AIブームの裏側で、静かに大きな問題が起きています。
ChatGPTをはじめとする生成AI、画像・動画生成AI、AIエージェント、企業向けAIサービスが急速に広がっています。
しかしそれらを支えているのは、画面の向こうにある膨大なGPU、冷却設備、電力、ネットワーク、建物、送電インフラです。
AIは軽快に動いているように見えても、現実には巨大な物理的基盤の上に成り立っています。
こうした需要の高まりを受け、ここ数年で世界各地のAIデータセンター建設が急増しました。
ところが最近、建設計画が中止・延期されるケースが目立ち始めています。
建設ブームの裏では電力網の問題、計画のキャンセル、遅延が静かに積み重なっています。
これは「AIブームが終わった」という話ではありません。むしろ逆です。
AI需要があまりにも急拡大したため、現実の物理インフラが追いつかなくなっているのです。
実際、2025年には25件のデータセンター計画がキャンセルされ、これは2024年の約4倍にあたります。
99件以上が地域反対で争議中となっており、米国全体のデータセンター建設中容量は2020年以来初めて減少しました。
また、BloombergNEFは2035年のデータセンター電力需要予測を106GWに引き上げ、わずか7か月前の見通しから36%増加したとしています。
この記事では、AIデータセンター計画がなぜ止まり始めているのか、どこに問題があるのか、そして一般企業がAI活用を進めるうえで何を意識すべきかを整理します。
AIデータセンターの建設自体は、世界全体で見れば今も拡大傾向にあります。ただし、発表された計画がすべて予定通りに完成するわけではなくなってきました。
AI需要を見込んだ大型プロジェクトが次々と発表される一方で、電力接続や建設費、変電設備、許認可、住民の反発といった理由から遅れが生じるケースが増えています。
2026年に予定されていた大規模プロジェクトの30〜50%（中間値40%）が、電力制約・設備不足・地域反対によって遅延する見込みとなっています。
グローバルで777プロジェクト（50MW超）が追跡されており、2026年予定の16GWのうち建設中はわずか5GWにとどまっています。
重要なのは、「AI需要が弱まったから止まっている」のではないという点です。AI需要は依然として旺盛です。
問題は、データセンターが必要とする電力・土地・冷却・建設資材・地域合意を短期間で確保することが、現実問題として難しくなっていることにあります。
AIはデジタル産業のように見えて、実態は非常に物理的な産業です。
サーバーを置く建物が必要で、冷却設備が必要で、膨大な電力を安定供給できる送電網が欠かせません。
だからこそ、AI時代の競争力は「良いモデルを作れるか」だけでなく、「そのモデルを動かすインフラを確保できるか」という次元に移りつつあります。
AIデータセンターが特に注目される理由のひとつが、通常のクラウド用途と比べて電力負荷が格段に大きい点にあります。
従来のデータセンターも、Webサービス、クラウドストレージ、動画配信、業務システムなどを支えてきた大電力消費設備です。
しかし生成AIはさらに高密度な計算を要求します。特に大きな負荷になるのが、モデルの「学習」と「推論」です。
学習とは、大量のデータからAIモデルを構築する工程で、大規模なGPUクラスターを長時間稼働させます。
推論とは、ユーザーが質問するたびにAIが回答を生成する工程です。ChatGPTのようなサービスでは、1回の質問ごとに裏側で膨大な計算が走っています。
画像・動画生成はテキスト生成よりさらに重く、AIエージェントが複数タスクを自律的にこなすようになれば、1ユーザーあたりの計算量も増大します。
日本でも、データセンターの需要電力量は2034年度に2025年度の約15倍に達するとOCCTOが想定しています。
データセンターが集中する都市近郊や幹線系統ではすでに送電網の混雑が生じており、新たな接続を希望しても系統増強や接続待ちが必要になるケースが急増しています。
AIはアプリの問題に見えて、実際にはエネルギー問題でもあります。
加えて、AIデータセンターは「どこでも建てられる」ものでもありません。
十分な電力があり、送電接続が可能で、冷却や水資源の制約が少なく、ネットワークにも近く、地域社会の理解を得られる場所でなければなりません。
こうした条件を満たす土地は、どこの国でも限られています。
AI時代のインフラ競争では、GPUを確保した企業だけでなく、電力会社、データセンター事業者、不動産、地域行政、エネルギー企業の存在感がますます高まっていくでしょう。
AIデータセンター計画が中止・延期される原因は一つではなく、電力接続の問題、建設コストの上昇、機器調達の遅れ、地域住民の反発、環境への対応など複数の要因が絡み合っています。
なかでも最大のボトルネックが電力です。資金があっても、電力が確保できなければデータセンターは建てられません。
送電網への接続に最大4年かかるケースもあり、「電力をつなぐ順番待ち」自体がプロジェクトの足かせになっています。
次に深刻なのが建設コストの上昇です。建材・人件費・設備費・電力関連工事の高騰が続いており、計画段階で試算した採算が、着工前に崩れてしまうケースもあります。
AIインフラでは建物だけでなく、GPUやネットワーク機器といった技術設備への巨額投資も必要です。
また、変圧器・バッテリー・開閉器などの関連機器の供給不足も深刻な問題になっています。
これらの部品は電気自動車やヒートポンプなど他分野でも大量に使われるため、製造能力を超えた需要が発生しており、カナダ・メキシコ・韓国から高出力変圧器がかき集められているほか、中国からの輸入量も急増している状況です。
さらに地域住民の反発も見逃せません。
Business Insiderは、ニュージャージー州ミルビル市が新規データセンターを禁止する条例を可決し、1.4GW規模の大型計画が止まったと報じています。
電力料金への影響、水資源の消費、騒音、環境負荷、土地利用の変化への懸念が主な理由です。
データセンターは地域に雇用と投資をもたらす一方で、生活インフラへの負担という側面も持ちます。
AI時代のインフラ建設は、テック企業だけで完結する話ではなくなっています。
こうした状況を踏まえると、AIデータセンター計画の中止・延期は「AIブームの失速」ではなく、「AIブームが現実の物理的制約に正面からぶつかっている」局面と見るのが正確です。
AIデータセンター問題は、AI企業やクラウド市場の競争構造にも影響します。
これまでAI企業の競争は、主にモデル性能、GPU確保、ユーザー数、資金調達で語られてきました。
しかし今後は、安定した電力とデータセンター容量を確保できるかが、競争力の大きな要素になります。
特に大手テック企業は、電力会社との契約、自前の発電、再生可能エネルギー、原子力、蓄電池、オンサイト発電など、さまざまな選択肢を検討しています。
AIインフラが巨大化するほど、「AI企業」と「エネルギー企業」の境界が近づいていきます。
PJMのような電力網運営者も、AIデータセンター需要に対応するため、容量調達のタイミングや制度設計を見直しています。
MarketWatchは、PJMがAI需要を背景にデータセンター向け容量調達を前倒しすると報じています。
つまり、AI企業にとってのボトルネックは、モデル開発だけではありません。
「どれだけ賢いAIを作れるか」に加えて、「そのAIを大規模に動かせる電力と設備を持てるか」が問われる時代になります。
この変化は、AIサービスの価格にも影響する可能性があります。
AIの利用料金は、モデル開発費だけでなく、GPU費用、電力費、冷却費、データセンター建設費、ネットワーク費用に支えられています。
電力や建設コストが上がれば、最終的にクラウドAIサービスの価格や利用制限に影響する可能性があります。
つまり、AIデータセンター問題は、テック企業だけの問題ではなく、AIを使うすべての企業に関係します。
一般企業にとって、AIデータセンターの建設遅延は一見遠い話に見えるかもしれません。
しかし、実際にはかなり関係があります。
なぜなら、企業が使うChatGPT、Claude、Gemini、Microsoft Copilot、Google WorkspaceのAI機能、SalesforceのAI機能、各種AIエージェントは、すべてどこかのデータセンター上で動いているからです。
AIインフラに制約が出ると、次のような影響が考えられます。
そのため、一般企業が考えるべきことは、「AIを使うか使わないか」だけではありません。
どの業務にAIを使うと本当に費用対効果があるのかを考える必要があります。
AIインフラ問題は、AI活用を否定する話ではありません。
むしろ、AIを本格的に使う時代だからこそ、企業は「どの業務に、どのAIを、どれくらい使うのか」を設計する必要があります。
これからのAI活用では、単に便利なAIツールを導入するだけでは不十分です。
コスト、セキュリティ、利用量、成果、社内ルールまで含めて、AI運用を設計することが重要になります。
AIデータセンター計画の中止・延期は、AIブームが終わったサインではありません。
むしろ、AI需要が急拡大した結果、電力、送電網、建設コスト、機器調達、地域合意といった物理インフラの制約が表面化している状態です。
AIはソフトウェアのように見えますが、実際には巨大な電力産業でもあります。
生成AI、動画生成AI、AIエージェント、企業向けAIが広がるほど、データセンターの重要性はさらに高まります。
これからのAI競争では、モデル性能だけでなく、電力を確保できるか、データセンターを運用できるか、地域社会と合意できるか、コストを抑えられるかが重要になります。
一般企業にとっても、この問題は無関係ではありません。
AIインフラの制約は、AIツールの価格、利用制限、クラウドコスト、導入判断に影響する可能性があります。
だからこそ、企業はAIをやみくもに使うのではなく、効果が出る業務を選び、プロンプトを標準化し、費用対効果を見ながら導入する必要があります。
AI時代に本当に重要なのは、AIを使うことそのものではありません。
限られた計算資源とコストの中で、どの業務にAIを使えば最大の価値が出るかを見極めることです。
.png){kind=logo}
