In Silico

AI・信頼性・評価

AI推論の電力——1問0.24Whの微小と、総量945TWhの急増

2026/7/20 (更新: 2026/7/20)

目次
【課題】AIの電力は「9秒分」か「国家級」か桁で食い違う同じAIの電力でも語る単位が違う【手段】単位の違う二つの測り方を並べる1クエリの実測(ミクロ)と総量の集計(マクロ)【結論】両方正しい——効率化が利用の爆発を呼ぶ(反跳効果)どの単位の話かを先に確かめる
※概念図(課題→手段→結論):ミクロ(1クエリ)とマクロ(総量)は、どちらも正しく別の話

要点: AIの電力消費は、正反対の言葉で語られる。「1クエリはテレビ9秒分」という微小さと、「国家級の電力を飲み込む」という爆食——どちらが本当か。2025〜26年の一次資料を並べると、答えは「両方」だ。Google の実測では Gemini の中央値クエリは 0.24Wh、この1年で33分の1になった1。Microsoft も独立の枠組みでフロンティアLLMを 0.31Wh と見積もり、流布してきた数字は4〜20倍の過大だったと示す2。一方 IEA は、データセンター電力が2030年に 945TWh へ倍増し、AI系サーバは年30%で伸びると映す3。矛盾ではない。効率化がコストを下げ、下がったコストが利用の爆発を呼ぶ——反跳効果(ジェヴォンズのパラドックス)が、ミクロの微小とマクロの急増をつないでいる4

「テレビ9秒」と「国家級」——単位が違う

AIの電力をめぐる議論が噛み合わないのは、単位の違う二つの話が同じ言葉で流通しているからだ。片方は1クエリあたりのエネルギー(Wh)。もう片方は産業全体の総量(TWh)。前者は「あなたの1回の質問がどれだけ食うか」、後者は「世界中の利用が積み上がって送電網に何を求めるか」を測る。桁が9つ違う話を混ぜれば、議論は必ずすれ違う。

2025年、この霧が晴れ始めた。事業者自身が実測値を出し、国際機関が総量の見通しを更新したからだ。両方を並べて初めて、全体の形が見える。

ミクロ:1クエリは小さく、急速に小さくなっている

Google は Gemini の本番環境を実測し、中央値のテキストプロンプトは 0.24Wh——テレビ視聴9秒分未満——と報告した1。重要なのは測定の範囲だ。AIアクセラレータの稼働電力だけでなく、ホスト機のCPU・メモリ、待機中の予備機、データセンターの冷却などのオーバーヘッドまで含めた「全部込み」の値で、著者らは従来の狭い見積りが実運用の姿を捉えていなかったとする。そのうえで、この中央値は12か月で33分の1(炭素では44分の1)に下がった。モデル・サービング・ハードの効率化が同時に効いた結果だ。

Microsoft のチームも独立に、トークン処理速度・ノード電力・オーバーヘッドから積み上げる枠組みでフロンティア級(200Bパラメタ超)の推論を見積もり、中央値 0.31Wh(四分位範囲 0.16〜0.60)を得た2。広く引用されてきた見積り——たとえば「1クエリ 3Wh」——は、4〜20倍の過大だったという。しかも先はまだある。モデル・サービング・ハードを合わせ、8〜20倍の効率化余地が見通せると彼らは書く。1クエリの電力は小さく、まだ小さくなる。

マクロ:総量は倍増へ向かう

では安心か。総量を見ると、絵が反転する。IEA の報告書 Energy and AI は、世界のデータセンター電力を 2024年に約415TWh(世界の電力の約1.5%)と推計し、2030年には約945TWhへ倍増、世界の電力の3%弱に達すると映す3。牽引役はAIだ。AI向けの加速サーバの電力は年30%で伸び、増加分のほぼ半分を占める。地域の偏りも激しい。米国の一人あたりデータセンター電力は2024年の約540kWhから、2030年代初頭には1200kWh超へ——家庭の年間電力の1割相当だ。総量・伸び率・集中のどれをとっても、送電網には現実の圧力がかかる。

IEA 自身は「データセンターは2024〜30年の世界の電力需要増分の1割未満」とも付記しており、地球全体では主役ではない3。だが成長の速さと地理的集中が、特定の地域では発電・送電のボトルネックを生む。ミクロの微小さと、マクロの圧力は、同時に成立している。

間をつなぐのは、反跳効果

この「両方正しい」をつなぐ概念が、反跳効果(rebound effect)——19世紀の石炭で観察されたジェヴォンズのパラドックスだ。Luccioni・Strubell・Crawford は、AIの環境論争が「微小」派と「爆食」派に二極化していると指摘したうえで、効率の改善だけでは総消費の純減を保証できないと論じる4。効率化は単価を下げ、単価の低下は利用を広げる。1クエリが33分の1になっても、クエリ数がそれ以上に増えれば総量は増える。実際、AIの単価下落と利用拡大は並走してきた。彼女らの結論は、技術効率の指標だけでなく、ビジネスの動機・ガバナンス・社会規範まで含めた分析が要る、というものだ。

もう一つ、単価そのものを押し上げる逆流もある。Microsoft の同じ研究は、長く考えさせる推論(test-time scaling)では、標準の15倍の長さのクエリでエネルギーが13倍(中央値3.91Wh)に跳ねると測った2。Google の 0.24Wh もテキストの中央値であり、長文入力や推論モードはこの外にある1。「1クエリは微小」は、クエリの形が変われば揺らぐ。

この報告を、どう割り引くか

実測値には出所の偏りがある。0.24Wh も 0.31Wh も事業者側の報告で、測定境界の選び方(何を含めるか)や、炭素の勘定方法(市場ベースか地域ベースか)には批判もある。IEA の945TWhもシナリオの基準ケースであって予言ではない——需要の実現は電力供給・チップ供給・規制に依存する3。反跳効果の議論も方向を示す枠組みであって、AIの総量が必ず増え続けるという証明ではない4

それでも、構図は固まりつつある。1クエリは小さく、さらに小さくなる。総量は大きく、さらに大きくなる。そして両者は効率→単価→利用のループでつながっている。実務の読み方は一つだ。「AIの電力」という言葉を見たら、どの単位の話か——Wh(1クエリ)か TWh(総量)か——を先に確かめる。ミクロの微小さを総量の免罪符にせず、マクロの急増で1クエリを脅さない。「AIの電力」は、単位を言わなければ何も言っていないに等しい。


出典

  1. [positive] Cooper Elsworth, Keguo Huang, David Patterson, Ian Schneider ほか (Google), “Measuring the environmental impact of delivering AI at Google”(arXiv:2508.15734, 2025年8月21日公開・査読前)。Gemini Apps の本番環境で、AIアクセラレータ稼働電力・ホスト機・待機予備機・データセンターオーバーヘッドまで含む「全部込み」の境界で実測。中央値のテキストプロンプトはエネルギー0.24Wh(テレビ9秒分未満)・炭素0.03gCO2e・水0.26mL。12か月で中央値プロンプトのエネルギーは33分の1、炭素は44分の1に低下したと報告する。1クエリの負荷が小さく急速に下がっている側の一次証拠(事業者自身の報告である点は割引要)。https://arxiv.org/abs/2508.15734 2 3

  2. [positive] Felipe Oviedo ほか (Microsoft), “Energy Use of AI Inference, Efficiency Pathways, and Test-Time Scaling”(arXiv:2509.20241/Joule 2026 掲載)。トークン処理速度・ノード電力・オーバーヘッドから積み上げるボトムアップ枠組みで、フロンティア級(200Bパラメタ超・H100)の推論エネルギーを中央値0.31Wh/クエリ(IQR 0.16〜0.60)と推計。広く引用される見積りは4〜20倍の過大とし、モデル・サービング・ハード横断で8〜20倍の効率化余地を見通す。一方、標準の15倍の長さの test-time scaling クエリではエネルギーが13倍(中央値3.91Wh)に跳ねるとも測る——単価の微小さと、推論長期化による逆流の両方を示す一次証拠。https://arxiv.org/abs/2509.20241 2 3

  3. [negative] International Energy Agency, “Energy and AI — Energy demand from AI”(IEA 特別報告書, 2025年4月公開)。世界のデータセンター電力を2024年に約415TWh(世界の電力の約1.5%)と推計し、基準ケースで2030年に約945TWhへ倍増、世界の電力の3%弱に達すると予測。AI向け加速サーバの電力は年30%で成長し増加分のほぼ半分を占める。米国の一人あたりデータセンター電力は約540kWh(2024)から1200kWh超(2030年代初頭)へ。同時に、データセンターは2024〜30年の世界の電力需要増分の1割未満とも付記——総量の急増と地理的集中が送電網に現実の圧力をかける側の一次資料。https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai 2 3 4

  4. [negative] Alexandra Sasha Luccioni, Emma Strubell, Kate Crawford, “From Efficiency Gains to Rebound Effects: The Problem of Jevons’ Paradox in AI’s Polarized Environmental Debate”(FAccT 2025, arXiv:2501.16548)。AIの環境論争が「微小」派と「爆食」派に二極化しているとし、反跳効果——効率化が単価を下げ、単価低下が利用を広げ、総消費が純減しない——を中心に据えて、技術効率の改善だけでは環境負荷の純減を保証できないと論じる。ライフサイクル評価と社会経済分析を組み合わせる学際的接近を提案。効率化の数字を総量の免罪符にできない側の一次論文。https://arxiv.org/abs/2501.16548 2 3

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。