AIモデルの推論コストは、トークン単価で見ると年に何倍もの速さで下がり続けている。にもかかわらず、AI関連の総電力需要と電気代は上がり続け、2026年には「GPUの奪い合い」から「電力網の奪い合い」へと主戦場が移った。効率化が進むほど消費が増えるという、経済学でおなじみの逆説がAI業界でそのまま起きている。
「トークン単価」は崩れるように下がっている
AIモデルを1回呼び出すコスト、つまりトークン単価はここ数年、驚くほどのペースで下落してきた。Epoch AIの分析によれば、同じ性能水準を達成するモデルの推論コストは年あたり9倍から900倍という幅で下がっており、Gartnerは2030年までにフロンティアモデルの推論コストがさらに90%下がると予測している。実際、Anthropicを含む各社が繰り返し値下げに踏み切り、DeepSeekの登場は業界全体の価格競争を加速させた。ハードウェア側でも、GPUの性能向上や専用チップの台頭がコスト低下を後押ししている。
なのに、なぜ「AIの電気代」は上がり続けるのか
単価が下がっているなら、AIにかかる総コストや消費電力も減ってよさそうなものだが、現実は逆だ。理由は単純で、単価が下がった分だけ利用量がそれ以上のペースで増えているからである。2023年時点でAI計算資源の1/3ほどだった推論の割合は、2026年には全体の2/3程度にまで拡大したとされ、背景にはエージェント型のワークフローが1回の作業で何十回もモデル呼び出しを繰り返す使われ方が定着してきたことがある。「安くなったから、より多く・より気軽に使う」という反応が積み重なった結果、単価の下落を利用量の増加が上回ってしまう。これは19世紀の経済学者ウィリアム・ジェヴォンズが石炭利用の効率化についてすでに指摘した現象で、効率化が総消費を減らすとは限らないという逆説として知られている。AIの世界でも同じ構図がそのまま再現されている。
ボトルネックは「GPU」から「電力網」へ移った
この総消費の増加を最も直接に受け止めているのが電力インフラだ。2024年にAIインフラの制約と言えばGPU不足だったが、2026年の制約は電力網そのものになっている。米国では新規データセンターの系統接続待ちが24〜36カ月に伸び、バージニア州北部のように新規接続を一時停止した地域も出た。Gartnerは2027年までに世界のAIデータセンターの40%が電力供給の制約を受けると予測している。
この状況を受けて、ハイパースケーラー各社は電力を「買う」立場から「自ら発電する」立場へと移りつつある。GE Vernovaのガスタービンは受注残が2029年分まで埋まり、AmazonはVistra Energyとテキサス州コマンチ・ピーク原発から20年間・1,200メガワットを調達する契約を結んだ。Metaもオハイオ州・ペンシルベニア州の原発3基から最大6.6ギガワットを確保する契約を発表している。データセンター運営は、電力の消費者から電力の生産者へと役割を広げ始めている。
| 年 | 主なボトルネック | 象徴的な出来事 |
|---|---|---|
| 2023〜2024年 | GPU供給 | H100の品薄、順番待ちの長期化 |
| 2025年 | GPU供給の緩和が進行 | 次世代チップの量産開始 |
| 2026年 | 電力・系統接続 | 系統接続待ち24〜36カ月、原発・ガスタービンの直接契約 |
日本でも同じ構図が起きている
電力ボトルネックは米国だけの話ではない。千葉県印西市では新設データセンターの受電開始まで最大10年待ちという事例が報じられ、Gartnerジャパンも国内の電力供給の遅れは発電能力の不足ではなく送電設備の整備が追いついていないことが主因だと指摘している。東日本大震災以降ずっと減少傾向にあった日本の電力需要は、AI向けデータセンターの集中立地によって反転局面に入りつつあり、国内のAI対応データセンターの電力容量は2025年末の約300MWから2027年末には約800MWへ、2年ほどで2.6倍に拡大する見通しだ。
米国ではデータセンターが集積する地域で家庭の電気代が過去5年で最大267%上昇したという調査もある。系統増強や電源確保のコストは最終的に託送料金や賦課金という形で契約者全体に分散されるのが電力事業の構造であり、日本でも同じ負担の広がり方が起こり得る。AIの利用コストが下がっていく一方で、その裏側にある電力インフラのコストは、AIを使わない人も含めて社会全体で支払うことになりかねない。
「安くなった」で終わらせない
トークン単価のグラフだけを見れば、AIはこれからも際限なく安く、身近になっていくように見える。しかし単価の下落と総需要・総コストの増加は両立する。企業がAI活用を計画するときも、個人がAIサービスを選ぶときも、「安くなった」という表面的な数字の裏で、電力・インフラという物理的な制約が静かに厳しくなっている事実を無視しない方がよさそうだ。効率化が消費を減らすとは限らない――ジェヴォンズが石炭について指摘した逆説を、いまのAI業界がそのままなぞっている。
主な情報源
- AI Data Center Power Constraints Are the Real 2026 Bottleneck – Spheron
- AI power infrastructure: Nuclear Deals and Gigawatt Clusters (2026) – Nextwaves Insight
- AI Inference Economics: The 1,000× Cost Collapse Reshaping GPUs – GPUnex
- AI Inference Cost Crisis 2026 – Oplexa
- Gartner、2026年のデータセンターの電力消費は26%増加するとの予測を発表 – Gartner Japan
- AIのボトルネックは電力――日本のデータセンター電力需要と電源確保を一次資料で総整理【2026年版】 – Zenn
- AIデータセンター急拡大 日本の電力需要、ついに減少から反転へ – Yahoo!ニュース エキスパート
各ツールは提供元の規約に従ってご利用ください。情報は各情報源の公開時点のものです。収集・要約はAI、公開判断は人。