計算能力を提供する能力が制限されている。これは経済成長と競争力に直接的な脅威をもたらす。
土地の法則は、AIインフラが各国固有のリソース制約内で運用しながら、主権要件を尊重し、地域の要件を満たすために目的に合わせて設計されることを要求している。これは、画一的なクラウドソリューションを超えて、国家インフラに負担をかけることなく地域的に価値を提供できる、目的に合った持続可能なAIシステムへと移行することを意味する。
2. 経済の法則：費用対効果の高いAI
第二の法則は、AIの基本的な経済方程式に対応している：システムは消費するよりも多くの価値を創出しなければならない。この原則は単純な財務計算を超えて、エネルギー効率、リソース活用、長期的な持続可能性を包含している。
現在のAIスケーリングアプローチは、効率よりもパフォーマンスを優先することが多く、印象的な能力を提供するが、持続不可能なコストでシステムを構築することにつながっている。経済の法則は、エネルギー消費、インフラ要件、運用効率を含む総所有コストを最適化するAIアーキテクチャへのパラダイムシフトを要求している。
この経済的視点は重要な問いを投げかける：すべてのAIアプリケーションに利用可能な最も強力なモデルが必要なのか？エネルギー消費の20%で価値の80%を達成できるのか？AIが規模拡大しても経済的に実行可能であり続けるために、能力と持続可能性のバランスをどのようにとるべきか？
3. 物理の法則：帯域幅優先、レイテンシ許容の最適化
第三の法則は戦略的シフトを明らかにしている：AIシステムには、超高速の応答ではなく、大規模なデータハイウェイが必要だ。
即時応答を必要とする従来のアプリケーションとは異なり、AI操作は遅延を許容できる—トレーニングは数分待機し、ChatGPTのようなアプリケーションは数百ミリ秒で応答を提供しても完璧に機能する。
これにより経営者に機会が生まれる：コスト削減のために超低レイテンシよりも帯域幅を優先すること。現代のAIはマイクロ秒単位の応答時間ではなく、テラバイト規模のデータ移動を必要とし、長時間にわたる持続的な大容量転送が求められる。
応答時間を最小化するのではなく、データスループットを最大化するインフラを設計することで、組織はより費用対効果が高く持続可能なAIシステムを構築できる。この帯域幅優先のアプローチにより、プレミアムな速度最適化コストなしに競争力のあるAI機能を維持しながら、ビジネス運用により近い位置に分散アーキテクチャを配置することが可能になる—これはインフラ支出が企業全体で拡大するにつれて重要となる。
インフラの限界点を打破する
これら3つの法則の収束は、AIインフラへのアプローチにおける根本的な転換を示している。指数関数的に増加するエネルギー需要の現在の軌道を受け入れるのではなく、グローバルな規模でAIを持続可能にする効率優先の設計原則を採用しなければならない。
これは、エネルギー効率に特化したAIモデルの開発、地域展開と主権要件のために設計されたデータセンターの構築、集中型トレーニングと分散型推論のバランスをとるハイブリッドアーキテクチャの創造を意味する。
企業は「コストを度外視した拡大」という考え方から、環境的・経済的影響の総体を考慮する「目的を持った拡大」アプローチへと移行しなければならない。
前進への道
知性のエネルギーという課題は克服不可能ではないが、即座の行動と革新的思考を必要とする。組織は3つの法則を設計原則として採用し、政府は効率的なAI開発を奨励するAIポリシーフレームワークを作成し、テクノロジー業界は能力と並んで持続可能性を優先しなければならない。
AI時代に繁栄する企業は、真の知性には責任を持って拡大する知恵が含まれることを認識する企業だ。彼らは人間の能力を高めながら地球の限界を尊重するAIシステム—人工知能だけでなく、知的な持続可能性を体現するシステムを構築するだろう。
AIが経済競争力と国家主権にますます中心的になるにつれ、知性のエネルギーは、どの国家と企業がこの変革的技術を持続可能な未来とともに成功裏に活用できるかを決定するだろう。
