2026/9/17更新: 2026/10/26約12分で読めます

1回の電力が半分でも、利用が3倍なら総量は増える。AIの電力消費の読み方

1回の処理が省電力になっても、利用が増えれば月の電力量は変わります。IEAの2026年版をもとに、データセンター全体とAI向け設備、過去の推計と2030年予測を読み分ける記事。月次計算用Excelも使えます。

影山湧亮 / NeoLogic株式会社代表取締役。元警視庁。現場業務の整理と生成AI活用・Webシステム開発を一貫して担当。

AIの電力は、1回の処理と世界全体で数える対象が違います。設備全体の需要を見るには、1回あたりの効率だけでなく、利用回数や設備の構成も確かめます。

「AIへの質問は少量の電力で済む」という記事と、「データセンターの電力需要は倍増する」というニュースが矛盾して見えるのはこのためです。社内でAI導入を説明するときも、どちらの数字を使うかは、何を数えたいかで選びます。

IEAの2026年版では、世界のデータセンター電力需要は2025年の485 TWhから2030年に約950 TWhへ増える見通しです。AI以外の処理も含む設備全体の数字で、2030年は将来予測です。対象範囲・期間・処理内容をそろえて読みます（出典：IEA報告書の要旨）。

情報確認日：2026年9月15日

一件の負荷が4割減っても、月の総量は増え得る

説明用に、一仕事あたりの負荷が従来の0.6倍になり、月の仕事数が1万件から2万件へ増えると仮定します。月間は0.6×2＝1.2倍です。2026年10月26日、計算教材でもこの増減を確認しました。Whを測った結果でも、特定モデルの効率値でもありません。

このとき見る分母は「成功した一仕事」です。質問一回が軽くなっても、回答を直すための再試行、検索、画像の作り直しが増えれば、仕事全体では別の結果になります。自社で把握できる呼出し回数と、人の修正、利用量を同じ仕事へ結び付けます。

比べたいもの	そろえる条件
一回の質問	入力・出力、機能、設定、計測範囲
一仕事	成功条件、再試行、検索・画像等の追加処理
一か月	完了した仕事数、未完了、利用する構成の変化

IEAの2026年の報告は、2025年の推計と2030年の予測を区別しています（2026年10月26日確認）。世界のデータセンター全体の値から、自社の一問の電力量へ単純に割り振らず、以下の対象範囲と時点を保って読みます。

1回の電力だけでは、月の総量は決まらない

同じ範囲で測った平均の電力量が分かるなら、総量は「1回あたりの平均電力量×実行回数」で概算できます。月ごとの使用量を、仮の電力量と回数で計算します（想定例）。

基準月を1回1 Wh・月1万回とすると10 kWhです。効率化後に1回0.5 Whとなっても、月3万回使えば15 kWhへ増え、基準月から50％増となります。一方、月1万5,000回なら7.5 kWhに下がり、25％減となります。平均電力量が半分の場合、回数が2倍未満なら総量は減り、2倍なら同じ、2倍を超えると増える関係です。Excelの「効率計算」シートで、平均電力量と回数を変更して試せます。

この計算の回数には再試行を含め、平均値の測定範囲は前後で統一します。待機分などを含む平均値へ同じ電力量を再加算せず、学習を別枠にするなら両期間でそろえます。IEAの見通しも、効率改善を考慮したうえで需要増を予測しています。「効率が上がるから全体も必ず減る」とは言えません（出典：IEA報告書の効率と需要の分析（PDF））。

全体の電力量には、何が含まれるか

学習と推論は、役割の違う処理です

学習は、データを使ってモデルの内部の値を調整する工程です。推論は、学習済みモデルを使って、入力に対する文章や画像などを作る工程です。普段の質問では、学習済みモデルが回答を作ります。電力量を比べるときも、学習1回と回答1回は、異なる仕事として扱います。

計算を担うのはGPUやTPUなどの専用半導体で、CPUやメモリーも支えます。これらを載せたサーバーがデータセンターに並び、記憶装置、通信機器、冷却設備、電源設備とともに動きます。半導体だけを測った数字と、施設全体を測った数字は一致しません（出典：IEA報告書の設備・半導体の分析（PDF））。

IEAが扱う「AI重点型データセンター」は、学習・推論向けの専用半導体を搭載したサーバーを多く持つ施設です。世界のデータセンター全体に含まれるため、全体にもう一度加算しません。一方、端末内で動くAIや半導体の製造工程まで含めた「AIの全環境負荷」は別の範囲です。設備の区分と、AIが行う処理の種類も分けて考えます（出典：IEA報告書p.26の定義（PDF））。

図1｜電力供給・データセンター・半導体・学習と推論の関係。範囲を示す概念図で、箱の大きさは電力量の割合を示していません。AI重点型はデータセンター全体に含まれます。

W・Wh・CO2eの違い

電力は、その時点で電気を使う速さで、WやkWで表します。電力量は一定期間に使った電気の量で、WhやkWhを使います。例えば100 Wの機器を1時間動かすと100 Wh、つまり0.1 kWhです。1 TWhは10億kWhに相当します。設備の容量を示すGWと、年間消費を示すTWhは、そのまま大小比較できません。

温室効果ガスの排出量は、使った電力量に加え、その電気をどう作ったかなどで変わります。CO2eは、複数の温室効果ガスの影響を二酸化炭素相当に換算した表し方です。「電力量が少ない」と「排出量が少ない」は、分けて確かめる問いです（出典：GHG Protocolの電力由来の排出量に関する説明（PDF））。

2025年の推計485 TWhと、2030年の予測950 TWh

IEAが2026年4月16日に公表した報告書の要旨では、世界のデータセンターが2025年に使った電力量を485 TWhとしています。過去の年の値ですが、世界中の施設を同じ方法で直接検針した確定値ではなく、IEAの推計として読む数字です。

2030年の約950 TWhは、中心となるシナリオ「Base Case」の予測です。その年の世界の電力需要の約3％に当たる見通しで、AI利用の広がり、設備投資、効率向上、供給制約などの条件に左右されます（出典：IEA報告書の要旨）。

同報告書は、AI重点型データセンターについて2030年に約465 TWhになると予測しています。こちらは約950 TWhに含まれる値です。「全体950＋AI465」のように足すと、重複計上になります。また、短い文章回答の回数だけから、この設備全体の需要を説明することもできません（出典：IEA報告書p.26（PDF））。

世界のデータセンターの年間電力量をTWhで比較。2025年は推計485 TWh、2030年はBase Case予測約950 TWh。2030年のAI重点型約465 TWhは全体に含まれ、足し合わせない。

図2｜世界のデータセンター電力需要。2025年は過去の推計、2030年はBase Case予測です。単位は各年の電力量TWh。950は要旨の丸め値、465は本文p.26の概数で、両者を足し合わせません。

条件によって見通しは変わります。IEAは需要が強まる場合、効率化が進む場合、投資や供給に逆風がある場合も分析し、2030年以降の不確実性を示しています。旧版と新版を比べる際も、年だけでなく、対象地域、設備の範囲、シナリオ、丸め方を確認してください（出典：IEA報告書の見通しとシナリオ（PDF））。

「1回の質問」を比べるなら、同じ仕事をそろえる

入力と出力のほかに、処理内容も見る

短い文章の生成、長い資料の処理、画像・動画生成、複数の手順を実行するエージェントは、同じ「1回」でも仕事の中身が違います。入力と出力の長さに加え、モデル、内部での推論、画像の解像度、動画の長さ、やり直し回数を確認します。IEAも、用途の変化を効率向上や利用拡大と別の要因として分析しています（出典：IEA報告書の用途別の分析（PDF））。

例えばOpenAIのAPIでは、画面に見える回答とは別に、内部で考える処理にも量に応じた費用がかかり、処理の上限にも含まれます。短い回答でも、内部で長く処理している可能性があります。この資料は処理量と費用の説明で、電力量は測定していません。処理量やAPI料金だけからWhへ換算する共通係数も示されていません（出典：OpenAIの推論モデル解説）。

Whにも、対象と測り方があります

Googleの技術論文では、2025年5月のGemini Appsのテキスト処理について、同論文の集計方法による中央値を1プロンプトあたり0.24 Whと報告しています。稼働中の半導体だけでなく、CPU・メモリー、待機設備、冷却などの付帯分も含む事業者側の測定・配分値です。学習、利用者の端末、外部ネットワークなどは対象外です。

同じ論文の0.10 Whは、稼働中のAI半導体に範囲を絞り、1件あたりの平均消費が少ない上位10％のデータセンターを抽出した別条件の値です。差を冷却分だけの違いと説明することはできません。また、中央値と平均値は異なるため、0.24 Whに自社の全件数を掛けても、総電力量の推計にはそのまま使えません（出典：Google技術論文の測定方法とTables 1〜2（PDF））。

比較するなら、測定範囲に冷却・待機分・通信・学習の配分を含むか、測定時期、設備の利用率、平均か中央値かをそろえます。条件の合わない数値は、条件付きの参考情報として扱います。必要な情報は提供元の技術論文、環境報告、サービス別の算定説明から探します。

記入例：用途をそろえてから選びます

会社Aの仕事を四つに分類した例です（想定例）。まず必要な品質を定め、候補を選びます。電力量を比べる前に、使うモデルや処理地域、設備の利用率を調べる段階です。

表1｜会社Aの用途と、候補の選び方

処理の区分	依頼と条件（仮定）	候補を選ぶ理由
推論／定型文	入力1,000字から200字の案内文を作る	通常のテキスト生成を候補に。要点の欠落と文体を確かめ、必要以上の長文を求めない。
推論／条件の検討	入力3,000字の条件を比べ、500字で結論を出す	推論型も候補に。条件の見落としを評価し、推論設定・再試行も記録する。
推論／画像・動画	画像1枚（1,024×1,024）または10秒の動画	静止画で目的を満たすか先に判断。動画なら解像度と再生成回数をそろえる。
学習／追加学習	既存モデルで専門文書への対応を改善する	まず既存モデルの推論で必要品質を満たせるか確認。追加学習は学習費用・電力量を別枠で評価する。

用途の記入例・空欄票・月次計算（Excel）には、比較条件を書き込める表も収録しています。

単純な文章処理向けの数字を、長い推論や動画生成に流用すると、比較の条件が合いません。また、軽い設定で誤りが増え、何度もやり直すなら、仕事全体の処理は増える可能性があります。比較単位は「APIを1回呼ぶ」だけでなく、「必要品質で仕事を1件終える」まで広げて考えます。

需要が増えても、設備をすぐ増やせるとは限らない

需要があっても、半導体を製造・供給する能力、GPUと組み合わせる高速メモリー、冷却、変圧器、送電網への接続がそろわなければ、設備は計画どおり動きません。IEAはエネルギー側とIT側の両方の制約を整理しています。建設計画の容量と、完成して使われる電力量は、別の数字です（出典：IEA報告書第2〜3章（PDF））。

世界全体での割合が小さいことも、特定地域の電力に余裕がある証拠にはなりません。逆に、一地域の接続遅れだけで「AIの普及は止まる」と断定することもできません。立地の判断なら、該当地域の送配電事業者・系統運用者の接続情報、設備事業者の稼働時期、冷却方式を確認する必要があります。

電力量から、排出量や水の使用量はどこまで分かるか

電源と排出量は、電力量の次に確認します

運転に伴う電力由来の排出量は、基本的に「電力量kWh×排出係数kg-CO2e/kWh」で考えます。同じ電力量でも、場所・時間・電源や算定方法が違えば結果は変わります。GHG Protocolでは、地域の電源平均を使う方法と、購入契約等を反映する方法を区別しています。環境報告を読む際も、両者を混ぜないことが必要です（出典：GHG Protocol「Scope 2 Guidance」要旨（PDF））。

確認したいのは、処理する地域、対象期間、排出係数の年、契約を反映した値か地域平均か、そして製造などを含む範囲です。「再生可能エネルギーを調達している」という説明だけで、すべての場所・時間の処理が排出ゼロだとは判断しません。契約上の算定と、実際にいつどこで電力を供給できるかは別の確認になります。

水についても、冷却で取り入れる量と、蒸発などにより戻らない消費量を区別し、施設と地域の条件を確かめます。電力量が小さいという一つの数字だけでは、半導体製造、冷却水、設備の更新まで含む環境負荷の優劣は分かりません。資料が運転時のみを扱うなら、製造まで評価済みと読み替えないでください（出典：Google技術論文の環境負荷の算定範囲（PDF））。

比較できない数字の扱い

まず、自社でよく使うAIの仕事を一つ選び、必要な品質と月の利用件数を書き出してください。入力・出力、推論設定、解像度、再試行の回数も、同じ仕事の記録として集めます。そのうえで、提供元に「どこまで含む数字か」「いつ、どの設備で測ったか」「この用途にも適用できるか」を確認します。分からない欄は未確認として残します。

軽いモデルへの変更や処理回数の見直しは改善候補ですが、料金の低下や設定変更だけを根拠に、電力削減率や環境効果を宣伝しません。効果を示すには、必要品質と測定範囲をそろえた比較が必要です。

図1・2はNeoLogicによる再構成・日本語化です。図1の出典はIEA (2026), Key Questions on Energy and AIおよびIEA (2025), Energy and AI、図2の出典はIEA (2026), Key Questions on Energy and AIの要旨と本文p.26です。ライセンス：CC BY 4.0。権利条件が異なる2026年版の付録Aは使用していません。

This is a work derived by NeoLogic from IEA material and NeoLogic is solely liable and responsible for this derived work. The derived work is not endorsed by the IEA or its Member countries in any manner.

社内の機材とクラウドのどちらで動かすかは、電力に加え、情報の経路と保守の仕事を含めて比べます（社内で動かすAIとクラウドAI｜費用・運用の比較）。