AIサービスの電力消費は？特徴や省エネについて解説

近年、世界中で生成AIをはじめとするAIツールが普及し、多くの人がビジネスやプライベートでAIを活用しています。調べものやコンテンツの作成など、さまざまな場面で便利なAIですが、その一方で、利用の裏側では電力に関する課題が生じている可能性があります。

この記事では、AIサービスが消費する電力の問題やデータセンターにおける省エネの取り組み、さらにAIサービスの電力消費に関する今後の展望について解説します。AIサービスにおける電力消費に関心がある方は、ぜひ最後までご覧ください。

AIサービスの電力消費がいま注目される理由

世界中で電力を消費しているのは、AIサービスだけではありません。日常的に利用する家電やさまざまな機械も電力を消費しています。では、なぜAIサービスの電力消費がこれほど注目されているのでしょうか。

その背景には、AIサービスによる消費電力の大きさと企業活動などへの影響の大きさがあります。まずは、AIサービスによる電力消費の問題について概要を見ていきましょう。

生成AIの普及で「見えない電力コスト」が急拡大している

生成AIなどのAIサービスで注目されているのが、「見えない電力コスト」の急拡大です。

一般的なユーザーやサービスを利用する企業がAIを使っても、ユーザー側の消費電力が大きく増えるわけではありません。パソコンやスマートフォンなど、サービスを利用する端末の消費電力が急激に高まるわけではないためです。

しかし、その裏側では大きな電力コストが発生している可能性があります。とくに問題となるのが、データセンターにおける消費電力です。

データセンターとは、ネットワークを構成するサーバーなどの機器を格納し、稼働させている施設を指します。近年では、AIサービスに特化したAIデータセンターも登場しており、ユーザーからの指示に応じて必要な計算がサーバー上で行われているのです。

AIサービスでできることの幅が広がったことで、年々計算は複雑化し、処理されるデータ量も増加しています。これにより、通常のネットワーク利用時と比べて、AIサービス利用時のデータセンターにおける消費電力が増加しているのです。

電力問題がAI業界だけでなく企業活動全体に影響する背景

データセンターだけで消費電力が増加しているのであれば、ユーザーにはあまり関係がないように思えるかもしれません。データセンターの電気料金を負担するのは、その施設を運営・管理している企業であり、AI業界の内部だけで完結する問題に見えるためです。しかし実際には、世界中の企業活動や社会全体に影響を与える可能性があります。

国際エネルギー機関（IEA）が発表したレポートによれば、通常のGoogle検索で消費する電力は1回あたり約0.3Whとされています。一方で、AIサービスであるChatGPTに1回質問すると、約2.9Whの電力が消費されるとされています。つまり、両者の消費電力には10倍近い差があるのです。

ChatGPTは1日に約25億件の入力に対応しているとされており、単純計算では1日あたり7,250MWhの電力が消費されていることになります。これは、日本の一般家庭約1,800世帯が1年間に使用する電力量に相当します。

さらに、2030年には世界中のデータセンターで消費される電力が2024年の約3倍になるという試算もあります。限られたエネルギー資源をめぐる競合が激しくなれば、新設されるデータセンターに電気を送るための送電設備の増設・強化も必要になります。その結果、コストが電気料金に転嫁され、消費者の生活や企業活動を圧迫する可能性があるのです。

なぜ今、AIと電力をセットで考える必要があるのか

AIサービスを稼働させるために必要な電力は、無尽蔵に生み出せるわけではありません。

2024年時点の世界の電源構成では、石炭や天然ガス、その他の化石燃料による火力発電が約6割を占めています。つまり、電気を生み出すためには燃料が必要です。化石燃料の埋蔵量には限りがあるため、このまま消費電力量の増加が続けば、資源の制約がより大きな課題になる可能性があります。

また、発電所の数が限られている以上、同時に供給できる電力量にも限界があります。もし多くの電力がAIサービスの稼働に割かれるようになれば、消費者の生活や他産業への影響が生じるおそれもあります。

さらに、火力発電が主力である以上、二酸化炭素排出の問題も避けられません。地球温暖化対策の観点からは、発電に伴う二酸化炭素排出の抑制も重要です。消費電力が増加すれば、その削減が難しくなる点も課題といえるでしょう。

AIサービスの裏側で電力が使われる3つの場面

AIサービスの利用で大量の電力が消費されるといっても、具体的にどのような場面で電力が使われているのかは分かりにくいかもしれません。AIサービスの裏側における電力消費の主なポイントは3つあります。

それは、「AIモデルを作るための学習」「ユーザー利用時の推論」「AI用データセンターの維持」です。それぞれについて詳しく見ていきましょう。

モデルを作る「学習」で使われる電力

AIサービスでは、ユーザーが利用する前に、開発者による「学習」が行われます。この学習の段階からAIは複雑な処理を行っており、大量の電力が消費されます。

AIの学習では大規模なデータを処理する必要があり、GPUや高性能半導体への負荷も大きくなります。これらの要素が消費電力にどのような影響を与えるのかを見ていきましょう。

学習には大規模データの処理と長時間計算が必要

AIサービスを利用可能にするためには、まずAIに「学習」させる必要があります。学習とは、大量のデータをAIに読み込ませ、規則性やパターンを見つけ出させることです。

この学習には、膨大な量のデータが必要になります。たとえば、AIがコーヒーカップの画像を見分けられるようにするには、何万枚ものコーヒーカップの画像が必要です。大量のデータにラベルを付けて学習させるなどのプロセスを通じて、ようやくAIは「これはコーヒーカップの画像である」「これはコーヒーカップの画像ではない」と判断できるようになります。

こうした学習では、大規模なデータを処理しなければならず、数百時間から数千時間に及ぶ長時間の計算が必要です。大規模言語モデルの学習には、数ヶ月から半年ほどかかるともいわれています。

OpenAIの言語モデル「GPT-3」が学習時に消費した電力は1,287MWhとされており、日本の一般家庭に換算すると約320世帯が1年間に消費する電力と同程度です。学習の時点で相当な電力を消費していることが分かるでしょう。

GPU・高性能半導体への負荷が大きい

AI学習における電力消費が大きい要因の1つは、機材への負荷の大きさです。

AIの学習には、高性能なGPUを搭載したグラフィックボードをサーバーに多数組み込む必要があり、このGPUの稼働に大量の電力が消費されます。性能が高いほど消費電力も増える傾向があり、学習時の電力消費は大きくなります。

処理効率の向上によって、処理量あたりの消費電力は抑えられる可能性があるものの、全体としては無視できない量の電力を消費している点に注意が必要です。また、半導体への負荷が大きく発熱量も高いため、冷却のためにも多くの電力が使われます。

ユーザーが使うたびに発生する「推論」の電力

AIサービスは、ユーザーが利用する際にも電力を消費しています。ユーザーの入力に応じて「推論」を行うたびに、サーバーを稼働させる必要があるためです。

一口にAIサービスといっても、チャットAIや画像生成AIなど、種類によって負荷は異なるといわれています。一方で、どのタイプのAIサービスであっても問題となるのは、利用回数の増加による総電力量の押し上げです。これらのポイントを見ていきましょう。

AIの種類によって負荷が異なる

AIサービスにおける推論とは、AIモデルが蓄積したデータに基づいて答えを導き出すことです。さまざまなデータを多面的に関連付けることで、たとえば桜、バラ、パンジー、チューリップといった花の大まかな種類だけでなく、細かな品種まで特定できるようになります。

この推論に必要な消費電力は、たとえばChatGPTへの簡単な質問1回で約2.9Wh程度とされています。これは、入力されたテキストに対してテキストで返答する場合の消費電力です。

実際には、AIサービスの種類ごとに必要な計算量が異なるため、チャットAIや画像生成AIなど、どのAIサービスを利用するかによって消費電力には差があります。

利用回数の増加が総電力量を押し上げる

AIモデルを構築するための消費電力と比べると、推論のために消費される電力は1回あたりではそれほど大きくありません。しかし、その小さな消費電力が積み重なることで、全体として大きな電力消費になる可能性があります。

AIサービスは世界中で利用されており、毎日数十億回もの推論が繰り返されています。今後は、AIモデルの学習よりも推論の比重が大きくなると予想されており、2040年にはネットワークを流れるデータ量が2020年の約350倍になるともいわれています。

一般ユーザーや企業がAIサービスを利用すればするほど、総合的な消費電力が増える点には注意が必要です。

AIを支えるデータセンター設備の電力

AIサービスを維持するためには、データセンターそのもので消費される電力も無視できません。データセンターでは、サーバー以外にもさまざまな設備が稼働しています。

これらの設備は、サーバーを安全かつ安定して稼働させるために欠かせないものです。データセンターの維持に何が必要なのかを見ていきましょう。

冷却設備・電源設備・バックアップ機器が必要な理由

データセンターには、サーバー以外にも冷却設備、電源設備、バックアップ機器が設置されています。

冷却設備の役割は、サーバーなどの機材を冷やすことです。サーバーやネットワーク機器は、稼働中に大量の熱を発生させます。この熱を放置すると、稼働効率が低下するだけでなく、最悪の場合は機材が故障する可能性もあるため、常に冷却し続けなければなりません。

また、災害や停電などで電力会社からの電力供給が途絶えた場合に備え、独自の電源設備を備えているデータセンターも多くあります。データセンターは基本的に24時間365日稼働させておく必要があるため、緊急時でも電力供給が止まらないような工夫が求められます。

さらに、重要な情報の消失を防ぐためのバックアップ機器が設置されていることも少なくありません。データセンター内部にバックアップを置く場合もあれば、遠隔地にデータを保存する場合もあります。

こうした設備は欠かせないものですが、稼働には電力が必要であり、結果としてデータセンター全体の消費電力を押し上げる要因となっています。

サーバー以外でも電力がかかるインフラの実態

データセンターでは、先述の設備以外にも、セキュリティ設備などに電力が必要です。

今やネットワークサービスは社会活動に欠かせないものとなっており、データセンターも重要なインフラのひとつです。これらの設備は、インターネットやAIサービスを全世界で利用可能にするため、24時間365日稼働し続ける必要があり、電力供給を止めることができません。

2022年における世界全体のデータセンターの消費電力は、約240～340TWhだったとされています。これは世界の最終電力需要の約1～1.3％に相当し、人類全体が消費する電力の一定割合をデータセンターが占めていることを示しています。

AIサービスの普及が進むにつれて、必要な電力の量はさらに増えていくと考えられます。

AIサービスごとに異なる電力消費の特徴

AIサービスには、生成したいものによっていくつかの種類があります。

文章を生成するテキスト生成AI、画像を生成する画像生成AI、音声を認識・生成するAI、検索を支援するAIなど、その用途は多岐にわたります。これらのAIサービスは、それぞれ電力消費の特徴が異なります。

それぞれの特徴について見ていきましょう。

テキスト生成AIは継続利用による累積負荷が大きい

テキスト生成AIとは、ユーザーが自然言語で与えた指示に応じて、文章で返答するAIサービスのことです。事前に学習したデータに基づく基盤モデルによって、たとえば文章の冒頭部分を入力すると、その続きを自然な形で生成します。

生成AIの中では比較的消費電力が少ない部類に入りますが、すでにChatGPTなどの形で多くのテキスト生成AIが稼働しており、累積の負荷は大きくなっています。1回ごとの消費電力が小さくても、世界中のユーザーが繰り返し利用するため、全体としては非常に多くの電力を消費しています。

画像生成AIは1回あたりの計算量が重くなりやすい

画像生成AIとは、自然言語で与えられた指示や条件に応じて、テキストではなく画像を生成するAIサービスのことです。写真のようにリアルな画像をはじめ、漫画やアニメ風のイラストを生成することもできます。

画像生成AIは、テキスト生成AIと比べて消費電力が大きいと考えられています。自然言語による指示に従って画像を生成するため、指示内容を理解し、高解像度の画像を生成するまでのプロセスで計算が複雑になりやすいためです。指示が曖昧で抽象的なほど生成に時間がかかり、負荷も高くなります。

画像生成中に高負荷が発生すると、機材を冷却するための電力も多く必要になります。

さらに、画像以上に影響が大きいのが動画生成AIです。5秒程度の動画を生成するために、電子レンジを1時間以上稼働できるほどの電力が消費されるともいわれており、その電力消費量は他の生成AIを大きく上回るとされています。

音声認識・音声生成AIはリアルタイム処理が電力負荷に影響する

コールセンター向けに、音声認識・音声生成AIを開発している企業もあります。電話越しの音声を認識し、音声で応答を行うAIサービスには、リアルタイムでの高度な処理が求められます。

とくにGPUを用いて処理を行う場合は高い負荷がかかることが予想され、電力消費量が高まる可能性があります。

検索AI・レコメンドAIは大量リクエストへの常時対応が課題

AIサービスには、検索AIやレコメンドAIもあります。

検索AIとは、入力された自然言語の文章をもとにユーザーの検索意図を読み解き、その意図に合致する情報を文章などで提示するAIです。レコメンドAIは、ユーザーの過去の購入履歴やネットワーク上での行動履歴などをもとに、関連コンテンツをパーソナライズして提案します。

こうしたサービスは、生成AI以上に常時提供されている性質があり、大量のデータやリクエストに24時間365日対応しているのが特徴です。そのため、稼働時間の長さによる負荷が大きく、消費電力も大きくなりやすい傾向があります。

なぜAIは従来のITサービスより電力を使いやすいのか

AIサービスは、従来のITサービスと比べて10倍以上の電力を消費するとされています。では、なぜそれほどまでに消費電力の差が生じるのでしょうか。

AIサービスの消費電力の大きさには、扱うデータ量の多さが影響しています。大規模なデータを処理するために必要なマシンのスペックが、消費電力の増加につながっているのです。

高性能なGPUサーバーが必要になる

AIサービスを提供するためには、高性能なGPUを搭載したサーバーを複数用意する必要があります。GPUを搭載したグラフィックボードは、性能が高いほど大量のデータを処理できますが、その分計算も複雑になり、消費電力も大きくなるのです。

計算時間が長くなればなるほど必要な電力量は増え、結果として多くのエネルギーが消費されます。

冷却のための電力がサーバー本体以外にも発生する

サーバー本体を稼働させる電力に加え、サーバーを冷却する装置にも電力が必要です。

高性能なGPUを搭載したサーバーは負荷が高まりやすく、発熱量も多くなります。稼働効率の低下や機材の故障を防ぐためには、サーバーそのものを継続的に冷却する必要があります。発熱量が多いほど冷却に必要なエネルギーも増えるため、結果的にサーバー外で発生する電力消費も大きくなり、データセンター全体で必要な電力量が増加します。

24時間稼働と冗長構成が前提になる

AIサービスは24時間365日稼働させる必要があるため、データセンターではサーバーを安定して動かすための冗長構成が必要になります。

予備機の用意や配線・配管の二重化などによって冗長性を持たせることで、どこかで電力供給やシステム稼働に支障が出ても、別の系統でサービスを継続できるようにするためです。しかし、冗長性を持たせてサーバーを管理すると、それだけ必要な電力量も増え、エネルギー消費は大きくなります。

処理の高度化にともないモデル規模が拡大している

AI技術の発展そのものも、消費電力の増加に拍車をかけています。

AIサービスに求められる処理が高度化するほど、必要なモデル規模は大きくなり、計算も複雑化して機材への負荷が高まるためです。大規模モデルの構築には長期間にわたる学習プロセスが必要であり、学習には推論以上の電力が求められます。そのため、大規模モデルの開発にも、開発後の運用にも大量の電力が必要になるのです。

AI時代のデータセンターで進む省エネ化の取り組み

AIサービスの需要増加に伴い、データセンター側では消費電力の削減に向けた取り組みが進められています。

データセンターが消費する電力による電気料金の高騰や発電に伴う二酸化炭素排出量の増加は、今や世界的な問題です。これらを解決するために進められている省エネ対策を見ていきましょう。

冷却技術の高度化で消費電力を抑える

データセンターにおける消費電力削減の取り組みとして注目されているのが、冷却技術の高度化です。サーバーの稼働によって生じる熱を効率的に冷却することで、必要なエネルギー量の削減が求められています。

データセンター全体の消費電力を、サーバーなどのIT機器による消費電力で割った数値を電力使用効率（PUE）といい、1.0に近いほど効率が高い状態を指します。空調などの冷却システムを最適化し、この数値を1.0に近づけることで、無駄な消費電力を削減することが可能です。

その一環として、液浸冷却という新しい冷却方式を取り入れているデータセンターもあります。液浸冷却は、サーバーを熱伝導率の高い液体に直接浸して冷却する方法です。従来型の冷却方式と比べて消費電力を抑えられるとされており、電力使用効率の向上に貢献しています。

再生可能エネルギーの導入と調達の広がり

データセンターで消費される電力の問題を緩和する方法として、再生可能エネルギー由来の電力を導入する取り組みも注目されています。

電源を火力発電に頼っている現状では、大量に電力を消費した際の二酸化炭素排出量が課題になるためです。二酸化炭素は温暖化の原因の一つであり、持続可能な社会を実現するため、世界中で排出量削減に取り組んでいます。

太陽光発電や風力発電などは、燃料を燃やす必要がないため、基本的に二酸化炭素を排出しません。そのため、こうした再生可能エネルギー由来の電力をうまく活用できれば、データセンターが環境に与える影響を軽減できる可能性があります。

また、再生可能エネルギー発電所が多い地域にデータセンターを建設することで、優先的にその電力を利用できるようにする取り組みも進みつつあります。とくに、再生可能エネルギーの発電ピークに合わせてAIの学習を行うなどの工夫により、余剰電力の抑制や送電ロスの削減につながることも期待されています。

すべてのデータセンターにすぐ適用できるわけではありませんが、先進的な取り組みの一つとして導入が進みつつある方法です。

省電力型チップや軽量モデル開発の進展

AIサービスの利用で発生する電力消費を抑えるためには、省電力型チップや軽量モデルの開発も重要です。

半導体技術の向上に伴い、AI専用チップの開発や先端パッケージング、光電融合といった新技術の実現によって、大幅な省電力化が期待されています。AI処理用に最適化された専用チップを活用することで、一般的なチップを利用するよりも電力消費を抑えられる可能性があります。

また、AI自体についても、大規模モデルだけでなく軽量モデルを活用することで、必要な電力を抑えることができます。大規模モデルほど複雑な計算が不要な場面では、軽量化されたモデルを活用することで、より効率的にサービスを提供できるでしょう。

今後、AIの電力問題はどう変わるのか

AIサービスを取り巻く環境は、刻々と変化しています。AIとうまく付き合っていくためには、今後の展望について知っておくことも大切です。

AIの電力問題が今後どのように推移していくのか、見ていきましょう。

AI利用の拡大で電力需要はさらに増える可能性が高い

AIサービスは世界中に広がっており、Google検索などの検索エンジンにも搭載されるなど、多くのプラットフォームで活用されています。

そのため、今後もAIの利用は拡大していくと考えられ、電力需要も高まる可能性が高いでしょう。つまり、今後も電力消費量は増加していくと見込まれています。

半導体の進化とソフトウェア最適化で効率改善も進む

AI利用の増加によって電力需要も増えると考えられますが、同時に省エネ効率の改善も進むと期待されています。

半導体技術は年々進化しており、省エネ仕様のチップを搭載したサーバーを活用すれば、消費電力を削減できる可能性が高まるでしょう。また、AIソフトウェアそのものを用途や規模に応じて最適化することで、機材への負担を抑えられる可能性があります。

こうした技術の発展によって効率改善が進めば、AIサービスをより持続的に利用できる可能性が高まります。

「高性能化」と「省エネ化」の両立が競争力の鍵になる

現在、さまざまな企業がAIサービスの開発・提供を行っており、それを利用する企業も増えています。

今後は、AIサービスそのものや、その稼働に必要な設備をどれだけ高性能化できるかに加え、どれだけ省エネルギー化できるかが開発競争の鍵になるでしょう。これらを両立させることで、世界的な需要に応えられるサービスを開発できる可能性が高まります。

まとめ：AIサービスの価値を高めるには電力まで含めた設計が必要

AIサービスは、その稼働の裏側で大量の電力を消費しており、将来にわたって電力需要は増加していくと予想されています。そのため、AIサービスの価値を高めるには、サービスそのものだけでなく、電力消費まで含めて省エネルギーに利用できるよう設計することが重要です。

そのためには、どの部分で大量の電力消費が発生しているのか、また、どのような対策が可能なのかを理解しておく必要があります。現在は、データセンターでのサーバー稼働や冷却装置の運転などに多くの電力が使われています。そのため、サーバーやAIモデル自体の省エネ化や、冷却設備の効率向上といった対策が重要になるでしょう。

「Next Life」は、AIサービスの活用をはじめとする近未来の暮らしや次世代の生活、これからのライフスタイルについて発信しているWebメディアです。AIサービスやインターネット上のサービスをスマートに活用する方法に関心がある方は、ぜひご覧ください。