Loading article…
人工知能の設計、トレーニング、展開、使用による環境への影響には、データセンターやコンピューティング ハードウェア用の電力生成による温室効果ガス排出、運用および上流の水使用、ハードウェア製造、採掘、電子廃棄物による物質的影響が含まれます。[ 1 ] [ 2 ] [ 3 ] [ 4 ]
AIの環境影響を推定することは、影響の測定方法によって結果が左右されるため困難である。測定方法には、モデル計算のみが含まれるのか、データセンターのオーバーヘッド、遊休容量、ハードウェア製造、地域の電力供給も含まれるのかなどが含まれる。[ 5 ]
これらの問題がより注目を集めるにつれ、政府や規制当局は、データセンターの報告要件、エネルギー効率基準、AI関連のリソース使用に関するより広範な透明性対策をますます検討するようになった。[ 6 ] [ 7 ]
AI関連のエネルギー消費は、モデルのトレーニング、ファインチューニング、推論、ストレージ、ネットワーク、冷却や電力変換などのサポートインフラストラクチャを含む複数の段階で発生します。[ 2 ]
AIリクエストあたりのエネルギー使用量の公表された推定値は、モデル、タスク、測定方法によって大きく異なります。[ 5 ] 2024年のACM公平性、説明責任、透明性に関する会議で発表されたベンチマーク調査では、タスクの種類によって大きな違いがあり、調査のテスト条件では、一部のテキストタスクではエネルギー使用量が少なく、画像生成ではエネルギー使用量がはるかに高いことがわかりました。 [ 9 ]そのベンチマークでは、単純な分類タスクは 平均してプロンプトあたり約0.002～0.007 Whを消費し（ 1,000プロンプトでスマートフォンの充電の約9%）、テキスト生成とテキスト要約はそれぞれ プロンプトあたり約0.05 Whを使用しました。画像生成は プロンプトあたり平均2.91 Whで、調査で最も効率の悪い画像モデルは 画像あたり11.49 Whを使用しました（スマートフォンの充電の約半分に相当）。[ 9 ]
実稼働環境における自社測定結果も公開されている。2025年のGoogleによるGeminiアシスタントサービスに関する調査では、著者らの会計フレームワークに基づき、プロンプト1件あたりのエネルギー、排出量、水使用量の推定値の中央値が報告されているが、システム境界が異なると結果が大きく異なる可能性があることも指摘されている。[ 5 ]この調査では、テキストプロンプト1件あたりの推定値の中央値は約0.24Whであり 、これはテレビを9秒間視聴するのとほぼ同じエネルギー量であると報告されている。また、この調査では、ソフトウェアとインフラストラクチャの改善により、著者らのフレームワーク内で1年間の典型的なプロンプトにおけるエネルギー使用量が33分の1、炭素排出量が44分の1に削減されたとも述べている。[ 5 ]
ミシガン大学の研究者らは、2024年にリリースされたさまざまなMeta Llama 3.1モデルのエネルギー消費量を測定したところ、小規模な言語モデル（80億パラメータ）は応答あたり約114ジュール（0.03167 Wh）を使用するのに対し、大規模なモデル（4050億パラメータ）は応答あたり最大6,700ジュール（1.861 Wh）を必要とすることがわかりました。これは、電子レンジをそれぞれ約10分の1秒と8秒間稼働させるのに必要なエネルギーに相当します。[ 10 ]
特定のタスクにおけるAIシステムと人間の労働との比較では、結果はまちまちで、出力品質、作業負荷、システム境界に関する仮定に左右される。Scientific Reports誌の2024年の研究では、その仮定の下で、選択されたAIシステムの推定炭素排出量は人間のライターやイラストレーターよりも130～2900倍低いと報告されている。[ 11 ]その後のScientific Reports誌の論文では、その仮定の下でのプログラミングタスクの反例が報告されており、その研究で使用されたベンチマークでは、評価対象のAIシステムの推定排出量は人間のプログラマーよりも5～19倍高いことが判明した。[ 12 ]
AIの電力消費量は、モデルアーキテクチャだけでなく、ハードウェアや設備の効率にも左右されます。データセンターのオペレーターは、総設備エネルギーとIT機器エネルギーの比率を測定する電力使用効率（PUE）を一般的に報告します。PUEが低いほど、冷却やその他のサポートインフラストラクチャのオーバーヘッドエネルギーが少ないことを示します。[ 5 ]
オペレーターは、ハードウェア効率、冷却システム、電源供給に関する指標や事例研究を公開することもある。Googleは2024年の環境報告書で、2023年の温室効果ガス総排出量が前年比13%増加したと述べており、これは主にデータセンターのエネルギー消費量とサプライチェーンの排出量の増加によるものだとしている。また、自社施設のPUEは業界平均よりも低いと報告している。[ 16 ]
国際エネルギー機関も、データセンターは世界の電力消費全体に占める割合は比較的小さいものの、需要が地理的に集中しているため、その地域的な影響ははるかに顕著になる可能性があると報告している。[ 1 ]
システムレベルでは、AIはデータセンターや関連インフラにおける電力需要の増加に寄与している。国際エネルギー機関は、データセンターが2024年に約415TWhの電力を消費し 、これは世界の電力消費量の約1.5%に相当すると推定しており、データセンターの電力使用量は 2030年までに約945TWhに増加する可能性があると予測している。AIは、他のデジタルサービスとともに、この増加の主な原動力として挙げられている。[ 1 ]
AIシステムのカーボンフットプリントは、電力源、ハードウェア効率、利用率、および会計に含まれる段階に大きく依存します。大規模モデルのトレーニングには相当量の電力が必要になる場合があり、ライフサイクル全体の影響は、展開規模とトレーニング後に実行される推論の量にも依存します。[ 2 ] [ 17 ] [ 5 ]
最先端モデル開発の初期の分析では、特定のシステムにおけるトレーニング計算の急速な歴史的成長が報告されているが、その後の傾向はモデル設計、ハードウェア、効率の向上の変化に依存している。[ 18 ]
ハードウェアの製造や施設の建設など、上流または内在する影響を含む会計方法は、AI関連の排出量の推定に重大な影響を与える可能性があります。[ 17 ] [ 4 ]
大手テクノロジー企業は、AIとクラウドインフラストラクチャの拡大が、持続可能性目標、電力需要、および資源利用に影響を与えていると報告している。たとえば、Googleは、2024年の環境レポートで、2023年の排出量増加の一部はデータセンターのエネルギー消費とサプライチェーンの排出量の増加によるものだとしている。[ 16 ]
クラウドおよびAI企業も、より効率的なハードウェアへの投資、低炭素電力の調達、代替冷却システム、水管理プログラムなど、環境への影響を軽減するための措置を発表している。こうした開示の範囲、比較可能性、第三者による検証は、企業や管轄区域によって異なる。[ 16 ] [ 6 ]
データセンターは、地域のエネルギー構成に応じて、冷却に直接水を使用したり、発電に使用される水を通して間接的に水を使用したりすることができます。[ 3 ]データセンターの水使用量に関する公開報告は一貫性がなく、事業者間や地域間の比較が困難な場合が多いです。[ 3 ]
To standardise operational reporting, The Green Grid proposed the metric water usage effectiveness (WUE), defined as annual site water use divided by IT equipment energy use.[19] WUE does not by itself measure local water stress, source sustainability, or all upstream water impacts.[19][3] Studies of AI water use also distinguish between water withdrawal and water consumption[a].[21]
Research on AI-specific water use has argued that the water footprint of AI systems can be difficult to observe and may vary substantially by location, cooling design, and electricity source. A 2025 Communications of the ACM article summarised methods for estimating AI water footprints and emphasised the distinction between water withdrawal and water consumption.[21]
Li and colleagues estimated that global AI water withdrawal could reach 4.2–6.6 billion cubic metres in 2027 under the scenarios examined in their article.[21] Using GPT-3, released by OpenAI in 2020, as an example, they estimated that training the model in Microsoft's U.S. data centres could consume about 700,000 litres of onsite water and about 5.4 million litres in total when offsite electricity-related water use was included; they also estimated that 10–50 medium-length GPT-3 responses could consume about 500 mL of water, depending on when and where the model was deployed.[21] Published prompt-level estimates have also varied by system and accounting framework: the 2025 Google study on Gemini assistant serving reported a median text-prompt estimate of about 0.26 mL under its framework.[5]
Location can materially affect the significance of data-centre water use. Research on U.S. data centres found that one-fifth of servers' direct water footprint came from moderately to highly water-stressed watersheds, while nearly half of servers were fully or partially powered by plants located in water-stressed regions.[22] A 2025 Reuters report, citing data from Verisk Maplecroft and NatureFinance, said that an average mid-sized data centre uses about 1.4 million litres of water per day for cooling and that Phoenix would experience a 32% increase in annual water stress if currently planned data centres come online.[23]
Water use also occurs upstream in semiconductor fabrication, which relies on large quantities of ultrapure water.[24]
AI systems depend on specialised computing hardware, and rapid turnover in servers and accelerators may contribute to rising e-waste.[4] According to the Global E-waste Monitor 2024, the world generated an estimated 62 million tonnes of e-waste in 2022, and the total was projected to rise to 82 million tonnes by 2030 under its scenarios.[25] The World Health Organization has also identified e-waste as a growing environmental and public-health issue.[26]
A 2024 study in Nature Computational Science estimated that generative AI could add between 1.2 and 5 million tonnes of e-waste by 2030 under the scenarios examined by the authors.[4] In the study's higher-end scenarios, this would represent up to 12% of projected global e-waste by 2030.[4] The authors also estimated that circular-economy strategies along the generative-AI value chain could reduce AI-related e-waste generation by 16–86%.[4]
AI hardware depends on complex supply chains for metals, minerals and manufactured components. UNCTAD has reported that the expansion of digital infrastructure increases demand for raw materials and raises environmental and distributional concerns linked to extraction, processing and manufacturing.[27]
Specialised chips used in AI systems can depend on supply chains involving critical minerals and other materials whose extraction and processing may have significant environmental and social effects. These impacts are not unique to AI, but may increase as demand for AI-related hardware grows.[27]
The environmental effects of AI-related infrastructure are not distributed evenly. Research on U.S. data centres has found that their environmental footprints vary by region and may intersect with local electricity systems, water availability and existing environmental burdens.[22] In that study, one-fifth of servers' direct water footprint came from moderately to highly water-stressed watersheds, while nearly half of servers were fully or partially powered by plants located in water-stressed regions.[22]
AI関連施設や関連する電力インフラを誘致する地域では、地域の大気汚染、許可、送電網への負荷についても懸念が表明されている。2025年には、市民権団体や環境団体がメンフィス地域のxAI施設に関連する許可に異議を唱え、大気汚染の負担が歴史的に過大な負担を強いられてきた地域に不均衡に及ぶ可能性があると主張した。この紛争は規制および法的手続きの対象となっている。[ 28 ] [ 29 ] [ 30 ]
環境負荷への懸念にもかかわらず、AIは気象予報、地球観測、輸送システムやエネルギーシステムの最適化など、環境や気候関連の用途で活用されてきた。
天気予報では、査読済みの研究で、特定の評価フレームワークの下でいくつかのAIベースの予測システムが優れた結果を報告している。2023年のNature誌に掲載されたPangu-Weatherに関する論文では、研究の評価において、主要な数値天気予報システムと比較して、中期予報の優れたパフォーマンスが報告されている。[ 31 ] AIは、異常気象や気候イベントのモデリングに関する研究にも使用されている。[ 32 ]
AIは、緩和を目的とした最適化にも提案されている。例えば、GoogleのGreen Lightプロジェクトは、交通データと機械学習を使用して、交差点での渋滞やそれに伴う排出ガスを削減することを目的とした信号機のタイミング調整を推奨している。[ 33 ]
AIが大規模な環境面で正味の利益をもたらすかどうかは未解決の問題であり、結果は導入方法の選択、リバウンド効果、追加的なインフラ需要、電力および冷却システムの脱炭素化の程度によって左右される。[ 1 ]
AIアプリケーションの環境面でのメリットと、AIシステムの規模拡大に伴う環境コストとのバランスについて、現在も議論が続いています。これには、透明性、効率性、リバウンド効果、AI関連インフラの成長が特定のアプリケーションによる環境面でのメリットをどの程度相殺するかといった議論が含まれます。[ 2 ] [ 5 ]
In the United States, proposals have been introduced to study and standardise reporting on AI's environmental impacts. The Artificial Intelligence Environmental Impacts Act of 2024 (S. 3732), introduced in the Senate in February 2024, would require a federal study on the environmental impacts of AI, direct the National Institute of Standards and Technology to convene a consortium on measurement and standards, and establish a voluntary reporting system.[7] Policy on AI is split between federal and state governments. Federal regulations have been minimal with President Trump saying on the AI.gov website: “The United States is in a race to achieve global dominance in artificial intelligence. Whoever has the largest AI ecosystem will set the global standards and reap broad economic and security benefits.”[34]
Local and state governments have looked to address environmental and infrastructural impacts. As of 2026, at least 27 states are considering or have put legislation related to data center development, with California, Ohio and Utah being the first to pass legislation. This legislation requires data center developers to bear the costs of new energy infrastructure. Some states are also pushing for legislation requiring data centers to report water use, an issue not addressed by the federal government. States are looking to focus on data collection related to data center water use.[35]
A 2025 study published by Nature Sustainability estimated that AI servers in the United States could require approximately 731 to 1,125 million cubic meters of water annually by the year 2030, with 24 to 44 million metric tons of carbon emissions. This study found that current growth trajectories are unlikely to meet net zero targets without policy.[36]
In the European Union, the Energy Efficiency Directive introduced reporting obligations for large data centres. The European Commission has stated that a European database collects information relevant to the energy performance and water footprint of data centres, and that a delegated regulation sets out the information and key performance indicators for the reporting scheme.[6]
EU member states also maintain national AI strategies, some of which include references to sustainability, energy efficiency, or environmental applications of AI.
France's AI strategy documents have discussed AI in relation to ecological transition and environmental applications, including the use of digital infrastructure and data for environmental policy.[37]
Germany's national AI strategy includes sections on the environmental impacts of AI and on research into energy-efficient and sustainable AI applications.[38]
Italy's national AI strategy documents include sustainability-related priorities and discuss AI applications in areas such as environment, infrastructure, and sustainable development goals.[39]
Source: MSCI
{{cite news}}: CS1 maint: url-status (link)