AIインフラの消費電力増大に伴う液冷の標準化とデータセンターにおける電力効率改善の道筋
人工知能（AI）の計算を担う先端半導体の発熱量が急増し、サーバーラック単位の消費電力が数百キロワット規模に達するなか、機器を冷やす仕組みが従来の空気冷却から液体冷却（液冷）へと大きく切り替わっています。調査会社のTrendForceが2026年8月17日に発表した調査結果によると、AIチップにおける液冷の採用比率は2025年の約33％から2026年には53％へ達し、過半数を超える見通しとなりました。
米NVIDIAや米AMDによるラック単位の統合システム投入や、米Googleが自社AIサーバーの8割以上に液冷を導入している実績が、この技術転換を後押ししています。今回は、半導体の高発熱化が引き起こす冷却方式の転換、主要企業が進めるシステム全体の最適化、製造工程で直面する技術的課題、今後のインフラ投資における判断基準について、取り上げたいと思います。
単体1キロワットを超える発熱量と空気冷却の限界
生成AIなどの高度な計算を支える半導体は、処理性能の向上に伴って消費電力と発熱量が急増しています。TrendForceが2026年8月17日に公表した調査データによると、NVIDIA、AMD、Googleなどが手がける先端AIチップの熱設計電力（TDP）は、単体で1キロワットを超える水準に達しました。さらに、こうしたチップを多数搭載したラック規模のAIサーバーでは、システム全体で数百キロワットもの電力を消費する構成が一般的になりつつあります。AIチップにおける液冷の採用比率は、2023年時点のわずか6％から2024年に14％、2025年に約33％へと伸び、2026年には53％と初めて過半数に達する見込みです。2027年には59％と約6割に迫ると予測されており、液冷は最先端インフラにおける基本的な標準技術になりつつあります。
従来の空気冷却（空冷）方式は、金属製の放熱板にファンで風を吹き付けて熱を逃がしていましたが、小さな半導体に熱が集中した結果、空気による熱吸収では冷却が追いつかない物理的な限界に達しています。十分な冷却が行われない場合、半導体は熱による破損を防ぐために自動的に処理速度を落とすため、導入した計算機の性能を十分に引き出せなくなります。気体よりも熱を伝えやすい液体をチップのすぐ近くまで循環させる液冷システムの導入は、計算性能を最大限に発揮させるための土台となっています。ファンによる電力消費を抑えてデータセンターの電力使用効率（PUE）を改善し、限られた受電容量のなかで稼働できる半導体の数を増やすうえでも、液冷の導入は合理的な選択肢となっています。
チップ単体からラック全体へと広がるシステム統合
AIインフラを提供する主要な半導体メーカー各社は、個別のチップを販売する形態から、ラック全体を一つの計算機として組み上げて提供する形態へと展開を変化させています。NVIDIAが手がける「GB」シリーズや「Vera Rubin」といったラック規模の統合製品は、中堅クラス（Tier 2）のデータセンター事業者による積極的な投資や、中国のクラウド事業者による海外プロジェクト需要の拡大を追い風に、2026年の出荷量が前年比で2倍に達する見通しです。2027年に予定されている「Kyber NVL144」の市場投入スケジュールに一部調整が入る可能性はあるものの、AIインフラへの旺盛な設備投資が支えとなり、GPUラック全体の出荷量は前年比30％以上の成長を維持すると予測されています。
対するAMDも、単体の画像処理半導体（GPU）供給にとどまらず、総合的なAIプラットフォームの構築を進めています。2026年後半からは、CPU、GPU、超高速な通信路をラック全体で一体化させた「Helios」という大規模ソリューションに注力し、2027年の本格出荷を目指しています。さらに「MI450」プラットフォームの開発を進めるとともに、NVIDIAの最上位基盤である「Rubin Ultra」に対抗する「MI500」プラットフォームの投入を視野に入れています。これらの次世代製品群はいずれも液冷の全面採用を前提に設計されており、ハードウェアの調達単位がサーバー単体からラック全体へと大規模化しています。
先行するGoogleの独自設計と運用効率の格差
クラウドサービスを大規模に自社運営する巨大テック企業のなかで、液冷の導入において先頭を走っているのがGoogleです。同社は自社で運用するAIサーバーの80％以上に液冷を採用しており、競合他社と比較しても突出した導入実績を持っています。Googleは自社開発のAI専用半導体であるTPU（Tensor Processing Unit）を長年改良してきた歴史があり、サーバーのハードウェアと施設を一体で最適化するなかで、独自の液冷構造を確立してきました。TPUの消費電力増加と出荷規模の拡大に伴って、冷却技術をサーバー単体からラック規模のシステムへと拡張した実績が、業界全体の液冷シフトを大きく牽引しています。
一般的な液冷システムは、熱を吸い取る金属板（コールドプレート）、液体を分配する配管（マニホールド）、液体の温度や循環を管理する装置（CDU）などで構成されます。これらをデータセンター建屋側の冷却設備と結びつけることで、従来の空冷に比べて格段に高い排熱効率を実現し、省エネ指標であるPUEを引き下げます。Googleのように自社専用の半導体と施設運用のノウハウを併せ持つ事業者は、独自の冷却設計を作り込むことで、同じ電力枠の中でより多くの計算を実行し、運用コストを削減できる強みを持っています。市販のGPUラックを購入して標準設備に並べる事業者との間では、運用効率の差が広がる構図がうかがえます。
全液冷化への移行と製造現場で生じる物理的な壁
液冷の適用対象は、最も発熱するメインプロセッサだけでなく、ラック内に収まる周辺のあらゆる電子部品へと広がっています。NVIDIAの次世代基盤「Vera Rubin」では、ファンを完全に排除したオール液冷設計が採用されました。冷却対象はGPUやCPUだけでなく、CX9高速ネットワークカード、電力基板や配線バー、光通信モジュールといった重要部品にまで及んでいます。すべての熱源から液体で直接熱を回収することにより、ラック全体の放熱密度を高め、ファンの回転に伴う電力消費や振動によるトラブルを完全になくす狙いがあります。
しかし、冷却効率を極限まで高めようとする取り組みは、製造現場における物理的な難しさに直面しています。NVIDIAはRubinプラットフォームにおいて、半導体の熱をより効率よく拡散させるため、2つの部品を組み合わせた「2ピース構造」のヒートスプレッダー（熱拡散板）を採用する計画でした。ところが、半導体パッケージの巨大化に伴って基板が熱などで歪んでしまう「基板の反り」といった技術的課題が発生し、歩留まりの低下を避けるために、従来型の「1ピース構造」へ設計を一時的に戻す判断を余儀なくされました。現在、Rubin向けのヒートスプレッダーは台湾のJentechが単独で供給を担っています。どれほど理論上の熱効率が優れていても、製造歩留まりや組み立ての精度が追いつかなければ量産できないという現実を示しています。
冷却サプライチェーンの集中と設備投資の評価軸
液冷化が急速に進むにつれて、データセンター向けの冷却部品を供給するサプライチェーンの構造も大きく再編されています。液冷システムの中核部品であるコールドプレートの供給では、AVC（奇鋐科技）、Cooler Master、BOYD、Auras（雙鴻科技）といった専門メーカーが主要な地位を占めています。なかでもAVCは、2026年第3四半期からVera Rubin向けのコールドプレートモジュールを出荷開始する見通しであるほか、AWS、Google、Meta、OpenAIといった主要事業者が独自に開発するAI専用チップ向けにも部品供給網を広げています。
冷却部品の供給元が特定の有力メーカーに集中するなか、インフラを導入する企業には、施設と機器の両面を見据えた投資判断が求められています。液冷システムの導入には、サーバー本体の購入費用だけでなく、建屋内の配管工事、循環装置の設置、水質管理や万が一の漏水防止策など、従来の空冷施設にはなかった初期投資と維持管理の手間が発生します。既存の空冷データセンターを改修して液冷に対応させるのか、それとも液冷を前提とした拠点を新設するのかという判断は、投資の回収期間や電力枠の確保状況に応じて分かれます。冷却部品の調達可能性を見極めつつ、需要拡大に応じたインフラ改修の時期を判断することが、事業の成長速度を維持するための評価軸となっています。
今後の展望
AI半導体の発熱量増加とデータセンターの受電制限が重なり合うことで、液冷技術は2026年に採用比率53％という過半数を達成したのち、2027年には6割近くに達するインフラの標準仕様として定着していく見通しです。1つのラックで数百キロワットを消費する次世代システムの導入が進むにつれ、空冷設備のままで延命を図る運用は技術的にも経済的にも難しくなると考えられます。
今後のインフラ構築においては、計算用チップそのものを確保することに加えて、コールドプレートや循環装置といった冷却部品の供給網を抑えることや、データセンター側の冷却配管工事を迅速に進めることが、事業の立ち上げスピードを測る先行指標となります。部材の製造歩留まりや設計変更の動向を冷静に注視しながら、自社が確保できる受電容量と排熱能力に見合ったシステム構成を適切な時期に導入できるかどうかが、AIインフラ投資の成果を分ける判断基準となるでしょう。
