AIエージェントが電力を食い尽くす日

1つのAIエージェントが、人間の社員100人分の電力を消費する——そんな時代が、静かに始まっている。

チャットボットに質問を投げかけるだけだった時代は終わりつつある。2026年現在、AIは「指示を受けて答える」存在から「自律的に考え、行動し、他のAIと連携して複雑なタスクを完遂する」存在へと進化した。これがエージェント型AI（Agentic AI）と呼ばれる新世代の技術だ。そしてこの変化が、世界中のデータセンターに前例のない負荷をかけ始めている。

「推論」が電力を爆食いする構造的理由

これまでのAIモデルは、主にトレーニング時に膨大な電力を消費し、実際の利用（推論）はそれほどでもないと考えられてきた。だが、エージェント型AIはその常識を覆す。

GPT-4やGeminiのような大規模言語モデルが「1回の質問に1回答える」のに対し、エージェント型AIは1つのタスクを完了するまでに、数十から数百回の推論ループを繰り返す。ウェブを検索し、コードを書き、結果を検証し、別のエージェントに指示を出し、また推論する——このサイクルが延々と続く。

業界調査によれば、エージェント型ワークロードの電力消費は、従来の単発推論と比べて10倍から100倍に達する可能性があるとされる。Goldman Sachsの試算では、AIデータセンターの電力需要は2030年までに現在の3倍に膨らむ見通しだが、エージェント型AIの普及速度によっては、その予測すら保守的になりかねない。

データセンターの設計思想も、根本から問い直されている。従来の施設は「大量のリクエストを短時間で処理するバースト型」に最適化されていた。だがエージェント型AIは、長時間にわたって継続的に高負荷をかける「持久走型」の消費パターンを持つ。冷却システム、電源設備、ネットワーク帯域——すべての設計基準が、もはや現実に追いついていない。

誰が勝ち、誰が苦しむのか

広告

広告掲載について

[email protected]

広告

この変化の最大の受益者は、まず電力インフラ企業だ。NextEra EnergyやConstellation Energyといった米国の電力大手の株価は、AI需要を背景にすでに大きく上昇している。日本では九州電力や中部電力が、データセンター向け電力供給の拡大に動き始めており、再生可能エネルギーとの組み合わせが新たな事業機会として浮上している。

次に恩恵を受けるのが冷却技術・液浸冷却の専門企業だ。従来の空冷では追いつかなくなったデータセンターは、液体冷却技術への移行を加速させている。日本のSMC Corporationやダイキン工業は、この分野での技術的優位性を持ち、グローバル需要の取り込みを狙える立場にある。

一方で苦しむのが、既存のデータセンター事業者だ。数百億円を投じて建設した施設が、エージェント型AIの要求仕様を満たせないケースが増えている。設備の陳腐化サイクルが、かつての10〜15年から5年以下に短縮される可能性が業界内で議論されている。

そして見落とされがちな敗者が、中小企業のAIユーザーだ。エージェント型AIの利用コストは、単純な生成AIと比べて桁違いに高い。インフラコストの上昇は、クラウドサービスの価格に転嫁される。大企業が自社インフラを持てる一方で、中小企業はコスト面でAIの恩恵を享受しにくくなるという「AI格差」が広がりつつある。

日本社会への問い：電力か、AIか、それとも両方か

日本にとって、この問題は特別な複雑さを持つ。東日本大震災以降、日本は電力供給の脆弱性を身をもって経験した。現在も電力の安定供給と脱炭素化の両立という難題を抱える中で、AIデータセンターの電力需要急増は、エネルギー政策の根幹を揺さぶる問題だ。

政府はAI・半導体産業への国内投資誘致を国家戦略の柱に据えているが、それを支える電力インフラの整備が追いついていない現実がある。北海道や九州では再生可能エネルギーの余剰電力を活用したデータセンター誘致が進んでいるものの、大消費地である東京・大阪圏との送電能力のギャップは依然として大きい。

労働力不足という日本固有の文脈も重要だ。少子高齢化が進む日本では、エージェント型AIによる業務自動化への期待は他国以上に高い。だが自動化を進めれば進めるほど、電力消費は増える。人手不足を補うためにAIを使えば使うほど、エネルギー問題が深刻化する——この構造的なジレンマを、日本社会はどう解くのか。

トヨタやソニー、NTTといった日本の大企業は、すでに自社のAI戦略とエネルギー調達戦略を一体で考え始めている。NTTが独自開発する光電融合技術は、AIインフラの消費電力を従来比で大幅に削減できる可能性を秘めており、これが実用化されれば日本発のゲームチェンジャーになり得る。