前回、総消費電力量は、品質をそろえた仕事の増え方と電力効率の改善によって変わると述べた。今回は、総量だけでは見えない変化を扱う。どこで計算するか、である。
結論を先に置く。効率化は、端末で実行できる仕事の範囲を広げうる。ただし、実行できることと、実際に仕事が移ることは別である。品質、待ち時間、メモリ、料金が条件を満たすとき、クラウドの仕事の一部を手元へ移せる。計算は消えるだけでなく、場所を変える。
0. 本稿が主張しないこと
本稿は、クラウドの終焉を予言しない。データセンター投資の縮小も予測しない。個別の端末や半導体の性能の優劣も論じない。本文に示すエネルギー数値のうち、移行条件の例はいずれも大小関係を示すための例示であって、実測値ではない。
扱うのは一点である。総量が増えている間に、計算の場所はどう変わるか。
1. 計算は、動いてきた
計算の置き場所は、技術史上、一定でなかった。メインフレームの計算室に加え、PCが机上の処理を、スマートフォンが手元の処理を広げた。同時に、ネットサービスは処理と保存をクラウドへ集めた。安く小さな装置は分散を促し、共用による効率や大規模な処理は集中を促す。二つの力は併存する。
表1 集中と分散の併存
集中側は消えなかった。利用者の近くに処理が増えても、共用する基盤の役割は残る。AIも総入れ替えではなく、仕事ごとの分担として読む必要がある。
ここで大切なのは、計算史を一方向の分散として描かないことである。効率化は端末の能力も、大規模施設の経済性も高めうる。どちらへ動くかは、その仕事の条件で決まる。
2. 端末の予算という、物差し
移動の条件の一つは、1タスク当たりのエネルギーが端末の許容範囲に入ることだ。50ジュールだった処理が5ジュール、0.5ジュールへ軽くなれば、選べる機器が増える可能性がある。数値は例示であり、PCやスマートフォンの境界値ではない。メモリ、処理速度、発熱、要求品質も満たす必要がある。Appleは約30億パラメータの端末向け言語モデルを公表しており、軽い推論を端末で行う選択肢はすでにある。[1]
図1 端末で実行可能になる条件の一つ
出典：LONGNOW作成。概念図・例示であり、実測値ではない。
この関係を、計算拡散仮説と呼ぶ。品質を固定した対象タスクで、端末の実行条件が改善すると、端末を選ぶ割合が高まるという仮説である。確かめるには、同じタスク群と対象端末を決め、移行前後を一定期間追う。料金や品質などの条件をそろえても端末の選択が増えなければ、仮説を見直す。世界全体の比率だけでは、重い新用途の増加と区別できない。
当面、移しやすいのは軽い推論であり、大規模な学習や重い処理はクラウドが担う。ただし、省電力の優劣は場所だけでは決まらない。端末にも充電・電源変換・冷却の損失があり、施設側には高効率な装置と共用の利点がある。通信も含め、同じ品質の仕事を終えるまでの電力量で比べる。
【語の定義】計算拡散仮説他の条件をそろえたとき、端末の実行条件の改善が端末を選ぶ割合を高めるという仮説。
3. 見える電力、見えない電力
場所が変わると、もう一つ変わるものがある。電力の見え方である。
クラウドでは、利用者が直接見るのは月額やAPI料金である。端末では、電池残量、発熱、ファンの音、速度低下としても負担が現れる。この違いを、本連載ではResource Visibilityと呼ぶ。資源の可視性という意味である。電力が見えること自体で節約が決まるのではない。仕事が他の用途と資源を奪い合うとき、選別の動機が生まれる。
表2 負担の見え方と比較の条件
個人の端末では電池と発熱が、企業の設備では電力費と設備容量が問題になりうる。工場や車両では、生産や航続距離との兼ね合いもある。ただし、クラウドにも予算上限、利用枠、遅延、社内の利用規則がある。「見えないから使いすぎる」と決めつけず、制約を誰が認識し、何を調整できるかを見る。
【語の定義】Resource Visibility資源の負担が、料金・電池・発熱・設備容量などを通じて利用者に見える度合い。
4. 動かない網の上で、計算が動く
IEAは、系統接続に5年から10年を要する地域があると報告している。[2] 物理的な送電網や設備の増設には時間がかかる。一方、配置を変更できる仕事なら、空きのある拠点や端末へ移すことで、特定の場所の制約を避けられる可能性がある。
ただし、ワークロードは自由に瞬間移動するわけではない。データやモデルの転送、通信帯域、機密性、保存先の規則、遅延が移動を縛る。計算が動ける範囲もまた、確認すべき条件である。
第一問を当てる。いつ希少になったか。生成AI向けの需要拡大で、先端設備と電力の供給制約は強まっている。[2] その制約に建設の時間差がどれほど効き、立地や制度がどれほど効いているか。需要が別の場所へ移れる範囲と合わせて見れば、供給制約が緩む条件を絞れる。
5. 数えるべきは、比率
推論のクラウド実行比率は、有用な候補になる。ただし、件数で測るか、計算量で測るかで値は異なる。対象タスク群で端末実行が増えても、新しい重い用途が増えれば、全体のクラウド比率は上がりうる。図2は、比率が下がりながらクラウド側の消費電力量が増える場合を示す。順序の予測ではなく、二つの指標が両立する例である。
図2 クラウド実行比率の低下と電力量の増加
出典：LONGNOW作成。概念図・例示であり、実測値ではない。
次回は、場所が増えたときに重要になる仕事を扱う。クラウド、エッジ、端末のどこで何を実行するかを決める仕事である。その必要性の増加は、誰かの持続的な優位につながるだろうか。
総量の増加と、実行場所の変化は両立する。
結語 ― 計算室の物差し
同じ電力量でできる仕事が増えると、計算の置き場所を選び直せる。だが、選べる場所が増えることと、そこへ需要が移ること、総電力量が減ることは、三つの異なる変化である。
個々のタスクで移行を追い、全体の需要増加と分けて読む。そのために、総量と比率の両方が要る。
総量を数える。どこで実行しているかも数える。
出典注記
図はLONGNOW作成の概念図であり、実測値でも将来予測でもない。計算拡散仮説とResource Visibilityは筆者による整理である。クラウド実行比率の対象は本文第2節・第5節のとおり限定し、世界全体の実測系列としては扱わない。
[1] Apple, Introducing Apple’s On-Device and Server Foundation Models, 2024-06-10. 原資料
[2] IEA, Key Questions on Energy and AI, 2026, Executive summary／第1章。CC BY 4.0。 原資料
