生成AIの普及でデータセンターが増えるほど、問われる資源は電力だけではなくなります。水の使い方をどこまで設計で抑えられるかは、AI基盤を選ぶ側にとっても無視しにくい判断材料になりつつあります。
Inside Microsoft’s two-decade push to cut water intensity while scaling for growth – The Official Microsoft Blog は、Microsoft がデータセンターの水使用効率を約20年かけて改善してきた経緯を説明しています。
同社は WUE を初期世代の 2.3 L/kWh から 2025年に 0.27 L/kWh へ下げ、2030年までに水使用強度を40%改善する目標に対して、2025年時点で25%削減したとしています。
また、FY25 には全社のグローバル運用で取水量を上回る水を補充したとも述べています。
ここで重要なのは、Microsoft の取り組みを単なるサステナビリティ施策として見ることではありません。生成AIの基盤競争では、モデル性能やGPU調達だけでなく、地域資源との折り合いをつけながら拡張できるかが、事業継続の条件になってきているという点です。
データセンターは、クラウド時代には見えにくい裏側の設備でした。しかし生成AIでは、計算需要の増加が地域の電力、水、土地利用により直接的に接続されます。水冷や蒸発冷却は性能と効率を支える一方、立地によっては地域住民や自治体との摩擦を生みます。つまり、AIインフラは技術設計であると同時に、地域との合意形成の設計でもあります。
Microsoft が示している方向は、拡大を止めることではなく、成長と水使用を切り離すことです。外気冷却、閉ループの直接液冷、再生水や非飲用水の利用、漏水検知や流域回復への投資を組み合わせることで、同じ成長でも地域への負荷を変えられる可能性があります。
これはAIを導入する企業にとっても示唆があります。クラウドやAIサービスを選ぶとき、価格、性能、リージョン、セキュリティだけを比較すれば十分だった時代から、インフラの持続可能性を調達判断に含める時代へ移りつつあります。特に大規模な生成AI利用では、利用企業自身の環境目標やレピュテーションにも接続します。
AIのスケールは、計算資源をどれだけ確保できるかだけで決まりません。地域資源への負荷を説明し、測定し、下げ続けられる事業者ほど、長期的に使いやすい基盤になります。水使用効率は周辺指標ではなく、AIインフラの成熟度を測る指標のひとつになり始めています。
関連記事
- Introducing Claude Opus 5
- Granite 4.2 LLMs: How They’re Built
- How to evaluate LLMs before production
参考文献
コメント