光電融合が変えるAIデータセンター電力戦略と半導体競争の行方

AI電力制約が光電融合を急がせる背景

生成AIの普及で、データセンターは「土地と電力をどう確保するか」という産業インフラの問題に変わりました。IEAは2026年の更新分析で、世界のデータセンター電力消費が2025年の485TWhから2030年に950TWhへほぼ倍増し、AI向けデータセンターは同期間に3倍になると見ています。2025年だけでもデータセンター全体の電力消費は17％増、AI向けは50％増でした。

この増加を発電所や再生可能エネルギーの追加だけで吸収するのは容易ではありません。AIサーバーの電力密度は2020〜2025年に11倍へ高まり、2027年にはさらに4倍になるとの見通しもあります。ラック1本が家庭65世帯分のピーク需要に近づくなら、冷却、配電、変圧器、立地許認可までがAI開発の制約になります。そこで浮上しているのが、電気配線の一部を光配線へ置き換える光電融合です。

日本でも状況は同じです。電力需要は長く横ばいから減少方向でしたが、AIデータセンターと半導体工場の新増設で増加へ転じる可能性が高まっています。政府は電力と通信を一体で考える「ワット・ビット連携」を掲げ、脱炭素電源の近くに計算需要を誘導する議論を進めています。光電融合は、遠く離れた計算資源を低遅延で結ぶための土台にもなります。

電気配線の損失を減らす光電融合の仕組み

省電力の焦点となるデータ移動

AI基盤の電力問題は、GPUの演算効率だけでは解けません。大規模モデルの学習や推論では、GPU同士、GPUとメモリ、サーバーとスイッチ、ストレージの間で膨大なデータが流れます。演算器が速くなるほど、周辺の通信が追いつかず、データ移動の待ち時間と消費電力が目立つようになります。

電気信号は短距離なら扱いやすい一方、高速化すると配線や基板での損失が増えます。信号を補正するためにDSPやリタイマーが必要になり、部品点数、熱、電力が増えます。1レーンあたりの速度が上がるほど、単に銅配線を太くする、距離を短くするという対症療法では限界が見えてきます。

光は電気に比べて長距離でも損失が小さく、波長多重によって一本のファイバーに多くの情報を載せられます。光電融合はコンピューター全体を光で置き換える技術ではありません。電気が得意な演算と制御を残しつつ、帯域と距離で不利になりやすい伝送部分を光へ寄せる技術です。要点は、光と電気の変換点をどれだけチップやスイッチASICに近づけられるかにあります。

CPOが短くする電気信号の距離

現在のデータセンターでは、スイッチASICから基板上を電気信号で引き回し、前面の光トランシーバーで光に変換する構成が一般的です。CPOはこの光変換部をASICと同じパッケージの近くに置き、電気信号が走る距離をインチ単位からミリメートル級へ縮めます。電気の長い伝送路を消すほど、補正回路と発熱を減らせます。

NVIDIAは自社のCPO説明で、従来型のプラガブル光トランシーバー構成では200Gbpsチャネルで最大22dBの損失が生じるのに対し、CPOでは約4dBまで下げられると説明しています。消費電力も、典型的なインターフェース約30Wに対し、低い場合は9W級まで下げられるという示し方です。これはベンダー公表値であり、実データセンター全体の削減率とは別に見なければなりません。それでも、どこで電力が失われているかを理解するうえで分かりやすい例です。

技術の根は国内研究にもあります。NEDOとPETRAは、光ICとLSIを近接させる3次元光配線で、112Gbps光信号を80度超の環境で伝送する実証を発表しました。LSIから光ICまでの電気配線を短くすることで、先行技術比30〜40％の電力量削減が見込めるとされました。つまり光電融合の本質は、光そのものの速さだけでなく、電気で無理をしていた部分を物理設計から変える点にあります。

光化で広がるデータセンター設計

光配線が使いやすくなると、データセンターの構成も変わります。従来はCPU、GPU、メモリ、SSDを一台のサーバー内に近接配置する発想が中心でした。しかし光で低遅延かつ長距離に接続できれば、機能ごとに装置を分け、必要な計算資源をソフトウェアで割り当てるディスアグリゲーションが現実味を帯びます。

この考え方は冷却にも効きます。GPU、CPU、SSDでは発熱の場所と時間が違います。全てを同じ筐体に閉じ込めると、もっとも熱い部品に合わせた設計になりがちです。機能単位で分ければ、液冷や空冷を部品の性質に合わせられ、設備側のPUE改善とIT機器側の電力効率を同時に追いやすくなります。

IOWNと国策で進む日本勢の実装工程

NTTロードマップが示す段階的な光化

日本で光電融合が注目される理由は、NTTのIOWN構想と国策プロジェクトが同時に走っているからです。NTTのAll-Photonics Networkは、2030年に電力効率100倍、容量125倍、エンドツーエンド遅延200分の1を目標に掲げています。ここでいう光化は、長距離通信だけでなく、データセンター間、ラック間、ボード間、最終的にはチップ近傍へ降りていく流れです。

NTT Innovative Devicesのロードマップは、その段階を具体化しています。第2世代のCoPKGはDSPとシリコンフォトニクス光回路を組み合わせ、0.4〜0.8Tbpsを40〜300kmで扱う位置づけです。2025年には10m〜2kmを対象に3.2Tbpsの光エンジン、2028年には1cm〜1kmを対象に5Tbps、2032年には約1cmを対象に15Tbpsを狙う計画が示されています。

この距離の縮み方が重要です。最初は都市間やデータセンター間の装置から入り、次にラックやボード、最後にチップ周辺へ近づきます。光電融合は一足飛びに全サーバーを変える技術ではなく、通信距離、帯域、発熱、保守性の条件が合う場所から採用されます。そのため、導入の初期効果は「データセンター全体の電力がすぐ数十分の一になる」というより、ボトルネックになった通信部分から電力とスペースを削る形で表れます。

NEDO事業に見る部品横断の開発

国の取り組みでは、NEDOのグリーンイノベーション基金「次世代デジタルインフラの構築」が中核です。特設サイトでは最大1901.2億円規模のプロジェクトとして示され、次世代グリーンデータセンター技術では、2021年度に普及していたデータセンター比で40％以上の省エネを目指します。狙いは、サーバー内の電気配線を光配線へ置き換えるだけでなく、CPU、アクセラレータ、SSD、ネットワーク、制御ソフトを一体で作り直すことです。

NEDOや参加企業の資料では、富士通の省電力CPU、1FINITYや古河ファイテルオプティカルコンポーネンツ、京セラの光スマートNIC、アイオーコアの光電融合デバイス、NECのディスアグリゲーション技術、キオクシアの広帯域SSDなどが並びます。単一部品ではなく、システムとして効かせる設計思想です。

特にストレージは見落とされがちな論点です。AI学習はGPUの性能だけでなく、学習データを高速に読み出し続けるI/O性能に左右されます。NEDOの事業開始資料では、光インターフェースを搭載し、複数SSDを束ねる広帯域SSDで128GB/sの広帯域化を狙うと説明されています。キオクシアも2025年時点の説明で、2026年度以降の実証段階を見据え、2030年の実現を目指す姿勢を示しています。

海外勢との競争で問われる量産網

世界の競争軸はすでに実装段階へ移っています。NVIDIAはシリコンフォトニクスを統合したCPOスイッチで、プラガブル構成に比べて電力効率を高め、百万GPU級のAIファクトリーを支えると訴えています。同社のSpectrum-X Ethernet Photonicsは最大409.6Tbps、512ポートの800Gbps構成を掲げ、2026年後半の提供計画も示しています。

この動きが示すのは、光電融合が研究テーマからAIサーバー投資の調達条件へ移り始めたことです。クラウド事業者は、GPUを並べるだけでは性能を引き出せません。スイッチ、光エンジン、レーザー、コネクター、液冷、ファイバー実装、パッケージングを同時に最適化する必要があります。日本勢の勝ち筋は、光部品や実装技術の強みを、オープンなネットワーク仕様や国内外のデータセンター案件に結びつけられるかにあります。

NTTが発表した400GのIOWN Network Solutionは、400G ZR/ZR+を使うデータセンター間接続で、ネットワーク機器の構築・運用コストを50％、消費電力を40％削減する効果をうたいました。これはサーバー内部の光化そのものではありませんが、光電融合デバイスを組み込んだ機器を商用ネットワークへ展開する入口になります。データセンターの分散配置が進むほど、低遅延で低消費電力な拠点間接続の価値は高まります。

また、光電融合は国内立地戦略とも相性があります。需要地の近くに全てのサーバーを集める発想から、電力が得やすい地域に計算資源を置き、都市部とは高速な光ネットワークでつなぐ発想へ移れば、土地、系統、冷却条件の選択肢が広がります。AI基盤の競争は、半導体チップ単体から、電力と通信を合わせたシステム設計へ移っています。

量産化を阻む熱設計と標準化の壁

光電融合は「光だから低消費電力」という単純な話ではありません。光と電気の変換には必ずエネルギーが必要で、レーザー光源、変調器、受光器、ドライバー、パッケージの熱設計が性能を左右します。CPOでは光エンジンをASICに近づけるため、保守しにくい場所に高精度な光部品を置く難しさも増します。レーザーを外部に置く設計、液冷との一体設計、現場交換の手順まで含めて商品力になります。

もう一つの壁は標準化と相互接続です。光電融合デバイスが特定ベンダーの閉じた構成だけで広がると、クラウド事業者は調達リスクを嫌います。光モジュール、スイッチ、NIC、ファイバー、管理ソフトが複数社で動くことが、量産コストを下げる条件になります。JST CRDSも、AI計算システムを支える光データ通信では、ネットワークアーキテクチャー、光モジュール、光デバイス、材料・集積化をまたぐ研究開発とロードマップ形成の重要性を指摘しています。

需要側にも注意が必要です。光電融合で1ビットあたりの電力が下がっても、AI利用がそれ以上に増えれば、データセンター全体の電力消費は増えます。IEAが示すように、AI用途は推論、動画生成、エージェント処理へ広がり、単純なテキスト生成より重い処理が伸びています。省エネ技術は成長の免罪符ではなく、電源確保、PUE、冷却水、地域の系統負担を含む投資判断の一部として扱う必要があります。

日本では省エネ・非化石転換法に基づくデータセンター業の措置も強まっています。既存のベンチマークでは2030年度までにPUE1.4以下を目指し、2029年度以降の新設データセンターには稼働後一定期間を経てPUE1.3以下が求められます。光電融合はこの規制環境の中で、IT機器側の効率改善を担う重要な選択肢になります。

企業がAI基盤投資で確認すべき指標

光電融合を見る際、企業は「いつ全てが置き換わるか」より「どの通信区間で効果が出るか」を確認すべきです。データセンター間接続、ラック間ネットワーク、GPUクラスタ内のスイッチ、ストレージI/Oでは、必要な帯域、距離、遅延、可用性が違います。投資評価では、1ビットあたり消費電力、性能あたり電力、障害時の交換時間、複数ベンダー調達の可否を並べて見る必要があります。

AI基盤の競争力は、GPU調達量だけで決まりません。電力制約下で何個のGPUを安定稼働させ、どれだけ低い通信待ちで使い切れるかが差になります。光電融合はそのための切り札ですが、単体部品ではなく、半導体実装、ネットワークOS、冷却、データ配置を束ねた設計力が問われます。日本勢にとっては、IOWNとNEDO事業を実証で終わらせず、量産品質と国際標準へ接続できるかが次の勝負所です。

参考資料:

• Executive summary – Key Questions on Energy and AI – Analysis - IEA
• Energy demand from AI – Energy and AI – Analysis - IEA
• 増加が見込まれるデータセンターの電力需要をどうする？さらなる省エネを進める新たな制度に注目！
• エネルギー白書2025 第1部第2章第3節
• エネルギー白書2025 第1部第2章第2節
• Next-generation Digital Infrastructure Construction | NEDO Green Innovation Fund Projects
• グリーンイノベーション基金事業、「次世代デジタルインフラの構築」に着手 | NEDO
• 世界初、光ICとLSIを一体集積可能とする3次元光配線技術を開発 | NEDO
• APN | Functions and Characteristics | IOWN
• NTT Innovative Devices to Develop Photonic-Electronic Convergence Hardware | NTT
• Launch of IOWN Network Solution for 400Gbps High-Speed Inter-Data Center Connections | NTT
• 未来のAI計算システムを支える光データ通信技術 | JST CRDS
• Silicon Photonics Networking for Agentic AI | NVIDIA
• Scaling AI Factories with Co-Packaged Optics for Better Power Efficiency | NVIDIA Technical Blog
• 日本発の「次世代グリーンデータセンター」を作れ！ | KIOXIA