ピーター・フォードはiconectivのインフォメーション・ソリューション・ビジネス担当エグゼクティブ・バイスプレジデントである。
AIは、データセンター事業者が計算処理と冷却の両方に十分な電力を確保するために奔走している主な理由の一つだ。その一例が、マイクロソフトがスリーマイル島の1号原子炉が発電可能な835メガワットの全量を購入する20年契約だ。これは非常に大きな量に聞こえるが（実際そうだが）、OpenAIなどが計画している5ギガワット規模のデータセンターと比較すれば電球程度の規模でしかない。
マイクロソフトの原子力契約は、ハイパースケーラーや他のデータセンター事業者が温室効果ガス（GHG）排出量を増加させない電力源に注目していることも示している。もう一つの例はグーグルで、同社は最近、20年間の契約を通じてカーボンフリーの水力発電を調達するために30億ドルを投じることを約束した。これは史上最大の企業による水力発電契約である。
エネルギーコストの上昇と持続可能性目標の厳格化に伴い、通信サービスプロバイダー（CSP）は、データセンター事業者とその企業顧客がエネルギー効率と炭素排出量の両方を最適化するのを支援する独自のポジションにある。
これを理解するために、情報通信技術（ICT）セクターは世界の温室効果ガス排出量のわずか約1.4%を生み出しているが、他のセクターの総炭素排出量を最大15%削減する能力を持っている。「世界的な脱炭素化の観点では、これは2030年までに不可欠とされる排出量半減の約3分の1に相当する」とエリクソンの調査によれば述べられている。
ネットワーク消費電力の削減
CSPがこのような重要な役割を果たす理由の一つは、彼らがAIを可能にすると同時に自らもAIを使用しているからだ。例えば、AIには膨大な量の実世界の情報が必要であり、その多くはセンサーや監視カメラなどのモノのインターネット（IoT）デバイスから得られる。モバイル、固定回線、ケーブルのCSPは、これらのIoTモジュールをデータセンタークラウドに接続するネットワークを提供している。
CSPはまた、ネットワークの最適化とセキュリティ確保のためにAIを活用する機会が増えており、多くのCSPはモバイルコアや無線アクセスネットワーク（RAN）などのインフラの一部をホストするためにデータセンターを所有またはリースしている。
その結果、CSPと通信エコシステムの残りの部分は、AI時代におけるネットワークエネルギー効率を最適化する新たな機会にすでに注目している。ハイパースケーラーと同様に、CSPもネットゼロなどの環境・社会・ガバナンス（ESG）目標を持っている。これらの目標に向けた進捗を定量化する能力は、投資家や規制当局、そして持続可能性を重視する消費者や企業にとってますます重要になっている。
ネットワークエネルギー効率を最適化するための確かなビジネスケースも存在する。例えば、GSMAの推定によれば、電力はモバイルCSPの運用費用の20%から40%を占めている。Next G AllianceのGreen G作業部会によると、データセンターとコアネットワークはモバイルネットワークの総エネルギー消費量の約19%を占めている。
エネルギー消費の削減は、CSPがサービスを競争力のある価格で収益性を確保して提供できるため、利益率の向上に貢献する。これらの節約は、AIの燃料となるIoTアプリケーションなど、価格に非常に敏感な市場でCSPが事業を拡大するのにも役立つ。
知識はパワーである—文字通り
ネットワークエネルギー効率を最適化するための鍵は、各インフラ要素に関する正確で詳細かつ継続的に更新されるデータベースを持つことだ：物理的な位置、機能、相互接続のための他のネットワークへのアクセス、電力要件、さらには発生する熱量（冷却に必要な電力量を決定する）まで。このデータにより、CSPはエネルギー使用量を追跡し、効率を最大化する機会を特定するために必要な洞察を得ることができる。
携帯電話基地局の例を考えてみよう。主要な電力消費源の一つはセル切り替えであり、これはデバイスが移動するにつれて接続を一つのサイトから別のサイトに引き渡すプロセスだ。各基地局の属性に関する詳細情報により、CSPはより情報に基づいたネットワーク計画の決定を下すことができる。
例えば、頻繁または非効率的な切り替えを引き起こすセル間距離を避けることで、不必要な電力消費を防ぐことができる。また、基地局のカバレッジエリアを不必要に拡大することも避けられる。カバレッジ拡大には高い送信電力が必要となり、電力消費が増加する。最後に、AIそのものを使用してこのデータを分析し、人間が見落としがちな非効率性を発見することもできる。
ABBの調査によると、世界の企業の89%近くが今後5年間でエネルギー効率への投資を増やす計画を持っている。このプロセスにおいて、CSPは最小限の電力でデータをクラウドとの間で送受信するネットワークを提供することで、ハイパースケーラーや企業が効率性とGHG目標を達成するのを支援する機会がある。
CSPはすでにインフラストラクチャー・インテリジェンスの金鉱の上に座っている—必要なのはその潜在能力を完全に解き放つことだ。最初のステップは棚卸しだ：ネットワーク全体でデータがどこに存在し、どのように収集され、どの程度の頻度で更新されるかを理解する。そこから、このデータを統合して可視化し、サイロでは明らかでない非効率性を明らかにするツールに投資する。
同様に重要なのは、AIと分析をネットワーク運用に組み込むことだ—エネルギー使用を監視するだけでなく、無駄が発生する前に予測して防止するために。電力消費の削減や冷却効率の向上など、具体的な成果を測定する小規模なパイロットプログラムから始めよう。これらの初期の成功は、より広範な展開を導き、継続的な投資を正当化するのに役立つ。
最終的に、エネルギー効率の最適化はESGイニシアチブだけでなく、ビジネス上の必須事項だ。データを最も知的に活用するCSPこそが、持続可能でAI駆動の次世代コネクティビティを支える存在になると私は考えている。
