AI基盤の電力コストをどう見積もるか｜導入前の判断軸

はじめに

AI基盤の電力コストは、GPUやサーバーの定格消費電力だけでは見積もれません。冷却、ネットワーク、ストレージ、無停電電源、待機、冗長化を含む施設側の負荷と、実際の稼働率を合わせて考えます。クラウドでも電力は料金へ含まれるため、処理量、応答時間、配置場所を含む総コストで比較します。

IEAは、データセンターの電力需要をサーバー、ストレージ、ネットワーク、冷却、バックアップ設備などに分けて整理しています。2025年版の分析では、冷却の比率は施設効率によって大きく異なり、AI向け加速サーバーの普及が将来需要を左右するとしています。日本の資源エネルギー庁も、データセンター増設に伴う電力需要と省エネ報告の強化を取り上げています。

見積もりを五つに分ける

1. IT機器

アクセラレーター、CPU、メモリ、ストレージ、ネットワークの消費電力を、台数と稼働率で見積もります。定格値だけでなく、学習、推論、待機の実測値を分けます。

2. 冷却と施設

空調、液冷、ポンプ、照明、監視、電力変換の損失を加えます。既存サーバールームへ高密度機器を置く場合、冷却能力と配電容量が先に制約になることがあります。

3. 可用性

冗長サーバー、予備容量、無停電電源、非常用電源、バックアップ拠点は、通常時にも費用を持ちます。要求可用性を一律に高くせず、停止影響に応じて業務ごとに決めます。

4. 処理量と時間

一日あたりの依頼数、入力・出力サイズ、同時実行、許容応答時間を定義します。常時稼働が不要な処理は、バッチ化や電源制御で待機負荷を減らせます。小型モデル、量子化、キャッシュも、品質を確認しながら比較します。

5. 電力と設置場所

電力単価だけでなく、契約電力、増設工事、系統接続、再生可能電力、災害リスク、通信遅延を見ます。IEAはデータセンターが地域的に集中しやすく、局所的な系統制約が課題になると指摘しています。

オンプレとクラウドを同じ単位で比べる

比較単位を「一時間のGPU価格」だけにせず、「一件の業務を必要品質と時間内に完了する総費用」にします。構成選択の全体像は日本企業のAI基盤戦略を参照してください。データ配置の判断はローカルAIの安全性チェックと合わせて行います。

最初の四週間で測ること

試験環境で、時間帯別の機器電力、稼働率、処理件数、待ち時間、失敗、品質を記録します。オンプレでは施設全体の電力を分離し、クラウドではインスタンス、ストレージ、ネットワーク、外部APIの費用をまとめます。

負荷が低い時間に固定費が大きいなら共有基盤やクラウドが有利です。負荷が安定し、機密性や応答時間の要求が高いなら専有基盤が候補になります。予測ではなく、代表業務の実測から判断します。

実行チェックリスト

• 定格ではなく稼働別の消費電力を測った
• 冷却と電力変換の負荷を含めた
• 冗長化の範囲を業務影響で決めた
• 一件あたり総費用で比較している
• 待機時間とピーク負荷を分けた
• 設置場所の配電容量を確認した
• 小型モデルとキャッシュを比較した
• 品質と費用を同じ評価表で見ている

まとめ

AI基盤の電力計画では、IT機器、冷却、可用性、処理量、設置場所を分けて見積もります。オンプレとクラウドを同じ業務単位で比較し、代表的な処理を四週間ほど実測することで、過大投資と容量不足の両方を避けやすくなります。

参考

• IEA — Key Questions on Energy and AI
• IEA — Energy demand from AI
• 資源エネルギー庁 — 増加が見込まれるデータセンターの電力需要をどうする？