AIのマテリアルフットプリントとは？

AIモデルは画面上のソフトウェアに見えますが、その動作には長い物理的な連鎖が必要です。鉱山や精錬所が原材料を供給し、半導体工場がプロセッサーやメモリを製造し、機器メーカーがサーバーを組み立て、データセンターが電力、ネットワーク、冷却を提供します。

この区別が重要なのは、運用時の電力がライフサイクルの一部にすぎないためです。サーバーが最初のプロンプトを処理する前から、チップ、回路基板、電源装置、ストレージ、冷却機器、そしてそれらを収容する建物の製造・建設に、エネルギーと材料が使われています。

この環境負荷の全体像を単一の数値で表すことはできません。評価範囲は研究ごとに異なり、計算機器のみを対象とするものもあれば、建物、電力インフラ、水、ネットワーク、更新周期、使用終了後の処理まで含むものもあります。信頼できる推計には、何を対象に含めたかの明示が必要です。

AIアクセラレーターは、プロセッサー、広帯域メモリ、回路基板、冷却部品、複雑なパッケージング技術を組み合わせています。製造には、極めて厳密に管理された環境、繰り返し行う加工工程、超純水、電力、特殊ガス、化学薬品が必要です。

半導体のプロセスノードを微細化すると計算性能を高められますが、製造時の環境負荷がなくなるわけではありません。The Shift Projectのレビューでは、製造プロセスの高度化に伴い、シリコンの単位面積当たりのエネルギー消費、水消費、温室効果ガスによる影響が増大する可能性が指摘されています。一方、製品ごとの公開データは依然として不完全です。

したがって、効率は二つの側面から考える必要があります。新しいアクセラレーターは同じワークロードをより少ない電力で処理できるかもしれませんが、機器の早期更新は新たな製造負荷も生みます。最適な結果は、ワークロードの処理効率、使用期間、稼働率、更新で取り外した機器の行き先によって変わります。

サーバーには鉄鋼、アルミニウム、銅、シリコンに加え、電子部品、バッテリー、磁石、コネクター、電源システムに使われる多種類の特殊材料が少量ずつ含まれます。The Shift Projectが要約したADEMEの研究によると、デジタル機器全体では50種類を超える金属が含まれる場合があります。

問題は材料ごとの質量だけではありません。採掘、精錬、部品製造はそれぞれ異なる国で行われ、エネルギー、水、汚染、労働、ガバナンスに関する条件も大きく異なります。精錬が難しい材料は、少量でも完成したサーバーの重量からは見えない環境負荷をもたらすことがあります。

サプライチェーンは地理的にも集中しています。StanfordのAI Indexは、先端半導体の製造とAIの計算能力が少数の国に集中していると指摘しています。この集中は産業のボトルネックを生み、利益と環境負荷の偏在につながる可能性があります。

AIインフラに必要なのは、アクセラレーターを搭載したラックだけではありません。データセンターには、コンクリート、構造用鋼材、変電設備、バックアップシステム、バッテリー、変圧器、開閉装置、ケーブル、ポンプ、熱交換器、冷却塔、ネットワーク機器が使われます。

化石燃料への依存度が高い電力網では、製造・建設に伴う内包排出量は運用時の排出量を下回ることが多いものの、無視できません。電力の低炭素化が進むと、その相対的な重要性は増します。コンクリート、鉄鋼、電子機器、更新用の設備は、引き続きライフサイクルの一部を占めるためです。

施設とIT機器では、老朽化の速度も異なります。ネブラスカ州にあるGoogleのAgateデータセンターに関する2026年の提出書類では、施設の一般的な設計耐用年数は25年超、建物の構造躯体は30〜50年とされ、内部の計算・電気・冷却サブシステムはモジュール単位で交換または近代化されると説明されています。これは一つのデータセンターについての事業者の説明であり、業界全体に当てはまる規則ではありません。

より高速なアクセラレーターへの需要は、古い機器がまだ動作していても、実際の更新周期を短くする可能性があります。新しい機器はワット当たりの性能を改善できるかもしれませんが、その製造には再び材料、産業用エネルギー、輸送、設置作業が必要です。

使用を終えたハードウェアが、そのまま廃棄物になるとは限りません。一部のサーバーや部品は、負荷の軽い処理への転用、再整備、再販売、補修部品としての利用が可能です。再使用が現実的かどうかは、安全なデータ管理、互換性、エネルギー効率、保守費用によって決まります。

再使用できないものは電子廃棄物の処理系統に入ります。UNU-INWEHの報告書は、AI関連の電子廃棄物が2030年までに年間最大2.5百万トンに達するという予測を引用しています。これは現在の実測総量ではなく将来の推計であり、導入規模や更新に関する仮定に大きく左右されます。

半導体や電子機器の製造では、水を消費し、溶剤、特殊ガス、難分解性化学物質を使用する場合があります。PFASは一部の半導体製造工程や熱伝達用途に使われていますが、公開されている根拠からAIだけに起因する正確な世界総量を割り当てることはできません。

土地利用も評価対象の一つです。鉱山、工場、発電設備、送電線、データセンター敷地はいずれも土地を占有しますが、土地利用フットプリントの算定結果は電源や算定方法に大きく左右されます。UNU-INWEHの報告書は、低炭素、水消費の少なさ、土地利用の少なさを実現する選択肢が、必ずしも一致しない理由を示しています。

こうした影響は、最終的なサービスを使う人々から遠く離れた場所でも発生します。鉱物がある地域で採掘され、別の地域で精錬され、さらに別の場所でチップに加工されてから、世界中の利用者にサービスを提供するデータセンターに設置されることもあります。ライフサイクル分析は、これらをすべて単一の指標に還元できるとみなすことなく、各地に分散した影響を可視化するのに役立ちます。

最も直接的な手段は、ハードウェアの使用期間を延ばすこと、サーバーの稼働率を高めること、修理可能なモジュール式システムを採用すること、リサイクルより先に再使用を検討すること、製造の環境負荷を下げること、有価材料の回収を改善することです。事業者は製品ごとの環境負荷や更新方針を公開し、改善を検証できるようにすることも可能です。

ソフトウェアに関する判断も重要です。用途に適した小規模モデル、効率的な推論、バッチ処理、量子化、簡単なタスクの軽量システムへの振り分けにより、既存のハードウェアで有用な処理を行えます。ただし、効率化が全体の環境負荷を減らすのは、需要の増加がその削減効果を打ち消さない場合に限られます。

測定の改善は不可欠です。報告では、運用時の電力と内包排出量を分け、ライフサイクルの評価範囲を明示し、企業全体の平均値と施設単位のデータを区別する必要があります。目的は各プロンプトに正確な材料負荷の数値を割り当てることではなく、インフラに関する意思決定の透明性と比較可能性を高めることです。