「2040年には人類の全エネルギーを使い果たすかも」…AI電力不足の解決策は「メモリ効率」

人工知能（AI）技術が高度化するにつれ、データセンターとAIデバイスが消費する電力量が爆発的に増加するという予測が出されました。特に2040年には、現在のコンピューティング方式を維持した場合、人類が生産するすべてのエネルギーをデータの移動に使用することになる可能性があるという警告が提起されました。これに伴い、AI産業の持続可能性を決定づける核心要素として、メモリ半導体の「電力効率」が急浮上しています。

データセンターの電力消費は2030年に945テラワット時へ急増する見通し

SK hynixのYouTubeチャンネル「未来人材CLASS」の映像によると、AIモデルの学習と推論の過程で発生するエネルギー消費量は、幾何級数的に増えると予測されます。出演者であるソウル大学校電気情報工学部のイ・チョルホ教授は、「超巨大AIモデルを学習させるのに、おおよそ50ギガワット（GW）程度のエネルギーが使われるが、これはアメリカのサンフランシスコ市郡が3日間に使用するエネルギー量に匹敵するレベルだ」と説明しました。

電力需要は学習段階だけでなく、質問に答える「推論」段階でも継続的に発生します。要求されるタスクが複雑になるほど、すなわちトークンの量が増加するほど、実際の電力使用量も比例して増えるためです。映像では、データセンターの電力消費量が2024年の415テラワット時（TWh）から、2030年には945テラワット時へと2倍以上に増加するという統計的な予測を引用しました。イ教授は「現在のコンピューティング構造を維持したままデータを呼び出すために使うエネルギーが、2040年には人類が作り出すすべてのエネルギー源を使用することになるという予測もある」とし、電力効率改善の緊急性を強調しました。

このような電力問題は、物理的な世界へと拡張される「Physical AI」時代に、より深刻化する見通しです。イ教授は「10年後にはウェアラブルデバイス、自動運転車を超えて、ヒューマノイドロボットのようなPhysical AIが日常化するだろう」とし、「ロボットの脳に該当するAIチップを運用するエネルギーと、駆動系動作に必要な電力が不可欠だが、ロボットはいつでもどこでもバッテリーで動作しなければならないため、電力問題の解決が技術実現の前提条件だ」と述べました。

「ボトルネック」の解決が鍵…HBM・PIMなどの次世代技術に注目

AI時代の電力問題は、単にメモリ自体の消費電力だけに留まりません。イ教授は、プロセッサ（CPU、GPUなど）とメモリの間でデータをやり取りする際に発生するエネルギー消費が非常に深刻であると指摘しました。現在の「ノイマン型アーキテクチャ」は、プロセッサとメモリが分離されているため、演算のためにメモリから情報を呼び出し、結果を再び保存する過程で莫大な電力が消費されるためです。この過程で発生するデータ転送の停滞現象を「ボトルネック（Bottleneck）」と呼び、これを解決することが電力効率の核心です。

メモリ内部の動作原理も、電力消費の主な原因として挙げられます。DRAMは小さなキャパシタに電荷を蓄えて情報を保存しますが、情報を読み取る際に電荷が消費されたり、時間の経過とともに漏洩する電荷を再び蓄えてあげる「リフレッシュ（Refresh）」の過程が不可欠です。イ教授は「メモリセルサイズが小さくなるにつれ、このような問題がより大きくなっている」と説明しました。

これを解決するために、データ転送通路の密度を高めた高帯域幅メモリ（HBM）や、メモリ内部で演算と保存を同時に行うことでデータの移動を最小限にする「PIM, CIM」技術が主要な解決策として挙げられています。イ教授は「メモリの発展なしには、非常に効率的なAI開発は難しい」と診断しました。

SK hynix、LPDDRからHBM4まで低電力ラインナップを拡大

半導体企業は、このような電力難を克服するために、製品別のカスタマイズされた低電力ソリューションを開発しています。SK hynixの場合、ロボットや自動運転車など、バッテリーベースの「On-device AI」に最適化された低電力LPDDR製品群を開発中です。また、データセンター用に低電力DDRをモジュール化した「LPCAMM2」製品も披露しました。

高性能AIアクセラレータに搭載されるHBM技術も、電力効率の改善に集中しています。映像によると、SK hynixの次世代モデルであるHBM4は、接続線（I/O）の密度を高め、ロジックダイに超微細な先端プロセスを導入することで、以前のモデルであるHBM3Eと比較して電力効率を約40%向上させたことが知られています。

イ教授は「低電力とは単に性能を下げることではなく、同一のパフォーマンスを出しながら、より少ない電力を使用する効率の問題だ」と定義しました。彼は今後、「高性能でありながら低電力なメモリ素子を開発することが核心であり、このような電力効率の確保の成否が、AIが物理的な世界へ進出する上で決定的な役割を果たすだろう」と展望しました。