AIの計算を、電力に余裕のある場所へ — 国内12者が始めたデータセンター間実証

深堀AI・イノベ2026-10-08

執筆: KID

【経済・SI】連載・AI・イノベ【経済・電力】

#AI・イノベ#データセンター#電力需給#ワークロードシフト

AIの計算を、電力に余裕のある場所へ — 国内12者が始めたデータセンター間実証

AIの計算を置く場所は、設備を持つ場所だけで決まるとは限らなくなりそうです。
富士通や東京電力など国内の12者は、電力の需給や通信の状態に合わせて、複数のデータセンターへ計算処理を振り分ける実証を進めています。
狙いは、サーバーを移すことではなく、ネットワーク越しに動かせる仕事を電力や設備に余裕のある場所へ割り当てることです。

12者が試すのは、計算の置き場所を変える仕組み

発表は10月7日付で、実証期間は2026年8月から2027年2月までです。
参加するのは、MESH-X、NHKテクノロジーズ、九州大学、KDDI、ソフトバンク、東京電力パワーグリッド、東京電力ホールディングス、富士通、東京大学、北海道大学、東光高岳、Morgenrotです。
通信会社、電力会社、大学、データセンターや計算基盤に関わる企業が同じ枠組みに入ります。

実証では、SINET（大学などを結ぶ学術情報ネットワーク）や東京電力パワーグリッドのダークファイバー（通信用に敷設済みで、利用者が伝送装置を設置する光ファイバー）を使い、大学・企業の計算設備をつなぎます。
拠点間を一つの大きな計算環境として扱い、仕事ごとに実行場所を選ぶ技術と運用を試します。

ここでいうワークロード（コンピューターが処理する仕事）は、学習用の計算、データ分析、サービスの裏側で動く処理などです。
発表は対象となる仕事の範囲や、実証で何件の処理を移せたかを示していません。
したがって、あらゆるAI処理を遠隔地へ動かせる段階ではなく、技術と運用、事業として成り立つかを確認する試行と捉えるのが正確です。

電力の偏りを、計算の移動でやわらげる

日本のデータセンターは利用者の多い東京・大阪周辺へ集まっています。
経済産業省の白書によると、2023年時点で国内データセンターの床面積のおよそ90%がこの二つの大都市圏に集中していました。
利用者の近くに設備があると通信が速くなり、運用もしやすい一方、電力需要や設備投資も特定地域に寄りやすくなります。

この実証が動かすのは建物やサーバーではなく、実行する仕事です。
仕事を遠隔拠点へ送るには、データを安全に運び、必要な計算能力を確保し、処理が終わるまでの時間を許容範囲に収めなければなりません。
短い応答が求められるサービスは場所を選びにくい一方、締切までに終わればよい計算は、実行時刻や拠点を選びやすい可能性があります。
これは一般的な仕組みからの推論で、今回の実証が個別の仕事をどう分類するかは公表資料にありません。

実証では、電力の需給状況や市場情報、GPU（AI計算に強い半導体）の利用状況、蓄電池の状態、ネットワークの混雑や接続状態を踏まえて配分先を判断する構想です。
電力が余っていてもGPUが使えない、あるいは通信が混雑していれば、移動先として適さないことがあります。
反対に、計算設備に空きがあり、送電や通信にも余裕がある拠点なら、仕事を受け入れられる可能性が高まります。

この判断を自動化できれば、設備の空きだけでなく、電気を使える場所と時間も計算先の選択に加えられます。
たとえば、締切までに終わればよい学習処理を、電力需要が比較的低い拠点へ回す案は仕組み上考えられます。
ただし、今回の実証でその仕事を対象にするとは公表されていません。
実際に選ぶには、処理期限、許容できる応答時間、データの保管場所、データ移送量、途中で止まった場合の復旧方法などを仕事ごとに確かめます。

電力価格が安い場所へ移せば必ず総費用が下がるわけではありません。
データ転送費、回線の確保、別拠点の利用料、待ち時間への影響を足し合わせる必要があります。
電力の余裕がある地域へ計算が移ると、その地域の電力需要を増やす点も含めて全体を測る必要があります。
施設全体の電力をIT機器の電力で割るPUE（データセンター設備の効率指標）を改善する対策とも、効果を分けて見ます。
PUEの改善は設備の使い方を効率化し、ワークロード移動は仕事を実行する場所や時間を変えるもので、同じ指標では測れません。

実務では、サーバー台数より仕事の動かしやすさを見る

データセンターを利用する企業にとって、拠点の電力容量やサーバー台数だけでなく、仕事ごとにどこまで移動できるかが新しい検討項目になります。
たとえば社内の分析やモデル学習なら、処理の期限、使うデータの所在、外部拠点への持ち出し条件を先に決めます。
短い応答が必要な顧客サービスと、夜間にまとめて実行できる処理を同じ前提で見積もると、移動できる余地を過大評価します。

年間予算でも、電力費の節約額だけで採算を見ないことが重要です。
拠点間の通信費、予備の計算設備、データ管理、処理遅延に伴う業務影響を足し、移動しない場合の費用と比べます。
仕事を複数拠点へ分散するための初期費用が大きければ、電力費が下がっても回収に時間がかかります。
実証が商用化へ進む場合も、料金体系や責任分担が分からなければ、利用側は予算化できません。
さらに、障害時に処理をどの拠点へ戻すのか、顧客データを地域間で移す条件を誰が管理するのかも契約に関わります。
実際に導入する前には、移動対象を限定し、移動前後の処理時間と費用を記録できる運用が必要です。
小規模な試行なら、同じ仕事を同じ条件で一拠点実行した場合と複数拠点へ分けた場合を比べ、1回の処理にかかった電力量、完了時間、通信費を並べる方法があります。
単月の電気料金だけで比べると、季節や稼働量の違いが効果に混ざるため、処理単位の記録を残すと判断しやすくなります。

電力会社や地域側では、計算処理を受け入れる時間と場所が電力需要の山谷にどう重なるかが焦点になります。
再生可能エネルギーの出力が多い時間に計算を寄せられるなら、発電を使い切る助けになる可能性があります。
一方、発電量、送電網、データセンターの立地、通信容量が同じ地域・同じ時間にそろうとは限りません。
実際に余剰電力の活用やピーク需要の低下につながるかは、運転記録で確かめる必要があります。
効果を比べる際は、気温や曜日で変わる電力需要の影響も分け、移動をしなかった場合の基準を同時に残します。
発表は技術・運用・事業性を検証するとしていますが、採用する業務や成功基準はまだ明らかにしていません。
基準を先に置かずに結果だけを見ると、電力の削減と処理の先送りを区別しにくくなります。

見立てと監視ポイント

実証の価値を見極めるには、まず、全処理のうち何割を移せたかだけでなく、処理時間や失敗率がどう変わったかを見る必要があります。
仕事を移せても完了が遅れたり、やり直しが増えたりすれば、利用者にとっての改善にはなりません。
比較の基準として、移動しない場合の同じ仕事の処理時間、使用電力、費用を残すことが大切です。
次に、移動元の電力ピークがどれだけ下がり、移動先の需要がどの時間帯に増えたかを分けて確認します。

三つ目は総費用です。
電力費の差から、通信・移送・追加設備・運用にかかる費用を差し引いた数字が必要です。
データ移送や通信にも電力を使うため、移動元の消費だけを見ず、移動先とネットワークを含む全体の消費量で比べる必要があります。
発表時点で、これらの定量結果や商用サービスの開始時期は示されていません。
まず技術検証と運用上の課題を整理し、その後に事業性を判断する流れです。
初期実証のニュースだけで、データセンターの電力不足が解消すると見積もることはできません。

腹落ち確認の問い

計算処理を電力の余裕がある地域へ移せたら、利用企業の費用も必ず下がるでしょうか。

もっと詳しく知りたい人へ

• 実証の発表資料 — 参加者の役割、光回線の利用、配分システムが見る条件を確認できます。
• エネルギー白書2025・データセンターの立地 — 東京・大阪への集中と、地域分散に関わる電力・土地・災害対策を読めます。
• データセンターの省エネ対策 — PUE（施設全体の電力をIT機器の電力で割った効率指標）など、設備側の効率目標を確認できます。
• 情報・通信業業界基礎ガイド — 国内の情報通信業界とデータセンター周辺の事業構造を確認できます。
• 情報・通信業主要プレイヤー比較 — 通信・SI各社の事業領域を比べる資料です。