7月3日、IEEE Spectrumが「AI's Wild Power Demands Are Quietly Rewriting Grid Rules」と題した記事を公開した。AIインフラの急拡大が電力グリッドの設計前提そのものを書き換えつつある構造的問題を詳しく論じており、「電力をたくさん食う」という表面的な議論の奥にある、より根深い問題を浮き彫りにしている。

電力会社が想定していなかった「需要の暴れ方」

データセンターの電力消費量が増えている、という話はすでに広く知られている。IEA（国際エネルギー機関）の試算では、今後10年以内にデータセンターが世界の電力消費の**3〜4%**を占めるとされる。電力会社も長期予測を上方修正し、グリッドの増強計画を進めている。

しかしIEEE Spectrumが指摘する本質的な問題は、「どれだけ消費するか」ではなく「どのように消費するか」だ。これが見落とされてきた核心である。

AI学習・推論ワークロードでは、数百〜数千基のGPU/TPUが高度に同期しながら動作するため、ミリ秒単位で電力需要が急変する。工場や商業施設の消費パターンは比較的予測可能で、グリッド運用者はそれを前提に設備設計や予備電力の計画を立ててきた。AIインフラの負荷は、その前提を根底から覆す。

電力業界の用語で言えば「ステップ変化（step-change）」と呼ばれる現象であり、周波数制御機構や予備電力システム、局所的な送電インフラに対して従来想定していなかったストレスをかける。データセンター事業者はすでにバッテリー、電力調整システム、スーパーキャパシタ（電気二重層コンデンサの一種）などの緩衝技術を施設単位で導入しているが、施設レベルの対策がそのままグリッド全体の安定性に直結するわけではない。

再エネの不安定性とは異なる新種の問題

再生可能エネルギーの普及に伴う電力不安定性は「供給側」の問題だ。風力・太陽光は天候に依存するため変動があるが、気象予測の精度向上とともに供給変動を管理する仕組みが整ってきた。系統運用者はこの問題に対し、数年をかけて対処法を蓄積してきた。

AI起因の変動はこれとまったく異なる「需要側」から発生する。ワークロードのスケジューリング、分散コンピューティングの同期タイミング、推論処理の地理的分散といった要因は、グリッド運用者からは見通せない。供給と需要の両方が同時に動的変動する状況は、予備力管理や混雑対策の難易度をこれまでにない水準に引き上げる。

NREL（国立再生可能エネルギー研究所）もこの複雑性の増大を問題として強調している。再エネ対策で培ってきた知見が、AI需要変動にはそのまま転用できない点が、この問題を一層難しくしている。

※編集部の考察：日本においても、再エネ比率の拡大と大規模データセンターの国内誘致が同時並行で進んでいる。経済産業省が推進する半導体・デジタル産業戦略のもとで国内データセンター投資が急増しており、供給・需要の両面でグリッド変動リスクが重なる構図は、日本の系統運用者にとっても対岸の火事ではない。

地理的集中がリスクを増幅する

消費量の増加以上に厄介なのが、地理的集中だ。

データセンターは光ファイバー網の充実、税優遇、低電力コストなどの条件が揃う地域に集積する傾向がある。米バージニア州北部、通称「Data Center Alley（データセンター街道）」は世界最大のデータセンター集積地であり、グローバルのインターネットトラフィックの相当量を担う。同州の電力会社Dominion Energyは、統合リソース計画において超大規模データセンターの需要増を最重要課題として繰り返し言及している。

局所的な需要急増は、系統全体の容量に余裕があっても、変電所・送電回廊・局所的な需給バランスに支障をきたしうる。さらに高密度計算クラスターは、スイッチング電源や高周波動作機器から高調波（基本周波数の整数倍の不要振動成分）を発生させ、配電インフラへの追加負荷になる点も指摘されている。特定エリアへの集中が、グリッド全体の弱点を局所的に先鋭化させる構図だ。

規制・制度の追随が間に合っていない

現行の規制フレームワークは、比較的安定した産業用負荷を前提に設計されている。急峻な負荷変動を伴う大規模施設に対する規定は、設計当時には想定外だった。

ERCOT（テキサス電力信頼性評議会）はデータセンターを含む大規模フレキシブル負荷が長期的な系統計画に与える影響を公式に認めている。米国全体の系統連系申請キューは急速に拡大を続けており、発電・送電インフラ双方への圧力が高まっている。

問題の核心は時間軸のミスマッチだ。送電インフラの整備には年単位の時間がかかる。一方、計算インフラは四半期単位でスケールアップできる。この非対称性が、規制・制度の空白を生み続けている。

対応策として議論されているのは、デマンドレスポンス（需要調整プログラム）によるワークロードの時間シフト、バッテリー貯蔵、自家発電（behind-the-meter generation）などだ。データセンター事業者側では推論処理の地理的・時間的分散による負荷平準化の研究も進んでいる。ただし記事はこれらを「解決策」としてではなく、あくまで「議論されている方向性」として位置づけており、決定的な解が出ていない点は強調しておきたい。

何が変わる必要があるか

記事が結論として述べているのは、「AIの発展を遅らせよ」という主張ではない。超大規模コンピューティングを新しいカテゴリの電力需要として正式に認識し、計画フレームワークを更新すべきだという点だ。

総消費電力量だけを見て設備増強を計画するアプローチでは、需要の急変性、同期効果、地理的集中、瞬時の不安定性といった「二次的な運用問題」には対処できない。グリッドの信頼性は、施設がどれだけの電力を使うかではなく、どのように使うかの理解にかかっている。AIインフラのスケールアップと系統安定性の両立は、技術的課題であると同時に、制度設計と規制アップデートの問題でもある。

詳細はAI's Wild Power Demands Are Quietly Rewriting Grid Rulesを参照していただきたい。