ＡＩ（人工知能）の普及はデータセンター（ＤＣ）の電力需要を急速に拡大させている。近年、数十万キロワット級の巨大施設が各地で計画され、電力系統への影響が議論される機会も増えた。しかし、ＡＩインフラの実像は単なる「箱の大型化」という一元的な変化に留まらない。実際には、大規模計算拠点、地域ＤＣ、エッジ拠点がそれぞれの役割に応じて連携する「多層構造」へと進化を遂げつつある。こうした構造変化は、電力需要の地理的分散のみならず、負荷特性や系統運用のあり方にも変容を迫るものである。


　ＡＩインフラの設計思想は、計算処理の内容によって大きく２つの方向へと分岐している。

　膨大な学習データを用いてモデルを構築する「学習」拠点では、数万台規模のＧＰＵ（画像処理半導体）を集積する必要があり、単一拠点で２０万～５０万キロワットを要する巨大施設が標準となりつつある。ここでは、複数のＤＣ棟を近接して配置する「キャンパス型データセンター」の形態が主流だ。米国バージニア州ラウドン郡やオハイオ州などの先行事例に見られる通り、同一地域への集積は特別高圧変電所や自営線といった電力インフラを統合的に整備できる。

　系統運用側にとっても有利な点が多い。キャンパス単位で需要を集約・管理することで、送電網の増強計画を一本化することが可能。大容量の電力を過不足なく送り届けるための合理的なインフラ形成に寄与する。

　◇系統の負荷平準化

　対照的に、自動運転やスマート工場の制御、リアルタイムの画像認識といった「フィジカルＡＩ」、あるいは生成ＡＩの応答を担う「推論」処理においては、ネットワークの通信遅延（レイテンシ）を極小化するため、利用者の至近で処理を行うエッジＤＣのニーズが顕在化している。

　ここで重要な役割を果たすのが、機動性に優れた「コンテナ型ＤＣ」だ。これはサーバー設備、冷却システム、受配電装置をコンテナ内にパッケージ化したもので、設置期間を大幅に短縮できる利点がある。

　具体的な事例として、カナダのケベック州などでは、既存の電力インフラの余力を活用し、安価な水力発電による再生可能エネルギー電源と外気冷却を組み合わせたオンデマンドなコンテナＤＣ展開が進んでいる。

　こうした機動的な分散化は、巨大需要の一極集中を和らげ、系統全体の負荷平準化を促す一助となる。電力供給が可能であれば比較的柔軟に設置できるという特徴は、系統の空き容量に合わせた戦略的な立地選択を可能にする。

　◇交直ハイブリッド

　供給方式については、サーバー内部の直流動作に合わせた施設の直流化が議論される。ただ、既存の送配電網や保護システムが交流前提である以上、現実的な解は「交流・直流のハイブリッド化」に収束する。ＤＣがどのような形態を採用しようとしても、電力系統という強固なプラットフォームとの接続は不可避。むしろ、設計の核心は「受影響」と「与影響」の両面的な管理に移行しつつある。

　すなわち、系統側からの瞬時電圧低下（瞬低）などの影響を遮断して計算処理の継続性を確保するレジリエンス（受影響の回避）と、ＤＣ内部のインバーターなどから発生する高調波や、ＡＩ学習開始時の急峻な負荷変動を系統へ波及させない電力品質維持（与影響の抑制）の高度な両立である。

　重要なのは、これら巨大集中型と機動的分散型の拠点を個別に捉えることではない。一つの統合された計算システムとして協調動作させる視点である。

　広域に分散したコンテナＤＣ群をネットワークでつなぎ、系統の需給状況や再エネの出力変動に応じて計算負荷を拠点間で移動させる「群制御」の技術開発によって、ＤＣそのものが系統の需給バランスに貢献する柔軟なリソース（ＶＰＰ：仮想発電所）として機能する可能性を示唆している。

　需要家と供給家の境界を越えた統合的な設計思想こそが、ＡＩ時代の持続可能なインフラ形成において必要となる。

電気新聞２０２６年３月３０日