AIの拡大は巨大な計算インフラを必要とします。大規模モデルの学習や推論のために、企業は膨大なGPU、電力、冷却設備を使うデータセンターに依存しています。
しかしSAIGによれば、多くの企業は 自社が購入しているAIサービスの環境影響を正確に把握できていない 状態にあります 。
例えば次のような情報が不足しがちです。
さらに重要なのは、AIモデルごとに環境負荷が大きく異なる という点です。
場合によっては、巨大な最先端モデルを使うよりも、小型の微調整モデルの方がはるかに少ない計算資源で同じタスクをこなせることもあります 。それでも多くの企業は効率を比較できないまま、大規模モデルを選びがちです。
多くの企業は自分でAIモデルを訓練したり、データセンターを建設したりしているわけではありません。クラウド事業者やAIベンダーのサービスを利用しています。
それでもSAIGの創業者は、企業はAIインフラの方向性に大きな影響力を持つと考えています。
理由はシンプルです。
AIインフラを拡大する資金の多くは、最終的に 企業顧客の支払い から生まれるからです。企業の調達や契約の条件は、AIのサプライチェーン全体に需要シグナルを送ります 。
つまり、電力網やデータセンターが「供給側」であるなら、企業のAI導入は需要側の意思決定になります。
この構造によって企業は次のような分野に影響を与えられる可能性があります。
SAIGは、企業が日常の購買プロセスを通じてAIの持続可能性に影響を与えられるとしています。
AIベンダーの評価に環境指標を含めることで、モデル効率やエネルギー消費、インフラの運用方法について情報開示を求めることができます。
こうした質問はベンダーの最適化手法や環境報告の透明性を評価する重要な手段になります 。
エネルギー効率が高い、またはインフラ情報の透明性が高いプロバイダーを選ぶことで、市場の競争軸を変えられる可能性があります。
もし多くの企業がこれを重視すれば、AI企業は 性能や価格だけでなくエネルギー効率でも競争する ようになるかもしれません。
企業契約の中に環境情報の開示を義務づける条項を入れることも可能です。
例えば次のような情報です。
こうした契約条件は、プロバイダーに透明性改善のインセンティブを与えるとされています 。
SAIGは単なる研究機関ではなく、企業のAI戦略を実務面で支援するアドバイザリー組織として活動する予定です。
AIの環境負荷に関する研究を公開し、学習・推論の電力消費やインフラ影響などを分析します 。
企業がAI戦略にサステナビリティを組み込めるよう、以下の支援を行います。
また、企業内部で どこでAIが使われているかを可視化し、環境負荷のベースラインを作る支援 も行う予定です 。
SAIGが重視するツールの1つが AI Energy Score です。
これはAIモデルのエネルギー消費を比較できる 標準化された評価指標 で、タスクごとにモデルの効率をランキング化します 。
すでに数百のモデルが複数のAIタスクで評価されており、AIシステムのエネルギー効率を比較するための基準として機能し始めています 。
さらにSAIGは、用途ごとに最適なモデルを選ぶためのツールも開発予定です。
すべてのタスクで巨大モデルを使うのではなく、より小型で効率的なモデルに処理を振り分けることで計算資源の削減を目指します 。
SAIGが強調するのは「タイミング」です。
同社の試算では、AIインフラへの投資額は 2030年までに約5兆ドル規模 に達する可能性があります 。
一度データセンターや電力契約、サプライチェーンが固定されてしまうと、その後に環境負荷の方向性を変えるのは非常に難しくなります。
そのためSAIGは、インフラが固定化される前の今こそ企業の意思決定が重要だと主張しています。
Sustainable AI Groupの基本的な発想はシンプルです。
企業がAIを購入するときに
を重視すれば、それ自体が 市場シグナル になります。
もしその動きが広がれば、AI企業は性能・価格だけでなく、効率や環境影響でも競争する市場に変わるかもしれません。
最終的にその変化が起きるかどうかは、AIを使う企業が自分たちの影響力をどれだけ行使するかにかかっています。