パナソニック新冷却技術、吸収式でAIデータセンター電力削減狙う

AI計算需要が冷却投資を押し上げる背景

パナソニックホールディングス傘下のパナソニックHVAC&CCが、AIデータセンター向けの新しい冷却技術を開発したとされています。焦点は、従来の電気式冷却に比べて冷却設備の消費電力を60%削減できるという点です。生成AIの普及でサーバーの発熱密度が急上昇するなか、冷却は単なる付帯設備ではなく、データセンターの立地、電力契約、運用コストを左右する中核インフラになっています。

国際エネルギー機関は、世界のデータセンター電力消費が2024年に約415TWh、世界消費の約1.5%に達したと分析しています。2030年には約945TWhへ倍増する見通しで、AIが最大の成長要因です。大型AIデータセンターは製鉄所やアルミ精錬所に近い電力需要を地域に持ち込むため、空調メーカーの競争軸も「涼しくする装置」から「電力制約をどう緩和するか」へ移っています。

吸収式チラーをデータセンターへ移す狙い

水冷媒と熱駆動が生む電力削減余地

今回の技術は、オフィスビルや大規模施設で使われてきた吸収式冷凍機、いわゆる吸収式チラーをAIデータセンター向けに応用する構想です。一般的な電気式チラーは、コンプレッサーを電力で動かして冷媒を圧縮し、冷水をつくります。これに対し吸収式は、熱源を使って冷媒と吸収液の濃度差をつくり、冷媒の蒸発で熱を奪う方式です。

吸収式チラーでは、水を冷媒、臭化リチウムなどを吸収液として使う方式が代表的です。真空に近い低圧環境をつくると、水は低い温度でも蒸発し、その蒸発熱で冷却できます。コンプレッサーの負荷を小さくできるため、装置そのものの電力需要を抑えやすいことが特徴です。米エネルギー省も、吸収式の冷暖房技術について、電気ではなく天然ガス、太陽熱、地熱温水などの熱源を利用できる方式として説明しています。

ただし、ここで重要なのは「データセンター全体の消費電力が60%減る」と読むべきではない点です。AIサーバーやGPUが使うIT電力は別に存在し、今回の削減対象は主に冷却設備の電力です。施設全体の電力効率は、IT機器、配電損失、冷却、ポンプ、ファン、外気条件、運用温度の組み合わせで決まります。それでも冷却設備はピーク時の受電容量に直結するため、60%削減が実測で再現できれば、受電設備や非常用電源の設計にも影響します。

データセンターでは、PUEと呼ばれる指標で施設全体の電力をIT機器電力で割り、冷却や電源設備の効率を評価します。AI向けではIT機器側の電力が急増しているため、PUEだけを見ても水使用量や熱源の質までは把握できません。吸収式チラーの価値は、PUEの改善だけでなく、電気を熱に置き換えて系統接続の負担を下げる点にあります。

ビル空調の成熟技術をAI設備へ展開

パナソニックにとって、この技術はまったく未知の領域への飛躍ではありません。同社グループは家庭用空調、業務用空調、冷凍冷蔵、ビル設備を長く手がけてきました。吸収式チラーは大型建築物で実績のある成熟技術であり、配管、熱交換器、真空管理、保守点検のノウハウが性能を左右します。AIデータセンター向けに転用する場合、半導体やGPUそのものではなく、周辺インフラを工業製品として磨き込む勝負になります。

データセンターの冷却は、単体装置の効率だけでは採用されません。24時間365日止められない施設では、冗長構成、故障予兆、部品供給、現地保守、騒音、水処理、消防・建築設備との整合性が問われます。建設現場では冷却機の搬入経路、配管スペース、屋上荷重、冷却塔の配置も制約になります。製造業と建設設備の両方を理解しているメーカーほど、机上の省エネ性能を実施設計へ落とし込みやすい領域です。

また、吸収式は「どの熱を使うか」によって評価が大きく変わります。発電機の排熱、地域熱供給、工場の廃熱、オンサイト発電、太陽熱などを組み合わせられれば、冷却のための購入電力を減らせます。一方で、単純にガスを燃やして熱源にするだけなら、電力使用量は下がってもCO2排出や燃料費の評価は別問題です。データセンター事業者は、電力契約、熱源契約、排出係数、BCPを一体で比較する必要があります。

液冷競争で変わる日本メーカーの商機

GPU高密度化で迫る空冷の限界

AIデータセンターでは、冷却対象が「部屋の空気」から「チップ近傍の熱」へ移っています。GPUはCPUより大きな電力を消費する傾向があり、サーバーラックあたりの発熱密度も上がっています。業界では、冷却エネルギーが施設電力の大きな割合を占めるとの指摘があり、直接チップに冷却板を当てるダイレクト・トゥ・チップ方式や、サーバーを液体に浸す浸漬冷却が広がり始めています。

近年の研究では、浸漬冷却が空冷に比べてエネルギー消費を約50%減らし、設置面積を約3分の2削減し得るとの比較も示されています。さらに、液冷設備をデジタルツインで最適化する研究では、流量と供給温度の同時最適化により、制約条件を入れても約27.8%の総エネルギー削減が可能とされます。AIチップ向けの水路設計でも、NVIDIAのGB200を対象にした直接液冷の研究で、従来設計より平均温度と最高温度を下げられる結果が示されています。

これらは、冷却が半導体性能そのものと結びつき始めたことを意味します。チップ温度を安定させれば、サーバーのスロットリングを抑え、同じ電力でより多くの計算を処理できます。逆に冷却が不足すれば、高価なGPUを並べても性能を引き出せません。パナソニックの吸収式技術は、冷却板や浸漬槽そのものと競合するというより、それらに冷水や熱処理能力を供給する上流設備として位置づけられます。

日本メーカーにとって商機があるのは、この上流設備と現場実装の部分です。AIサーバーの調達は米国半導体企業やクラウド大手に主導されやすい一方、電源、空調、配管、熱交換、水処理、施工、保守は地域ごとの建築・電力インフラに深く依存します。特に日本は都市部の用地が限られ、電力系統の増強にも時間がかかります。冷却設備の電力を抑え、既存ビルや工場跡地に近い条件でも導入しやすくする技術は、国内データセンター立地の選択肢を広げます。

廃熱利用と電力制約を結ぶ設計思想

吸収式チラーのもう一つの意味は、熱を「捨てるもの」から「使うもの」へ変える設計思想です。AIデータセンターで使われた電力の大半は最終的に熱になります。従来はこの熱を外気や冷却塔に捨てることが多く、地域の電力・水資源への負担が問題になってきました。近年は、温水冷却で高い温度の排熱を取り出し、地域暖房や別設備の冷却に回す発想が強まっています。

IEAは、計画中のデータセンターの約20%が、電力網の制約を解消できなければ遅延リスクにさらされると分析しています。送電線の新設には先進国で4〜8年かかる場合があり、変圧器やケーブルの納期も長期化しています。こうした環境では、チラーの効率改善は単なる省エネ投資ではなく、系統接続待ちを短縮し、開業時期を守るための事業戦略になります。

米国では、LBNLのデータセンター電力利用報告を紹介した記事で、米国データセンターの電力比率が2018年の2%未満から上昇し、2028年には6.7〜12%に達する可能性があると報じられました。水使用量も2023年の約660億リットルから2028年には1500億〜2750億リットル超へ増える可能性が示されています。日本市場でも、電力だけでなく水、騒音、熱、地域受容性を含む総合設計が不可欠になります。

ここでパナソニックが狙えるのは、吸収式チラー単体の販売にとどまらない事業です。冷却装置、冷水ループ、制御ソフト、保守契約、熱源設備、エネルギーマネジメントを束ねれば、データセンター事業者にとっては「設備購買」ではなく「運用リスクの外部化」になります。建設会社、電力会社、ガス会社、クラウド事業者を巻き込む案件形成力が、製品性能と同じくらい重要になります。

導入時に問われる熱源と運用信頼性

吸収式チラーの導入で最初に問われるのは、安定した熱源です。廃熱やオンサイト発電を使う場合、発熱量と冷却需要の時間変動が一致するとは限りません。AI学習の負荷はプロジェクトごとに波があり、推論サービスは日内変動もあります。熱源が不足する時間帯に電気式チラーを併用するのか、蓄熱槽を置くのか、冗長設備をどの程度持つのかで、投資額と省エネ効果は変わります。

次に、水と保守の問題があります。吸収式は真空管理、腐食管理、吸収液の濃度管理が重要です。臭化リチウム方式では結晶化や漏えいへの備えも必要になります。AIデータセンターは金融、医療、クラウド、生成AIサービスの基盤になるため、冷却トラブルは単なる設備停止では済みません。メーカーには、故障予兆監視、遠隔診断、部品の長期供給、現地対応網まで含めた信頼性の提示が求められます。

さらに、環境評価は電力削減だけでは不十分です。冷却塔を使う構成では水使用量が増える場合があり、地域によっては水資源の制約が電力制約と同じくらい厳しくなります。閉ループ液冷は水の蒸発損失を抑えやすい一方、熱をどこで捨てるか、どの温度で回収するかの設計が必要です。PUE、WUE、CUEを並べ、電力、水、炭素を同時に見る評価軸が欠かせません。

競争環境も厳しくなります。データセンター冷却では、ダイキン、三菱電機、日立系、Carrier、Johnson Controls、Schneider Electric、Vertivなど、空調・電源・制御の大手がすでにAI向け設備を強化しています。パナソニックが差別化するには、60%という電力削減幅を、実機、実負荷、夏季ピーク、冗長運転を含む条件で示す必要があります。実証施設での運用データが、営業資料以上の説得力を持ちます。

産業インフラとして見る冷却投資の要点

今回の新技術は、AIデータセンターの成長が半導体だけでなく、空調、建設、配管、電力、水処理まで巻き込む産業テーマであることを示しています。冷却電力60%削減が実運用で確認されれば、パナソニックにとっては空調事業の高付加価値化になり、国内製造業にとってもAIインフラ投資を取り込む足場になります。

事業者が見るべき論点は明確です。第一に、削減率がどの条件の冷却電力を指すのか。第二に、熱源をどこから調達し、燃料費と排出量をどう評価するのか。第三に、液冷サーバー、冷水供給、排熱利用、保守体制を一体で設計できるのか。第四に、PUEだけでなく水使用量と地域負荷を説明できるのかです。

AIデータセンターは、電力を大量に使う産業施設です。だからこそ、冷却技術は目立たない周辺設備ではなく、立地競争力そのものになります。パナソニックの吸収式チラー応用は、日本の空調メーカーがAI時代のインフラ競争へ入る象徴的な一手です。今後は、実証データ、導入先、熱源モデル、保守契約の具体化が採用拡大の判断材料になります。

参考資料:

• Executive summary - Energy and AI - IEA
• Executive summary - Electricity 2024 - IEA
• Absorption Heat Pumps: An Emerging Technology for Large Homes - U.S. Department of Energy
• Chiller - Wikipedia
• Five ways data centers can save water - TechRadar
• Major Berkeley report puts numbers on tech’s surge in energy guzzling - SFGATE
• Enough Hot Air: The Role of Immersion Cooling - arXiv
• Digital Twin-Based Cooling System Optimization for Data Center - arXiv
• Temperature Optimisation in Data Centres - arXiv
• Waste-to-Energy-Coupled AI Data Centers: Cooling Efficiency and Grid Resilience - arXiv
• Data Center Spatio-Temporal Load Flexibility in Security-Constrained Unit Commitment for Enhanced Grid Efficiency and Reliability - arXiv
• Concentrated siting of AI data centers drives regional power-system stress under rising global compute demand - arXiv
• Generative Design for Direct-to-Chip Liquid Cooling for Data Centers - arXiv
• Panasonic - Wikipedia