AIの電力消費はどれくらい？データセンターと電気代の実データ【2026】

AIの電力消費は「データセンターの電力消費」として計測されています。国際エネルギー機関（IEA）が2026年4月に公表した特別レポートKey Questions on Energy and AIによると、世界のデータセンターの電力消費は2025年に485TWh、2030年には950TWh へおよそ倍増し、世界の電力需要の約3%を占める見通しです。

一方で、AI1タスクあたりのエネルギーは急速に下がっています。同レポートは「AIタスクあたりのエネルギー使用量は、近年少なくとも年に1桁ずつ低下している」と述べています。総量が増えているのは、1回が重いからではなく、使う人と使い方が増えているからです。この記事では、この2つの事実を一次情報の数値だけで整理します。

結論：数字で見るAIの電力消費

まず世界の全体像です。IEAは2025年4月のEnergy and AIで2024年の実績を、2026年4月のKey Questions on Energy and AIで最新の見通しを示しています。以下はいずれもIEAの中心シナリオ（Base Case／中心的な見通し）の数値です。

規模感としては、2030年の950TWhは日本全体の年間電力消費量をやや上回る水準です。ただしIEAは、2030年までの世界の電力需要の伸びのうち、データセンターが占めるのは10%未満だとも記しています。「急増しているが、電力システム全体で見ると最大の要因ではない」というのが公式レポートの位置づけです。

AIを1回使うと、どれだけ電力を使うのか

ここは最も数字が独り歩きしやすい論点です。事業者が方法論つきで公表した数値は、本記事執筆時点（2026年8月13日）ではごく限られています。確認できたものだけを並べます。

重要なのは「同じGoogleの同じモデルでも、数え方を変えるだけで0.10Whにも0.24Whにもなる」という点です。Googleの公式解説（2025年8月22日）は、待機中のマシンやデータセンターの冷却まで含めるかどうかで結果が大きく変わると明記しています。出典と算出範囲が示されていない「AI1回で◯Wh」という数字は、比較に使えないと考えたほうが安全です。

また、この数値はテキスト生成の話です。IEAは、動画生成や長い推論、エージェント的な多段タスクは、単純なテキスト生成の数百倍から数千倍のエネルギーを1クエリで消費しうると述べています。「AIを1回使う」の中身が何かで、桁が変わります。

なぜ総量は増えるのか：学習より推論が主役になった

AIの電力消費は、大きく「学習（training）」と「推論（inference）」に分かれます。学習はモデルを作る工程で、期間が限られた大規模な電力消費です。推論はユーザーが質問するたびに走る工程で、利用者数と利用頻度に比例して積み上がります。

IEAは、推論クラスタと学習クラスタを別種のインフラとして整理しており、モデルが公開されて使われる段階では推論側が継続的な負荷になります。2026年のレポートでは、主要なモデル提供事業者がこの1年でアクティブユーザー3倍、売上5倍を報告したことに触れ、需要の急拡大を裏づけとして挙げています。

効率と総量が同時に動いている点も押さえておく価値があります。IEAは、仮に世界中の通常のウェブ検索をすべて簡易なAIテキストクエリに置き換えたとしても、年間4TWh未満、現在のデータセンター消費の1%未満にとどまると試算しています。にもかかわらず総量が増えるのは、推論の重い使い方（推論モデル、マルチモーダル、エージェント）が広がっているからです。

ハードウェア側の変化も急です。IEAによれば、AIサーバーの電力密度は2020年から2025年で11倍になり、2027年までにさらに4倍になる見込みで、2027年には冷蔵庫大のラック1本のピーク電力が65世帯分に相当しうるとされています。

日本の事情：どこまでが公表資料で確認できるか

日本については「データセンターが年間何kWh使っているか」の公式統計は、本記事執筆時点では確認できませんでした。一方で、送電網の計画に織り込まれた将来の増加分は公表されています。電力広域的運営推進機関（OCCTO）が2026年1月21日に公表した2026年度 全国及び供給区域ごとの需要想定では、データセンター・半導体工場の新増設分を「個別計上」として明示しています。

この数字は「見込み」ではなく、系統接続の申込状況をもとに蓋然性が高いと判断された案件を積み上げたものです。OCCTOは、工事費負担金契約の締結・請求段階まで進んだ案件は必ず個別計上するとしています。つまり日本のデータセンター需要は、少なくとも系統計画のレベルでは実在の案件として数えられている段階にあります。

なお同資料では、前回（2025年度）想定と比べて2033年度までは下振れしており、事業者による新増設計画の見直しが反映されたと説明されています。増加基調は続くものの、計画は毎年動きます。

電気代への影響として、公表資料で言えること

「AIのせいで電気代が上がる」という説明は、公式レポートの記述としてはもっと慎重です。IEAは2026年のレポートで、2019年から2024年の主要市場を比較し、小売電気料金の変化と電力需要の変化のあいだに、明確で体系的な関係は見られないと述べています。米国では負荷成長が大きい州が必ずしも大きな値上がりを経験していない、とも記されています。

同時にIEAは、短期的には硬直的な大口需要が急増すると高コスト電源の稼働が増えて卸価格に上昇圧力がかかりうること、送電混雑のコストが増えうること、逆に余力のある系統では固定費を分散して単価を下げる方向に働きうることを、どちらも挙げています。地域単位の影響は平均値に隠れうる、という注記も付いています。日本の電気料金についてAIやデータセンターがどれだけ寄与したかを定量化した公的資料は、本記事執筆時点では確認できませんでした。

水の消費について、わかっていること

冷却に伴う水の消費も論点になっていますが、世界全体を集計した公式統計は確認できませんでした。事業者が公表している範囲では、次のような数値があります。

• Googleは、Geminiアプリのテキストプロンプト中央値1回あたりの水消費を0.26mL（およそ5滴）と公表しています（2025年5月時点、包括的手法）。
• Googleの2026年環境レポート（2026年6月30日公開）では、2025年に約77億ガロンの水を涵養し、これが2025年の淡水消費量の約78%に相当するとしています。
• Microsoftはデータセンター効率のページでFY25（2024年7月〜2025年6月）の全社WUEを0.27L/kWhと公表し、地域別ではEMEAが0.03L/kWh、米州が0.34L/kWhと大きな差があるとしています。冷却に水を使わない設計のデータセンターも発表しています。

水は電力と違い、地域の水ストレスによって同じ量でも意味が変わります。全社平均のWUEだけを見て「多い・少ない」を判断するのは適切ではありません。立地ごとの数値が公表されているかどうかが、実質的な判断材料になります。

各社が公表している対策を比較する

データセンターの効率は、PUE（施設全体の消費電力をIT機器の消費電力で割った値。1.0に近いほど冷却などのオーバーヘッドが小さい）とWUE（IT機器1kWhあたりの水使用量）で公表されるのが一般的です。各社の公式ページに掲載されている最新値は次のとおりです。

数値の定義は各社で完全に揃っていません。対象が自社所有施設のみか、リース施設を含むか、WUEが取水ベースか消費ベースかで結果は変わります。表は「各社が自社の定義で公表している値」であり、そのまま順位づけできるものではありません。

調達側の動きも公表されています。IEAによれば、テック業界は2025年に世界で締結された企業の再エネPPAの約40%を占め、データセンター企業のPPA契約量は同業界の現在の消費量のほぼ半分に相当します。小型モジュール炉（SMR）のオフテイク契約のパイプラインは2024年末の約25GWから2025年末に45GWへ拡大しましたが、最初の稼働は2030年ごろの見込みとされています。

使う側（企業・個人）にできること

ここは「AIを控える」ではなく「同じ成果をより少ない計算で出す」に寄せると実務に落ちます。IEAが効率化の手段として挙げているバッチ処理、キャッシュ、量子化推論、小型で特化したモデルの活用は、そのまま利用側の運用にも当てはまります。

• タスクに対してモデルを過剰にしない。分類・抽出・整形のような定型処理に最上位の推論モデルを使う必然性は多くの場合ありません。IEAも、小型で特化したモデルが狭い用途では旧世代の大型汎用モデルに匹敵しうると記しています。モデル選定はコストにも直結するため、生成AIの費用対効果の測り方と合わせて設計するのが現実的です。
• 無駄なリトライを減らす。出力が的外れで何度も投げ直す状態は、電力もコストも二重三重に払っています。プロンプトと入力データの整備は、環境負荷対策としても効きます。
• まとめて処理する（バッチ化）。1件ずつリアルタイムで叩く必要がない処理は、まとめて非同期で流したほうが計算効率が上がります。多くのAPIでバッチ実行は単価も安く設定されています。
• 入力を絞る。長い文書や画像を毎回丸ごと添えると、1リクエストあたりの計算量が増えます。IEAも、文書や画像を伴うコンテキスト豊富なクエリはリクエストあたりのエネルギーを押し上げると指摘しています。
• 自社にAIサーバーを置く場合は電力を自社で負担することを織り込む。ローカル運用は外部にデータを出さない代わりに、電力と冷却と保守が自社負担になります。判断材料はローカルLLMは業務で使えるのかに整理しています。

なお、モデルの世代交代が進むと同じ処理でも消費が下がることがあります。切り替えには検証コストがかかるため、AIモデル移行のコストも踏まえて計画するのが安全です。

よくある誤解

「AIを使わなければ解決する」

データセンターの電力消費はAI専用ではありません。IEAは、AIは複数のワークロードのひとつであり、データセンターの電力消費のうちどれだけがAIかを切り分けることは難しいと明記しています。同時に、AI以外のデジタルサービス需要も伸び続けています。個人がAIの利用を控えても、総量の構造は変わりません。

「1回の質問が非常に大きな環境負荷」

IEAは、単純なテキストクエリの消費電力は同じ時間テレビをつけているより少ないのが一般的だとしています。問題は1回の大きさではなく、回数と使い方の重さです。逆に、動画生成やエージェント処理を「1回の質問」と同列に語るのも誤りです。

「効率が上がれば総量も減る」

これも成り立っていません。AIタスクあたりのエネルギーは年に1桁単位で下がっているのに、データセンター全体の消費は2025年に17%増えました。効率化は総量の増加を止めていません。

「比較対象を取り違える」

「AI1回＝スマホ充電◯回分」のような比較は、算出範囲が異なるもの同士を並べていることが少なくありません。比較するなら、同じ手法で算出された数値どうしか、あるいはIEAのような同一レポート内の数値を使うべきです。

電力消費という物理的な制約とあわせて、AIの利用そのものを取り巻く規制も押さえておきたいところです。日本企業への影響はEU AI法の日本企業への適用範囲、国内の規制動向は日本のAI規制はどうなったかにまとめています。またAIの悪用リスクという意味ではディープフェイク詐欺対策もあわせてご覧ください。

まとめ

2026年8月時点で公式資料から言えることは、次の3点に集約できます。第一に、世界のデータセンター電力消費は2025年に485TWh、2030年に950TWhへ倍増する見通しで、世界の電力需要の約3%を占めます。第二に、AI1タスクあたりのエネルギーは年に1桁単位で下がっており、総量増加の主因は効率ではなく利用量と利用の重さです。第三に、日本ではデータセンター・半導体工場の新増設分として2035年度に最大電力+762万kW（全国の4.63%）が系統計画に織り込まれています。

逆に、日本のデータセンターが年間何kWh使っているかの公式統計、AIが日本の電気料金をどれだけ押し上げたかの定量的な公的資料、世界全体の水消費量の集計は、本記事執筆時点では公式資料で確認できませんでした。この領域は数字の出所が曖昧なまま流通しやすいので、算出範囲と時点が示されているかを毎回確認することをおすすめします。