GPUは買えても電力は買えない。データセンター電力ボトルネックが開く市場

どんな問題か

アイルランド中央統計局の集計によると、2025年に同国のデータセンターは国内の計量電力の23%を消費した(RTE)。都市部の全世帯が使う18%を上回り、10年前の5%から5倍近くに跳ねた数字だ。消費量は1年で10%増の7,663GWhに達し、その他の利用者全体の伸びは2%だった(Data Center Dynamics)。The AtlanticはAIデータセンターをもはやITではなく重工業だと診断した(The Atlantic)。ところが、この転換を扱うソフトウェアがない。GPUは金を払えばいつか届くが、送電網への接続は何年も待たされる。コンピュートを割り当てるツールはKubernetesからSlurmまで溢れているのに、電力を一級の資源として計測し配分する層は、いまだにスプレッドシートと設備担当の勘で回っている。どのジョブが何キロワットをいつ燃やし、その電気がいくらだったのかをジョブ単位で言えるチームはほとんどない。

なぜ今か

Goldman Sachsは米国のデータセンター電力需要が2025年の31GWから2026年に41GW、2027年には66GWへ跳ねると見込む(Goldman Sachs)。クラウド・AIインフラの設備投資は2027年までに年1.5兆ドル規模に達するという推計もある(Yahoo Finance)。資金とチップは揃ったのに、電子が足りない。ボトルネックの位置が変わったのだ。学習やバッチ推論のように数時間ずらしても困らないワークロードはかなりの割合を占めるのに、料金の安い時間帯や再エネ余剰の時間帯へ移す判断はほぼ手作業か、そもそも行われていない。規制も締まる。ダブリン圏は何年も新規の送電網接続を制限しており、日本でも北海道や九州への大型データセンター誘致が進むほど、立地と電源の確保が計画の生死を分けるようになった。電力が希少になるほど「電力あたり処理量」を証明できる側が増設許可と契約で有利になる。測る者が勝つ構図が生まれたばかりで、標準ツールはまだない。

flowchart LR
  A[電力網・料金データ] --> C[電力可視化レイヤー]
  B[GPUワークロードキュー] --> C
  C --> D[電力対応スケジューラ]
  D --> E[安い時間帯・空き容量へ移動]
  E --> F[電力あたり処理量レポート]

どう作るか

楔は計測だ。ラック・クラスタ単位の電力テレメトリに料金プランと卸価格のフィードをつなぎ、「この学習ジョブは電気をいくら燃やしたか、6時間後に回していたらいくらだったか」をジョブ単位で見せるダッシュボードから売る。導入が軽く、電気料金の請求書が数字を裏付けるので、営業サイクルは短い。次がスケジューリング。後回しにできるジョブにタグを付け、料金・炭素・系統混雑の信号に合わせて実行ウィンドウを動かすスケジューラをKubernetesやSlurmの上に載せる。ここまで来ると3層目が開く。デマンドレスポンスへの参加で抑制報酬を獲得し、電力購入契約の交渉に実測データを添える調達支援だ。課金は管理容量MWあたりのサブスクリプションに、検証済み削減額の成果報酬を重ねる形が自然だろう。最初の顧客はハイパースケーラーではない。彼らは内製する。中堅GPUクラウド、コロケーション事業者、自前クラスタを回し始めた企業のAIインフラチームのように、電気代が損益に直撃するのに専任の電力チームがいない場所から食い込めばいい。

マップで構造を見る

電力は、より大きなコスト方程式のひとつの入力にすぎない。DeepThoughtのブリーフ推論エコノミクスは、推論コストがAIのマージンをどう左右するかをノード単位で描いている。