- AIデータセンターは建設に12〜18カ月かかる一方、電力網への接続には5〜7年が必要で、GPUよりも電力・許認可・建設能力が拡張の主要な制約になりつつある
- 2026年初めに発表されたハイパースケールデータセンターは777プロジェクト／190GW規模で、電力確保のために自前の発電所とバッテリーを構築するBYOP（Bring Your Own Power）が支配的な戦略として浮上している
- スタートアップの機会は、許認可／用地選定、発電、送配電／電力変換、ソフトウェア、建設／保守、冷却の6領域にわたって形成されている
- 電力設備の不足とラック密度の上昇により、変圧器の調達期間は最大5年まで延び、一部のAIラックは500〜600kWを使用するようになっており、800V DCやソリッドステート変圧器のような新しい電力アーキテクチャが必要になっている
- 今回の投資サイクルで持続可能な企業は、単に機器を供給するだけでなく、電力価格・バッテリー・AIワークロード・冷却を一体で制御し、データセンター運用に長期的に組み込まれるインフラを構築する企業になると見込まれる
AIが引き起こした大規模インフラ投資サイクル
- AIはコンピューティング史上もっとも多くの電力を必要とするワークロードであり、2026年初め時点でハイパースケールデータセンター190GWが発表されている
- 約148GWは計画段階、21GWは建設中、12GWは稼働中
- 世界のデータセンター電力消費量は2030年までに2倍以上に増えると予想される
- 米国では、データセンターの電力消費量がエネルギー集約型製造業全体を上回ると見込まれる
- データセンター自体は12〜18カ月で建設できるが、電力網への接続には5〜7年かかる
- 2025年に稼働予定だったデータセンター110件のうち4分の1超が、電力・許認可・建設の問題で遅延した
- ハイパースケール事業者は、容量とスケジュールの確実性を得るため、自前の発電設備を直接建設・運用する複雑さを受け入れ始めている
- 米国政府はAIインフラを国家安全保障の問題として扱い始めている
- 2026年4月、Trump大統領は国防生産法Section 303を発動し、大規模な電力網機器とサプライチェーンを国防に不可欠な分野に指定した
- 重要な電力網部品の米国内生産拡大に向けた緊急の連邦金融支援が認められた
- 2025年、データセンターは建設環境関連のベンチャー投資額57億ドルのうち**45億ドル／78%**を占めた
- Bessemer Venture Partnersは、現在の電力インフラ技術を、大量生産された鉄鋼が鉄道・橋梁・工場建設を可能にした過程になぞらえ、AI経済を支える物理システムに投資している
1. 許認可と用地選定
- データセンターは、電力を確保したりGPUを配備したりする前に、地方・州政府から複数の承認を得る必要がある
- 用途地域、環境規制、電力網接続契約、大気・水質許可、絶滅危惧種調査、文化遺産調査などが含まれる
- 承認手続きと所要期間は管轄地域ごとに異なり、プロジェクト管理を複雑にしている
- 2024年3月から2025年3月までに、データセンター開発16件が許認可上の制限により遅延または却下され、地域社会の反対が主な要因となった
- 米国では、複雑なインフラ許認可に毎年50億ドル以上が投じられている
- 米国全体の許認可支出の3分の1超を占める
- 1兆5,000億ドル超のインフラ資本が許認可手続きに拘束されている
- 大手コンサルティング企業と5万社以上の小規模企業が市場を担っているが、その多くは従業員15人未満で、業務の大半は手作業で行われている
- Loricaは、データ収集・構造化・提出を自動化するAIベースの許認可準備・実行サービスを開発している
- プロジェクトごとの最適な許認可ルートのデータを蓄積し、次のプロジェクトのスケジュールとリスクを予測する情報レイヤーを構築している
- Pacesは、電力網・許認可・環境データを1つのプラットフォームに統合している
- 資本を投入する前に、電力網の制約、用途地域の衝突、環境問題を検出する
- 顧客は、リスクを事前に把握することで成約件数が約3倍に増えたと報告している
- 空間モデリング、ドローン測量、資源負荷シミュレーションも、大規模な資本投入の前に地域社会の反発可能性を把握する手段として活用できる
- 有望なプロダクトは、分断されたデータを1つの画面に統合し、文脈を活用するエージェントと、反復プロジェクトで精度が高まるデータフライホイールを構築する必要がある
2. 自前発電とBYOP
- 電力網接続型の用地は発表済みプロジェクト数の45%で最多だが、自前発電とハイブリッド方式が発表容量のほぼ半分を占めている
- BYOPは、電力網接続の待ち行列を避けるため、メーターの裏側（BTM）で電力を直接生産する戦略である
- 2025年だけで約50GWのBTMガス発電プロジェクトが発表された
- 新規AIデータセンターを迅速に稼働させるための支配的な戦略として定着した
- 発電技術は、サプライチェーンのショックに対応でき、需要に合わせて拡張可能なモジュール型構造を中心に開発されている
- Boom Supersonicは、超音速航空機向けジェットエンジンのコアを、データセンター向け42MW天然ガスタービンSuperpowerに転用した
- Arborは、超臨界CO₂を作動流体として使い、炭素回収を組み込んだ次世代ガスタービンを開発している
- BTMバッテリーは、安価なオフピーク時間帯に充電し、ピーク時間帯に放電することで需要料金を削減する
- 非常用電力と電力網からの独立性も提供する
- Calibrant Energyは、ハイパースケールデータセンターのバッテリー設備に資金を提供し、直接配備している
- ExowattはAIファクトリー向けのモジュール型太陽光発電と熱バッテリーを開発し、24時間必要な時に供給可能な電力を目指している
- Inertiaは、Lawrence Livermore National Laboratoryのレーザー式慣性閉じ込め核融合方式を商用化し、電力網規模の発電所を建設しようとしている
- 核融合はもっとも長期的な技術だが、クリーンで給電可能なベースロード電力を大規模に供給できる潜在力から、2030年代以降の中核分野と評価されている
- American Terawattは、公共電力網を介さずに発電源とデータセンターを接続する民間の高圧直流送電網を構築している
- 長期的な競争力は、低い均等化発電原価（LCOE）、再現可能な配備方式、安定したサプライチェーンから生まれる
- 機器を供給した後に、給電最適化と予測制御ソフトウェアを追加できる必要がある
- NVIDIAの800V DCアーキテクチャへ電力構造が収束するなか、重要インフラパートナーとして位置づけられる機会が生まれる
3. 送電／電力変換と電力の中間区間
- データセンターに到達するすべての電力は、発電・送電・施設段階で電圧を変える変圧器を通過する
- 変圧器需要は2019年から2025年までに119%増加したが、生産能力は追いついていない
- GE、Siemens、Mitsubishiなどの納期は、コロナ19以前の約1年から最大5年に延びている
- 開閉装置の納期も60週を超えており、高圧ケーブルと遮断器が次のボトルネックとして指摘されている
- クラウド時代のラック電力密度は20〜40kWだったが、一部のAI学習クラスターはラック当たり500〜600kWを使用する
- NVIDIAはRubin Ultra以降、ラック当たり1MWを目指している
- 800V DCの標準化に伴い、既存のAC/DC変換段階はエネルギー損失と追加機器を発生させる
- 電力伝送分野の機会は3つに分けられる
- 既存企業よりも速く電力網機器を供給する
- 変圧器と電力変換構造そのものを再設計する
- 既に設置された送電インフラからより多くの容量を引き出す
- Ayr Energyは、インドの契約製造業者を活用し、変電所・送電用変圧器と遮断器を生産している
- 従来3〜5年だった納期を6〜12カ月に短縮する
- ソリッドステート変圧器（SST）は、複数の電力変換段階を1つのモジュール型装置に統合する
- Silicon Carbide半導体を使い、中電圧ACを800V DCへ直接変換する
- 双方向・プログラマブルな構造により、バッテリー蓄電装置、太陽光、自前発電と直接統合できる
- Heron PowerのHeron Linkは、800V DC変換向けに設計されたモジュール型中電圧SSTであり、NVIDIA 800V DCアーキテクチャの主要パートナーとして参加している
- DG Matrixは、さまざまな電圧と周波数を入力として受け取り、800V DCまたはACを出力するマルチポートSSTを開発している
- 従来の10〜17個の個別電力システムを1つの装置に統合する
- 米国の電力網混雑コストは年間約115億ドルに達する
- 運用者が送電線のリアルタイム状態を十分に把握できず、実際の熱的限界より低い水準で保守的に運用している容量が多い
- GridAstraのFUSION-Tは、動的送電容量、高度な電力フロー制御器、電力網トポロジー再構成を1つの環境でモデリングする
- 過負荷線路の電力を利用率の低い線路へ自動的に迂回させる制御計画を生成する
- TS Conductorは、複合材コア電線を使った再架線により、既存の送電ルートの容量を約2倍に増やす
- 新規送電線建設に必要な許認可と土地使用権の確保を回避できる
- 競争力は、すぐに供給できるスピードと、ハイパースケールの物量に対応できる生産構造を同時に確保することで生まれる
4. 電力とAIワークロードをつなぐソフトウェア
- データセンターは、発電源、バッテリー、電力網接続、変動するAIワークロードを一体で運用する複雑なエネルギーシステムへと変わりつつある
- 電力管理、ジョブスケジューリング、電力網通信、コンプライアンスは、互いに分離されたシステムに残っている
- Schneider、Vertiv、Sunbirdなど既存のDCIMは、前世代のデータセンターを前提に設計されている
- 新しいソフトウェア機会は、階層別SLA、エネルギー経済性と物理機器制御の統合、AIワークロード向けDCIMで形成されている
柔軟なワークロードを反映する階層別SLA
- 既存の電力契約とデータセンターサービス契約は、AIワークロードを中断できない固定需要として扱っている
- 実際には、一部のAIジョブは柔軟に運用できる
- 学習ジョブは一時停止してから再開できる
- バッチ推論は電力が十分な地域へ移動できる
- 優先度の低いジョブはより長い遅延時間を許容できる
- ジョブの柔軟性が契約に反映されていないため、利用可能な電力網容量が放置されている
- 階層別SLAは、配置可能な学習をオフピーク時間帯へ移し、重要度の低いジョブの遅延を長くし、電力網の非常時に容量を返すよう設計される
- Emerald AIは、電力状況に応じてGPUワークロードを動的にスケジューリングする
- 電力網が逼迫している時にはバッチ学習を停止または制限する
- レイテンシに敏感な推論は保護する
- 電力が豊富な地域へ演算を移動する
- VirginiaのAurora AI Factoryは、Emerald、Digital Realty、NVIDIA、EPRI、PJMが参加しており、電力需要を柔軟に調整するデータセンターの初の商用実証事例になる予定である
エネルギー経済性と物理機器制御の統合
- 複数のデータセンターを運用する企業は、不動産、電力価格とヘッジ、ジョブスケジューリング、コンプライアンスを一体で管理しなければならない
- 数千件の電気料金を精算する
- 卸電力価格リスクをヘッジする
- リアルタイム価格に合わせてバッテリーを充放電する
- 再生可能エネルギー証書を会計処理する
- 現在は、スプレッドシートと個別ソリューションをつなぎ合わせて処理することが多い
- Verseは、電気料金管理、電力購入契約（PPA）、エネルギーポートフォリオ分析、リスク管理とヘッジを1つのプラットフォームに統合している
- Dispatch IntelligenceはBTMバッテリーのリアルタイム充電判断を行う
- 長期PPAの条件はバッテリーの放電方法に影響し、需要料金の過大請求は全体のヘッジ戦略に影響し得る
AIワークロード向けDCIM
- データセンター運用者は、ラックごとの実際の電力使用量、熱的余裕、保守的な定格のために放置されている容量、性能が低下するGPUをリアルタイムで把握しにくい
- 次世代DCIMは次の機能を組み合わせる必要がある
- リアルタイムテレメトリ
- 熱と電力フローに関する予測シミュレーション
- AIベースの異常検知
- ダッシュボード表示を超えた信頼できる自律制御
- AravoltaやPhaidraなどがAIベースの運用システムを開発している
電力会社業務のAI自動化
- 電力会社と電力網運用者は、接続申請、発電・送電計画、負荷増加モデリング、料金規制手続きを処理しなければならない
- AIベースのソフトウェアは次の領域を自動化できる
- 電力網接続調査
- 資本プロジェクト計画と負荷予測
- 規制書類と料金審査手続き
- Senpilotは、エンジニアリング・規制・カスタマーサービス向けエージェントを1つのプラットフォームにまとめた電力会社向けOSを開発している
- 電力会社向けソフトウェアは企業技術市場のなかで変化が遅かったが、AIが既存システムを置き換える契機になり得る
電力網計画と運用
- BTM発電は短期的な電力確保に役立つが、長期的には公共電力網が新規負荷をより速く受け入れる必要がある
- GE VernovaからスピンアウトしたThinkLabs AIは、物理法則を反映した電力網AIデジタルツインを開発している
- 電力フロー、混雑、新規接続の影響を既存ツールより短時間でモデリングする
- 電力会社が設備増強を計画し、新規負荷をより効率的に接続できるよう支援する
- もっとも価値のあるソフトウェアは、ITワークロードと物理的な電力設備をリアルタイムで接続し、収集したデータに基づいて直接アクションを取れる必要がある
5. 建設／保守と人手不足
- 2025年末、建設業界の人手不足は約43万9,000人に達する
- データセンターのピーク時現場人員は、クラウド時代の約750人から現在は4,000〜5,000人に増加している
- データセンター人材の平均年齢は53歳で、事業者の60%が採用に苦労している
- 人手不足は電力や許認可と同じくらいプロジェクトを遅延させる要因となっており、ロボット・自動化・AIソフトウェアが建設から廃棄まで投入されている
初期建設
- Bedrock RoboticsはBedrock Operatorを通じて、既存の重機に自律走行機能を追加する
- Built Roboticsは、データセンターと太陽光発電所向けの自律掘削・杭打ち機器を開発している
- TerraFirmaは、技術ベースの下請け業者として、実際のデータセンター建設現場にロボット土工を配備している
- DroneDeployは、ドローンで現場データを収集し、AIで工程進捗、安全リスク、施工品質を点検する
運用と保守
- MaintainXは、保守担当者にAIベースの資産情報と作業情報を提供する
- Gecko Roboticsは、産業施設をロボットで検査し、腐食や構造上の問題を故障前に検出する
- Watney Roboticsは、施設内の修理、物流、日常保守作業を行う自律ロボットを開発している
機器解体と循環利用
- ハイパースケール事業者が最新GPUとサーバーへ交換するサイクルが短くなるにつれ、廃棄される機器が急速に増えている
- Molgは、サーバー、ノートPC、産業用電子機器を自動分解するロボット・マイクロファクトリーを開発している
- 部品回収、再製造、リサイクルを通じて、廃棄機器から価値を回収する
- 長期的な競争力は、自動化と独自の現場データを組み合わせることで生まれる
- 故障を連鎖障害の前に予測する
- 施工品質の問題を手戻り前に発見する
- 廃棄予定の機器から回収可能な価値を見つけ出す
6. 高密度AIラック向け冷却技術
- AIラックは今後1年以内に、クラウド時代より50倍高い電力密度を要求すると見込まれている
- 空冷方式では熱を十分に速く除去できず、性能制限とハードウェア劣化を防ぎにくい
- 過熱はハードウェア寿命とワット当たり性能に直接影響するため、ハイパースケール事業者とフロンティア研究所は冷却構造そのものを再設計している
- 液体冷却は、新規AIデータセンター冷却構造の多くを占める方式として浮上している
- 直接チップ冷却は、コールドプレートとマニホールドで冷却水をプロセッサ表面に届ける
- 液浸冷却は、サーバー全体を非導電性流体に浸し、極端に高いラック密度に対応する
- 直接チップ冷却は既存のデータセンター構造と統合しやすく、短期的な適用範囲がより広い
- Corintisは、AIで設計した微細流体コールドプレートを開発している
- 冷却水をチップの発熱点へ直接送り、従来の平行チャネル銅プレートより高い性能を提供する
- 冷却機器の運用をAIで最適化するソフトウェア市場も形成されている
- Phaidraは、リアルタイムの電力使用量を需要急増の早期シグナルとして使う
- チップ温度が上昇する前に冷却システムを調整し、熱安定性を高める
- 冷却は単なる付帯設備ではなく、チップ性能、ハードウェア寿命、データセンターの水使用量と排出量を決定する能動的な制御システムへと変わりつつある
- 有望な冷却技術は、特定のハードウェアベンダーに固定されず、変化するデータセンター構造に適応できる必要がある
設備投資後も残る運用インフラ
- AIインフラのエネルギーレイヤーは、発電、給電、柔軟な消費、電力網近代化、電力会社ソフトウェアが相互につながったエコシステムである
- 分野ごとに別個の企業機会が存在するが、長期的な競争力は複数のレイヤーを接続する能力から生まれる
- もっとも魅力的な企業は、現在の大規模設備投資で成長した後、新規建設が鈍化してもデータセンターと電力会社の運用インフラとして残り、長期にわたって収益を生み出せる
まだコメントはありません。