消防士は何も知らなかった

2023年6月、ニューヨーク州サマセット。建設中のAIデータセンター「レイクマリナー」で火災が発生した。

駆けつけた地元消防隊は、事前に何も聞かされていなかった。火災報知器は未設置。消火設備も動いていない。建物内にどんな化学物質があるかも分からないまま、濃い黒煙の中に突入するしかなかった。

この施設の投資額は32億ドル（約4,800億円）。AIデータセンターとしては世界最大級の一つだ。

巨額の金が動いている。なのに、地元の消防署には連絡すら来ていない。この構造的な「無責任」は、火災だけの話ではない。電気代、冷却コスト、安全管理──32億ドルの裏側で「誰が何を負担するのか」が驚くほど曖昧なまま、プロジェクトは進んでいる。

そしてこの曖昧さは、クラウドAPIを通じてAIを使っている中小企業に、確実にコストとして跳ね返ってくる。

4社が絡み合う「責任のたらい回し構造」

レイクマリナーの構造を整理する。

• 土地：運営会社TeraWulfのCEO自身が所有する土地をリース。つまり自分の会社が自分の土地を借りている
• 運営：TeraWulfが施設を管理
• 実際のAI計算処理：イギリスのAI企業Fluidstackが担当
• 資本：Googleが将来的にFluidstackの株式14%を取得する権利を保有し、Fluidstackのリース料を保証

土地のオーナーと運営会社のトップが同一人物。計算処理は別の国の会社。その会社のリース料はGoogleが保証している。

この構造で「電力コストが高騰したら誰が払うのか」「安全管理の最終責任は誰か」「設備投資の追加負担はどこに行くのか」──答えられる人がいるだろうか。

かつての石炭鉱山跡地に建てられたこの施設は、稼働すれば数百メガワット級の電力を消費する。参考までに、一般的なAIデータセンターの電力コストは運営費全体の30〜40%を占める。年間の電気代だけで数十億円規模になる計算だ。

その電気代を「誰が」「どういう比率で」負担するのか。公開情報ではほとんど明らかになっていない。

なぜこの構造が中小企業に関係あるのか

「32億ドルのデータセンターなんて、うちには関係ない」──そう思うかもしれない。

だが、ちょっと待ってほしい。

今、地方の中小企業がAIを使うとき、ほとんどの場合はクラウドAPI経由だ。OpenAIのAPI、Google Cloud、AWSのBedrock。自社でGPUを持っている中小企業はほぼいない。

つまり、中小企業が払っているAPI利用料の先には、こうしたデータセンターがある。データセンターの電力コストが上がれば、API料金に転嫁される。冷却コストが上がっても同じだ。

実際の数字を見てみよう。

• OpenAIのGPT-4o APIは、100万トークンあたり入力2.5ドル・出力10ドル（2024年時点）
• GPT-3.5時代と比較すると、性能は上がったがコストも上がった
• 月間数万回のAPI呼び出しをする中小企業なら、月額数万〜数十万円のAPI費用が発生する

この価格の裏側に、データセンターの電力コスト、冷却コスト、設備投資の償却が乗っている。そしてその負担構造が不透明なまま、複数企業間で押し付け合いになる可能性がある。

最悪のシナリオはこうだ。電力コストが高騰→データセンター運営会社が負担を拒否→クラウド事業者がAPI価格に転嫁→中小企業のAI活用コストが突然跳ね上がる。

予告なしに、だ。

共有クラスター問題──「隣の客」で性能が落ちる

コストだけではない。性能の問題もある。

AIモデルのトレーニングや推論は、複数のGPUノード間でデータをやり取りする。大規模なデータセンターでは、複数の企業が同じクラスターを共有している。

問題は「混雑」だ。隣のテナントが大規模なトレーニングジョブを走らせると、ネットワーク帯域が圧迫され、自社のAPI応答速度が落ちる。MITなどの研究チームが提案した「REACT」というシステムは、この混雑をリアルタイム検出して通信パターンを調整する技術だが、根本的な解決にはなっていない。

共有環境である限り、「隣の客」の影響は避けられない。

中小企業にとってこれは何を意味するか。

例えば、顧客対応チャットボットをAPIで動かしている会社があるとする。普段は応答に1秒かかるところが、混雑時には3〜5秒に伸びる。たった数秒の差だが、顧客体験は大きく変わる。ECサイトでは、ページ表示が1秒遅れるだけでコンバージョン率が7%下がるというデータもある。

しかも、この遅延がいつ起きるか予測できない。自分ではコントロールできない変数に、ビジネスの品質が左右される。

「で、中小企業はどうすればいいのか」

ここからが本題だ。

1. API依存度を下げる選択肢を持つ

全てをクラウドAPIに頼るのではなく、軽量なモデルをローカルで動かす選択肢を検討すべきだ。

例えば、Microsoftの「Phi-3 Mini」やMetaの「Llama 3 8B」は、比較的小さなGPUでも動く。中古のRTX 3090（実売8〜12万円程度）1枚で、簡単な要約や分類タスクなら十分に処理できる。

月額10万円のAPI費用を払い続けるか、12万円のGPUを1枚買って自社で回すか。用途によっては、数ヶ月で元が取れる計算になる。

全てをローカルにする必要はない。重い処理はAPIに投げ、軽い処理はローカルで回す「ハイブリッド構成」が現実的だ。

2. API費用を「変動費」として管理する

API費用は電気代と同じで、使った分だけかかる変動費だ。だが多くの中小企業は、これを「なんとなく」で管理している。

月ごとのAPI費用を可視化し、「1件の処理あたりいくらかかっているか」を把握する。これだけで、突然の価格変動に対する耐性が変わる。

「先月と同じ使い方なのに、今月は1.5倍になった」──これに気づけるかどうかが、リスク管理の第一歩だ。

3. 契約構造を確認する

クラウドサービスの利用規約には、「価格は予告なく変更される場合があります」と書いてあることが多い。これは、データセンターのコスト構造が不透明であることの裏返しだ。

可能であれば、固定価格のプランや、価格変動時の通知条項があるサービスを選ぶ。あるいは、複数のAPIプロバイダーを併用して、一社への依存度を下げる。

本当の問題は「見えないこと」

32億ドルのデータセンターで、消防士が化学物質の情報すら知らされなかった。

これは安全管理の問題であると同時に、「巨大なインフラの裏側が、末端のユーザーからまったく見えない」という構造の象徴だ。

中小企業がAPIを叩くたびに、その裏側では誰かの土地で、誰かの電気で、誰かのGPUが動いている。そのコスト構造が不透明なまま、価格だけが降ってくる。

この構造を変えることは、中小企業には難しい。だが、「見えないリスクがある」と知っているだけで、打てる手は変わる。

API費用を可視化する。ローカル処理の選択肢を持つ。一社に依存しない。

地味な話だ。だが、32億ドルの不透明な構造の上でビジネスをしている以上、この地味な備えが効いてくる。

誰が電気代を払うか分からないデータセンターの上で、あなたのAIは動いている。そのことを知った上で、次の一手を考えてほしい。

—