AIは数十億人の天然資源を脅かしている
AI Is Threatening Natural Resources for Billions (unric.org)
要約
国連大学の研究によると、AIとそれを支えるデータセンターは、2030年までに膨大な量の電力と水を消費し、地球規模で天然資源に大きな負荷をかけることが警告されています。特に、電力源の選択によっては、炭素排出量を削減しても水や土地への負荷が増大するトレードオフが生じることが指摘されており、AIの持続可能性を単一の指標で評価することの危険性が示唆されています。
全文翻訳
国連科学者:AIは数十億人の天然資源を脅かしている
2030年までに、AIの水使用量は13億人分の需要に匹敵し、電力消費量は6億5000万人分の3倍になる、と国連大学の調査が警告
[画像: Cover: UN UniversityEnvironmental Cost of AI's Energy Use]
AIのエネルギー使用による環境コスト
カナダ、オンタリオ州リッチモンドヒル(2026年6月3日) – 2030年までに、人工知能を支える世界のデータセンターは945テラワット時(TWh)の電力を消費すると予測されています。これは、パキスタン、バングラデシュ、ナイジェリアの3カ国の年間電力使用量の合計のほぼ3倍に相当します。これらの国々には、合計で6億5000万人以上の人々が住んでいます。AIの電力消費に伴う水消費量は、サハラ以南アフリカの全人口13億人分の基本的な年間国内用水需要に匹敵し、土地消費量はジャカルタ首都圏(3200万人以上が居住)の約2倍にあたる14,500平方キロメートルを超えると予測されています。
これらの厳しい調査結果は、国連大学水・環境・保健研究所(UNU-INWEH)による新しい報告書「AIのエネルギー使用による環境コスト:炭素、水、土地のフットプリント」で詳述されています。研究者たちは以前からデータセンターの温室効果ガス排出量について警告してきましたが、国連の科学者たちは現在、AIとデータセンターの環境コストは炭素排出量だけでは理解できないと主張しています。彼らの報告書では、AIの電力使用に伴う炭素、水、土地のフットプリントを世界規模で定量化し、世界で最もデータセンターが多い20のハブにおけるこれらのフットプリントの大きな違いを浮き彫りにしています。
“この報告書は、人工知能に反対するものではありません。AIは、世界中の数十億人の生活を改善している技術的変革です”と、調査チームを率いたUNU-INWEHのディレクターであるカヴェー・マダニ教授は述べています。“これは、AIを責任を持って使用し、その意図しない影響に積極的に対処して、持続可能で公平なものにするための呼びかけです。私たちは、私たちの時代の技術革命の基盤が地球の限界内で発展することを保証し、AIの進歩に必要な重要鉱物を供給するコミュニティや、そのインフラと電子廃棄物をホストするコミュニティも、その恩恵を受けるコミュニティの中に含まれるようにするための、限られた機会を持っています。”
誤って測定されているフットプリント
報告書によると、AIの環境コストは体系的に誤って測定されています。既存の評価のほとんどは、大規模モデルのトレーニングに関連する炭素排出量に焦点を当てています。しかし、AIシステムをトレーニングまたは実行するために使用されるすべてのキロワット時(kWh)の電力は、冷却と発電による水フットプリント、およびエネルギーインフラとサプライチェーンによる土地フットプリントも伴います。これらの3つのフットプリントは同じ方向には動きません。例えば、石炭からバイオエネルギーへの切り替えは、平均して電力の炭素フットプリントを70%削減する可能性がありますが、水フットプリントを30倍以上に、土地フットプリントを100倍以上に増加させる可能性があります。報告書は、「低炭素」が自動的に「低水」または「低土地」ではないと結論付けており、単一の指標でAIの持続可能性を評価すると、トレードオフが隠され、すでに水や土地のストレスに直面している地域に環境負荷がシフトする可能性があると警告しています。
インフラレベルでは、これらの数値は急速に増加します。世界のデータセンターは2025年に推定448 TWhの電力を消費しました。もし国として扱われた場合、フランスとサウジアラビアの間に位置する、世界で11番目に大きな電力消費者となっていたでしょう。
“最も驚いたのは、炭素の観点から最もグリーンに見える選択肢が、水や土地にとってはしばしば悪化するということです”と、報告書の主任著者であるUNU-INWEHの研究員、ミリアム・アゼル博士は述べています。“もし私たちがAIの持続可能性を炭素だけで判断し続けるなら、再生可能エネルギーがAIインフラをクリーンにすると考えるかもしれませんが、それは1つの問題を解決する一方で、しばしばそれを求めていない場所で他の問題を引き起こしていることになります。”
推論、効率、およびリバウンド効果
公の議論は、主に巨大モデルのトレーニングに必要なエネルギーに焦点を当ててきました。GPT-3のトレーニングには1.3ギガワット時(GWh)の電力が必要と推定され、GPT-4は50〜70 GWhを消費したと推定されています。しかし、報告書は、この枠組みは時代遅れであると明らかにしています。モデルが展開された後、推論、つまり日常的なユーザーのプロンプトに応答するためにモデルを継続的に実行することが、AIの総エネルギー使用量の80〜90%を占める主要なコストとなります。ChatGPTだけでも、1日あたり約25億件のプロンプトを処理すると推定されており、これは単一製品で年間約383 GWhの電力に相当します。関連する炭素排出量を相殺するには、10年間育てられた260万本の苗木が必要で、これはマンハッタン島の面積をカバーするのに十分な木です。水フットプリントは、サハラ以南アフリカの約50万人の最低限の年間国内用水需要に匹敵し、土地フットプリントは800以上のサッカー場に相当します。
ビデオ生成:新たな環境危機
クエリあたりのエネルギー消費量は、タスクによって桁違いに異なります。典型的な会話チャットクエリは、基本的なテキスト分類の約200倍のエネルギーを消費します。単一のAI画像を生成するには、そのベースラインの約1,450倍のエネルギーが必要になる場合があります。単一の短いAI生成ビデオは、20万件のスパム分類と同じくらいの電力を消費する可能性があります。モデルの選択、プロンプトの長さ、出力形式、解像度すべてが、フットプリントに大きく影響します。しかし、これらの決定のほとんどは、ユーザーが決して見ることのない製品のデフォルト設定によって、目に見えない形で行われています。
報告書はリバウンド効果(ジェボンズのパラドックス)に言及し、モデルがより効率的になるにつれて、それらはより安価になり、より頻繁に使用されるようになると警告しています。トークン、解像度、またはデフォルトの出力長に明示的な制限がない場合、クエリあたりの改善は、単なるボリュームの増加によって容易に相殺されてしまいます。
“多くの人々は、技術が向上しプロセスがより効率的になるにつれて、AIの環境フットプリントは減少すると考えています。しかし、それは問題全体の部分的な側面でしかありません”と、報告書の共著者であり、最近2026年ストックホルム水大賞受賞者に選ばれたマダニ教授は述べています。“より効率的で手頃な価格のAIとエネルギーは、AIの消費を増加させるため、効率的な改善によって節約される量よりも、全体的なフットプリントははるかに大きくなります。”
ローカルなコスト、遠い利益
AIの広範な世界的な拡大の恩恵と負担は、非常に不均一です。報告書で示されているいくつかのサイトレベルの事例は、世界中に分散されたAIサービスがどのように激しいローカルな圧力を生み出しているかを示しています。アイルランドでは、データセンターが2023年の総電力消費量の21%を占め、すべての都市部の世帯を上回りました。国の電力網運営者は、2028年までダブリン周辺の新規承認を一時停止しており、アイルランドはAIインフラの成長がエネルギー計画を上回った場合の具体的な、文書化された例となり、他の国々が向かっている状況のプレビューとなっています。
メキシコのケレタロでは、コンピューティングインフラの拡大が、長期にわたる干ばつの中で水供給を圧迫しています。ウルグアイでは、水消費量の多いデータセンターの計画が、モンテビデオの淡水準備金を枯渇させ、水道水を飲用不可能にした2023年の干ばつと重なりました。
さらに、AIインフラは2030年までに年間最大250万トンの電子廃棄物を生成する可能性があり、その多くは保護措置が限られている低所得国で処理されています。一方、重要鉱物は、環境監督が弱い地域で採掘されています。
“データセンターが建設されている場所と水ストレスが最も深刻な場所を地図上に重ねると、一部のケースでは同じ地域が見られます”と、報告書の共著者であり、UNU-INWEHの地理空間・気候・インフラ分析プログラムマネージャーであるミル・マティン博士は述べています。“そして、これらのサイトの近くに住むコミュニティが、そこで実行されているAIを使用しているとは限りません。その非対称性が問題です。それを修正しなければ、私たちは単に古いパターンを繰り返すことになり、一部の場所がコストを負担し、他の場所が利益を享受することになります。”
デジタルデバイド:AIコンピューティングは2カ国に90%集中
AIインフラには環境コストが伴いますが、同時に経済的、安全保障的、主権的な利点も大きく、裕福な国々がより多くのデータセンターを建設することを奨励しています。世界でAI専用データセンターをホストしているのはわずか32カ国であり、その容量の90%は2カ国に集中しています。一方、150カ国以上は現在、主権AIコンピューティングへのアクセスがほとんどまたは全くありません。報告書はこれを単なる経済的格差ではなく、環境正義の問題として捉えています。排除された国々は重要鉱物の採掘と電子廃棄物の負担を負い、戦略的利益は他国に流れています。
“人工知能を構築するグローバルシステムは、それを持続可能かつ公正に管理しなければなりません”と、国連大学学長であり国連事務次長であるTshilidzi Marwala教授は述べています。“世界の特権的な地域へのAIインフラの集中開発は、AIの公平な発展に深刻な課題をもたらす大きなデジタルデバイドを生み出しています。AIは確かに繁栄と人間の幸福を前進させることができます。それが公平に行われるかどうかは、もはや技術的な問題ではなく、ガバナンスの問題です。”
持続可能性と公平性のためのロードマップ
報告書は、6つの原則に基づいた責任あるAIエコシステムの構築を求めています:透明性、設計による効率性、公平性と環境正義、ライフサイクル責任、グローバル協力、そして持続可能な使用。具体的な推奨事項は、主要なステークホルダーグループそれぞれに向けられています。
- 政府は、AIインフラをエネルギー計画、水ガバナンス、土地利用許可に統合し、標準化された環境フットプリント報告を義務付けるべきです。
- 産業界およびAI開発者は、モデル選択、デフォルト出力、ルーティング決定をフットプリント決定要因として扱い、設計による効率性を向上させるべきです。
- ユーザーおよび導入組織は、タスクを満たす最も軽量なモデルと最もエネルギー効率の良い形式を選択するという、目的に合った使用を採用すべきです。
- データセンター事業者およびユーティリティは、立地選定とエネルギー調達を環境フットプリント決定として扱い、累積影響評価を適用すべきです。
- 投資家は、電力、炭素、水、土地のフットプリントをAIインフラポートフォリオにおける重要なリスクとして扱うべきです。
- コミュニティおよび市民社会は、データセンターの立地選定決定に早期から関与し、執行可能な透明性と苦情処理メカニズムを持つべきです。
- 国際機関は、調和の取れた測定基準を支援し、国境を越えた負担転嫁のインセンティブを削減し、排除された地域でのコンピューティング能力を構築すべきです。
数字で見る
945 TWh
2030年までに予測される世界のデータセンターの電力需要。世界の予測電力使用量の約3%に相当し、フランスの2025年消費量の約2倍
3億9900万トン
2030年のデータセンターの電力消費による関連炭素フットプリントは、10年間で約67億本の木を植えて相殺する必要がある。これは英国の推定木数のおよそ2倍に相当
9兆3000億リットル
2030年のデータセンター電力による関連水フットプリント。サハラ以南アフリカの13億人分の基本的な年間国内用水需要に匹敵
14,500 km²
2030年のデータセンター電力による関連土地フットプリント。ジャカルタ首都圏(3200万人以上が居住)の約2倍
80~90%
トレーニングではなく、展開されたモデルの実行である推論によって消費される、AIの総エネルギー使用量の推定割合
25億件
推定される毎日のChatGPTプロンプト。単一製品で年間約383 GWhの電力に相当
1,450倍
基本的なテキスト分類と比較した、典型的なAI生成画像のエネルギー需要
90%以上
米国と中国の2カ国に集中しているAI専用クラウドコンピューティングの割合
250万トン
2030年までに予測される年間AI関連電子廃棄物。毎年約250基のエッフェル塔を廃棄するのに相当
REPORT IN BRIEF
AIの環境コストは誤って測定されている。 ほとんどの現在の評価は、トレーニングからの炭素排出量に焦点を当てています。報告書は、これが全体像の大部分を見落としていると主張しています。AIの電力のすべてのキロワット時(kWh)は、冷却と発電による水フットプリント、およびインフラとサプライチェーンによる土地フットプリントも伴います。これらの3つのフットプリントは反対方向に動く可能性があり、1つを削減すると他の1つが増幅される可能性があります。
データセンターは、電力、水、土地の国規模の消費者になりつつある。 2025年に推定448 TWhであった世界のデータセンターの電力使用量は、2030年までに945 TWhに達する可能性があります。関連する水フットプリントは9兆3000億リットル、関連する土地フットプリントは14,500平方キロメートルを超えると予測されています。
トレーニングではなく推論が、AIのエネルギー使用の大部分を推進している。 モデルが展開されると、毎日の数十億件のユーザーインタラクションが、その総エネルギーの推定80〜90%を消費します。ChatGPTだけでも、1日あたり約25億件のプロンプトを処理すると推定されています。
クエリあたりのエネルギーは、タスク間で桁違いに異なる。 典型的なチャットクエリは、基本的なテキスト分類の約200倍のエネルギーを使用します。AI画像は約1,450倍を使用します。単一の短いAIビデオは、20万件のスパム分類に相当する可能性があります。モデルの選択と製品のデフォルト設定は、フットプリントの決定要因です。
AI画像とビデオ生成に必要なエネルギーと水。 典型的なAI画像を生成するために必要なエネルギーは、10ワットのLED電球を17分間点灯させるのに十分であり、高複雑度のAIビデオに必要なエネルギーは、同じ電球を42時間点灯させるのに十分です。同様に、電力に関連する水フットプリントは、単一の画像で約大さじ2杯(29 mL)ですが、複雑なビデオでは4.1リットルに跳ね上がり、これはほぼ1人あたりの2日間の飲料水需要に相当します。
効率改善だけでは成長を抑制できない。 報告書は、リバウンド効果(ジェボンズのパラドックスとも呼ばれる)を引用し、クエリあたりの改善が通常、量の増加によって吸収される理由を説明しています。効率と並行して、トークン、解像度、出力長の制限が必要です。
AIコンピューティングは地理的に集中している。 AI専用データセンターをホストしているのはわずか32カ国です。容量の90%以上が2カ国にあります。150カ国以上が現在、主権AIコンピューティングインフラを持っていません。
ハードウェアのライフサイクルは次のフロンティアである。 AIインフラは、2030年までに年間最大250万トンの電子廃棄物を生成する可能性があります。AIハードウェアに必要な重要鉱物は、環境監督が弱い地域、しばしばグローバルサウスに集中しています。
6原則に基づくガバナンスフレームワーク。 報告書は、透明性、設計による効率性、公平性と環境正義、ライフサイクル責任、グローバル協力、持続可能な使用に基づいた「責任あるAIエコシステム」を提案し、AIエコシステム全体にわたる具体的な責任を割り当てています。
主要な政策メッセージ
炭素のみの指標は、AIにとって十分ではなくなった。 AIの環境影響に関する開示基準は、標準化された単位で、トレーニングと推論の両方、および管轄区域全体で、炭素、水、土地のフットプリントを共同で要求すべきであり、規制当局と投資家が比較できるようにすべきです。
推論は、トレーニングが受けてきた政策的注目に値する。 運用上の使用がAIのエネルギー需要の大部分を占めるため、ガバナンスは、最大のトレーニング実行だけでなく、製品のデフォルト設定、モデル選択、および行動レバーに焦点を当てるべきです。
立地選定は環境決定である。 データセンターがどこに建設され、どのグリッドから電力を供給されるかは、同じワークロードの炭素、水、土地のプロファイルを決定します。許可、環境影響評価、およびコミュニティ協議は、この現実を反映すべきです。
ローカルな容量計画は、グローバルなコンピューティング地理学に追いつく必要がある。 報告書で説明されているアイルランド、メキシコ、ウルグアイの事例は、グリッドと水システムが、他の場所のユーザーにサービスを提供するワークロードを吸収するように求められた場合に何が起こるかを示しています。透明性のある緩和策と利益共有は、拡張に伴うべきです。
効率改善には需要側のガードレールが必要である。 リソース予算、トークンあたりのプロンプトリミット、デフォルトの低解像度設定、および同様のガードレールなしでは、効率改善はボリュームの増加によって吸収されます。
AIコンピューティングへのアクセス自体が公平性の問題である。 150カ国以上が現在、主権AIコンピューティングを持っていません。国際機関は、能力構築の支援、開示の調和、および国境を越えた負担転嫁の削減によって支援できます。
バリューチェーン全体がガバナンスを必要とする。 上流の重要鉱物採掘と下流の電子廃棄物は、AIのフットプリントに不可欠であり、現在、利益をほとんど得られないコミュニティに負担をかけています。
投資家と金融機関が先行できる。 炭素、水、土地のフットプリントをAIインフラポートフォリオのデューデリジェンスにおける重要なリスクとして扱うことは、報告書で利用可能な最も迅速なレバーの1つとして説明されています。
地球の限界内でのAIは達成可能である。 報告書の中心的な主張は建設的です。能力と管理は共に成長できますが、それは測定、透明性、そしてエコシステム全体での共有された責任があって初めて可能です。
REPORT INFORMATION
Aczel, M., Chamanara, S., Matin, M., Farsi, A., Marwala, T., Madani, K. (2026). Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints. United Nations University Institute for Water, Environment and Health (UNU-INWEH), Richmond Hill, Ontario, Canada. doi: 10.53328/INR26RMA002
AVAILABLE FOR INTERVIEW
Interview requests should be submitted to media.inweh@unu.edu
MEDIA CONTACTS
William Smyth, Public Engagement Liaison, UNU-INWEH, william.smyth@unu.edu
Daniel Powell, Senior Communications Officer, UNU, powell@unu.edu
ABOUT UNU-INWEH
2026年に創立30周年を迎える国連大学水・環境・保健研究所(UNU-INWEH)は、国連大学(UNU)を構成する13機関の一つであり、国連の学術部門です。「水の国連シンクタンク」として知られるUNU-INWEHは、世界中の水、環境、健康に関する重要な課題に取り組んでいます。研究、トレーニング、能力開発、知識普及を通じて、同研究所は国連とその加盟国が関心を寄せる喫緊の地球規模の持続可能性と人間の安全保障問題の解決に貢献しています。カナダのオンタリオ州リッチモンドヒルに本部を置くUNU-INWEHは、1996年以来カナダ政府によってホストされ、支援を受けています。グローバルな使命と国連機関、国際機関、政府との広範なパートナーシップを持つUNU-INWEHは、カルガリー、ハンブルク、ニューヨーク、ルンド、プレトリアにあるUNUハブと、国際的なアフィリエイトネットワークを通じて活動しています。