要点
AI をどこで動かすかは、どう動かすかと同じくらい重要になりえます。低炭素の電力を使える地域を選び、ホスト事業者には再生可能エネルギーの主張だけでなく、PUE、WUE、ロケーション基準の炭素排出量の数値を求めましょう。そして、クリーンなデータセンターを使っても、無駄の多いソフトウェアが効率的になるわけではないことを忘れないでください。
要点
- IEA の推計では、データセンターは 2024 年に約 415 TWh を使用しました。これは世界の電力の約 1.5% にあたり、2030 年には約 945 TWh になると予測されています。
- 電力網の炭素強度は国、地域、時間帯によって変わります。そのため、場所とタイミングによって同じ作業の炭素コストが変わります。
- PUE が測るのは建物のオーバーヘッドであり、有用な仕事ではありません。Uptime Institute の 2025 年調査では平均値は 1.54 で、6 年間ほとんど変わっていません。
- 証書にもとづく再生可能エネルギーの主張は、物理的な電力網を変えるものではありません。ロケーション基準の数値もあわせて求めましょう。
- 水も重要です。WUE を求め、その数値に施設の電力を発電するために使われた水が含まれているかを確認しましょう。
AI をどこで動かすかが、なぜ重要なのですか?
同じ計算でも、データセンターとその背後にある電力によって、炭素、水、電力網への影響が大きく変わるからです。 Patterson らは、データセンター、プロセッサ、モデルの選び方の組み合わせによって、学習の カーボンフットプリントが最大で約 100〜1,000 倍変わりうることを明らかにしました。
その規模は拡大しています。国際エネルギー機関(IEA)の推計では、データセンターは 2024 年に約 415 TWh の電力を 使用しました。これは世界の消費量の約 1.5% にあたります。基本シナリオでは、2030 年までにこれがほぼ倍増して約 945 TWh に なると予測されており、その最大の要因は AI です。
電力網の炭素強度はどう比べればよいですか?
候補となる各地域の電力網の炭素強度を、作業を実行する時間帯について調べましょう。 炭素強度は 1 キロワット時あたりの CO₂ 換算グラム数で測られ、発電の構成によって決まります。水力、原子力、風力、太陽光は低く、石炭とガスは高くなります。 炭素強度は国ごと、国内の地域ごと、そして時間ごとに変わります。
- データの入手先: Electricity Maps は多くの国をカバーしています。グレートブリテンでは、National Energy System Operator の Carbon Intensity API が 14 の地域について予測を提供しています。
- ソフトウェアに関する判断には ロケーション基準の数値を使いましょう。 Green Software Foundation の SCI 仕様は、ロケーション基準の電力網の炭素強度を使い、証書やオフセットを除外しています。
- 時間を合わせましょう。 年平均では、風の強い夜と、風のない冬の夕方との違いが見えなくなります。 柔軟なジョブは、よりクリーンな時間帯に移すことができます。 効率的な学習と推論をご覧ください。
PUE、WUE などの指標から何がわかりますか?
それぞれの指標は 1 つの狭い問いに答えるだけです。複数の指標を求め、それぞれが何を含まないかを知っておきましょう。
| 指標 | 何を測るか | わからないこと |
|---|---|---|
| PUE(電力使用効率) | 施設全体のエネルギー ÷ IT 機器のエネルギー。最小値は 1.0 | サーバーが有用な仕事をしているか、炭素、水 |
| WUE(水使用効率) | IT エネルギー 1 kWh あたりの水のリットル数。「サイト」または「ソース」(電力の発電に使われた水を含む) | 地域の水ストレス |
| CUE(炭素使用効率) | IT エネルギー 1 kWh あたりの炭素 | ソフトウェアの効率 |
| ERE/ERF(エネルギー再利用) | 排熱を再利用することの効果 | PUE に組み込まれてしまうと、何もわからない |
| サーバー稼働率 | IT 機器がどれだけ稼働しているか | 炭素強度 |
注意点が 2 つあります。
- PUE は改善が止まっています。 Uptime Institute の 2025 年調査では、加重平均の PUE は 1.54 と報告され、 ほとんど変わらない年が 6 年目となりました。また、サーバーがほとんど遊んでいても、PUE は非常によく見えることがあります。
- PUE は 1.0 を下回りません。 熱を再利用しているからという理由でホスト事業者が 1.0 未満の数値を主張する場合は、 The Green Grid が意図しているとおり、熱の再利用を ERE または ERF という別の数値として示すよう求めましょう。
EU では、設置 IT 電力が 500 kW 以上のデータセンターは、委任規則 2024/1364 にもとづき、エネルギー、PUE、WUE、 エネルギー再利用、再生可能エネルギーの数値を毎年、欧州のデータベースに報告しなければなりません。これらの報告は、 EU のホスト事業者を比べる際に役立つ情報源です。
「再生可能エネルギー 100%」という主張は信頼できますか?
出発点として扱い、その主張がどのように成り立っているかを尋ねましょう。 ほとんどの主張は、1 年単位でマッチングされた 証書や電力購入契約(PPA)にもとづいており、施設がある時間に実際に受けている電力にもとづくものではありません。
- GHG プロトコルの Scope 2 ガイダンスは、ロケーション基準の排出量(地域の電力網の平均から算出)と、 マーケット基準の排出量(契約や証書を反映)を区別し、そうした契約を利用できる企業には両方を報告するよう求めています。
- Green Web Foundation は、両者が大きく異なりうるため、購入者が AI ベンダーに両方の数値を求めるよう助言しています。
- 再生可能エネルギーの供給が追加的(それがなければ存在しなかった新しい発電)か、施設が使う電力網に対して地域的か、 年単位ではなく時間単位でマッチングされているかを尋ねましょう。
- クリーンな電力には限りがあります。「グリーン」なホストの上でも、無駄の多いソフトウェアは他の人が使えたはずの電力を使い、 ハードウェアも必要とします。グリーンなホストは効率化を補うものであって、その代わりにはなりません。
AI はどのくらいの水を使いますか?
冷却の設計、気候、電力源に大きく左右されるため、施設ごとの数値を求めましょう。
- Google は、2025 年の Gemini のテキストプロンプト 1 件(中央値)あたり 0.26 mL の水を使うと、自社の算定方法で報告しています。
- Li らは、現地での冷却と発電に使われる水を含めると、2027 年には世界の AI 需要が 42 億〜66 億立方メートルの取水量を 占める可能性があると予測しています。
- 水は地域の問題です。水ストレスの高い地域での 1 リットルは、水が豊富な場所での 1 リットルよりも重い意味を持ちます。 施設がどこにあり、水をどこから得ているかを尋ねましょう。
新しい AI の計算能力はどこに置くべきですか?
クリーンなエネルギーが豊富で、水が不足しておらず、排熱を活用できる場所です。 2026 年に英国で開かれた、 数学者、コンピューター科学者、産業界によるグリーン AI のサンドピット(集中討議型ワークショップ)では、電力網が受け入れきれないために 再生可能電力がたびたび出力抑制される場所にデータセンターを置き、余剰エネルギーを無駄にせず使うことが議論されました。 立地には、電力網の容量、都市計画、地域社会、データ主権も関わります。 ソブリン AI とサステナビリティをご覧ください。
ご自身のワークロードについては、次のようにしましょう。
- 遅延を許容できる作業(学習、バッチ推論、評価)は、法律とセキュリティの要件を満たす中で最も低炭素の地域に置く。
- 対話型のサービスは利用者の近くに配置し、同等の地域の中ではよりクリーンなほうを選ぶ。
- 大きなデータセットを移動するためのエネルギーとコストも考慮に入れる。
チェックリスト
- [ ] 候補地域の電力網の炭素強度を、可能なら時間ごとに比較した
- [ ] PUE、WUE(サイトとソース)、CUE、熱再利用の数値を求めた
- [ ] ロケーション基準とマーケット基準の両方の排出量を求めた
- [ ] 再生可能エネルギーの主張について、追加性、地域性、時間単位のマッチングを確認した
- [ ] 水の数値と地域の水ストレスを考慮した
- [ ] 柔軟なワークロードを低炭素の地域と時間帯に配置した
- [ ] ホストがどれほどグリーンかにかかわらず、効率化の取り組みを続けている
次にすること
- サプライヤーが運用しているものも含め、現在 AI ワークロードがどこで動いているかを一覧にする。
- 各地域の電力網の炭素強度を調べ、どのジョブを移せるかを書き留める。
- 上記の質問をホスト事業者に送る。契約の文言には持続可能な AI 調達を使う。
- 運用ダッシュボードに、負荷やコストと並べて電力網の炭素強度を表示する。
- 何を中央で動かし、何をローカルで動かせるかを決める。エッジかクラウドかをご覧ください。
- 自社のホスティングをグリーンだと説明する前に、誠実なグリーン主張をお読みください。
よくある質問
よい PUE とはどのくらいですか?
PUE は施設全体のエネルギーを IT 機器のエネルギーで割った値なので、理論上の最小値は 1.0 です。Uptime Institute の 2025 年調査では、業界平均は 1.54 と報告されています。
再生可能エネルギー 100% のデータセンターを使えば、私の AI はカーボンゼロになりますか?
必ずしもそうではありません。こうした主張は通常、年単位の証書や契約にもとづいています。ある時間帯には、施設は依然として地域の電力網から電力を受けています。ロケーション基準の排出量と、できれば時間単位のマッチングのデータを求めましょう。
データセンターはどのくらいの水を使いますか?
冷却の設計や気候によって大きく異なります。Google は Gemini のテキストプロンプト 1 件(中央値)あたり 0.26 mL の水を使うと報告しています。研究者は、2027 年の世界の AI による取水量を 42 億〜66 億立方メートルと予測しています。
いつも最もグリーンな地域を選ぶべきですか?
柔軟で遅延を許容できる作業なら、多くの場合そうです。対話型のサービスでは、炭素と、遅延、データ保護のルール、耐障害性、データ移動のコストとを比べて判断しましょう。
出典
- Energy and AI, International Energy Agency (2025)
- Uptime Institute Global Data Center Survey 2025, Uptime Institute (2025)
- Water Usage Effectiveness (WUE): a Green Grid data center sustainability metric (White Paper 35), The Green Grid (2011)
- ERE: a metric for measuring the benefit of reuse energy from a data center, The Green Grid (2010)
- Measuring the environmental impact of delivering AI at Google scale, Google (arXiv 2508.15734) (2025)
- Making AI Less 'Thirsty': Uncovering and Addressing the Secret Water Footprint of AI Models, Li, Yang, Islam and Ren (arXiv 2304.03271) (2023)
- GHG Protocol Scope 2 Guidance, GHG Protocol (2015)
- Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
- Commission Delegated Regulation (EU) 2024/1364 on the first phase of a common Union rating scheme for data centres, EUR-Lex (2024)
- Carbon Intensity API, National Energy System Operator (2025)
- Carbon Emissions and Large Neural Network Training, Patterson et al. (arXiv 2104.10350) (2021)
- Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact, Green Web Foundation (2024)
関連
持続可能な AI 調達
AI サプライヤーにエネルギー、炭素、水について何を尋ね、どんな根拠を求めるか。サステナビリティの約束を実効性あるものにする契約条項も紹介します。
エッジかクラウドか:AI はどこで動かすべきか
端末上・エッジの AI と中央のデータセンターを、エネルギー、ネットワーク、ハードウェア、プライバシー、レジリエンスの観点で比べ、段階的に判断する方法を紹介します。
AI の効率的な学習と推論
開発者と研究者向けに、AI のエネルギーを減らす技法を紹介します。枝刈り、スパース性、量子化、蒸留、KV キャッシュ、バッチ処理、混合精度、スケジューリングを扱います。
ソブリン AI と持続可能性
各国が自国の AI モデルと計算基盤に資金を投じています。ソブリン AI と公共 AI への賛否と、それがエネルギーと水にとって何を意味するかを解説します。