電力・計算資源が“成長の天井”になる——AIの経済はインフラ制約付きへ

第10回では、ロボティクスや自動運転によってAIが「提案」だけでなく「実行」まで代行し、価値創造の主戦場が物理世界へ広がる可能性を整理しました。今回は、その広がりを現実にするうえで避けて通れない「ボトルネック」を扱います。結論から言えば、AIの進化や普及はモデル性能だけで決まるのではなく、電力・データセンター・半導体・ネットワークといったインフラ制約によって“天井”が見え始めると思います。そしてこの天井が見えるほど、企業の競争力は「賢いAIを使う」より「計算資源をムダにしない運用設計」で差がつくようになると予測します。

AIの普及を決めるのは「知能」より「供給能力」になりやすい

AI活用が本格化すると、推論（使うたびの計算）も学習（モデル更新）も計算量が増えます。テキスト生成だけでなく、音声、画像、動画、センサー、ロボ制御などが加わると、必要な計算資源はさらに膨らみます。しかも、企業が本当に欲しいのは「たまに使うAI」ではなく、24時間いつでも使えるAI、すなわち“常時同伴”や“業務の常駐”です。常駐が前提になると、利用回数が増えるだけでなく、同時接続や応答速度への期待値も上がります。結果として、AIはソフトウェアというより、電力と設備を食べる「インフラ産業」に近づきます。

ここで起きやすいのが、「需要は急増するが、供給は急には増えない」というギャップです。データセンターは建てれば終わりではありません。送電網への接続、土地、冷却、水、建設許可、地域合意、設備調達、運用人材。これらのどこかが詰まると供給が増えません。つまりAIの普及は、スマホアプリのように一気に水平展開できる部分と、インフラのように遅い部分が混ざります。この“速度差”が、企業側の現実的な制約として効いてきます。

ボトルネックは「電力」と「接続（系統）」に出やすい

多くの人は、AIのボトルネックというとGPU（高性能半導体）を思い浮かべます。もちろん重要です。ただ現場では、電力と系統接続がより露骨な制約になることが増えると見ています。理由は、GPUが手に入っても、電力を安定供給できなければ計算が回せないからです。さらに、電力は発電だけではなく「運ぶ」ことが必要です。送電網の容量や接続待ちが詰まると、設備を建てても稼働できません。

この制約は、企業のAI計画に2つの影響を与えます。

第一に、AIのコストが下がり続ける前提が揺らぎます。計算が希少になれば、価格は下がりにくいか、下がってもある地点で鈍化します。

第二に、AIを“どこで、どの程度使うか”の優先順位付けが重要になります。つまり、AIは「何でも自動化できる魔法」ではなく、「希少資源を配分する経営対象」になります。

インフラ制約が強まるほど、企業は「効率の良いAI」に寄る

ここが今回の核心です。計算資源が潤沢なら、汎用AIを大きく回して何でも解かせればよい。しかし資源が希少になるほど、企業は「目的特化」「再利用」「オンデバイス」「キャッシュ」「蒸留」など、効率の良い設計に寄っていきます。私はこの流れは不可逆だと思います。

たとえば、社内でよく聞かれる質問は似ています。毎回ゼロから汎用AIに考えさせるより、職能ボットとして“型”を持たせ、更新し、ログを資産化して再利用する方が、計算資源も人の時間もムダにしません。第5回で述べた「職能AIBotが増殖する」方向は、実はインフラ制約と非常に相性が良いのです。汎用AIを万能に回すより、目的に合わせて小さく賢く回す方が、結果として成果が出やすいからです。

「ログ再利用」が最強の節約

第4回の全社ログ革命ともつながりますが、AI時代の効率化で最も効くのは、モデルの工夫より「ログの再利用」です。過去の判断、過去の議論、過去の失敗、過去の回答。それらが検索でき、要約でき、再提示できれば、同じ推論を何度も回さなくて済みます。人間にとっても、組織にとっても、最もムダなのは同じ議論の繰り返しです。ログが資産化されると、AIは“賢い答えを出す”より、“過去の資産を引く”ことで価値を出します。この発想に切り替えると、計算資源の制約は恐怖ではなく、設計を良くする圧力になります。