AIデータセンター設備とソブリンAI

⑦ 設備編 — ラックの種類・熱問題・空冷と水冷

計算資源事業の土台は建物と冷却である。GPUが消費する電力はほぼ全量が熱に変わるため、 「何kWのラックを、どの冷却方式で成立させるか」が設備投資の中心命題になる。 最新世代 (GB200 NVL72=1ラック約120〜132kW) は、もはや空冷では物理的に成立しない。

7.1 ラックの種類 — 規格と寸法

7.2 ラックの選び方 — 電力密度が全てを決める

ラック選定は見た目の寸法ではなく、1ラックあたり何kWを給電・冷却できるか (電力密度) から逆算する。 密度帯が決まれば、必要な冷却方式・配電方式 (PDU/busbar)・床耐荷重・保守動線はほぼ自動的に決まる。

7.3 熱問題の物理 — 100kWラックとは何か

GPU 1基の消費電力はH100で700W、最新世代では1,000Wを超える。1ラック100kWは家庭用電気暖房およそ100台を、畳半畳ほどの設置面積 (0.6m×1.2m前後) に詰め込んだ発熱に相当し、 これを24時間365日搬出し続ける必要がある。空調の基本は冷気の通り道 (コールドアイル) と排熱の通り道 (ホットアイル) を物理的に仕切る アイル封じ込めで、混合を許すと冷却効率は一気に崩れる。

7.4 空冷と水冷 — 方式別の到達限界

空気は熱の運び手として非力である。同じ体積で比べると、水は空気の約3,500倍の熱を運べる。 ラック密度が空冷限界 (実務上30〜40kW) を超えた瞬間、選択肢は液冷しかなくなる。

出典: ASHRAE TC9.9 液冷white paper / Vertiv: GB200 NVL72 向け電源・冷却参照設計 / 3M: PFAS製造からの撤退 (2022年12月)

7.5 PUE — 冷却効率は損益計算書に直結する

業界平均は調査主体と年で変わる。ここでの水準はUptime Instituteの2025年調査 (加重平均1.54) を基準に置いた。 同調査ではこの6年ほど平均はほぼ横ばいで、改善しているのは主に新設の大規模施設である。 ハイパースケーラーが公表する1.1前後の値は、計上範囲の取り方も各社で異なるため、単純比較はできない。

出典: Uptime Institute Global Data Center Survey 2025 / ISO/IEC 30134-2 (PUEの国際規格) / Google データセンターの電力効率

7.6 電力枠の経済学 — 同じ契約電力に何台置けるか

設備の制約は電気代よりも先に受電容量の上限に現れる。床が空いていても、契約電力が尽きれば 増設できない。したがって省電力技術の価値は「電気代の節約額」ではなく「同じ電力枠に置ける台数」で測る。 実例として、キオクシアが示した光SSD構成の消費電力見積もり (2026年2月) を使う。

CPUとNICを省いた光構成は電力61.4%減と帯域28%増が同時に成立し、同じ500kWから取り出せる帯域は3.31倍になる。 受電設備の増設は変電所の容量に縛られ年単位の待ちが出るため、この差は費用の削減ではなく 売れる容量そのものの拡大として損益計算書に載る。 7.5のPUEが「機器1Wあたりの間接電力」の指標なら、 本節は「契約電力1kWあたりの売上上限」という、その隣にある物差しである。

出典: キオクシア 光インターフェースSSD 技術資料 (2026年2月) / 本サイトの検証記事 (1ワットずつの検算と電力枠の試算)

⑧ ソブリンAI — 誰の口座に、いくら、どの順番で入るのか

ソブリンAI (主権AI) を「各国が自前のAIを持つべきという思想」として説明する記事は多い。だが本章はその角度を取らない。 この言葉は学術用語として生まれたものではなく、GPUベンダーが決算説明会で投資家に示した市場カテゴリーとして広まった。 したがって重要なのは定義論ではなく、制度がどう金を動かし、その金が誰の口座に、いくら、どの順番で入るのかである。 本章は日本を中心に、一次情報で追える範囲だけを追う。

8.1 言葉の出所 — 決算説明会で生まれた市場カテゴリー

「ソブリンAI」が広く使われ始めた時点は特定できる。2023年11月のNVIDIA決算説明会である。 その3か月後には各国政府が集まる場で直接提唱され、さらに半年後には売上見通しの単位で語られるようになった。

注意すべきは、日本政府がこの語を公式には採用していないことである。 2025年12月に閣議決定された人工知能基本計画が使うのは「自律性・不可欠性の確保」という表現で、 「ソブリンAI」は登場しない。用語の非採用は、政策の重心が自前主義ではなく供給の確保にあることを示唆する。

出典: NVIDIA 公式ブログ (World Governments Summit) / 内閣府 人工知能基本計画 (2025-12-23 閣議決定)

8.2 定義は3系統ある — どれを採るかで結論が変わる

同じ言葉が、売る側・研究する側・政策を作る側で別の意味に使われている。議論が噛み合わない原因はここにある。

8.3 なぜ2023年以降に各国が動いたのか — 制度の不安定性が需要を作った

各国が自国分の計算資源を確保しようとした直接の引き金は、思想ではなく調達できなくなるかもしれないという実務的な恐れである。 その恐れを制度が裏づけた。先端半導体の輸出規則は、公布から施行直前までのわずか4か月で撤回されている。

ここで発表された数量と、実際に輸出許可が下りた数量を混同しないことが重要になる。 湾岸諸国では「5年で数十万基」規模の提携が report されたが、2025年11月に米商務省が実際に認可したのは 2社それぞれ最大35,000基相当である。桁が2つ違う。

出典: 米商務省 (UAE・サウジ向けチップ輸出に関する声明)

8.4 日本の実体 — 金は3つの経路で流れている

日本の「主権」政策は、規制ではなく補助金と政府需要で動く。経路は3つある。 第1が経済安全保障推進法にもとづく計算基盤への助成、第2がモデル開発への計算資源補助 (GENIAC)、 第3が政府自身が利用者になること (ガバメントAI) である。まず第1の経路の交付先を金額順に見る。

2024年4月19日発表分の5件だけで最大725億円に達する。 第2の経路であるGENIACは、現金の交付ではなく計算リソース利用料の補助である点に特徴がある (助成率は中小企業等・学術機関が3分の2、それ以外が2分の1)。つまり国費の相当部分は、 最終的にGPUを保有する事業者の売上へ還流する構造になっている。

第3の経路が、2026年時点で最も重い。デジタル庁のガバメントAI「源内」は、 政府が全府省庁規模の利用者となることで国産モデルの需要を作り出す仕組みである。 ただしその歩留まりは正確に見ておく必要がある。応募15件から最終契約は5社まで絞られた。

出典: 経済産業省 クラウドプログラム 認定一覧 / 経済産業省 GENIAC / デジタル庁 国産LLMの選定結果 (2026-03-06)

8.5 主権を成立させる5要素と、最大のボトルネック

「国内にデータセンターを建てれば主権が立つ」わけではない。実務上は5つの要素が同時に要り、 そのどれが欠けても成立しない。日本の場合、最も解けないのは電力である。

電力の制約は需要見通しにも表れている。資源エネルギー庁の資料 (2025年1月) によれば、 2034年度の全国需要電力量は8,524億kWhで、2024年度比で465億kWh (5.8%) の増加が見込まれる。 増加要因として名指しされているのがデータセンターと半導体工場の新増設である。 送電網と変電所の新設が5年から10年単位でしか進まないことは、 ⑦設備編で扱った物理制約とそのまま重なる。

出典: 資源エネルギー庁 電力需給の見通し (2025-01-27 資料6) / 産業技術総合研究所 ABCI 3.0 一般提供開始 / 理化学研究所 富岳NEXT

8.6 懐疑論 — 何が「主権」ではないのか

この分野は推進側の資料が圧倒的に多い。判断のためには、批判側が何を指摘しているかを同じ精度で見る必要がある。 以下はいずれも、発言者と時期を特定できたものだけを挙げた。

要点は「主権か従属か」の二択ではない。交渉力をどこに持つかという程度問題である。 当サイトが規制の玉突きを追う規制レンズや、 供給網の隘路を扱うHBM・CoWoS・基板の制約の解剖は、 いずれもこの程度問題を構成する変数である。

8.7 日本の関連銘柄 (関連の観点整理)

以下は公的資料で関与が確認できた企業に限って整理したもので、特定銘柄の売買を推奨するものではない。 「ソブリンAI銘柄」として語られる企業は多いが、ここでは助成の交付先・採択先・契約先として名前が公表されているかだけを基準にした。 個社の詳細はAI企業データベースを参照。

非上場だが中核に位置する事業者として Preferred Networks (源内の契約5社)、Sakana AI、ハイレゾ、RUTILEA、ELYZA などがある。 本表は関与が公的資料で確認できたものに限り、報道のみに基づく関与は含めていない。