AIが環境に与える負荷

人工知能の急速な成長は、エネルギー、水、炭素に関する深刻な疑問を投げかけており、これまでのところ、その答えは安心できるものではありません。

人工知能は今や、検索エンジン、メールクライアント、職場向けツール、クリエイティブソフトウェア、パーソナルアシスタントに組み込まれています。その普及のペースは目覚ましいものがあります。しかし、すべての問い合わせ、生成されるすべての画像、要約されるすべての文書は、物理的な建物内にある物理的なハードウェア上で実行され、実際の電力と実際の水を消費しています。そのインフラの環境コストは上昇しており、通常受けているよりも多くの精査に値します。

これはAIに反対する議論ではありません。私たちが知っていること、トレンドが示唆していること、そして業界をより良い方向へ押し進めるためにどのような手段が存在するのかを明らかにしようとする試みです。

AIはどれくらいのエネルギーを使用するのか？

大規模言語モデルのトレーニングには、膨大な計算コストがかかります。見積もりはモデルやハードウェア、効率の測定方法によって異なりますが、研究者は単一の最先端モデルをトレーニングするのに必要なエネルギーを数十ギガワット時の範囲と推定しています。より人間的な表現をすれば、1回のトレーニング実行で、数百世帯の平均的な家庭が1年間に使用する量と同等の電力を消費することがあります。

トレーニング済みのモデルを実行して質問に答えたり出力を生成したりするプロセスである「推論」は、1回の操作あたりのエネルギー消費は少なくなります。しかし、推論は数百万人のユーザーによって1日に何十億回も行われており、累積的な需要は膨大です。一部のアナリストは、AIを搭載した1回の検索クエリは、従来のウェブ検索の約10倍のエネルギーを消費すると見積もっています。AI機能がより多くの製品に追加されるにつれて、累積的な推論負荷はトレーニング負荷よりも速く増加しています。

国際エネルギー機関（IEA）は、データセンターの電力消費量が2022年から2026年の間に2倍以上に増加する可能性があり、その成長の大部分をAIのワークロードが占めると予測しています。一部の地域では、新しいデータセンターがすでに電力網を圧迫しています。データセンターが国内の電力消費量の約5分の1を占めるようになったアイルランドでは、新規接続を制限せざるを得なくなりました。オランダの一部や米国のいくつかの州でも、同様の圧力に直面しています。

水問題

データセンターは熱を発生するため、その熱を管理する必要があります。多くの施設では蒸発冷却が使用されており、これには大量の水が消費されます。単一の大型データセンターでは、その冷却設計や現地の気候に応じて、1日あたり数百万リットルの水を使用することがあります。

2023年に発表された研究では、GPT-3のトレーニングだけで冷却用に約70万リットルの淡水が消費されたと推定されています。より最近の、より大規模なモデルは、正確な数値は開示されていないことが多いものの、さらに多くの水を消費したと考えられます。マイクロソフトの2024年の環境報告書では、AIインフラの積極的な拡大期と重なる2021年から2023年の間に、水消費量が34%増加したことが示されました。グーグルも同様の推移を報告しています。

これは些細な懸念ではありません。多くのデータセンターは、すでに水ストレスを経験している地域に位置しています。産業用冷却と地域住民の水需要との競合は、現実的な緊張関係であり、施設がさらに建設されるにつれて激化するでしょう。

炭素排出量は減少せず、増加している

マイクロソフトとグーグルはともに、2020年代初頭に顕著な気候変動への取り組みを公約しました。マイクロソフトは2030年までにカーボンネガティブになることを約束しました。グーグルは同じ年までに、24時間365日カーボンフリーのエネルギーで稼働することを目指しました。しかしその後、両社ともに炭素排出量が誤った方向に進んでいることを報告しています。

マイクロソフトの2024年のサステナビリティ報告書では、2020年と比較して全体の炭素排出量が29%増加したことが示され、主な要因としてデータセンターの建設とAIワークロードが挙げられています。グーグルは、同等の期間で排出量が48%増加したと報告しました。いずれの場合も、両社はAI関連のインフラが重要な要因であることを認めました。

一部の企業は、静かに気候変動に関するタイムラインを改定したり、目標に関する表現を和らげたりしています。この緊張は構造的なものです。できるだけ早くAIを構築し、展開しようとする商業的インセンティブは、そのインフラのためのエネルギー供給を脱炭素化するのに必要な時間と投資と相反しています。再生可能エネルギーの調達は増加していますが、新たな需要のペースを相殺できるほど速くはありません。

ジェボンズのパラドックスと効率性の罠

AIハードウェアの効率が高まれば、環境への影響は自然に減少するという一般的な仮定があります。これについては注意深く検討する必要があります。なぜなら、歴史的なパターンはそうではないことを示唆しているからです。

19世紀の石炭消費の文脈で最初に観察されたジェボンズのパラドックスは、効率の向上が消費の減少ではなく、総消費量の増加につながる現象を表しています。より効率的なエンジンによって石炭をより安価に使用できるようになり、それが石炭のより多くの用途につながり、結果として全体的により多くの石炭が消費されるようになりました。

同様のダイナミクスがコンピューティングでも見られます。チップはかつてないほどエネルギー効率が高くなっています。モデルのトレーニングや実行も効率的になりつつあります。しかし、その結果、より多くのモデルがトレーニングされ、より頻繁に実行され、より多くの製品に組み込まれ、より多くのユーザーに提供されるようになりました。実質的な効果は、総エネルギー消費量の減少ではなく、増加です。効率の向上は必要ですが、それだけでは十分ではありません。総消費量のレベルで機能する制約やインセンティブがなければ、効率の改善は単に成長を加速させるだけかもしれません。

どのような規制が存在するのか？

規制の状況はまだ不十分ですが、いくつかの枠組みが生まれつつあります。2024年に施行が始まった「EU AI法」には、高リスクAIシステムに対してエネルギー消費量や環境への影響に関する報告を義務付ける規定が含まれています。これらの規定は範囲が限定的であり、法執行メカニズムもまだ整備中ですが、出発点にはなります。

米国では、規制の動きがより緩やかです。いくつかの州でデータセンターのエネルギー報告義務が導入され、大規模コンピューティングの環境フットプリントに対する立法上の関心は高まっていますが、包括的な連邦レベルの枠組みは存在しません。中国はいくつかのデータセンター効率基準を導入していますが、コンプライアンスに関する透明性は限られています。

国際レベルでは、このトピックはG7やG20の議論に登場していますが、拘束力のある合意は依然として稀です。AI展開のスピードと環境ガバナンスのスピードとの間には、大きなギャップがあります。

大手企業の取り組み

評価すべき点として、ほとんどの大手テクノロジー企業は再生可能エネルギーに投資しています。マイクロソフト、グーグル、アマゾン、メタはすべて、再生可能エネルギーの調達に多大なコミットメントを行っており、風力および太陽光プロジェクトの電力購入契約を締結しています。一部の企業は、データセンターのベースロード電源の潜在的な供給源として、小型モジュール炉を含む原子力エネルギーを模索しています。

これらの取り組みは本物ですが、不完全でもあります。再生可能エネルギー証明書（自社施設に電力を供給する電子が送電網から来ている場合でも、再生可能エネルギーの使用を主張できる仕組み）は、実際の環境上のメリットを過大評価する可能性があります。他所で購入された「マッチング」再生可能エネルギー（証明書）と、直接同じ場所に併設されたクリーンエネルギーとの違いは重要です。

マイクロソフトを含むいくつかの主要企業には水管理プログラムが存在し、消費する以上の水を補給するというコミットメントも含まれています。水の補給を測定する方法論は様々であり、独立した検証が常に受けられるとは限りません。進展はありますが、その程度を正確に評価することは困難です。

ユーザーやバイヤーが働きかけられること

個々のユーザーが、データセンターのエネルギー構成に対して直接持てる影響力は限られています。しかし、集団的な選択、購買の意思決定、そして透明性への強い要求は、企業の行動に影響を与えることができます。圧力が生産的になり得るいくつかの領域を以下に示します。

透明性が基盤となります。ユーザーや企業バイヤーは、提供企業に対して、明確な方法論に基づいたサービスごとのエネルギー消費量、施設ごとの水使用量、および炭素排出量の開示を求めることができます。「サステナビリティ」への曖昧なコミットメントよりも、監査可能な数値の方が役立ちます。

調達の意思決定は重要です。組織がクラウドプロバイダー、AIツール、またはワークスペースプラットフォームを選択する際、環境への取り組み実績を評価基準の1つにすることができます。一部の企業は、ベンダー選定プロセスにサステナビリティ基準を含め始めています。

標準化や規制の支持も生産的です。AIのエネルギー報告に関する業界標準が広く採用されれば、プロバイダーを比較し、説明責任を問うことが容易になります。この問題を重視するユーザーは、より厳格な報告要件を求める声を上げることができます。

ツールを慎重に選択することも考慮に値します。すべてのタスクに最先端モデルが必要なわけではありません。より小型で効率的なモデルであれば、わずかなエネルギーコストで多くのユースケースに対応できます。インターネット全体ではなく、自分自身のファイルのみを利用して定義された範囲内で動作するAIアシスタントは、より便利であると同時に、リソースの消費も抑えることができます。

Fabricの取り組み

私たちは自分たちの立場について透明であるべきです。Fabricはハイパースケールクラウドプロバイダーと比較すると小さな会社であり、私たちの環境フットプリントも比例して小さくなっています。しかし、AI分野のすべての企業には、この問題を真剣に受け止める責任があると信じています。

Fabricのすべてのサブスクリプションは、ケニアとブラジルでの修復プロジェクトを通じてマングローブの木を植樹しています。マングローブは最も効果的な自然の炭素吸収源の1つであり、陸地森林の数倍の速度で炭素を隔離します。私たちは、2030年までに炭素と水の両方で100%ニュートラルになることを目指して取り組んでいます。

私たちはこれで問題が解決するとは主張していません。植樹は、排出源での排出削減の代わりにはなりません。しかし、何もしないよりはマシであり、環境コストを後回しにするのではなく、ビジネスモデルに組み込むことが正しいアプローチであると考えています。

私たちのより広い哲学は、ツールがお客様に代わって効率的に機能すべきであるということです。FabricのAIはお客様のファイル全体で機能しますが、トレーニングのためにそれらを他の場所に送信することはありません。また、そのクラウドストリーミングアプローチにより、ファイルはデバイス間で複製されるのではなく、オンデマンドで配信されるため、ストレージインフラのオーバーヘッドが削減されます。

大きな全体像

AIの環境コストは、AIの構築や利用を停止する理由にはなりません。この技術には真のメリットがあり、気候モデリングからエネルギー網の最適化に至るまで、その応用の一部は環境課題に直接対処するのに役立つ可能性があります。

しかし、現在の推移は懸念すべきものです。排出量は増加しています。水消費量は増えています。電力網はひっ迫しています。企業の気候公約と実際の環境パフォーマンスとのギャップは広がっています。そして、現在の市場のインセンティブは、環境への責任よりもスピードと規模を優先しています。

進むべき道には、いくつかのことが同時に起こる必要があります。クリーンエネルギーへの本物の投資（証明書だけでなく）、環境指標の透明性のある報告、展開のペースに合わせた規制の枠組み、環境コストを内部化するビジネスモデル、そして選択においてサステナビリティを考慮する十分な情報を持ったユーザーです。

これは共通の課題です。AIを構築する企業、それを規制する政府、そしてそれを使用する人々に帰属します。私たちにできる最低限のことは、そのコストについて誠実であることです。

Fabricのサステナビリティへのアプローチや、最もサステナブルなAIアプリ、最もサステナブルなクラウドストレージカテゴリにおける比較についての詳細は、こちらでお読みいただけます。

よくある質問

大規模なAIモデルのトレーニングにはどれくらいの電力が使用されますか？

最先端の言語モデルのトレーニングには数十ギガワット時の電力が消費される可能性があり、これは数百世帯の平均的な年間消費量にほぼ匹敵します。正確な数値は、モデルの規模、ハードウェアの効率、およびトレーニング期間によって異なります。

なぜデータセンターはそれほど多くの水を使用するのですか？

多くのデータセンターは、数千台のサーバーが発生する熱を管理するために蒸発冷却システムを使用しています。このプロセスは大量の水を消費します。単一の大型施設では、冷却技術や現地の気候条件に応じて、1日あたり数百万リットルを使用することがあります。

テック企業は気候変動目標を達成していますか？

いくつかの主要企業は、表明した目標から遠ざかる排出量の増加を報告しています。マイクロソフトは2020年から2024年の間に炭素排出量が29%増加したと報告し、グーグルは同等の期間に48%の増加を報告しており、両社ともにAIインフラが要因であると挙げています。

ジェボンズのパラドックスとは何ですか、またそれはどのようにAIに当てはまりますか？

ジェボンズのパラドックスとは、効率の向上が資源消費の減少ではなく、より高い総消費量につながる可能性があるという観察結果を指します。AIにおいては、より効率的なチップやモデルがより広範な展開を可能にし、1回の操作あたりの効率が向上したにもかかわらず、累積的なエネルギー使用量の増加をもたらしました。

EUはAIの環境への影響を規制していますか？

EU AI法には、特定のAIシステムに対してエネルギー消費量や環境への影響に関する報告を義務付ける規定が含まれています。これらの要件はまだ実施段階であり、範囲も限定されていますが、AIの環境フットプリントに対処するための最初の規制上の試みの1つとなっています。

個々のユーザーは、AIの環境コストについて何ができますか？

ユーザーは、環境指標について透明性のあるプロバイダーを選択し、タスクに適したサイズのモデルを使用するツールを優先し、エネルギーや排出量の報告に関する規制の取り組みを支持し、クラウドストレージやAIツールを評価する際にサステナビリティ基準を含めることができます。

再生可能エネルギーだけでAIのエネルギー需要を相殺するのに十分ですか？

再生可能エネルギーの調達は増加していますが、データセンターのエネルギー需要の増加ペースには追いついていません。再生可能エネルギー証明書と、直接同じ場所に併設されたクリーンエネルギーとの違いは重要です。総需要の伸びに対処しなければ、再生可能エネルギーは必要ですが、それ単体では十分ではありません。

Fabricは環境への影響をオフセットしていますか？

Fabricは、ケニアとブラジルでのプロジェクトを通じて、すべてのサブスクリプションでマングローブの木を植樹しており、2030年までに炭素と水の両方で100%ニュートラルになることを目指して取り組んでいます。Fabricの環境への取り組みに関する詳細は、環境ページでお読みいただけます。

クラウドストリーミングはどのように環境への影響を軽減しますか？

クラウドストリーミングは、すべてのデバイスに完全なコピーを同期するのではなく、オンデマンドでファイルを配信します。これにより、必要な総ストレージインフラが削減され、結果として、複数の場所に重複したデータを維持することに伴うエネルギーや冷却の需要が減少します。

関連ページ

• Fabricの環境への取り組み

• 最もサステナブルなAIアプリ

• 最もサステナブルなクラウドストレージ

• 最も環境に優しいAIツール

• FabricのAIアシスタント

• あなたのクラウド

• プライベート＆セキュア