OCCTO（電力広域的運営推進機関）の最新の需要想定によると、2026年度に83万キロワットだったデータセンター等の最大需要電力は、2035年度には762万キロワットに達する見通しです。わずか10年足らずで約9倍という急拡大になります。この需要の伸びは東京圏に集中しており、東京電力は、首都圏のデータセンターがすでに確保している系統接続枠が合計で約1,520万キロワットに達し、利用率を60%と仮定した場合の年間消費電力は約790億キロワット時になると説明しています。これは東京都全体の年間電力消費量（2024年度、約770億キロワット時）にほぼ匹敵する規模です。生成AIの普及とともに「AIがどれだけ賢くなるか」ばかりが注目されがちですが、その裏側では電力網という物理的な制約が、AIの成長スピードそのものを左右する要因になりつつあります。本稿では、国内外の最新データと事例を踏まえ、AI時代の電力問題がビジネスにもたらす意味を考察します。
数字で読み解くAI電力需要の急拡大
調査会社ガートナーが2026年6月10日に発表した予測では、世界のデータセンターの電力消費量は2026年に前年比26.4%増の565テラワット時（TWh）に達するとされています。このうちAIに最適化されたサーバーによる消費は175TWhで、データセンター全体の約31%を占めます。さらに同社は、AI用サーバーの電力消費が2027年には従来型サーバーを上回ると予測しています。成長率で見ると、AI最適化サーバーの電力消費は2026年に前年比84.2%増というペースで伸びており、従来型サーバー（1.2%増）とは比較にならない勢いです。国際エネルギー機関（IEA）も、世界のデータセンター電力需要が2025年の485TWhから2030年には950TWhへ拡大すると見込んでおり、ガートナーの予測（1,200TWh超）との差を合わせても、今後数年で需要が倍近くに膨らむという方向性は一致しています。
日本国内でも同様の傾向が顕著です。電力広域的運営推進機関の想定では、データセンターなどの最大需要電力が2026年度の83万キロワットから2035年度には762万キロワットへと、約9倍に拡大します。背景には、データセンターと半導体工場の新増設が2024年度以降に活発化していることがあります。資源エネルギー庁によれば、東京電力パワーグリッドのエリアでは、供給可能量を超える接続申し込みが相次いでおり、追加の送電設備工事には数年単位の時間がかかる見通しです。立地は千葉県印西市・白井市周辺などに集中しており、特定エリアへの需要集中が、送電網の整備スピードとのギャップをさらに広げています。
現場で進む対応策――東京電力とグローバル企業の事例
この需給ギャップに対し、東京電力は複数の手法で対応を進めています。まず、変電所に余力のあるエリアを選んでデータセンターを誘致し、送電線を短くすることで稼働開始までの時間を短縮する立地戦略です。加えて、AIの計算処理は実行タイミングをずらせる特性があることに着目し、計算の実行時期を電力網の空き状況に合わせたり、蓄電池を活用したりする運用上の工夫も進めています。技術面では、水を0.5気圧まで減圧してGPU表面で沸騰させ、80度近い熱として回収する冷却技術「WaBiCo」の実証事業を2026年7月から東京都内で開始しました。ポンプを使わずに冷却と熱回収を同時に行える点が特徴です。さらに、電力網と情報網、熱利用を一体で捉える「ワット・ビット連携」という構想も掲げ、AI処理の電力需要そのものを地域のエネルギーマネジメントに組み込む方向性を模索しています。
海外ではより大規模な発電インフラへの投資も進んでいます。米国オハイオ州では、2026年3月にAIインフラと発電容量10ギガワットの大型ガス火力発電所を併設する建設プロジェクトが始動しました。この発電容量は、東京都の1時間あたりの平均電力需要を上回る規模です。米エネルギー省が主導し、ソフトバンクグループが企業連合の事務局を務めるこのプロジェクトの累計投資額は333億ドル（約5兆円）にのぼり、住友電気工業やTDK、東芝といった日本企業も参画しています。AIの電力需要を満たすために、発電所そのものをセットで建設するという発想が、もはや珍しくなくなっていることがうかがえます。
半導体側からも電力効率の改善は進んでいます。NVIDIAは、ChatGPT登場後に必要とされるAI処理能力が、推論モデルの普及で100倍、自律型AIエージェントの登場で1,000倍に増えたとした上で、最新GPU「Rubin」は現行の「Blackwell」と同じ電力で10倍のエージェント処理を可能にすると説明しています。ただし同社自身も、効率改善だけで電力消費の伸びを吸収できる保証はないと認めています。効率が10倍になっても、需要がそれ以上の速度で伸びれば、総消費電力はむしろ増加するというのが、この分野の構造的な難しさです。
独自考察――電力制約時代にビジネスはどう動くべきか
ここまでの数字と事例を踏まえ、AIの電力需要が企業活動やマーケティング戦略にどのような意味を持つのか、独自の視点から考察します。
送電網という「見えない制約」が意味すること
今回の事例が示す重要な点は、電力不足の主因が発電能力ではなく送電網の整備遅れにあるという点です。ガートナージャパンの担当者も、国内のボトルネックは発電能力そのものではなく、需要地まで電力を届ける送電設備の不足にあると説明しています。発電所は数年かければ増設できますが、送電網は用地確保や地域調整を含めて、さらに長い時間を要することが少なくありません。つまりAI企業にとっての制約は「電力を作れるか」ではなく「電力をいつ、どこで使えるか」という、立地とタイミングの問題に置き換わっています。この構造を理解しないまま「AIを導入すれば効率化できる」という前提だけで事業計画を立てると、インフラ面での想定外の遅延に直面するリスクがあります。
日本企業が電力リスクをBCP・調達戦略に組み込むべき理由
これまで多くの企業にとって、電力は「当然使えるもの」という前提でコスト計算されてきました。しかし首都圏を中心に系統接続の確保競争が始まっている以上、今後は電力の確保そのものが事業継続計画（BCP）や新規拠点の立地判断に直結する経営課題になっていくと考えられます。自社でAIを本格活用する企業や、データセンターを借りてサービスを提供する企業は、契約しているクラウド事業者がどの電力エリアに依存しているか、系統接続の見通しがどうなっているかを、調達条件の一つとして把握しておく必要があるでしょう。電力コストや稼働安定性は、今後のクラウド選定における隠れた差別化要因になる可能性があります。
「ワット・ビット連携」が開くローカル市場という視点
東京電力が掲げる「ワット・ビット連携」は、AI処理で生じる排熱を地域で再利用するという、一見地味な構想ですが、ビジネス的な含意は小さくありません。データセンターの排熱を地域の給湯や農業施設、工業プロセスに供給できれば、データセンターは単なる「電力を消費する巨大な箱」ではなく、地域のエネルギーインフラの一部として機能します。これは地方自治体や地域企業にとって、データセンター誘致を単なる雇用創出策ではなく、エネルギー政策と結びつけた地域戦略として打ち出す機会になり得ます。マーケティングの観点では、こうした「AIと地域共生」の物語自体が、企業のサステナビリティ訴求や自治体のブランディングに活用できる新しい素材になるとも言えるでしょう。
NVIDIAの「効率10倍」論を鵜呑みにしてはいけない理由
NVIDIAが示す「同じ電力で10倍の処理」という数字は、半導体の進化としては確かに驚異的です。しかし、この種の効率改善の歴史を振り返ると、効率が上がるほど利用量そのものが増え、総消費電力は減らないという現象（リバウンド効果、いわゆるジェヴォンズのパラドックス）がたびたび観察されています。自律型AIエージェントの普及によって処理需要が1,000倍に増えたという説明自体が、まさにこの構造を体現しています。効率改善を電力問題の「解決策」として楽観視するのではなく、需要の伸びを加速させる要因として捉え直す視点が、今後の電力需給を見通すうえで欠かせないと考えられます。
2027年という分水嶺――マーケター・経営者が押さえておくべきタイミング
ガートナーの予測では、AI用サーバーの電力消費が従来型サーバーを上回るのは2027年とされています。この年は、データセンターの性格そのものが「企業システムを支える施設」から「AIを動かすための専用インフラ」へと重心を移す節目になる可能性があります。企業のIT投資計画やマーケティング予算の立案においても、2027年前後を一つの目安として、AI利用の拡大ペースと、それを支える電力・インフラコストの両方を同時に見積もっておくことが重要になるでしょう。AIの導入効果だけを語るのではなく、それを支えるインフラ制約まで含めて議論できる企業が、今後の「AI疲れ」とも言われる業界の中で、現実的な競争優位を築いていくと考えられます。
まとめ
今回取り上げたデータからは、AIの電力需要が10年で約9倍に拡大するという国内の想定、そして東京都1つ分に匹敵する規模の需要が首都圏に集中しているという現実が見えてきました。発電能力そのものよりも送電網の整備が制約になっている点、米国では発電所をセットで建設する規模の投資が進んでいる点、そして半導体の効率改善が必ずしも総消費電力の減少につながらない点など、AIブームの裏側には多くの構造的な課題が存在しています。マーケティングやビジネスの現場では、AIの機能や効果に注目が集まりがちですが、それを支える電力インフラの制約を理解しておくことは、今後の投資判断や事業計画において欠かせない視点になると言えるでしょう。本稿が、AIと電力という一見遠いテーマのつながりを考えるきっかけになれば幸いです。
コメント