AIデータセンター投資は活況、だが「その先」は？ なぜ活用が進まないのか：第3章（1）「箱」が増えても「出口」は生まれない（1/2 ページ）

国内でAI向けデータセンターやGPU計算基盤の整備が加速している。しかし、インフラの充実がそのままAI活用や事業価値の創出につながるわけではない。整備された「箱」をどう生かすのか。AIインフラ投資の課題を考える。

[松浦淳（トゥモロー・ネット）, 編集：遠藤文康，＠IT]

　生成AIの急速な普及を背景に、世界中でAIインフラへの投資が拡大しています。日本でも、GPUをはじめとする計算資源の確保や、AI向けデータセンターの整備が相次いでいます。

　こうした動きを後押ししているのが、国による支援です。経済産業省は経済安全保障の観点から、生成AIの開発に必要となる計算資源を国内に確保するため、GPUクラウドサービスなどの整備を支援してきました。これまで、さくらインターネットやKDDI、GMOインターネットグループ、ソフトバンクなどの供給確保計画を認定し、国内のAI計算基盤の整備を後押ししています。さらに、生成AIの開発力強化と社会実装を目的とする「GENIAC」でも、国内のAIモデル開発者に対する計算資源の提供支援を継続しています。

　一方、実際のITビジネスの現場では、「GPUを確保したものの、それを何に使えばいいのか」「PoCはできたが、本番サービスに移行できない」といった課題も聞かれます。

　AIを動かすための「箱」は整いつつあります。しかし、その上でどのようなサービスを動かし、どのような事業価値を生み出すのかという「出口」は、同じスピードで整備されているでしょうか。

　本章では、日本のAIインフラ投資の現在地を整理するとともに、他国との違いも踏まえながら、整備された計算資源を実際のサービスや産業につなげていくために何が必要なのかを考えていきます。

　本稿ではまず、日本で進むAIインフラ整備を振り返りながら、「インフラを整備すること」と「AIによって価値を生み出すこと」の間にあるギャップを考えます。

国内で相次ぐAIデータセンター・GPU基盤への投資

　まず押さえておきたいのは、日本でAIインフラの整備そのものが遅れているわけではないということです。

　経済産業省は、経済安全保障推進法に基づいて「クラウドプログラム」を特定重要物資に指定し、生成AIの開発に必要となる計算資源を国内に確保する取り組みを進めています。2027年度末までに累計60EFLOPS（エクサフロップス）規模の計算資源を国内に整備する目標を掲げています。

　こうした支援もあり、国内では大規模なGPU基盤やAIデータセンターが相次いで立ち上がっています。

　例えば、さくらインターネットは2026年2月、北海道の石狩データセンター敷地内に建設したコンテナ型データセンターで、NVIDIAのGPU「B200」を約1100基を搭載したAIインフラの稼働を開始しました。同社はこれを、生成AI向けクラウドサービス「高火力」やマネージドスーパーコンピュータ「さくらONE」などに活用しています。

　KDDIも2026年1月、大阪府堺市で「大阪堺データセンター」の稼働を開始しました。NVIDIAのAI向けGPUシステム「GB200 NVL72」などを搭載し、「KDDI GPU Cloud」や生成AI関連サービスの基盤として活用しています。ソフトバンクやGMOインターネットグループなども大規模なGPU計算基盤を整備しています。

　つまり、「国内にAIを動かすための計算資源がない」という状況からは着実に変わりつつあります。国内に計算資源を確保することは、産業競争力だけでなく、経済安全保障やデータ主権の観点からも重要です。

　では、これだけのインフラが整えば、日本企業のAI活用も自然に進むのでしょうか。ここに、現在のAIインフラ投資を考える上での重要な論点があります。

「箱」が増えても、「出口」は自然には生まれない

　AIインフラへの投資が拡大する中で、筆者が懸念しているのは、GPUやデータセンターを整備すること自体が目的になってしまうことです。GPUは、保有しているだけでは価値を生みません。そこにデータを載せ、AIモデルを動かし、さらに業務やサービスへ組み込み、実際の利用者に価値を届けて初めて、投資として意味を持ちます。

　ところが、筆者が企業のAI活用やインフラ整備に関わる中では、「生成AIが重要になるからGPUを確保しよう」「国内に計算資源が必要だからデータセンターを造ろう」とインフラ整備が先行し、「その計算資源を誰が、何のために使い、どう事業につなげるのか」という議論が後回しになるケースも見られます。

　もちろん、AIインフラを先行して整備すること自体が間違っているわけではありません。2000年前後のドットコムバブル期に整備されたネットワークインフラが、その後のインターネットサービスやクラウドビジネスを支えたように、現在のAI計算基盤も将来の重要な社会インフラになる可能性があります。

　問題はインフラへの投資そのものではなく、その上でサービスや産業を生み出すための投資とセットで考えられているかどうかです。

「AIを導入すること」が目的になっていないか

　同じ問題は、AIインフラを提供する側だけではなく、利用する企業の側にもあります。

　生成AIが急速に普及したことで、多くの企業が経営課題としてAI活用を掲げるようになりました。

　経営層から「生成AIを活用しなければならない」「競合他社に遅れてはいけない」と指示を受け、AIプロジェクトを立ち上げた企業も少なくありません。しかし、「AIを使う」という方針だけが先に決まり、「AIによって何を変えるのか」が明確になっていないケースもあります。その結果、「まず生成AIを導入してみよう」「まずGPUを確保しよう」「まずPoCを実施しよう」と、手段から検討が始まります。

　PoCそのものは成功するかもしれません。LLMを使った社内検索を構築したり、自社データを使ってモデルを検証したりするところまでは進められます。ところが、本番サービスや全社展開へ進もうとすると状況が変わります。

　誰が運用するのか。どの部門が予算を持つのか。既存システムとどう接続するのか。セキュリティやガバナンスをどう担保するのか。継続的にモデルを改善するための人材をどう確保するのか。そして、そのAIによってどれだけの売り上げ増加やコスト削減、顧客体験の向上を実現するのか。こうした課題が一気に顕在化します。

　「AIモデルが動いた」ことと、「AIが事業として動く」ことは全く違います。

　PoCの段階では技術的な実現可能性を確認できても、実際のサービスとして運用するには、インフラだけでなく、ソフトウェア、データ、セキュリティ、運用、人材、そしてビジネスモデルまでを組み合わせなければなりません。この部分が設計されていなければ、せっかく確保したGPUも十分に使われず、投資した計算資源の稼働率が上がらないという事態につながります。