AIデータセンターのギガワット級電力調達問題

ギガワット・ディバイド： AIが牽引するデータセンター建設ラッシュとエネルギー・水のフロンティア

エグゼクティブ・サマリー

生成AIの登場は、コンピューティングの歴史における「産業革命」であると同時に、世界のエネルギーおよび水インフラに対する未曾有の「ストレステスト」を開始した。本レポートは、クエリにある「100万世帯分」の電力に匹敵する「ギガワット級」AIデータセンター（DC）の建設ラッシュが、単なるICTインフラの拡張ではなく、エネルギー市場、環境政策、さらには地政学的なパワーバランスそのものを根本から再定義する事象であることを論証する。

我々は、この現象を「ギガワット・ディバイド（Gigawatt Divide）」と定義する。これは、AI開発に必要な膨大な計算資源（とそれを支える電力・水）を確保できる「Haves（持つ者）」としてのテックジャイアントと、それに追随できない「Have-nots（持たざる者）」との間に生じる決定的格差である。

本レポートの主要な分析結果は以下の通りである：

スケールの再定義： Metaの「Hyperion」（$5\text{ GW}$）やMicrosoft/OpenAIの「Stargate」（$5\text{ GW}$）に代表されるギガワット級プロジェクトは、従来のデータセンターとは本質的に異なる ¹。これらは、原子力発電所数基分の電力を消費する「計算産業コンプレックス」であり ¹、その建設コスト（Stargateは1000億ドル規模）は空母や国家インフラプロジェクトに匹敵する ³。
インフラの限界とコスト転嫁： この需要爆増は、既存の電力網の許容量を完全に超えており ⁴、AIという「大口顧客」のためにインフラを増強するコストは、最終的に一般家庭の電気料金に上乗せ（転嫁）される ⁴。AIの進歩は、一般市民の「インボランタリー（非自発的）な補助金」によって支えられる構造的リスクを孕んでいる。
隠されたフロンティア「水」： 議論が電力（TWh）に集中する中、冷却に必要な「水」（ガロン）が、AIの成長を制限する真の物理的制約として浮上している。1つのDCで日量数百万ガロンを消費し ⁷、しかも水不足地域に意図的に立地される実態 ⁸ は、企業による情報隠蔽 ⁹ と相まって、深刻な社会・環境リスクとなっている。
テック企業の「エネルギー企業」化： テックジャイアントは、電力網の「消費者」であることに留まらない。彼らは、OpenAIの「$100\text{ GW}$」要求 ¹⁰ に象徴されるように、自らSMR（小型モジュール炉）に投資し ¹¹、閉鎖された原子力発電所を再稼働させ ¹¹、エネルギー市場の「生産者」および「ルールメーカー」へと変貌している。
技術と規制の攻防： 課題（熱・電力）に対する技術的回答（液体冷却による電力94%削減 ¹³）は存在する。しかし、真のボトルネックは技術ではなく、「巨大負荷（Large Load）」をいかに公平かつ迅速に系統接続するかという規制の壁 ¹⁴ である。

本レポートは、この「ギガワット・ディバイド」を乗り越えるため、エネルギー事業者、政策立案者、投資家が取るべき戦略的ロードマップを提言する。

第1部：パラダイムシフト：「メガワット」から「ギガワット」への爆発的スケール

本セクションでは、AIデータセンターの「ギガワット級」というスケールを定義し、それが従来のICTインフラとどのように質的に異なるかを分析する。さらに、このパラダイムシフトを牽引するグローバル・プロジェクトの具体的な規模と野心を明らかにする。

1.1. AIデータセンターの「ギガワット級」の定義

「100万世帯分の電力消費」というクエリの表現は、比喩的な誇張ではなく、冷厳な定量的現実である。日本の世帯あたり平均電力消費量（40～50代）は、月平均で434kWhから436kWhの範囲にある ¹⁶。これを年間（5,220kWh、すなわち$5.22\text{ MWh}$）に換算し、100万世帯分で計算すると、その総消費量は年間約$5.22\text{ TWh}$（テラワット時）となる。

一方、$1\text{ GW}$（ギガワット）のデータセンターが、仮に80%の稼働率で年間運用された場合、その単一施設での電力消費量は $1\text{ GW} \times 8,760\text{時間/年} \times 0.80 = 7,008\text{ GWh} = 7.0\text{ TWh}$ に達する。これは、日本の100万世帯の年間消費量を優に超える規模である。Meta自身の試算によれば、同社が計画する$5\text{ GW}$の施設は、実に約400万世帯の年間電力供給に匹敵するとされている ¹。この比較は、ギガワット級DCがもはや単一の「施設」ではなく、一国の都市や地域に匹敵する「国家規模の電力インフラ」と同等の負荷であることを明確に示している。

この電力消費の爆発的な増加は、単にサーバーの台数が増えるという「量的拡大」によって引き起こされているのではない。根本的な要因は、AI、特に大規模言語モデル（LLM）の学習と推論が要求するサーバーの「質的変化」にある。従来のCPUベースのDCとは異なり、AIはGPU（Graphics Processing Unit）やHPC（High-Performance Computing）サーバーといった、極めて「高発熱・高排熱・高負荷」なサーバーを要求する ¹⁷。

この新しい需要への傾倒は、すでに市場で顕在化している。インプレス総合研究所の『データセンター調査報告書2025』によれば、日本企業において、これらの高発熱サーバーを「すでに利用している」企業は12.7%、「今後利用したい」は13.5%、「利用を検討中」は21.7%にのぼる ¹⁷。これらを合計した「利用に前向きな層」は34.2%に達し、検討中まで含めると調査対象者の実質半数が強い関心を示している。特に、売上規模が1000億円以上の大企業においては、その利用率が30%を超えている ¹⁷。

この高発熱サーバーへの需要は、データセンター市場そのものを不可逆的に二分する。従来のDCが1ラックあたり$5\text{ kW}$から$10\text{ kW}$の電力密度で設計されていたのに対し、AI（GPU）ラックはその10倍以上、すなわち$50\text{ kW}$、$100\text{ kW}$、あるいはそれ以上（最大$500\text{ kW}$超）の電力を要求する [18]。したがって、同じ$100\text{ MW}$のDCであっても、AI DCは従来型より遥かに狭い面積に熱と電力を集中させる。

この「高密度化」こそが、従来の空冷技術（第3部参照）の限界と、後述する液体冷却技術（第4部参照）の必然性を生み出す核心的な技術的難題である。問題は「より多くの電力」であるだけでなく、「より高密度な電力と冷却」なのである。

この結果、データセンター市場は、「従来型DC（リテール/ハイパースケール）」と、NvidiaがGTCキーノートで提示したような「AI工場（AI Factory）」¹⁸ という、本質的に異なる二つの市場へと分岐した。自動車工場と自転車工場が同じ「工場」という名称でも根本的に異なる生産インフラを必要とするのと同様である。既存のDC事業者が「AI対応」を謳うことは容易だが、ギガワット級の「AI工場」の建設と運用は、もはやITインフラの構築ではなく、エネルギーインフラそのものを設計・調達できるMetaやMicrosoftのような超巨大企業にしか実行不可能であることを示唆している。

1.2. グローバル・ギガワット・プロジェクトの全貌

この「AI工場」建設競争の最前線にいるのが、グローバルのハイパースケールIT企業である。彼らは、AI開発競争が、モデルのパラメータ数やアルゴリズムの優位性を競う「第1フェーズ」から、電力とインフラの物理的制約をいかに確保するかを競う「第2フェーズ」へと完全に移行したことを認識している。

Meta（Facebook）の野心： Metaは、AGI（人工汎用知能）とスーパーインテリジェンスの実現という究極の目標 ¹ のため、数千億ドル、日本円にして数十兆円規模という天文学的な投資 ¹ を計画している。

「プロメテウス（Prometheus）」： 2026年にオハイO州で稼働開始が予定されている、Meta初のギガワット級施設である。$1\text{ GW}$を超える計算能力を持ち、電力供給にはガスタービンを使用する ¹。
「ハイペリオン（Hyperion）」： ルイジアナ州で計画中の最大規模プロジェクト。電力容量は最大$5\text{ GW}$に達し、これは原子力発電所5基分に相当する [1]。2030年までにまず$2\text{ GW}$が稼働し、数年かけて$5\text{ GW}$まで拡張される計画である。その計画面積は、マンハッタンの大部分に匹敵するとされる ¹。
Microsoft & OpenAIの「スターゲート（Stargate）」： AIがもたらす歴史的な機会を捉えるため、MicrosoftとOpenAIは「Stargate」と呼ばれる1000億ドル規模（約15兆円）の超巨大プロジェクトを計画している ²。

規模： 2028年のローンチを目指す計画のフェーズ5では、単一のスーパーコンピューターで$5\text{ GW}$の電力を必要とすると報じられている ²。これは、GPT-4の学習に必要だったとされる電力（推定$30\text{ MW}$）の実に150倍以上の規模である ²⁰。
戦略： OpenAIは、この「Stargate」プラットフォーム（OracleやSoftBankとの提携を含む）を推進し、今後4年間で$10\text{ GW}$のAIインフラ（$5000\text{億ドル}$の投資コミットメント）を整備する計画で、その当初の公約を上回る勢いで進んでいる ²¹。
その他のジャイアント：

Amazon（AWS）： 今後15年間で$1500\text{億ドル}$をデータセンターに投資する計画である ³。
Google： 「ギガワットのデータセンター容量」を計画していることが報じられている ²²。

AIが「スターターホーム（最初の家）をすでに卒業した」²⁰ と認識される中、$5\text{ GW}$規模の施設がなければ、次世代モデルの学習に数年を要すると予測されている ²⁰。

このスケールは、AIの優位性がもはやアルゴリズムの洗練性だけではなく、エネルギー安全保障の問題として再定義されたことを示している。OpenAIは米政府に対し、中国が年間$429\text{ GW}$という驚異的なペースで電力インフラを増強しているのに対し、米国は年間$51\text{ GW}$に過ぎないと警告し [10]、この「電子のギャップ（electron gap）」を埋めるために、米国も年間$100\text{ GW}$の新規電力容量が必要だと提言している ¹⁰。OpenAIの「電子は新しい石油（electrons are the new oil）」である ¹⁰ という認識は、この戦いが「技術」から「エネルギー」へと移行したことを象徴している。

したがって、「Stargate」や「Hyperion」といったプロジェクトは、もはや従来の「データセンター」ではない。$1\text{ GW}$のDCの「建物だけで」$120\text{億ドル}$かかると試算され、その複雑さから航空母艦や原子力潜水艦に例えられる ³ これらの施設は、エネルギーインフラと計算インフラが一体化した、自己完結型の「計算産業コンプレックス（Computational-Industrial Complex）」と呼ぶべきものである。

事実、「Stargate」のテキサス州アビリーンの拠点は、オンサイトのガス発電、およびERCOTグリッド（テキサス州電力網）内の太陽光発電と蓄電池プロジェクトを組み合わせて電力を供給する計画である ²³。AIトレーニングは低遅延（Latency）を必要としないため、エンドユーザーの近くである必要がなく、電力と土地が豊富で安価な地域（例：米国のアイオワ州、ネブラスカ州、テキサス州）に建設できる ¹⁸。彼らが建設しているのは、21世紀の「AI工場」とその動力源である「専用発電所」を一体化した、新たな産業インフラである。

【表1：ギガワット級AIデータセンター主要プロジェクト比較】

プロジェクト名	主導企業	計画電力容量 (GW)	推定コスト (USD)	稼働予定時期	計画地（国・州）	既知の電力戦略	典拠
Stargate (Phase 5)	Microsoft / OpenAI	$5\text{ GW}$	$1000\text{億ドル}$ (全体)	2028年	米国 (テキサス等)	SMR、オンサイトガス発電	²
Hyperion	Meta	最大 $5\text{ GW}$	数十兆円規模 (全体)	2030年 ($2\text{ GW}$稼働)	米国 (ルイジアナ州)	–	¹
Prometheus	Meta	$1\text{ GW}$超	–	2026年	米国 (オハイオ州)	ガスタービン	¹
AWS 投資計画	Amazon	–	$1500\text{億ドル}$ (15年間)	–	グローバル	SMR、原子力発電所隣接	³
Google 投資計画	Google	$GW$級	–	–	グローバル	SMR、先進炉PPA	¹¹
OpenAI 投資計画	OpenAI (Stargate Platform)	$10\text{ GW}$ (4年間)	$5000\text{億ドル}$ (コミットメント)	–	米国	–	²¹

第2部：日本市場の特異性とグローバル連動

本セクションでは、グローバルなギガワット級の奔流が、日本市場においてどのように現れているかを分析する。AWSによる超大型投資の戦略的意味、および国内特有の課題（プロジェクト遅延）と機会（北海道）を考察する。

2.1. AWSによる2.26兆円の戦略的投資

グローバルなAIインフラ競争が激化する中、Amazon Web Services (AWS) は日本市場に対する極めて大規模なコミットメントを発表した。2023年から2027年までのわずか5年間で、日本の東京リージョンと大阪リージョンのクラウドインフラに対し、2兆2,600億円（当時のレートで約$150\text{億ドル}$）という巨額の投資を行う計画である ²⁵。この投資ペースは、AWSが2011年から2022年までの過去12年間で日本に投じた総額1兆5,100億円 ²⁵ を遥かに凌駕するものであり、日本市場の戦略的重要性が急速に高まったことを示している。

この投資は、単なる既存クラウドインフラの増強ではない。その中核的な狙いは、日本国内で急速に高まる顧客需要、特に「生成AI」のイノベーション加速に対応することにある ²⁵。具体的には、高性能な基盤モデルへのアクセスを容易にするフルマネージドサービス「Amazon Bedrock」の東京リージョンでの一般提供開始 ²⁵ と密接に連動している。

この投資戦略は、第1部で見た「Stargate」や「Hyperion」のような、僻地に建設されるギガワット級の「AIトレーニング工場」とは根本的に異なるロジックで動いている。AWSの投資先は、世界で最も地価と電力コストが高い部類に入る「東京」と「大阪」である ²⁵。この一見非合理に見える選択の背景には、2つの明確な市場ニーズの捕捉がある。

第一に、「AIデータ主権（Data Sovereignty）」である。日本の大企業（アサヒグループ、KDDI、竹中工務店、野村ホールディングスなど、AWSが支援先として名を連ねる企業 25）や政府機関は、AIの利便性を享受しつつも、自国の機微な情報や顧客データを国内に留め置くことを強く要求する。

第二に、「低遅延インファレンス（推論）」である。AIモデルの「学習（Training）」は第1部で見たように低遅延を必要としないが 18、エンドユーザーがAIサービスを快適に利用する「推論（Inference）」は、応答速度（低遅延）が極めて重要となる。

AWSの2.26兆円の投資は、この2つの市場、すなわち「国内完結型AI」と「低遅延AIサービス」を独占するための戦略的配置である。

さらに、この投資は物理インフラに留まらない。日本国内のLLM開発者を支援するプログラム（約8億6,800万円相当のAWSクレジット提供）や、生成AIイノベーションセンターを通じた国内企業との連携 ²⁵ が含まれている。これは、AWSが日本市場において、物理的な「床面積」を確保する競争（ギガワット競争）以上に、日本のAIエコシステムの「OS（オペレーティング・システム）」になるためのプラットフォーム競争を仕掛けていることを示している。

2.2. 国内DC建設ラッシュの現状と課題

AWSの巨大投資が象徴するように、日本国内のデータセンター市場も、AI需要の高まりを受けて活況を呈している ¹⁷。インプレス総合研究所の調査によれば、2023年末には、ハイパースケール型DC（HSDC）のラック数が、従来のリテール型DCのラック数を国内で初めて上回った ¹⁷。これは、大規模なインフラ需要が市場を牽引している明確な証拠である。

しかし、この「新規計画が相次ぐ」¹⁷ という楽観的な見通しの裏で、深刻なボトルネックが顕在化している。「既存計画は遅延傾向にある」¹⁷ という二律背反の事態が発生しているのである。2023年から2024年にかけては多くのDCが竣工したが、2025年はそのペースがやや落ち着く見込みであり、「計画が2025年度中や2026年にスライドしている」（後ろ倒しになっている）プロジェクトが散見される ¹⁷。

この「プロジェクト遅延」は、単なる建設スケジュールの問題ではない。AIモデルの開発競争は「時間との戦い」である。AI開発に必要なGPU/HPCといった高発熱サーバーリソース ¹⁷ を、必要なタイミングで確保できないことは、日本企業がグローバルなAI競争において「市場投入時間（Time to Market）」を致命的に毀損することを意味する。この遅延の背景には、電力系統の接続待ち、複雑な許認可プロセス、建設リソースの不足など、日本特有の構造的な問題が存在すると推察される。

この首都圏（印西・白井など）や関西圏（彩都・けいはんななど）¹⁷ での「詰まり」を回避し、新たなフロンティアとして急速に注目を集めているのが「北海道」である ²⁶。

北海道への立地は、AI DCが直面する2大課題（電力と冷却）に対する合理的な回答となる。

冷却コストの低減： 冷涼な気候は、データセンターの最大の運用コストである冷却（第4部参照）において、外気を利用した「フリークーリング」¹³ を可能にし、劇的な電力効率の向上に寄与する。
豊富な再生可能エネルギー： 北海道は広大な土地と風力・太陽光などの再エネポテンシャルを持つ。実際に、AI普及や脱炭素化に対応した「再エネ100%」を謳うデータセンターが道内に相次いで開設（または計画）されている ²⁶。

この動きは、日本国内における「地理的アービトラージ（裁定取引）」の始まりである。AIの特性、すなわち「学習」は低遅延を必要としない ¹⁸ ことを利用し、首都圏・関西圏の「電力・土地・コストの制約」を、北海道の「豊富な再エネ・冷涼な気候」という強みに置き換える戦略である。

これは、日本国内のAIインフラが、「ギガワット級AIトレーニング（北海道）」と「低遅延AIインファレンス（東京・大阪）」という二重構造へと機能分化していく未来を示唆している。この構造は、米国の「Stargate」がテキサス ²³ に立地し、都市部のDCがインファレンスを担う関係性と相似している。

第3部：不可避なコスト：電力網と環境への連鎖的影響

本セクションでは、ギガワワード級DCの建設ラッシュが引き起こす、最も深刻な二次的・三次的影響、すなわち電力インフラの崩壊リスクと、水資源という「隠れたフットプリント」について詳述する。

3.1. 電力網への脅威と家庭への転嫁

AI技術の普及に伴うデータセンターの電力消費は「前例のない規模」で増加しており、既存の電力インフラに深刻な負荷をかけると分析されている ⁴。この需要は非常に急激であるため、電力供給のあり方そのものに影響を与えている。米国では、電力会社がAIデータセンターからの旺盛な需要増を理由に、老朽化して本来であれば閉鎖されるべき「石炭火力発電所」の稼働を延命させたり、新たに「ガス火力発電所」の新設を計画したりする事例が報告されている ⁵。これは、世界的な脱炭素化の潮流に公然と逆行する動きであり、AIの成長が環境目標とトレードオフの関係に陥っている実態を示している。

しかし、最大の問題は、このAIインフラ増強コストが「誰によって支払われるか」という点にある。そのコスト転嫁のメカニズムは、一般市民にとって極めて不透明かつ不利益な形で進行する。

まず、AIデータセンターという「大口顧客」が、ギガワット級の電力消費計画（系統接続）を電力会社に申請する ⁴。
次に、電力会社は、この前例のない需要に応じるため、送電網（電柱、電線、変圧器）のアップグレードや、新たな発電設備の建設といった、数十億ドル規模のインフラ投資を余儀なくされる ⁶。
米国の多くの州の規制下では、これらのインフラ投資コストは「デリバリー・チャージ（託送料金）」や「サプライ・チャージ（供給料金）」といった名目で、その電力網を利用する「全顧客」、すなわち一般家庭や中小企業に対して、「薄く広く」転嫁される ⁶。

その結果、AIサービスを直接利用しているかどうかにかかわらず、社会全体がそのインフラコストを負担することになる。Bloombergの分析（2025年8月時点）は、この影響について衝撃的な試算を示している。AIによる電力需要が10-15%増加した場合、平均的な家庭の電気料金は「月額で数千円から1万円程度の上昇」が予想されるという ⁴。すでに米国では、2024年だけで中西部および大西洋中部の7つの州において、$43\text{億ドル}$（約6,400億円）以上の追加インフラコストが、電力会社の顧客（一般家庭を含む）に転嫁されたとの報告もある ⁶。

これは、実質的に「一般消費者が、新規消費者（＝データセンター）のための新規インフラを補助している」²⁸ 構図である。AIがもたらす「便益」（生産性の向上や新サービス ²⁵）が社会全体に広く行き渡るよりも前に、AIインフラの「コスト」（電気料金の高騰 ⁴）が社会全体に広く課されるという、深刻な「コストと便益のタイムラグ（時間差）と非対称性」の問題がここに存在する。

この「一般市民による非自発的な補助金」という構造こそが、AIブームの持続可能性に対する最大の社会・政治的リスクである。そしてこのリスクは、第4部で詳述するテックジャイアントたちのエネルギー戦略、すなわち既存の電力網からの「独立」を志向する動き（SMR投資やオンサイト発電）の、最大の経済的・社会的動機となっている。彼らは、ESG（環境）の観点からだけでなく、この強烈な社会的・政治的非難 ⁵ を回避するというPR（社会）およびガバナンス（リスク回避）の観点から、既存の電力網と「縁を切る」インセンティブを強く持っているのである。

3.2. 「電力」から「水」へ：隠された環境フットプリント

データセンターの環境フットプリントに関する議論は、その膨大な電力消費量（TWh）と、それに伴う炭素排出量（CO2）に集中しがちである。しかし、その影で、同等あるいはそれ以上に深刻な物理的制約となりつつあるのが「水消費」である。

データセンターは、IT機器を冷却するために、特に「蒸発冷却（Evaporative Cooling）」方式を採用する場合、莫大な量の水を消費する ²⁹。水が蒸発する際の気化熱を利用して空気を冷やし、その冷たい空気をサーバーに送るこの方式は、空冷の一種であるが、大量の水を「消費」（蒸発させて大気に放出）する ²⁹。

その消費規模は衝撃的である。

平均的DC： NPRの報告によれば、平均的なデータセンターは1日に30万ガロン（約113万リットル）の水を消費し、これは（水の用途定義にもよるが）約10万世帯分の水使用量に匹敵するとされる ²⁹。
大規模DC： ある試算では、大規模DCは1日に最大500万ガロン（約1,890万リットル）を消費する可能性があり、これは人口1万人から5万人の町全体の水使用量に匹敵する ⁷。
AI特有の消費： LLM（大規模言語モデル）の運用は、特に水を消費する。カリフォルニア大学リバーサイド校の科学者による試算では、100ワード（約500文字）程度のAIプロンプトを処理するごとに、約1本の水ボトル（519ml）に相当する水が（主に冷却のために）消費されると推定されている ⁷。

この問題は、データセンターの「ロケーション・パラドックス」によってさらに悪化する。データセンター内の高感度な電子機器は、湿気による腐食や電気的問題を嫌うため、建設地として「乾燥した空気」が好まれる ⁸。その結果、米国南西部（アリゾナ州、ネバダ州）や中東など、世界で最も「水ストレス」の高い（＝水資源が枯渇している）地域に、意図的に立地される傾向が強い ⁸。これは、「水需要が最大の施設」が、「水供給が最小の地域」に集中するという、持続可能性の観点から最悪の組み合わせである。アリゾナ州フェニックス周辺だけでも58以上のDCが存在し、仮に各々が日量300万ガロンを消費すれば、それだけで日量1億7000万ガロン（約6.4億リットル）以上の飲料水が冷却に使われる計算になる ⁸。

さらに深刻なのは、テック企業側がこの問題を明確に認識し、意図的に「隠蔽」している証拠があることだ。米国ジョージア州でChannel 2 Action Newsが公文書開示請求を行ったところ、GoogleやMicrosoftのデータセンターと郡当局が交わした契約書のうち、水の使用量や水要件に関する具体的な記述が「すべて黒塗り（redacted）」で隠されていた ⁹。情報開示請求によって、企業名すら秘密にされたNDA（秘密保持契約）の存在も複数明らかになった ⁹。

この隠蔽体質が横行する中、コーネル大学の研究者チームがAIデータセンターの環境フットプリントに関する包括的な分析を発表した（2025年11月、Nature Sustainability誌）³¹。この研究によれば、現在の成長が続けば、米国のAIデータセンターは2030年までに年間7億3100万～11億2500万立方メートルの水を消費する可能性があると予測されている ³²。これは、米国の平均的な家庭600万～1000万世帯分の年間水使用量に匹敵する規模である ³¹。

水消費は、AIの成長に対する「電力」と並ぶ、あるいはそれ以上の「物理的な制約要因」であると同時に、地域コミュニティとの水資源の競合 ⁷ を引き起こし、企業の「社会的なアキレス腱」となっている。企業がNDAを使ってまで情報を秘密にする ⁹ という事実は、彼らがこの問題を「社会的な爆弾」として認識していることの裏返しである。

今後、AIの持続可能性に関する議論の主戦場は、PUE（電力使用効率）から「WUE（Water Usage Effectiveness：水使用効率）」へと急速に移行することは間違いない。コーネル大学の研究が示すように、「賢明な立地選定」（水ストレスの低い地域）と「水効率の高い冷却技術」（第4部参照）を採用すれば、水消費を最大86%削減できる ³¹ という事実は、投資家や政策立案者が、DCのESG評価においてWUEの開示を（⁹のような秘密主義に対抗して）強制する強力な動機となる。

【表2：AIデータセンターの環境フットプリント：電力と水】

フットプリントの種類	単位	従来型大規模DC (推定)	AI DC (100MW級) (推定)	グローバル・ギガワット・プロジェクト (例: Hyperion 5GW)	規模の比較 (インパクト)	典拠
電力消費
年間消費量	TWh/年	$0.7\text{ TWh}$ (80%稼働)	$0.7\text{ TWh}$ (80%稼働)	$35.0\text{ TWh}$ (80%稼働)	$5\text{ GW}$ DCで日本の約400万世帯の電力に匹敵	¹
水消費 (直接冷却)
日間消費量 (蒸発冷却)	百万ガロン/日	$0.3$ – $1.0$	$1.0$ – $5.0$	(不明: 冷却方式による)	$5\text{ M}$ガロン/日で人口$1$～$5$万人の町に匹敵	⁷
年間消費量 (米国AI DC全体)	億立方メートル/年	–	–	$7.3$ – $11.3$ (2030年予測)	米国家庭$600$万～$1000$万世帯分に匹敵	³¹
炭素排出 (CO2)
年間排出量 (米国AI DC全体)	百万トン/年	–	–	$24$ – $44$ (2030年予測)	米国の自動車$1000$万台分の追加に匹敵	³²

第4部：テクノロジーによる防衛線：効率化と新エネルギー源

本セクションでは、第3部で提示された電力と水の危機に対し、テクノロジー企業が実行している2つの主要な防衛策——「冷却の革命（効率化）」と「電力の開拓（新エネルギー源）」——を分析する。

4.1. 冷却技術の革新：液体冷却（液浸）の効果

第3部で概説した通り、データセンターが消費する電力の大部分は、IT機器（サーバー）の「計算」そのものではなく、IT機器が発する「熱」の「冷却」に費やされてきた。従来のデータセンターは、主に「空冷（Air Cooling）」に依存してきた ²⁹。これは、巨大な空調設備（エアコン）でデータセンターの室温全体を冷やし、サーバー内部の小型ファンでその冷たい空気を循環させてCPUやメモリを冷やす方式である ²⁹。

しかし、この従来型空冷は、第1部で定義した「高発熱・高密度」なAIサーバー（GPU）¹⁷ の登場により、物理的な限界を迎えている。1ラックあたり$100\text{ kW}$を超える熱密度 ¹⁸ を、部屋ごと冷やす空冷で処理しようとすれば、計算そのものよりも遥かに多くの電力を冷却に消費することになり、経済的にも物理的にも破綻する ³³。

この根本的な課題に対する技術的な回答が「液冷（Liquid Cooling）」である ³³。空気よりも熱伝導率が遥かに高い液体（水や専用の非伝導性冷却液）を使い、熱源（CPUやGPU）を直接、あるいは間接的に冷やす。特に、サーバー自体を丸ごと非伝導性の液体に浸す「液浸冷却（Immersion Cooling）」方式が、最も効率的な解決策として注目を集めている ¹³。

この液浸冷却の驚異的な効果は、日本国内の実証実験でも確認されている。KDDI、三菱重工業、KDDI総合研究所の3社は、液浸システムと、最適化された外気空冷（フリークーリング）装置（冷却液を外気で冷やす）を組み合わせた実証実験に成功した ¹³。

その成果は以下の通りである：

冷却電力94%削減： このシステムは、サーバー冷却のために消費される電力を、従来型の空冷DC（一般的なPUE 1.7のDC ¹³）と比較して、実に94%削減することに成功した ¹³。
PUE 1.05の達成： データセンターの電力効率を示すPUE値（Power Usage Effectiveness：総消費電力 ÷ IT機器消費電力）で「1.05」という驚異的な値を実現した ¹³。PUEは1.0が理論上の理想値（すべての電力が計算に使われ、冷却やその他に一切使われない状態）であり、PUE 1.7（電力の約41%が冷却などに浪費されている）¹³ からの劇的な改善である。

この結果が示す事実は、単なる「エコ技術」の導入以上の意味を持つ。液体冷却、特に液浸冷却 ³³ は、AIサーバーの「高密度実装」¹⁸ を経済的・物理的に「初めて可能にする」ための「必須技術（Enabling Technology）」である。高密度AIサーバーの安定稼働 ³³ は、この冷却革命なしには成立しない。

さらに、この技術は、第3部で指摘した「ロケーション・パラドックス」を根本から覆す可能性を秘めている。KDDIらの実証 ¹³ が「フリークーリング（外気空冷）」を併用している点が重要である。この方式は、外気が冷涼であればあるほど、冷却液を冷やすための追加電力が不要になり、効率が上がる ¹³。

これは、DCの立地選定の「最適解」を、従来の蒸発冷却が好む「水が豊富で乾燥した土地（実際には水不足の乾燥地 ⁸ が選ばれていた）」から、「外気が冷涼な土地」へと逆転させる。この技術的背景こそが、第2部で見た「北海道」²⁶ へのAI DC集積の合理性を裏付けている。AIの持続可能性は、「水を使わない（あるいは極端に少ない）液浸冷却」と「冷涼な気候」の組み合わせによって最大化されるのである。

【表3：データセンター冷却技術の比較】

冷却方式	冷却メカニズム	代表的なPUE値	冷却電力効率	高密度AI (GPU)への適性	水消費 (WUE)	典拠
従来型空冷	空調で室内全体を冷却。サーバーファンで空気を循環。	$1.7$ ～	低い (PUE 1.7の場合、電力の約41%が冷却等)	不適 (熱密度に対応不可)	低い	¹³
蒸発冷却 (空冷)	水の蒸発（気化熱）を利用して空気を冷却。	$1.3$ ～	中	不適 (空冷ベース)	非常に高い (水を大気に放出)	⁷
液体冷却 (液浸)	サーバー全体を非伝導性の液体に浸す。	$1.05$ ～	非常に高い (冷却電力を94%削減)	最適 (高密度実装が可能)	ゼロまたは極小 (閉鎖系)	¹³

4.2. 新たな電力の「開拓者」となるテックジャイアント

冷却技術の革新（インプットの効率化）が「守り」の戦略だとすれば、テックジャイアントたちは同時に、エネルギー源そのものを確保する「攻め」の戦略、すなわち「電力の開拓」に乗り出している。

OpenAIは米政府（トランプ次期政権）への政策提言で、米国がAIの覇権を握るには「電子は新しい石油」であると認識する必要があると警告した ¹⁰。そして、中国が年$429\text{ GW}$の電力を増強しているのに対し、米国は年$51\text{ GW}$に過ぎず、この「電子のギャップ（electron gap）」[10] を埋めるために、米国は年間$100\text{ GW}$の新規電力容量の増設が必要だと訴えた ¹⁰。これは、一IT企業が国家のエネルギー安全保障政策そのものに提言を行う、異例の事態である ³⁴。

この莫大な電力を、不安定な再生可能エネルギーや、第3部で指摘されたような「石炭火力の延命」⁵ で賄うことには限界がある。ギガワット級の「AI工場」は、24時間365日、途切れることなく稼働する必要がある。そこでテックジャイアントたちが、次世代の「カーボンフリー・ベースロード電源」として白羽の矢を立てたのが、「原子力」、特に「SMR（小型モジュール炉）」である。

彼らの動きは、単なる電力購入契約（PPA）のレベルを遥かに超えている。

Amazon： SMR開発のスタートアップ企業「X-エナジー」社に対し、約5億ドル（約750億円）の出資を表明し、その商業化を支援している ¹¹。さらに、ペンシルベニア州にある既存のサスケハナ原子力発電所 ¹¹ に「隣接する」データセンターを買収した ¹¹。
Microsoft： 1979年に事故を起こし、閉鎖されていたスリーマイル・アイランド（TMI）原子力発電所1号機（事故を起こした2号機とは別）を「再稼働」させ、そこから生み出される電力で自社のデータセンターを稼働させるという、20年間の長期売電契約を締結した ¹¹。
Google： SMRの新興企業である「ケイロス・パワー」社と、同社が開発する先進炉からの電力購入契約（PPA）を締結した ¹¹。

Amazon、Google、Metaらは、世界原子力協会（WNA）が主導する「2050年までに原子力発電の設備容量を3倍にする」という国際的な誓約にも賛同しており ¹²、その姿勢は明確である。

この一連の動きは、テックジャイアントにとって、SMRへの投資 ¹¹ が単なる「クリーンエネルギー調達（ESG）」であるだけでなく、自社のギガワット級DC（Stargateなど）を、既存の電力網が抱える「制約」から解放するための、「垂直統合」戦略であることを示している。

既存の電力網に接続し続ける限り、彼らは常に以下の3つのリスクに晒され続ける。

物理的ボトルネック： 系統の容量不足による「プロジェクト遅延」¹⁷。
社会的コスト： 一般家庭の電気料金高騰 ⁴ の「戦犯」として社会的非難を浴びるリスク。
規制の遅延： 第5部で詳述する、系統接続の複雑な規制プロセス ¹⁴ による遅延。

SMRへの投資 ¹¹ や、原発の隣接地買収 ¹¹、閉鎖原発の再稼働 ¹¹ といった行動は、これら3つの制約から逃れ、AIインフラ戦争で最も重要な経営資源である「スピード・トゥ・パワー（Speed-to-power：電力へのアクセス速度）」²³ を最大化するための、最も合理的な経済行動である。

テック企業による原子力への公然たる傾倒は、TMI ¹¹ という言葉に象徴される、数十年にわたるエネルギー政策の「タブー」を破壊した。彼らはもはや「電力の消費者」ではなく、「AIの覇権」¹⁰ という国家安全保障上の大義名分のもと、SMRに資金を供給し ¹¹、国家のエネルギー政策 ¹⁰ を主導する、事実上の「国家インフラ企業」へと変貌しつつある。

第5部：規制と戦略：新たな「巨大負荷」との共生

本セクションでは、ギガワット級DCという新たな「巨大負荷（Large Load）」の出現に対し、社会（特に規制当局）がどのように対応しようとしているのか、その攻防と、日本が取るべき戦略について提言する。

5.1. 米国における規制の攻防

ギガワット級DCの出現は、既存の公益事業（電力）の規制体系を根本から揺るがしている。米国の規制当局は、$20\text{ MW}$（メガワット）を超えるような ³⁵、従来の想定を遥かに超える新規の巨大な電力需要家（＝AIデータセンター）を「巨大負荷（Large Load）」と定義し、これを既存の規制の枠組みでどう扱うべきか、深刻なジレンマに直面している。

この問題は、まず「規制の管轄権」をめぐる争いとして表面化した。

連邦 vs 州の対立： この「巨大負荷」が電力網（グリッド）に接続する際のルールを「誰が」決定するのか、という点で、連邦政府と州政府が対立している ¹⁴。
連邦（FERC）の動き： 米エネルギー省（DOE）は、AIの覇権や国内製造業の回帰 ¹⁴ といった国家目標を迅速に進めるため、連邦エネルギー規制委員会（FERC）に対し、州をまたぐ送電網への接続 ³⁵ に関して、州の規制当局の権限を「上書き」できるような、より強力な管轄権を与えるよう求めている ¹⁴。
州（PUC）の抵抗： これに対し、全米公益事業規制委員会（NARUC）は猛反発している。NARUCは、「州の規制当局の歴史的な権限」¹⁴ が侵害されること、そして何よりも、「巨大負荷」の接続が「小売顧客（＝一般家庭）に不当なコストを課す」¹⁴ ことを防ぐ監視役は、地域住民に最も近い「州」が担い続けるべきだと主張している。

この法的な綱引きが行われる中、州は連邦の動きを待たずに、すでに具体的な防衛策（規制の導入）へと行動を移している。カンザス州とミシガン州の公益事業委員会は2025年11月、AIデータセンターなどの「巨大負荷」が電力網に接続する際の、新しい（より厳格な）ルールと料金体系（tariffs）を承認した ¹⁵。

これらのカンザス州やミシガン州の新しいルール ¹⁵、あるいはデラウェア州で検討中の法案 ¹⁵、ニューヨーク州の法案 ²⁸ の核心的な目的は、第3部で懸念された「コスト転嫁」を未然に防ぐこと、すなわち「既存の（一般）顧客が、巨大負荷の接続に関連するコストを支払わないようにする」¹⁵ という一点に尽きる。

この一連の規制の動きは、AI開発の「真のボトルネック」が、GPUの数やモデルのサイズではなく、「系統接続の許認可（Interconnection queue）」と「コスト配分ルール（Cost allocation rules）」という、極めて地味な規制プロセスであることを露呈させている。

OpenAIが「Stargate」のために1000億ドル ² の資金を用意したとしても、カンザス州やミシガン州の公益事業委員会 ¹⁵ が、「一般家庭へのコスト転嫁 ⁶ が不透明なため、あなたのDCの接続は承認しない」と決定すれば、プロジェクトは「遅延」（日本の ¹⁷ で見られる事態）を余儀なくされる。OpenAIが警告する中国（年$429\text{ GW}$）との「スピード競争」¹⁰ の勝敗は、この規制当局の判断一つにかかっている。

米国の州規制 ¹⁵ は、AI企業に対し、事実上の「踏み絵」を迫るものとなっている。すなわち、「既存の電力網に高額な接続料とインフラ増強費の全額を支払い、公正なコスト負担（¹⁵）を受け入れて接続する」か、あるいは「既存の電力網への接続を諦め、SMR（¹¹）やオンサイト発電（²³）で自前の電力を調達し、電力網から独立する」かの二者択一である。

皮肉なことに、一般家庭を守るために導入された州の規制 ¹⁵ は、テック企業が既存の電力網に接続する経済的メリットを（従来より）大幅に減少させる。その結果、意図せずして、テック企業の「エネルギー企業化」（第4部）を強力に後押しする、最強の経済的圧力となっているのである。

5.2. 戦略的提言：ギガワット時代に向けたロードマップ

本レポートの分析に基づき、ギガワット・ディバイドの時代に直面する日本の主要なステークホルダー（エネルギー事業者、政策立案者、投資家）に対し、以下の戦略的ロードマップを提言する。

1. エネルギー事業者（電力会社）への提言

認識の転換： AIデータセンターは、もはや単なる「大口の優良顧客」ではない。彼らは、TMI原発を再稼働させ ¹¹、SMRに投資し ¹¹、オンサイト発電所を建設する ²³、「競合相手」であり「パートナー候補」である。彼らが既存の電力網から離脱しようとするのは、既存の電力網（あなた方）が提供するサービスの「スピード（日本の¹⁷の遅延）」「コスト（⁶の転嫁問題）」「柔軟性」に深刻な不満があるからである。
戦略：「EaaS」への移行： 「巨大負荷」を既存の送電網に（¹⁴で議論されているように）受動的に接続しようとするアプローチを捨てよ。DC事業者と共同で、「Stargate」²³ のような「オンサイト発電・計算コンプレックス」を設計・所有・運営する「エネルギー・アズ・ア・サービス（EaaS）」モデルを（SMR ¹¹ も含め）積極的に提案すべきである。OpenAIが「（需要が少ない時に）グリッドに電力をフィードバックする」¹⁰ と述べているように、彼らを単なる顧客としてでなく、グリッドの安定化に貢献する需給調整（デマンドレスポンス）リソースとして活用する、新たな契約モデルを構築せよ。

2. 政策立案者（政府・規制当局）への提言

透明性の義務化： 第3部で露呈した「水の秘密主義」⁹ は、持続可能なAI成長の最大の敵である。DC事業者に対し、PUE（電力効率 ¹³）だけでなく、「WUE（水利用効率）」の測定と報告を法的に義務化せよ。DCの新規立地許可の審査において、水フットプリント ³² を電力フットプリントと同等（あるいは水ストレス地域 ⁸ ではそれ以上）に評価する基準を導入せよ。
ボトルネックの解消： AIの国家安全保障上の重要性 ¹⁰ を認識し、米国の ¹⁴ で起きている「規制の遅延」を反面教師とせよ。日本では、¹⁷ が示す「プロジェクト遅延」の根本原因（電力系統の接続プロセス、許認可の重複）を徹底的に洗い出し、AI DC専用の「ファストトラック（優先審査レーン）」を導入すべきである。ただし、それは米国の州規制 ¹⁵ が目指す「公正なコスト負担ルール」と必ずセットで導入されなければならない。
国家戦略の三位一体： AI戦略（計算資源）、エネルギー戦略（SMR、再エネ）、国土計画（北海道への分散 ²⁶）を、省庁の垣根を越えて「三位一体」で推進せよ。¹⁸ が示す「AIトレーニング（低遅延不要）」の特性を最大限に活かし、電力網と再エネに余力のある地域（例：北海道 ²⁶）へのDC立地を強力に誘導するインセンティブ（税制優遇、補助金）を設計し、国土の二重構造化（インファレンス＝都市圏、トレーニング＝地方）を国家戦略として推進せよ。

3. 投資家（金融機関・アセットマネジメント）への提言

ESG評価のアップデート： AI DCに対するESG投資の評価基準は、PUE ¹³ だけでは完全に不十分であり、ミスリードですらある。PUE 1.05 ¹³ を達成していても、⁷ が示すように「日量500万ガロン」の水を、⁸ が示す「水不足地域」で消費していれば、その資産は深刻な座礁資産（Stranded Asset）リスクを抱えている。今後は「PUE」と「WUE」の両方を開示させ、評価の必須KPIに組み込め。
技術の選別： 第4部（4.1）の分析（表3）に基づき、「空冷（従来型）」や、PUEは改善するが水を大量消費する「蒸発冷却」²⁹ に依存するDCプロジェクトへの投資は、将来的な規制強化や水コスト高騰のリスクが高いと判断せよ。将来のAI高密度サーバー ¹⁷ に対応可能で、かつ水フットプリントが最小である「液体冷却（液浸）」¹³ 技術への投資比率を、DC事業者の将来性を評価する重要な技術的尺度として用いよ。
リスクの再定義： DC投資の真のリスクは「AIの需要がなくなる」ことではない。それは「AIを動かす電力がない」¹⁰ こと、「水がない」³² こと、そして「規制 ¹⁵ に阻まれて建設が遅延する」¹⁷ ことである。あなたの投資先のDCが、¹¹ のような「SMR/原子力へのアクセス」を含む、現実的かつ多様な電力調達戦略 ²³ を確保しているか、その「スピード・トゥ・パワー」²³ を厳しく評価せよ。それが、ギガワット・ディバイドの「勝者」と「敗者」を分ける唯一の基準となる。

引用文献

【Meta】スーパーインテリジェンス実現へ数千億ドル投資 … https://digirise.ai/chaen-ai-lab/meta-prometheus-hyperion/
How to Build the Future of AI in the United States | IFP https://ifp.org/future-of-ai-compute/
Liebreich: Generative AI – The Power and the Glory | BloombergNEF https://about.bnef.com/insights/clean-energy/liebreich-generative-ai-the-power-and-the-glory/
AI電力消費急増で家庭電気料金上昇の懸念、Bloomberg分析が示す … https://oneword.co.jp/bignite/ai_news/ai-denryoku-shohi-kyusho-katei-denki-ryokin-josho-bloomberg/
Our laws must catch up to data centers’ rising power https://www.utilitydive.com/news/our-laws-must-catch-up-to-data-centers-rising-power/804928/
Explained: This is how data centers can lead to higher electric bills https://technical.ly/civics/data-centers-impact-electricity-costs/
Data Centers and Water Consumption | Article | EESI – Environmental and Energy Study Institute https://www.eesi.org/articles/view/data-centers-and-water-consumption
Data centers draining resources in water-stressed communities – The University of Tulsa https://utulsa.edu/news/data-centers-draining-resources-in-water-stressed-communities/
Data center set to use 6 water towers worth of water per day in Georgia https://www.wsbtv.com/news/local/data-centers-water-secrets-companies-using-ndas-hide-water-usage-georgia/ESYQS4GRDVAM7A6EJUQKGXTPWY/
OpenAI urges Trump to boost power or lose AI race to China – The Register https://www.theregister.com/2025/10/28/openai_100gw_power_demand/
Amazon SMRプロジェクトを支援 | 原子力産業新聞 https://www.jaif.or.jp/journal/oversea/25276.html
Amazon、次世代原子炉「小型モジュール炉（SMR）」開発支援を発表 AI需要増に対応し、脱炭素電源を強化 https://ledge.ai/articles/amazon_smr_clean_energy_ai_infrastructure
データセンター内のサーバーを液体冷却、冷却電力の94%減を達成 … https://newsroom.kddi.com/news/detail/kddi_pr-806.html
Regulators Urge FERC to Honor State Authority over Large Load Interconnections https://www.rtoinsider.com/119453-regulators-urge-ferc-honor-state-authority-large-load-interconnections/
Kansas, Michigan regulators approve large load rules for Evergy, Consumers Energy https://www.utilitydive.com/news/kansas-michigan-data-center-large-load-evergy-consumers/805115/
電気使用量が多くなる！？４つの主な原因とその対策について徹底解説 https://pgservice1.tepco.co.jp/2024/06/26/power-consumption/
AI需要の高まりを受け新規計画が相次ぐ一方、既存計画は遅延傾向 … https://research.impress.co.jp/topics/list/dc/708
POWERING THE AI ERA | Goldman Sachs https://www.goldmansachs.com/what-we-do/investment-banking/insights/articles/powering-the-ai-era/report.pdf
Meta、超知能AIへ「数千億ドル」投資｜原子力発電所数基分のデータセンター建設で覇権狙う https://myuuu.co.jp/media/1259/
Can We Build a Five Gigawatt Data Center? – Asterisk Magazine https://asteriskmag.com/issues/09/can-we-build-a-five-gigawatt-data-center
Stargate advances with 4.5 GW partnership with Oracle – OpenAI https://openai.com/index/stargate-advances-with-partnership-with-oracle/
Googleが「ギガワットのデータセンター容量」を計画 | Data Center Café https://cafe-dc.com/sustainable/google-partners-with-intersect-power-and-tpg-rise-climate-to-colocate-new-data-center-load-with-clean-power-generation/
The Electricity Supply Bottleneck on U.S. AI Dominance – CSIS https://www.csis.org/analysis/electricity-supply-bottleneck-us-ai-dominance
米グーグルやアマゾンが小型モジュール原子炉からの電力購入などを発表(米国) | ビジネス短信 https://www.jetro.go.jp/biznews/2024/10/9f4e0fc76c0a2f04.html
AWS、日本への 2 兆 2,600 億円の投資計画を発表 2027 年までに … https://aws.amazon.com/jp/about-aws/whats-new/2024/01/aws-commits-2trillion-yen-investment-into-japan-ai-and-digital-transformation-from-2023-to-2027/
再エネ100%のデータセンターが北海道に相次いで開設 – ニュースフラッシュ – MIRAIT ONE https://www.mirait-one.com/miraiz/newsflash/article113.html
AI普及、脱炭素に対応した再エネ100%のデータセンターが道内に急拡大 https://www.sustainablebrands.jp/news/1300025/
Consumers End Up Paying for the Energy Demands of Data Centers, How Can Regulators Fight Back? | Georgetown Environmental Law Review https://www.law.georgetown.edu/environmental-law-review/blog/consumers-end-up-paying-for-the-energy-demands-of-data-centers-how-can-regulators-fight-back/
The world’s AI generators: rethinking water usage in data centers to build a more sustainable future – Lenovo StoryHub https://news.lenovo.com/data-centers-worlds-ai-generators-water-usage/
Exploring the Growing Energy and Water Footprint of AI Data Centers https://www.thomasnet.com/insights/ai-data-centers-energy-usage/
‘Roadmap’ shows the environmental impact of AI data center boom https://news.cornell.edu/stories/2025/11/roadmap-shows-environmental-impact-ai-data-center-boom
AI Data Center Growth Drives Major Power and Water Demands https://www.spacedaily.com/reports/AI_Data_Center_Growth_Drives_Major_Power_and_Water_Demands_999.html
データセンターにおける冷却方式の最新動向 – NTT Data https://www.nttdata.com/jp/ja/-/media/nttdatajapan/files/services/carbon-neutral/carbon-neutral-wp-20240514.pdf?rev=e78953ebf0554a2185c76136d9ea65ee
OpenAI warns U.S. falling behind China in AI power race | The Tech Buzz https://www.techbuzz.ai/articles/openai-warns-u-s-falling-behind-china-in-ai-power-race
Potential Game-Changing Rulemaking for Data Centers and Other High-Demand Loads https://www.kirkland.com/publications/kirkland-alert/2025/11/potential-game-changing-rulemaking-for-data-centers