電力制限のあるAI施設はGPUを追加注文するだけでは拡大できない。モデル、計算量、待機、電力使用時刻をソフトが決める。研究者はその選択を変えれば、機器交換や接電より早く既設ハードの容量を引き出せるとする。
ハード、冷却、電力網投資が不要になるのではない。公称の毎ワット性能から、現実の上限内で有用な作業をどれだけ完了し、節約を需要減か増産のどちらに使うかへ問いが移る。
PUEは建物境界を測り、計算価値は測らない
PUEは施設全体とIT機器へのエネルギーの比率だ。1.0に近いと冷却、照明、変換損失は少ないが、計算の必要性は示さない。過大モデル、不要トークン、半分待機するサーバーでもよいPUEは可能だ。
Uptime Instituteの2025年調査は加重平均1.54、6年連続の小さな改善を報告し、古い施設や地域冷却制約を一因とした。IEAはサーバー約60%、保存・通信はより小さく、冷却は高効率巨大施設約7%から非効率な企業施設30%超と見積もる。
分母と環境が違うので一つの標準構成へ足せない。建物改善だけではアプリ浪費を解けない理由を示す。モデル、精度、バッチ、出力長、設定、日程がラックへ届いた電気の生産性を決める。
Michigan大学のML.Energy関連研究者Jae-Won Chungはハード、システム、アルゴリズム、アプリを連結層と考える。コード変更は製造、購入、設置、試験より速い。固定上限で要求を増やし待ちを減らせば、ピークを上げず容量増に似た効果を得る。
世界予測でも電力網制約は地域に集中する
IEAは2024年約415TWh、世界の約1.5%、過去5年年平均12%成長と推計する。基本シナリオは2030年約945TWh、3%弱で現在の日本を少し上回る。
米国と中国は2024年から約240、175TWh増える予測。加速サーバーは年30%増で純増のほぼ半分、従来サーバーと冷却など施設は各約5分の1だ。
これは2030年の実測でなく予測だ。世界割合は地域集中を隠す。施設は2～3年で開いても発電、送電、変電所は長い。IEA高効率案はソフト、ハード、施設が共に改善し、2035年に同じサービスを15%超少ない電気で提供する。
Amazon、Google、Meta、Microsoft、AI事業者は電力契約、再生、原子力、現地発電、高密度、独自チップを進めるが時間と投資を要する。ソフト経路と日程は別の手段で、顧客は電気代が個別になくても割当、遅延、モデル利用で影響を受ける。
節約値には異なる仕組みと条件がある
Blackwellの電力プロファイルは計算・メモリー周波数、上限、キャッシュ、NVLinkを変える。Nvidiaは最大15%のエネルギー減で97%以上の性能を保持、電力制約施設では最大13%の処理量増を主張する。負荷依存で全施設の保証ではない。
最大クロックはわずかな性能に大きな電力を要し得る。選択的減速で出力の多くを残し他GPUへ電気を回せば、ラック全体の処理量は増える。節電と増産は異なる制約比較だ。
ML.EnergyはQwen3-235B-A22B-ThinkingをFP8とbfloat16で比べ、試験の問題解決推論で約3分の1少ないエネルギーを得た。精度変化があり得て、モデル、機器、実装次第だ。全量子化が無損失で同じとは示さない。
訓練には同期余裕があり、早く終わる要素が遅いものを待つ。Perseusは全作業でなく仕事の少ない部分を減速してボトルネックと同時に終える。研究構成では処理量を落とさず最大30%節電した。
上層ではキャッシュ、小型への経路選択、入力圧縮、出力制限、バッチが重複を減らす。コンパイラーの演算融合とデータ移動減も効く。適切なインスタンスと旧ラック廃止は基礎待機電力を減らし、SHIのChetan Visroliaは旧機器を実用的対象とする。
一つの製品でも足せる割合でもなく、結果を改善しない仕事を別々に減らす方法だ。必要品質とサービスを保つ場合に価値がある。
時刻と場所は総消費を減らさなくても重要
対話は速答が必要だが、評価、データ処理、一部訓練は待てる。時間移動はピークを避け、地域移動は電力・計算がある場所へ送る。ETH ZurichのSophie HallはGoogle群で前日計画とリアルタイム日程を性能保証と結ぶ。
再生過剰時と夕方制約時の1MWhは効果が違う。2026年のNational Grid、Nvidia、Emerald AI、EPRI実験では一事業者が1分未満で需要を約66%へ、別試験は10%容量で10時間動かした。
別々の実演で、全商用負荷が耐える証明ではない。中断可能接続は一時容量制限と引き換えに早い接電を得る可能性があるが、電力会社、規制、運営者の合意が要る。
Nature Reviews Clean Technologyの総説は再生電力の多い網で整合運転がライフサイクル排出を約10%減らし得るとする。同時に省水が条件によって排出を増やすなど、エネルギー、炭素、水の衝突を指摘する。量、時刻、炭素、水資源の逼迫、遅延、データ地域は別変数だ。
大規模群には選択肢が多いが、小規模もバッチ延期、待機削減、適切なモデルを使える。真のサービス要件を記すことも重要で、待てる仕事を緊急扱いすると容量を無駄に予約する。限定した業務と再利用文脈は調整前から重複を減らす。
品質、機密性、反動が結論を制限する
トークン当たり電力だけでは不要なトークン増を捉えない。許容品質で完了した仕事の電力がモデル差や再試行をよく表す。利用率増は低価値要求かもしれず、低精度や誤経路はやり直しと大型への再送を増やす。
キャッシュは機密と鮮度、地域移動はデータ主権を守る必要がある。巨大転送は時間、通信、電力、運用リスクを生む。対話はきれいな電気を何時間も待てず、訓練中断には信頼できる保存と復旧が要る。
Jevons型の反動で絶対節約が消える場合もある。推論15%節約を追加要求に使えば施設は上限のまま動く。経済的に有用でも総電力・排出削減とは限らず、効率基準だけで地域網を助けない場合がある。
浪費削減や毎ジュールのトークン増も、その仕事の価値を証明しない。発電、送電、冷却を置き換えず、IEA案も全体改善を前提とする。品質調整した仕事毎ワットと絶対電力を両方測る必要がある。
比較データは少ない。選択的平均や有利な内部負荷が構成変化を隠す。独立した同一作業試験で品質、遅延、利用率、電力を共に報告しなければ、精度無視は劣化を、遅延無視は実用不能を報いる。
証拠は運営行動に現れる
三つの進展が必要だ。モデル、精度、設定別の再現可能な作業報告、実験を越える商用柔軟接続、解放容量の使い方の開示である。
省エネが建設延期やピーク減なら電力網を助ける。全て追加生成なら主に計算不足を解く。両方成功でも異なる問いで、無条件の持続可能性主張を共有できない。
ソフトは変電所より速く多層を改善できる。試験は一研究室の割合でなく、より多い合格完了仕事、電力不足で止まる展開の減少、有用な柔軟性、透明な絶対需要報告である。
出典と関連情報
Uptime Institute調査 · IEA電力予測 · Perseus研究 · AI持続可能性レビュー · 関連：AI業務フロー · ソフト効率報道