AIデータセンターが電力の壁に直面：スペースX、ソフトバンク、ミッションゴビが三つの答えを提示

はじめに

人工知能の次の限界は、モデルアーキテクチャや半導体の性能ではないかもしれない。それは、数百万のアクセラレーターに電力を供給し、冷却し、接続し、24時間稼働させ続けるために必要な物理的インフラかもしれない。

2026年に起きたいくつかの出来事が、その制約を顕著に浮き彫りにした。

大規模な熱波により、ケンブリッジ大学のDawnスーパーコンピューターが収容されていた施設に問題が発生し、アクセスが困難になった。米国では、国内最大の地域電力市場であるPJMが記録的な需要、急激なバランシングコストの高騰、そして2年間で10倍以上に上昇した容量価格に直面した。同じ地域の製造業者は、データセンターの需要拡大に伴い電気料金が上昇したと報告している。

同時に、QTSはバージニア州で長らく争われていたDigital Gatewayプロジェクトから撤退した。このキャンパスは、これまで提案された中で最大級のデータセンター開発の一つと評されていたが、長年にわたる法的な異議申し立て、地域社会の反対、土地利用をめぐる紛争、環境問題への懸念により、計画を前進させることができなかった。

これらの事例は、同じ結論を指し示している。すなわち、AIインフラはもはや、単にGPUを購入し倉庫スペースを見つけるだけの問題ではない。電気、送電、冷却、水、土地、許可、そして社会的受容が、AIスタックの一部になりつつあるのだ。

現在、企業がこの問題を解決しようとしている三つの主要な戦略が浮き彫りになっている。

1. 軌道上で継続的な太陽エネルギーに向けて計算処理を移す。
2. 巨大な地上データセンターキャンパスの隣に専用の発電所を建設する。
3. 再生可能エネルギーが豊富な砂漠地域に計算処理を移し、エネルギー、貯蔵、ワークロードを一つのシステムとして調整する。

本稿では、SpaceXの軌道上データセンター構想、ソフトバンクとSBエナジーのオハイオプロジェクト、そして遠景能源（Envision Energy）の「ミッションゴビ（Mission Gobi）」構想を通じて、これらのアプローチを考察する。

電力の制約がAIの制約になりつつある

AIシステムは複数の層で電力を消費する。

アクセラレーターは演算のために電力を必要とする。ネットワーク機器はマシン間でデータを転送する。CPU、ストレージ、メモリ、冷却システムはさらに需要を増大させる。電力変換と配電は損失を生み出し、バックアップシステムと冗長化は、設置しなければならないインフラの量を増やす。

その結果、データセンター施設のエネルギー要件は、都市や産業団地に匹敵するものとなり得る。

物理的な制約もまた、密接に結びついている。

| 制約 | 理由

AIデータセンターに重要な要素 |

|-|-|
| 発電 | 計画された計算負荷を支える十分な電力が存在するかを左右する |
| 送電 | 電力が系統に過負荷をかけずにサイトに到達できるかを左右する |
| 冷却 | 高密度アクセラレータの過熱を防ぐ |
| 水 | 一部の冷却システムや発電プロセスを支える |
| 土地 | 建物、変電所、冷却、発電、送電のためのスペースを提供する |
| 許認可 | プロジェクトが計画から建設に移行する速度を左右する |
| 地域社会の受容 | 法的リスク、プロジェクトのタイムライン、政治的支援に影響を与える |
| ハードウェア供給 | 施設の設備整備速度を制限する |
| 系統安定性 | キャンパスが地域の信頼性を悪化させずに運用できるかを左右する |

データセンターがGPUを確保できても、送電接続が遅れれば失敗に終わる可能性がある。電力を確保できても、水使用、騒音、土地転用、地域コミュニティとの近接性をめぐる反対に直面する可能性がある。物理的なキャンパスを建設できても、冷却が過去の平均気温ではなくより極端な気象条件に基づいて設計されていなければ、ダウンタイムに見舞われる可能性がある。

このため、AIインフラをめぐる議論は「誰が最良のチップを持つか」から「誰が完全なシステムを組織できるか」へと移行している。

熱が露呈した高性能コンピューティングのもろさ

2026年6月下旬、ケンブリッジ大学のDawn AIスーパーコンピューターが熱波の際にオフラインとなった。技術的な問題がデータセンターの冷却インフラに影響を与えたためだ。

Dawnは気候モデリング、医学研究、その他の計算集約的な作業を含むプロジェクトを支援している。研究データは失われなかったと報告されているが、障害により複数のチームのアクセスが中断され、進行中のプロジェクトに遅れが生じた。

この出来事が重要である理由は2つある。

第一に、高度な研究インフラでさえ、想定される動作範囲外の環境条件に対して脆弱であり得ることを示している。

第二に、ますます重要になるフィードバックループを示している。すなわち、AIは気候変動のモデリング、エネルギーシステムの最適化、新技術の開発に使われているが、そのコンピューティングインフラ自体が気温上昇の物理的影響に耐えなければならないということだ。

したがって、AI施設のレジリエンス計画では以下を考慮する必要がある：

• より高い外気温
• より長い熱波
• 冷却効率の低下
• 水使用制限
• ピーク需要時の系統ストレス
• 電力系統と冷却システムの同時障害
• 保護シャットダウン後の復旧時間

過去の平均的な気象のみに基づいて設計された施設は、今後10年のAI展開には不十分かもしれない。

PJMが示すデータセンター需要の広域系統への影響

PJM Interconnectionは、米国の約6700万人にサービスを提供する地域の電力市場を調整している。

データセンター需要の急速な増加は、発電開発の遅れ、送電の遅延、発電所の廃止、新規リソース接続の長期待ち行列と衝突している。

PJMの2026/2027年容量オークションの落札価格は1メガワット日あたり329.17ドルだった。これは2024/2025年度の1メガワット日あたり28.92ドルと比較して、

10倍。

容量料金は、需要がピークに達する時間帯に十分な発電量を確保することを目的としています。予想される需要が利用可能な供給を上回るペースで増加すると、その容量を確保するためのコストが急激に上昇する可能性があります。

この影響はテクノロジー企業に限ったものではありません。

ロイター通信は、オハイオ州にある141年続くメーカー、ベルデン・ブリック社が、月々の容量料金を約1,600ドルから約12,000ドルに引き上げられたと報じました。同社は、超大規模データセンターが新たな大きな電力負荷を生み出しているのと同じ広域市場で事業を展開しています。

これは、電気料金の上昇のすべてがAIだけによるものだという意味ではありません。燃料費、送電線の混雑、発電所の廃止、市場ルール、天候、そしてより広範な需要、これらすべてが影響します。

しかし、非常に大規模なデータセンターの需要予測は現在、電力会社、系統運用者、規制当局、産業用顧客が将来の供給をどのように計画するかに影響を与えています。

既存の電力系統がAI負荷に苦慮する理由

従来の電力システムは、比較的予測可能な成長を前提に構築されてきました。

AIキャンパスは、短い期間でギガワット級の新たな容量を要求する可能性があります。単一のプロジェクトが、ある地方都市全体の負荷を上回ることもあります。

そうなると、電力系統はいくつかの問題を解決しなければなりません。

1. 十分な発電能力を構築または維持すること。
2. 送電線と変電所を増強すること。
3. ピーク時の信頼性を維持すること。
4. 新しいインフラの費用を誰が負担するかを決定すること。
5. 投機的または重複した負荷要求が計画を歪めるのを防ぐこと。
6. 通常の消費者を、異常に大規模なユーザーによって生み出されるコストから保護すること。

これらの問題は、AI政策の中心的な課題になりつつあります。

デジタル・ゲートウェイが示した、土地と許可の重要性

バージニア州プリンスウィリアム郡で提案されたデジタル・ゲートウェイ計画は、データセンター拡大に対するコミュニティの抵抗の最も顕著な例の一つとなりました。

この広域開発区域は2,100エーカー以上に及び、数千万平方フィートのデータセンター建設を支える計画でした。QTSやコンパス・データセンターズが関与した主要なデベロッパーでした。

支持者らは、この計画が投資、税収、雇用を生み出すと主張しました。反対派は、土地利用手続き、歴史的景観、電力需要、送電線、騒音、環境影響、そしてマナサス国立戦場公園近郊の農村地域の工業化について懸念を表明しました。

裁判所は、公開通知手続きに問題があると判断し、ゾーニング変更の承認を無効としました。他の当事者は控訴を取り下げ、QTSも2026年7月に残っていた法的異議申し立てを取り下げました。

この計画の頓挫は、基本的なインフラのルールを示しています。

技術的な実現可能性は、プロジェクトの実現可能性と同義ではない。

データセンターは、資金調達が可能で、建設可能で、商業的に魅力的であっても、周辺コミュニティ、法的プロセス、物理的な景観がそれを支持しないために頓挫する可能性があります。

AI開発者にとって、サイト選定には現在、光ファイバーと電力へのアクセス以上のものが求められます。以下の点について早期に取り組むことが必要です。

• コミュニティとの関わり
• 環境レビュー
• 水資源計画
• 歴史的保存
• 騒音対策
• 送電線ルート設定
• 地域雇用
• 税制協定
• 緊急サービス
• 公共の透明性

最も安価な

スプレッドシートに「土地」という概念を置くことは、何年もの訴訟を経て非常に高額になり得る。

戦略1：SpaceX、軌道上太陽エネルギーへ計算資源を移す

2026年1月、SpaceXは米国連邦通信委員会（FCC）に対し、最大100万機の衛星から成る新しい非静止衛星システムの申請を行った。

この申請では、提案されたネットワークは「SpaceX軌道データセンターシステム」と呼ばれている。

FCCの公示によると、これらの衛星は約500kmから2,000kmの間の軌道シェルで運用される。高帯域幅の光衛星間リンクを使用し、Starlinkネットワークの一部と接続される。

その根底にあるアイデアは理解しやすい。

宇宙には豊富な太陽エネルギーが存在する。軌道システムは地上の土地をめぐる競争を回避し、地域の電力網への依存を減らす可能性がある。熱は従来の冷却塔ではなく、放射によって排出できる。

SpaceXのアプローチは、エンジニアリングを優先した対応を表している。すなわち、地球上で電力、土地、許認可が困難なら、インフラを地上システムの外に移せばよい。

軌道コンピューティングの潜在的な利点

軌道データセンターのアーキテクチャは以下を提供できる可能性がある。

• 長時間の太陽光への曝露
• 地上の土地をめぐる競争の低減
• 冷却のための現地の淡水を直接使用しない
• 衛星ネットワークによる地球規模の接続性
• 宇宙拠点のセンサーやアプリケーションへの近接性
• データを地球に送信する前に一部を処理する能力

宇宙ネイティブなワークロードが最も実用的な出発点となる可能性がある。

例えば、衛星は地球観測画像、気象データ、航法情報、または通信トラフィックを処理し、より小さな結果だけを地上に送信できる。これにより、送信しなければならないデータ量が削減される。

工学的課題は深刻である

コンピューティングを軌道に移すことは、インフラの制約をなくすわけではない。それを変化させるのである。

軌道データセンターは以下を解決しなければならない。

• 打ち上げ質量と打ち上げコスト
• 放射線損傷
• 真空中での熱管理
• ソーラーパネルのサイズ
• 日食時のエネルギー貯蔵
• 宇宙デブリ
• ハードウェアの交換
• 通信帯域幅
• レイテンシ
• メンテナンス
• 衛星の寿命
• 寿命末期の廃棄処理

熱は依然として大きな課題である。

地球上では、データセンターは熱を空気や水に移すことができる。宇宙では、周囲に熱を運び去る流体がない。システムはラジエーターを使用しなければならず、そのラジエーターは、使用される計算能力の量に比べて非常に大きくなる可能性がある。

2026年の軌道データセンター経済性の技術分析では、汎用的な地上ワークロードが地上インフラと競合するには、打ち上げコストと宇宙機コストを極めて低く抑え、高い稼働率、長い運用寿命、そして有利な通信要件が必要であると結論づけられた。

これは、軌道AIコンピューティングは、地上のデータセンターを急速に置き換えるのではなく、徐々に発展していく可能性があることを示唆している。

申請は展開されたシステムを意味しない

FCCはSpaceXの申請を受け付け、一般からの意見を募集した。これは規制上の初期段階であり、直ちに100万機の衛星を展開する許可ではない。

スペクトラム、軌道、およびその他の大きな問題が依然として残っている。

安全、環境影響、天文学、デブリ、そして大規模な衛星コンステレーションの打ち上げと交換による累積的な影響。

軌道戦略は野心的だが、その商業的実行時期は宇宙機製造、打ち上げ頻度、熱設計、ネットワーキング、規制におけるブレークスルーに依存している。

戦略2：ソフトバンク、コンピューティングの隣に電力を構築

ソフトバンクとSBエナジーは、オハイオ州で非常に異なるアプローチを追求している。

米国エネルギー省は、パイク郡の旧ポーツマス気体拡散工場跡地にテクノロジーキャンパスを建設する計画を発表した。このプロジェクトは、約10ギガワットのデータセンター開発を支援することを目的としている。

関連するエネルギー計画には、最大10ギガワットの新規発電が含まれ、少なくとも9.2ギガワットは天然ガスから賄われる見込みである。

SBエナジーとAEPオハイオは、主要な送電インフラにも投資する計画だ。エネルギー省は、このプロジェクトが必要な電力供給のアップグレード費用を負担し、一般消費者がこれらのコストを負担しないように設計された専用の料金体系を採用すると述べている。

このアプローチは、スピードと規模を重視して構築されている。

既存の送電網が十分な予備容量を生み出すのを待つ代わりに、このプロジェクトは、計画されたコンピューティングキャンパスの隣に、大規模な発電設備を具体的に建設するものである。

急速な開発にガスが魅力的な理由

天然ガス火力発電所は、調整可能な電力を提供できる。

風力や太陽光発電とは異なり、天候条件が良好な時だけでなく、必要な時に運転できる。そのため、継続的なサービスを期待するデータセンターと組み合わせやすい。

オハイオモデルには、いくつかの実用的な利点がある：

• 巨大な新規負荷に対する専用の発電
• 連邦政府が既に管理している用地
• 大規模な送電投資
• 調整可能な電力への迅速なアクセス
• データセンター顧客とインフラコストの明確な関連付け
• 余剰電力を広域送電網に送る可能性

コンピューティングの迅速な展開に注力する企業にとって、これは地域の送電網拡大の遅さを待つよりも現実的に見える可能性がある。

気候面でのトレードオフは大きい

主な弱点は炭素集約度である。

9.2ギガワットの天然ガス発電ポートフォリオは、大量に運転されれば相当な排出量を生み出す。また、パイプライン、冷却、水、そして数十年にわたって運転を継続する可能性のある長寿命インフラを必要とするかもしれない。

したがって、このプロジェクトは二つの政策目標の間に緊張を生み出す：

1. AIインフラを迅速に構築すること。
2. エネルギーシステムからの排出量を削減すること。

天然ガスは、急速な需要成長期に信頼性の高い電力を提供できるが、将来のAI容量を化石燃料への依存に固定化するリスクがある。

実際の環境影響は、発電所の効率、稼働率、メタン漏洩、炭素管理対策、系統との相互作用、そして低炭素資源がどの程度早く利用可能になるかに依存する。

戦略3：ミッション・ゴビ、コンピューティングを再生可能エネルギーへ移行

エンビジョン・エナジーは、VivaTech 2026でミッション・ゴビを発表した。

このイニシアチブは、2030年までに砂漠・乾燥地域で5ギガワットのグリーンAIデータセンター容量を目標としている。

その中心的な原理は、

計算はエネルギーに従うべきである。

既存の都市の近くに大規模なAIキャンパスを建設し、送電網に電力を要求するのではなく、ミッション・ゴビは、風力、太陽光、土地、エネルギー貯蔵資源が既に豊富な場所にデータセンターを設置することを提案している。

エンビジョンは、このアプローチをAIパワーシステムと表現し、以下を接続する：

• 風力発電
• 太陽光発電
• バッテリー貯蔵
• 送電網インフラ
• コンピューティングワークロード
• グリーン水素製造
• AIベースの予測と配電

この設計は、データセンターとエネルギーシステムを一つの統合プラットフォームとして扱う。

赤峰実証

エンビジョンは、このモデルを内モンゴルの赤峰で既に展開していると述べている。

同社の公式報告によると、2ギガワットの再生可能エネルギーシステムが、EnOSとエネルギーファンデーションモデルを使用して、風力、太陽光、貯蔵、コンピューティングワークロード、グリーン水素製造を調整している。

また、エンビジョンはテンセントと協力し、AIワークロードを再生可能エネルギーの利用可能性に動的にマッチングさせているとも述べている。

これは従来の再生可能エネルギー購入契約とは異なる。

従来のデータセンターは継続的に電力を消費し、他の場所で生成された再生可能エネルギーを表す証書や契約を購入する場合がある。AIネイティブの電力システムでは、施設は実際の電力フロー、貯蔵、発電予測、柔軟なコンピューティング需要をほぼリアルタイムで調整しようとする。

烏蘭察布銀河キャンパス

エンビジョンによると、烏蘭察布のより大規模な銀河キャンパスは、再生可能エネルギーに直接接続されたギガワット規模のAIデータセンターとして開発されている。

同社のプレス資料では、これをミッション・ゴビモデルの旗艦的実装と説明している。

基本的な立地選定の論理は強力である：

• 砂漠地域は広大な土地を提供する。
• 風力と太陽光の資源が豊富である可能性がある。
• 人口密度が低い。
• 地域コミュニティとの対立が減少する可能性がある。
• より涼しく乾燥した条件が一部の冷却戦略を改善できる。
• 直接的な電力接続により、混雑した都市の送電網への依存を減らせる。

しかし、各砂漠サイトは水の利用可能性、送電オプション、環境条件、ユーザーからの距離が異なる。「砂漠に建設する」だけでは完全な解決策にはならない。

ミッション・ゴビが変動する再生可能電力をどう扱うか

最大の技術的課題は間欠性である。

データセンターは連続運転向けに設計されている一方、風力と太陽光の出力は秒、時間、日、季節単位で変化する。

ミッション・ゴビのアーキテクチャは、いくつかの形態の柔軟性を組み合わせている。

急速な変化に対応するバッテリー貯蔵

バッテリーはミリ秒単位で応答できる。

これらは以下の用途に有用である：

• 周波数サポート
• 短期間のバランス調整
• 風力と太陽光の急激な変化の平滑化
• 短時間の停電の橋渡し
• 電力品質のサポート
• 数時間にわたるエネルギーのシフト

バッテリーは、ギガワット規模で再生可能エネルギーの出力が非常に低い長期期間をカバーするための十分なエネルギーを貯蔵するのには適していない。

風力と太陽光の補完性

風力と太陽光はしばしば異なる時間に発電する。

太陽光発電は日中に最も強くなる。風力パターンは夜間や異なる季節に強くなることがある。

両方のリソースを組み合わせることで、必要な保管容量を削減できるが、完全になくすことはできない。

長時間貯蔵のための水素とアンモニア

余剰の再生可能電力は、電気分解によって水素を生成するために使用できる。

水素はそのまま貯蔵するか、アンモニアに変換される。アンモニアは一部の用途で輸送や貯蔵が容易である。再生可能エネルギーの出力が低い場合、これらのエネルギーキャリアは発電や産業プロセスを支援できる。

このアプローチは長時間の貯蔵を可能にするが、変換損失と追加コストをもたらす。

完全なサイクルは以下の通りである：

1. 再生可能電力を生成する。
2. 水素を生成する。
3. 水素をアンモニアに変換する可能性がある。
4. 燃料を貯蔵する。
5. それを電気または他の有用な出力に変換する。

各ステップで効率が低下する。したがって、システムは長時間貯蔵が、追加の発電、送電、バッテリー、または柔軟なワークロードよりも大きな価値を提供する場合を判断する必要がある。

柔軟なAIワークロード

すべてのコンピューティングタスクを同時に実行する必要はない。

一部のワークロードはシフトできる：

• データ前処理
• 合成データ生成
• バッチ推論
• モデル評価
• チェックポイント変換
• 緊急でないトレーニング
• レンダリング
• シミュレーション
• オフライン分析

AIを考慮したエネルギー管理システムは、再生可能エネルギーが豊富なときに柔軟な作業をスケジュールし、レイテンシーに敏感な推論や重要なサービスのために安定した容量を確保することができる。

これはミッション・ゴビの最も重要なアイデアの1つである。

エネルギーシステムにすべてのコンピューティングタスクが柔軟性がないかのように振る舞わせるのではなく、一部のコンピューティング需要がエネルギー利用可能性に適応できるようにする。

3つの戦略の比較

3つのアプローチは、同じ基本的な問題を非常に異なる方法で解決する。

どれも普遍的な答えではない。

軌道コンピューティングは、一般的なクラウドワークロードで競争力を持つ前に、宇宙ネイティブの処理にとって魅力的である可能性がある。

ガスに支えられたキャンパスは最も速く拡大する可能性があるが、炭素と環境への圧力に直面する。

再生可能エネルギーの砂漠キャンパスは、長期的に強力な経済性を提供する可能性があるが、高度な制御、貯蔵、柔軟なワークロード、信頼性の高い接続性が必要である。

将来はおそらく混合となる。

「計算は電力を追う」がサイト選定のルールになりつつある理由

クラウド時代のほとんどの間、データセンターはしばしばネットワークハブ、顧客、熟練労働者、有利な税制、信頼性の高い送電網の近くに設置されてきた。

AIはその

バランス。

トレーニングや多くのバッチワークロードは、リアルタイムのコンシューマーアプリケーションほど物理的な距離に敏感ではありません。モデルトレーニングクラスターは、電力、ファイバー、運用サポートがあれば、大都市から遠く離れた場所に設置できます。

これにより、エネルギー豊富な地域の魅力が高まります。

サイト選定プロセスは、次のように始まることが増えています。

1. 大規模な電力が利用可能な場所はどこか？
2. それを継続的に供給できるか？
3. 限界炭素強度はどの程度か？
4. 負荷は地域の電力網を不安定化させるのではなく、支えることができるか？
5. 発電、貯蔵、冷却、計算に十分な土地があるか？
6. プロジェクトは許可とコミュニティの受け入れを確保できるか？
7. ファイバーネットワークは十分か？
8. どのワークロードがその場所に耐えられるか？

データセンターは、単に電線の終端にある顧客ではなく、電力システムの一部になりつつあります。

グリーンプロジェクトでも水は依然として制約

再生可能電力は、自動的に水使用を排除するわけではありません。

水は以下で消費されます：

• 蒸発冷却
• 冷却塔
• 加湿
• 発電プロセス
• 半導体製造
• 水素製造
• 建設と保守

砂漠地域は低湿度と涼しい夜を提供できますが、水資源が乏しい場合もあります。

したがって、信頼性のあるグリーンAIプロジェクトには、完全な水戦略が必要です。

それには以下が含まれます：

• 直接チップ液冷
• クローズドループシステム
• ドライクーラー
• 実用的な空冷
• 再生水
• 熱再利用
• 水使用報告
• サイト固有の制限
• 地域コミュニティや農業との競合を避ける設計

水効率は、炭素強度や電力コストと並行して評価されるべきです。

グリーン水素は有用だが、無料のバッテリーではない

当初のミッションゴビ構想では、グリーン水素とグリーンアンモニアが長期バランス調整において重要な役割を果たします。

その役割は技術的に妥当であり、特にシステムが水素やアンモニアの産業需要にもサービスを提供する場合に顕著です。

ただし、発電のみに水素を使用することは、再生可能電力の直接使用や短期間のバッテリー貯蔵よりも効率が低くなります。

水素は、複数の価値を提供できる場合に魅力的になります：

• 季節的なエネルギー貯蔵
• 産業用原料
• 輸出燃料
• バックアップ発電
• 電力網のバランス調整
• 化学製品からの収益
• それ以外では抑制される再生可能エネルギーの活用

経済性は、電解槽の稼働率、貯蔵インフラ、変換効率、燃料需要、および余剰再生可能電力のコストに依存します。

したがって、ミッションゴビは、単に水素バックアップ発電機を備えたデータセンターではなく、統合されたエネルギー・コンピューティングシステムとして理解されるべきです。

AI層が主な差別化要因になり得る

風力タービン、太陽光パネル、バッテリー、データセンター、水素設備はすでに存在します。

ミッションゴビのより特徴的な部分は、調整層です。

EnOSのようなシステムは以下を組み合わせることができます：

• 天気予報
• 発電予測
• バッテリー充電状態
• 水素貯蔵レベル
• データセンターの負荷

モデルトレーニングスケジュール

• 系統電力価格
• ネットワーク制約
• メンテナンス要件

これにより、以下のタイミングを決定できる：

• フレキシブルAIジョブの実行
• バッテリーの充電
• 水素の製造
• 非重要計算処理の削減
• 電力の輸出
• 電力の輸入
• 重要推論のための容量確保
• 拠点間での作業移行

ここに、AIインフラストラクチャがサイバーフィジカルオペレーティングシステムに似てくる所以がある。

その価値は、エネルギー資産を所有することだけでなく、個別の事業者が集まった場合よりも優れた調整を行うことにある。

データセンターデベロッパーが学ぶべきこと

Dawn、PJM、Digital Gateway、Ohio、orbital compute、Mission Gobiをめぐる出来事は、新たな設計原則のセットを示唆している。

1. コンピューティングの前にエネルギーを計画すべきである

プロジェクトは、系統がギガワット級の予備電力を需要に応じて供給してくれると想定すべきではない。

発電、送電、蓄電、バックアップ、需要柔軟性は、初期設計の一部でなければならない。

2. コミュニティの受け入れはインフラである

許可と公的支援は、広報上の詳細ではない。それらはクリティカルパス上のエンジニアリング上の依存関係である。

法的に争われている用地は、それ以外は実行可能なプロジェクトを遅延させたり、頓挫させたりする可能性がある。

3. レジリエンスには異常気象への対応を含めるべきである

冷却システムと電力システムは、熱波、干ばつ、嵐、火災、その他過去の平均値を超える条件下で試験されるべきである。

4. フレキシブルなワークロードには経済的価値がある

緊急性の低いコンピューティングを時間的・地理的に移動させる能力は、電力コストを削減し、再生可能エネルギーの利用を容易にする。

5. 炭素、水、土地は総合的に評価されるべきである

低炭素設計でも、水や土地に関する紛争を引き起こす可能性がある。水効率の良いサイトでも、高排出の電力に依存する可能性がある。

環境システム全体が重要である。

6. 専用電源は公共の責任を免除しない

民間資金による発電所は、料金支払者を一部の直接コストから保護できるが、排出、パイプライン、水、大気汚染、地域の信頼性は依然として公共に影響を与える。

7. 最適なアーキテクチャはハイブリッドである可能性がある

将来のAIシステムは、以下を組み合わせる可能性がある：

• 都市型推論センター
• リモートトレーニングキャンパス
• 再生可能エネルギーを利用した砂漠のコンピューティング
• ガスまたは原子力バックアップ
• 分散型エッジシステム
• 限定的な軌道上処理
• 地域間のワークロード移動

異なるワークロードには異なる要件がある。

よくある質問

AIデータセンターが電力網の懸念を引き起こしているのはなぜか？

AIクラスターは、数百メガワットから数ギガワットの電力を必要とする場合がある。発電所や送電線の建設よりも早くプロジェクトが到来すると、容量コストが増加し、他の接続が遅延し、信頼性に関する懸念が生じる可能性がある。

Digital Gatewayデータセンタープロジェクトはどうなったのか？

QTSは2026年7月に残っていた法的異議申し立てを取り下げ、バージニア州で提案されていたプロジェクトへの関与を事実上終了した。この開発は、ゾーニング手続きや環境影響をめぐる紛争など、長年にわたる訴訟とコミュニティの反対に直面していた。

SpaceXの軌道データセンター計画とは？

SpaceXは、最大100万機の衛星からなる非静止軌道システムについてFCCに申請を行った。

「軌道上データセンターネットワーク」と説明される。この構想では太陽電池を搭載した衛星と光リンクを利用するが、規制およびエンジニアリングの面ではまだ初期段階にある。

ソフトバンクのオハイオAIキャンパスとは？

ソフトバンク、SBエナジー、およびパートナー企業は、オハイオ州にある旧ポーツマス・ガス拡散プラントの跡地に、10ギガワット級のデータセンタキャンパスを計画している。関連計画には最大10ギガワットの新規発電が含まれ、そのうち少なくとも9.2ギガワットは天然ガスによるものを見込んでいる。

ミッション・ゴビとは？

ミッション・ゴビは、遠景能源（Envision Energy）が2030年までに砂漠・乾燥地域に5ギガワットのグリーンAIデータセンター能力を開発する取り組みである。再生可能エネルギー発電、蓄電、送電網インフラ、コンピューティング、AIベースのエネルギー管理を組み合わせている。

ゴビXは正式なプロジェクト名か？

遠景能源の公式発表ではミッション・ゴビが用いられている。「ゴビX」は、砂漠ベースのAIインフラをスペースXの軌道上アプローチと対比する一部の評論で使われる非公式な呼称である。

再生可能エネルギーでAIデータセンターを継続的に稼働できるか？

可能である。ただし、継続的なサービスを実現するには通常、過剰に建設された風力・太陽光発電、バッテリー、長時間蓄電、系統支援、バックアップ発電、およびワークロードの柔軟性を含むポートフォリオが必要となる。具体的な設計はサイトと信頼性目標に依存する。

なぜAIデータセンターを砂漠に置くのか？

砂漠や乾燥地域は、広大な土地、豊富な風力・太陽光資源、低い人口密度、都市部の電力系統との競合の少なさを提供できる。開発者は依然として、水、接続性、環境、蓄電、およびメンテナンスの課題を解決する必要がある。

関連ツール

• 遠景能源 EnOS: 再生可能エネルギー、蓄電、資産、産業ワークロードを統括するAI搭載オペレーティングシステム。
• PJMデータビューア: PJM地域の電力需要、発電、価格、系統状況を監視するための公開インターフェース。
• NVIDIA Mission Control: 大規模AIインフラを運用・管理するためのソフトウェア。
• Open Compute Project: 効率的なデータセンター、サーバー、冷却、電源システムのオープン設計を開発する業界コミュニティ。
• Green Software Foundation: ソフトウェアの環境負荷低減のための基準と実践を開発する非営利団体。

関連リンク

• 遠景能源、ミッション・ゴビを発表: 5GWの砂漠AIデータセンター構想を説明する公式プレスリリース。

• 遠景能源 2026年ネットゼロ行動報告書発表: 赤峰、テンセントとの協業、EnOS、ミッション・ゴビに関する詳細。

• FCC、スペースXの軌道上データセンターに関する通知: スペースXの最大100万基の衛星申請に関する公式の公開通知。

• [米国エネルギー省 オハイオAIキャンパスファクトシート](https://www.

• energy.gov/articles/fact-sheet-department-energy-ensuring-affordable-energy-access-ohio-while-powering-future：10GWデータセンター、ガス発電、送電投資に関する公式詳細。

• PJM 2026/2027 容量オークション報告書：公式オークション結果と容量決済価格。

• ロイター：QTSによるデジタル・ゲートウェイ中止：バージニア州プロジェクトの中止に関する報道。

まとめ

AIインフラはもはやチップ供給の問題だけではありません。電力生成、送電、冷却、水、土地、許認可、そして社会的受容が、新たな計算リソースの展開速度を左右する現実的な制約になりつつあります。

SpaceX、ソフトバンク、エンビジョンは、それぞれ異なるアプローチを示しています。SpaceXは軌道上の太陽エネルギーへ計算処理を移す構想を提案。ソフトバンクはオハイオ州の巨大キャンパスに専用ガス発電を組み合わせています。ミッション・ゴビは、計算処理を砂漠の再生可能エネルギー源へ移し、AI電力システムを通じてエネルギー、貯蔵、水素、柔軟なワークロードを統合調整することを目指しています。

どの手法も、ある制約を解決する一方で、新たな課題を生み出します。軌道システムは打ち上げと熱管理の問題に直面します。ガス発電依存のキャンパスは炭素リスクを伴います。砂漠の再生可能エネルギーシステムには、貯蔵、水計画、接続性、そして高度な調整が必要です。

次なるAIインフラの勝者は、最も多くのアクセラレーターを保有する企業ではなく、エネルギー、土地、冷却、ネットワーク、計算処理を最も信頼性の高い完全なシステムとして組織化できる企業となるでしょう。