GoogleがGeminiの真の環境コストを公開：1回のAIプロンプトで消費されるリソースは？

AI技術が世界を席巻する中、その背後にあるエネルギー消費と環境への影響が大きな注目を集めています。今回、Googleは初めて自社のAIモデル「Gemini」の詳細なデータを公開し、1回のプロンプトに必要なエネルギー、水資源、炭素排出量を明らかにしました。驚くべきことに、これらの数値は先行研究の推定値を大幅に下回っています。その理由は何なのでしょうか？本記事では、Googleが提唱する新しい「包括的評価フレームワーク」を詳しく解説し、それがAI産業の未来に何を意味するのかを探ります。

AIの環境請求書は、あなたが思うより複雑

人工知能（AI）の台頭は間違いなく革命的ですが、この波の裏には巨大なエネルギー需要が隠されています。大規模言語モデル（LLM）のトレーニングから、世界中の何十億ものユーザーからの日常的な質問の処理まで、あらゆる段階で電力と水資源が消費され、それに応じた炭素排出量が発生します。率直に言って、私たちは皆、AIの環境コストに好奇心を抱き、少し心配しています。

皆が議論している中、Googleは「Measuring the environmental impact of delivering AI at Google Scale」という画期的な研究報告書を発表し、同社のAIアシスタント「Gemini」の1回のテキストプロンプトにおける環境フットプリントを初めて詳細に明らかにしました。

その結果はあなたを驚かせるかもしれません：

• エネルギー消費量： 0.24ワット時（Wh）
• 炭素排出量： 0.03グラムの二酸化炭素換算（gCO₂e）
• 水消費量： 0.26ミリリットル（mL）

これらの数値は具体的なだけでなく、これまでの多くの公表されている推定値よりもはるかに低いものです。これは中心的な疑問を提起します：AIの効率が予想を上回っているのか、それとも私たちの過去の測定方法に問題があったのでしょうか？

ちょっと待って、この数字は想像よりずっと低いのでは？

AIの環境問題に少しでも詳しい人なら、Googleのデータを見て戸惑うかもしれません。過去の研究や報道が描いてきた光景は、もっと厳しいものだったように思えます。

例えば、一部の研究では、1回のAIクエリで最大3ワット時のエネルギーを消費する可能性があると推定されています。Mistral AIの報告書によると、同社のモデルの典型的な1回のインタラクションで約1.14グラムの炭素排出と45ミリリットルの水消費が発生するとのことです。

それに比べて、Googleのデータは際立って「環境に優しい」ように見えます。この違いの鍵は、「測定境界」の違いにあります。多くの外部研究は、公開されているハードウェアの仕様と一連の仮定に基づいて推定を行うか、理想化されたベンチマーク環境で測定を行う傾向があります。しかし、このアプローチは、現実世界での大規模な展開の複雑さを見落としている可能性があります。

Googleは、より正確な評価には、サービススタック全体のあらゆる部分を網羅する必要があると指摘しています。

Googleの「包括的測定法」とは一体何か？

この問題に対処するため、Googleは、AIサービスが実際の生産環境でどのような姿をしているかを完全に反映することを目的とした、より包括的な測定法を提案しました。このフレームワークは、稼働中のAIアクセラレータ（GPUやTPUなど）の消費電力を計算するだけでなく、4つの重要な部分を網羅しています。

1. アクティブなAIアクセラレータのエネルギー消費： これは最も直感的な部分で、プロンプトを処理する際にチップが実際に消費する電力です。
2. アクティブなホストシステムのエネルギー消費： AIチップに加えて、モデルを実行するサーバーにはCPUとDRAM（メモリ）のサポートが必要であり、この部分のエネルギー消費も計算に含める必要があります。
3. アイドル状態のマシンのエネルギー消費： サービスの安定性と低遅延を確保するため、大規模システムでは、トラフィックのピークやフェイルオーバーに対応するために、アイドル状態のコンピューティングリソースの一部を確保しています。これらの「待機中」のマシンは、リクエストを処理していなくても電力を消費しています。
4. データセンターの追加経費： これには、冷却システムや電力変換損失など、データセンターの運用を維持するためのすべての間接的なエネルギー消費が含まれ、通常は「電力使用効率」（PUE）指標で測定されます。

簡単に言えば、Googleの方法は、車の走行全体の燃料消費量を計算するようなもので、エンジン走行時の消費量だけでなく、エアコンやライト、さらには赤信号でのアイドリング時の燃料消費量まで計算に入れています。この「フルスタック」の視点こそが、1回のAIサービスを提供する総コストを真に反映しているのです。

Geminiの1回のプロンプトの真の環境コスト

このような包括的なフレームワークの下で、Googleが算出したデータはより現実的な意味を持ちます。これらの数値を、より理解しやすい概念に変換してみましょう。

• 0.24ワット時（Wh）のエネルギーは、テレビを9秒間見るよりも少ない電力消費です。
• 0.26ミリリットル（mL）の水量は、約5滴の水に相当します。

1回のプロンプトの影響はごくわずかですが、世界中で毎日何十億回ものインタラクションが行われていることを考えると、継続的な最適化が依然として極めて重要です。

測定だけじゃない：GoogleはAIのパフォーマンスをどのように継続的に最適化しているのか？

データを公開することは第一歩にすぎません。さらに重要なのは、継続的に改善していくことです。Googleの報告書は、ハードウェアとソフトウェアの協調最適化を通じて、過去1年間で驚くべき効率向上を達成したことも強調しています。

調査によると、2024年5月から2025年5月にかけて、Gemini Appsの1回のプロンプトの総炭素排出量は44分の1に減少しました。この成果は、多方面にわたる努力の賜物です。

• よりスマートなモデルアーキテクチャ： エキスパート混合（MoE）などの技術を採用することで、モデルが応答する際に必要な部分のみを起動させ、計算量を大幅に削減しました。
• ソフトウェアの効率向上： モデルの改良とマシン利用率の向上により、1回のプロンプトのエネルギー消費量を1年間で33分の1に削減しました。
• カスタマイズされたハードウェア： Googleが自社設計したTPU（テンソルプロセッシングユニット）は、当初から「ワット当たりのパフォーマンス」を中核目標としており、ソフトウェアとハードウェアの高度な連携を保証しています。
• 超高効率のデータセンター： Googleのデータセンターの平均PUEは1.09で、これはエネルギーのわずか9%しか追加経費に使われていないことを意味し、業界平均をはるかに上回っています。
• クリーンエネルギーの調達： 再生可能エネルギーを積極的に調達することで、電力網の炭素排出係数を低減し、同じ電力を消費しても、発生するカーボンフットプリントが少なくなりました。

これらの努力が相まって好循環を生み出し、AIの能力を向上させるだけでなく、環境への影響も抑制しています。

これはAIの未来にとって何を意味するのか？

Googleのこの報告書は、AI業界全体に2つの重要な示唆を与えています。

第一に、標準化され、透明性があり、包括的な環境影響評価フレームワークを構築することがいかに重要であるかを証明しました。統一された測定基準がなければ、各社が公表するデータを比較することは困難であり、ユーザーは異なるAIサービス間の環境への配慮の違いを真に理解することはできません。

第二に、包括的な技術的最適化を通じて、AIの効率を指数関数的に向上させることができることを明らかにしました。これは単なるアルゴリズムの進歩だけでなく、ハードウェア、ソフトウェア、データセンターのインフラ、さらにはエネルギー調達戦略が一体となって協力した結果です。

AIが私たちの生活にますます深く浸透していく中で、その持続可能な発展を確保することは、すべてのテクノロジー企業が直面しなければならない課題です。Googleの今回の透明化への取り組みは、間違いなくこの目標に向けた重要な一歩です。

よくある質問（FAQ）

Q1：Geminiのプロンプト1回で、実際にどのくらいのリソースを消費しますか？ Googleの包括的な測定法によると、Geminiのテキストプロンプト1回の中央値の消費量は、エネルギー0.24ワット時（Wh）、水0.26ミリリットル（mL）、炭素排出量0.03グラム（gCO₂e）です。

Q2：Googleが公表したデータが他の研究よりもはるかに低いのはなぜですか？ 主な理由は測定方法の違いにあります。多くの外部研究は、より狭い測定境界を採用しており、AIアクセラレータのエネルギー消費量のみを推定している可能性があります。一方、Googleの「包括的測定法」は、AIチップ、ホストシステム、アイドル状態のマシンからデータセンターの冷却システムまで、完全なエネルギー消費量を網羅しており、実際の生産環境における状況をより正確に反映しています。

Q3：GoogleはAIの環境への影響をどのように低減していますか？ Googleは、より効率的なモデルアーキテクチャの開発（MoEなど）、カスタマイズされた高性能ハードウェア（TPU）の設計、データセンターのエネルギー使用効率の最適化（低PUE）、そして電力源の脱炭素化を実現するための再生可能エネルギーの大規模な調達など、様々な方法でAIの環境への影響を低減しています。過去1年間で、これらの取り組みにより、Geminiの1回のプロンプトの総炭素排出量は44分の1に減少しました。