English 
長年にわたり、データセンターでは冷却を施設上の問題として扱ってきました。しかし、AIの登場により、これはインフラ上の問題へと変化しました。.
H100、H200、およびブラックウェル級のシステムの登場により、ゲームのルールが一変しました。これらのマシンは、サーバールームの片隅で控えめに電力を消費するようなものではありません。膨大な量のエネルギーを消費し、その多くを熱に変換した上で、その影響に対処するよう誰かに求めてくるのです。 多くの国では、事業者はより大きな建物やより広い土地を用意することで対応できます。しかし、日本にはそのような余裕がありません。.
周辺 90% 2023年、日本のデータセンターの床面積の多くは東京と大阪に集中していました。つまり、日本のAIの未来は、国内でも最もコストが高く、スペースに制約のある地域で築かれていることになります。同時に、ゼロエミッション目標やエネルギー供給の逼迫により、事業者たちは消費する電力1ワットひとつひとつについて再考を迫られています。.
まさにこの理由から、日本では次世代のAIインフラにおいて水冷が必須となりつつあります。空冷は物理的な限界に近づいています。日本のクラウドインフラの次の段階は、単にチップの高速化だけで決まるものではありません。誰が最も速く熱を排出できるかによって決まるのです。.
こちらもお読みください： 医療分野におけるファウンデーションモデル：臨床インテリジェンスの次の進化
なぜ空冷は劣勢に立たされているのか
この問題は物理学に端を発しています。.
空気は安価で、身近なものであり、移動も容易です。しかし残念ながら、高密度のハードウェアから熱を奪い去るという点では、非常に不向きです。従来のCRACおよびCRAHシステムは、サーバーラックが発生する熱負荷がそれほど大きくなく、気流管理によってほとんどの問題が解決できた時代を想定して設計されたものでした。.
現代のAIクラスターは、まったく別の次元で稼働しています。.
生成AI用GPU 従来の半導体に比べて、より多くの電力を消費し、より多くの熱を発生させます。演算密度が高まるにつれて、その熱を除去するために必要な空気の量もそれに伴って増加します。最終的には、ファンを増やしても、消費電力の増加、乱流の増大、運用効率の低下を招くだけという壁に、運用担当者は直面することになります。.
液体は、空気よりもはるかに効率的に熱を吸収・伝達するため、状況が一変します。.
2つのアーキテクチャが、主流の手法として急速に台頭してきています。.
「ダイレクト・トゥ・チップ冷却」（通称「コールドプレート冷却」）とは、サーバー内部で最も高温になるコンポーネントの真上に液体流路を配置する方式です。CPU、GPU、電圧調整モジュール、およびPCIeスイッチは、発生した熱が室内の環境に放出される前に、その熱を液体循環ループへと移します。.
液浸冷却は、さらに積極的なアプローチをとっています。サーバー全体を非導電性の液体の中に浸漬し、各コンポーネントの表面から熱を直接吸収します。.
その違いは顕著です。.
| 属性 | 空冷 | 水冷 |
| 熱伝達効率 | 下へ | はるかに高い |
| ラック密度のサポート | 数量限定 | 極めて高い |
| PUEの最適化余地 | 中程度 | 強い |
| 冷却距離 | 部屋レベル | コンポーネントレベル |
| AIクラスターへの適合性 | ますます制限が厳しくなっています | 専用設計 |
空調は部屋を冷やします。.
液体冷却はシリコンを冷却します。.
その違いは、従来のインフラと AI インフラ。.
なぜ日本は欧米のデータセンターの設計図をそのまま真似ることができないのか
米国や欧州のデータセンター設計の根底にある前提の多くは、日本に移植されると、単に成り立たなくなってしまうのです。.
まず第一に、地理的な問題があります。.
主要な経済拠点周辺では、土地は希少で高価です。床面積の1平方メートルごとに、その価値を正当化しなければなりません。アリゾナやテキサスでは有効な広大なキャンパス設計も、東京や大阪ではすぐに経済的な頭痛の種となってしまいます。そのため、日本の事業者は欧米の事業者よりもはるかに早い段階で、より高い演算密度の導入を迫られています。.
2つ目の課題は、気候の多様性です。.
日本は、雪の多い北部の都道府県から、湿気の多い南部の地域まで広がっています。大阪では完璧に機能する冷却対策も、冬の北海道ではうまくいかない場合があります。氷点上の気温では問題なく稼働していた水循環システムも、気温が下がると、配管の膨張や凍結による損傷といったリスクに突然直面することになります。.
そのため、北方の多くの配備先では、冷却ループ内に純水ではなくグリコール混合液を使用する必要があります。これは単なる技術的な好みではなく、生存のための基本条件なのです。.
興味深いことに、気候はチャンスももたらします。.
苫小牧AIデータセンターでは、冷却戦略の一環として、北海道の冷たい外気を利用する計画です。運営側は、環境と対立するのではなく、地理的条件をインフラの利点として活用し始めています。.
その対極にあるのが、大阪・堺のAIデータセンターで、これは巨大な 140 MW AIインフラの導入。あるサイトでは気候条件への最適化が実証されています。もう一方のサイトでは、日本において発生している計算需要の規模が示されています。.
両者は、多くの経営幹部が依然として過小評価している現実を明らかにしています。.
日本では、もはや従来のデータセンターは建設されていません。.
同社はAI工場を建設しています。.
3つ目の課題は水に関するものです。.
都市の水道供給が事実上無尽蔵であると考えられていた時代には、大規模な蒸発冷却システムは理にかなっていました。しかし、その前提は急速に崩れつつあります。閉ループ式液体冷却システムが注目を集めているのは、熱性能が向上するだけでなく、継続的な淡水消費への依存度を低減できるためでもあります。.
将来、日本のデータセンターでは、エネルギーや水をリサイクルし、廃熱を再利用することが、それらを使い捨ての資源として扱うのではなく、一般的になるでしょう。.
誰も触れたがらない「マルチベンダー問題」
技術の移行が失敗することはめったにありませんが、それは技術そのものが機能しないからではありません。.
生態系が崩壊するため、それらは失敗に終わります。.
日本の企業の多くは、非常に多様な構成の環境を運用しています。サーバーはあるベンダーから、ネットワーク機器は別のベンダーから、施設インフラはさらに別のベンダーから導入されています。このような環境に液体冷却を導入すると、従来の施設管理チームがこれまで管理する必要のなかった、多層的な複雑さが生じることになります。.
どの冷却液分配ユニットが、どのラックに対応していますか？
将来のハードウェアのアップグレードに対応できるマニホールドの設計はどれでしょうか？
コロケーション環境内で情報漏洩が発生した場合、誰が責任を負うのでしょうか？
ポンプ、バルブ、冷却ループがミッションクリティカルなインフラとなった場合、保守契約はどのように進化すべきでしょうか？
こうした質問は、マーケティング用のパンフレットには掲載されていません。これらは、導入状況の検討の際に挙がってくるものです。.
ハードウェア市場自体が厳しい状況にあるため、この問題はますます差し迫ったものとなっています。.
JEITA 2026年6月、AI需要によってすでに半導体不足が生じており、サーバー、ストレージ、ネットワーク機器の納期が延び、価格が高騰していると警告しました。.
それによって、調達行動は根本的に変わります。.
企業では、ハードウェアを購入した後に冷却システムを購入するということは、もはやありません。むしろ、どのハードウェアを導入できるかという点が、冷却戦略によって決定されるケースがますます増えています。.
不足しているのはもはや半導体ではありません。.
不足しているのは、実戦配備可能なインフラです。.
実践的な移行戦略の策定
最も賢明な移行戦略は、完全な置き換えではありません。.
それは選択的進化です。.
まず最初に行うのは、評価とゾーニングです。.
従来の空冷環境では、レガシーのエンタープライズアプリケーション、データベース、およびビジネスシステムは引き続き効率的に稼働させることができます。一方、AIトレーニングクラスター、推論ファーム、および高密度GPU環境は、専用の水冷ゾーンに移行させるべきです。.
ハイブリッド型施設は、リスクを低減しつつ柔軟性を維持できるため、今後数年にわたり市場をリードし続けるでしょう。.
2番目のステップは、導入のスピードに関するものです。.
従来の建設プロジェクトは、進捗が遅いものです。. データセンターの建設 通常、1年から2年かかります。しかし、脱炭素エネルギープロジェクトの場合は、1年から15年かかることもあります。.
その不整合により、インフラ計画は根本から変わってしまいます。.
コンピューティング需要はソフトウェアのスピードで変化している一方で、エネルギーインフラは電力会社のスピードで変化しています。.
理想的な条件を待っている組織は、発電能力が整うより何年も前に需要が押し寄せてくることに気づくかもしれません。.
ここで、モジュール型インフラの真価が発揮されてきます。.
あらかじめ設計済みのラックやコンテナ型導入により、運用担当者は導入期間を大幅に短縮することができます。施設を一から再設計する代わりに、組織は設置や試運転の準備が整った状態で納入される標準化されたAIゾーンを導入することができます。.
プロジェクトのスケジュールから数ヶ月が消えてしまいます。.
3番目のステップは測定です。.
2つの指標が、ますます決定的な役割を果たすようになってきています インフラ 競争力。.
1つ目は、電力使用効率（PUE）です。.
2つ目は、水利用効率です。.
長年にわたり、事業者はこれらの指標を単なるサステナビリティ報告の一環として扱ってきました。しかし、AIの登場により、その役割は一変しました。これらは今や、収益性、拡張性、そしてインフラの耐用年数を左右する運用指標となりつつあります。.
したがって、リアルタイム監視プラットフォーム自体が、重要なインフラとなりつつあります。.
熱性能、冷却剤の流量、エネルギー消費量、および水利用効率を追跡できるソフトウェアにより、オペレーターは問題が停止事故に発展する前にそれを特定することができます。.
将来のデータセンター管理者は、サーバーの列の間を歩き回る時間は減り、熱分析ダッシュボードを分析する時間が増えるかもしれません。.
それはSFではありません。.
それが運用業務です。.
液体冷却とクラウド主権の問題
AI業界では、ある危険な思い込みが広まっています。.
多くの人は、勝者となるのは単に最も優れたモデルを持つ者たちだと考えています。.
インフラの状況は、また別の話です。.
AIシステムの稼働、冷却、あるいは大規模な導入ができない国々は、最終的にはそれができる国々に依存することになるでしょう。.
液体冷却は、もはや施設管理予算の中に隠されたサステナビリティプロジェクトではありません。これは、国家の競争力に関わる課題となりつつあります。.
日本のAIへの取り組み、ソブリンクラウド構想、そしてデジタルトランスフォーメーションの目標は、すべて同じ方向を指し示しています。計算能力はさらに増大していくでしょう。それに伴い、発熱量もさらに増大することになります。.
真の問題は、インフラ戦略がその現実に対応できるほど迅速に進化していくかどうかです。.
次世代の日本人 クラウド インフラストラクチャは、そこに搭載されたチップによって記憶されることはないかもしれません。.
これは、冷却室の時代は終わり、シリコン冷却の時代が始まったことをついに認めた出来事として記憶されるかもしれません。.
日本語