最先端の AI は、もはや賢いアルゴリズムを書けば前に進む段階を過ぎつつあります。次の壁は計算機科学ではなく、電気・水・送電線・土地という物理インフラの調達です。本稿では「なぜ AI が電力問題になったのか」を、確かめられる 2026 年の数字とともに整理します。
FIG.1 最先端 AI の制約は、アルゴリズムから電力・水・送電・土地へ移りつつある
01AI が「電力ヘビー級」になったわけ
数年前まで、有力なモデルは数百枚規模の GPU でも学習できました。ところが GPT-4 級以降のフロンティアモデルは、数千〜数万枚の GPU を数十日〜100 日連続で回す規模になっています。学習は「一度きりの巨大な電力消費イベント」であり、ここに推論（ユーザーが使うたびの計算）の電力が日々積み重なります。
GPT-4 の学習に要した電力は、外部の見積もりでおおむね 50 GWh 前後とされます（手法により 30〜50 GWh と幅があり、企業の公式値ではない点に注意）。GPT-3 の推定が約 1.3 GWh だったことと比べると、世代をまたぐたびに桁が変わっていることが分かります。
02規模感をつかむ数字
抽象論より具体的な数字のほうが、この問題の大きさは伝わります。いずれも推定・前提により幅があるため、桁感をつかむ目的で読んでください。
| 項目 | 規模（2026 年時点の目安） |
|---|---|
| GPT-4 級モデル 1 回の学習 | ～50 GWh（数千世帯の年間使用量に相当） |
| 大規模 AI クラスタ（建設中の上位案件） | 数百 MW〜1GW 級（大型発電所 1 基に迫る） |
| ChatGPT への 1 クエリ | OpenAI 公表値で約 0.34 Wh（短いやり取りの平均） |
| 世界のデータセンター電力（2025） | 約 415〜485 TWh／世界全体の約 1.5%（IEA） |
| 2030 年予測（IEA） | 約 945 TWh・世界の約 3% へ倍増、うち AI 向けは約 3 倍に |
ここで一つ、よく流布した誤解を正しておきます。「ChatGPT の 1 問は Google 検索の 10 倍の電力」という話は、2023 年の古い推定（約 3 Wh）と 2009 年時点の Google の数値を比べた結果で、現在の効率改善を反映していません。OpenAI は 2025 年に平均約 0.34 Wh と公表しており、これは過去に報告された検索 1 件の電力と同程度です。ただし複雑な推論をさせると 1 問で 20 Wh を超えるとの研究もあり、「短い質問は安い／重い推論は高い」と幅で捉えるのが実態に近いです。
03立地競争 ― どこに建てるかが戦略になる
巨大クラスタは「安い電気」「冷やしやすい気候」「広い土地」「速い系統接続」がそろう場所に集まります。世界の主要な立地は次のように整理できます。
米国 南部・中西部
テキサス、ジョージア、バージニア、オハイオが急成長。安価なガス・原子力電源と広大な土地が魅力で、ハイパースケーラーの新設が集中。
北欧
アイスランド、スウェーデン、フィンランド、ノルウェー。地熱・水力の低炭素電源と寒冷気候による冷却効率が強み。
中東
UAE・サウジアラビアが資源マネーを AI インフラへ。OpenAI と G42 による Stargate UAE 構想など大型投資が動く。
一方で日本は、業務用電力が約 29 円/kWh（2025 年 9 月時点）と世界でも高い水準にあり、電力コストだけを見れば超大型クラスタには不利です。それでも、地震に強い地盤・豊富な水・冷涼な気候を備える北海道などには、低遅延が要らない学習用途を中心に期待が寄せられています。電気代の高さを、立地条件と政策支援でどう補えるかが論点です。
04電力をどう確保するか
新設クラスタに必要なのは「大量・安定・できれば低炭素」な電源です。実際に動いている主な打ち手を、原子力と再エネに分けて見ます。
