AIの熱とどう向き合うか――大甕にできた実験の場
AIの演算能力が大きくなるほど、半導体から発生する熱をどう逃がすかが難しくなる。GPUを冷却する装置だけを優秀にしても、ポンプ、チラー、送風機が過剰に動けば施設全体の省エネにはつながらない。日立製作所は11月16日、茨城県の研究開発グループ茨城サイト大甕地区に「大みかデータセンターラボ」を構築したと発表した。目指すのは、個々の冷却部材ではなく設備群の動きを連携させることだ。
実証施設には液冷GPUサーバーと空冷サーバーを扱う「AIデータセンターエリア」、模擬液冷サーバーや冷却液循環装置を使う「液冷システム評価エリア」を設けた。実際のAI処理と模擬負荷を組み合わせ、冷却装置とIT機器の挙動を測る。実験場所の完成は技術の実用化や省電力率の実証完了とは異なる。日立がこれから数値で示すべき成果は、温度、安全余裕、冷却電力、長期間の運転安定性である。
液冷か空冷か、という二者択一ではない
高密度GPUは内部で大量の熱を発生させるため、発熱部に接触するコールドプレートへ冷却液を流す方式が注目されている。一方、電源装置やCPUサーバーなど、施設のすべてを同じ方式で冷却するとは限らない。既存設備を含む現実のデータセンターでは、液冷と空冷が混在する。温度条件、液量、風量、設備ごとの応答時間が違うため、別々の制御では無駄が生じやすい。
冷却を弱め過ぎれば半導体の動作条件を外れる危険があり、反対に過度の余裕を見込んで冷やし続ければ電力を浪費する。重要なのは「液冷が空冷に勝つ」という単純な比較ではない。どの機器で、どの時間帯に、どれだけの熱が生じるかを把握し、両方式を組み合わせて必要な安全性を守ることだ。
秒単位の温度予測、誤差1度以下という目標
日立はAIデータセンターエリアで、室内の温度分布を秒単位で解析し、実測との誤差を1℃以下に収められるか検証するとしている。GPUの負荷が変化するたびに設備が一斉に最大出力へ動くのではなく、予測結果に応じて空冷・液冷を協調させる構想だ。会社発表の「実現」や「目指す」という表現を、既に客観的な比較試験に合格したという意味へ置き換えてはならない。
温度予測が高精度でも、発熱の急変やセンサー故障時に制御が安全側へ戻れなければ実運用には使いにくい。設置場所やラック密度の違いに対する再現性、計測点の配置、運転費用の差はこれから確認すべき点だ。冷却設備の省エネ効果を見る場合、冷却ファンだけでなくポンプや冷凍機の消費電力を合わせて測る必要がある。
ポンプも電気を使う――液冷の見落としやすい費用
冷却液は魔法のように熱を運ぶわけではない。配管やコールドプレートの狭い流路を通る際には圧力損失が生じ、流量を増やすほどポンプの負担が増える。液冷システム評価エリアでは、GPUの発熱を模擬する複数台の装置、冷却液分配ユニット(CDU)、高発熱GPUに対応するコールドプレートを使う。発熱に応じて冷却液を必要な場所へ配分し、無駄な搬送動力を抑える制御を調べる。
CDUは設備側の水系統とサーバー側の冷却液系統の間で熱を受け渡す装置だ。サーバーに水を通せばそれで完結するのではなく、熱を外へ運ぶ設備や漏液対策も必要になる。熱が最後にどこへ捨てられるかまで見なければ、冷却方式全体を比較できない。
10月のコールドプレート研究と30%の意味
新ラボ発表の約1か月前、日立は「U-Tunnel」流路構造を用いるGPU冷却用コールドプレートを発表した。熱源付近まで冷却液を送り、折り返して排出する細い流路を多数並べる。試作品では流量毎分4リットルの条件で熱抵抗0.011 K/W、圧力損失27.6 kPaを測定したと説明している。この数字は試作品の測定値であり、施設全体の性能ではない。
日立が挙げる「冷却に必要な電力を30%削減できる可能性」は、特定地域の外気温などを仮定してGPUから回収した熱を屋外に排出する設備について試算したものだ。データセンターの全消費電力が30%減るという意味ではない。冷却液の温度を高く保てれば外気を利用する時間が増える可能性があるが、その成果は季節、設計、負荷条件で変わる。
大甕と日立の歴史――工場の制御からAI施設の制御へ
日立の創業は1910年。日本の電力、鉄道、工場を支える機械や制御技術を長く手掛けてきた。1969年には制御システム事業の拡大に合わせて大みか地区に専門工場を設けた。現場で装置を止めずに動かす運用技術、すなわちOT(Operational Technology)は同社の重要な蓄積である。
コンピューターの機器を管理するITと、設備そのものを監視・制御するOTを結び付ける考え方は、この歴史の延長にある。生成AIの時代、情報処理を止めないために必要なのは半導体の性能だけではない。電力、冷却、警報、保全を連携させる古典的な制御工学も、再び中心的な役割を果たす。
「調和の丘」とHMAX――研究から商品への距離
日立は2030年に次世代型社会インフラ研究拠点「調和の丘」の新設を予定している。大みかデータセンターラボは、その方向性を先取りして個別設備とシステム全体を一体で検証する場と位置付けられた。研究に加え、社内で技術を先に使う「カスタマーゼロ」の取り組みを通じ、実際のAI処理データを集める計画だ。
得られる知見を「HMAX by Hitachi」の一つである「HMAX Data Center」に展開するというが、ラボの構築と商用サービスの新機能提供開始は同じことではない。顧客導入に際しては、既存サーバーや空調との互換性、故障時の切り替え、契約上の性能保証が問われる。
世界のAI電力需要が押し上げる研究の意義
国際エネルギー機関(IEA)の2025年報告は、世界のデータセンター消費電力量を2024年に約415TWhと推計し、基本シナリオでは2030年に約945TWhへ増えると予測した。これは世界全体の推計であり、日立のラボ単独の効果や日本国内の電力消費を示すものではない。2026年のIEA更新分析でも、電力系統への接続や設備供給の制約が拡大を左右すると指摘している。
送電網や発電設備の増強だけで対応するのではなく、無駄な熱処理を減らすことにも意味がある。ただし効率化で計算単価が下がればAIの利用量が増え、総需要が減らない可能性もある。環境面の評価には、施設の利用率や電源構成、冷却水の使用量まで視野に入れたい。
PUEだけで評価できない、現場の安全と水
データセンターでは一般にPUE(Power Usage Effectiveness)が設備効率の目安として用いられる。施設全体の電力をIT機器の電力で割る指標で、1に近いほどIT機器以外に使う電力が小さい。しかし、実際の演算仕事量が増減すれば指標の読み方は変わる。水利用効率や機器故障率までPUE一つで説明できるわけではない。
液冷では熱交換器の汚れ、冷却液の品質、漏液検知、整備中の停止リスクも重要になる。チラーの負荷が下がっても別の設備の電力や水使用が増えれば、正味の評価は変わる。日立の研究が広く採用されるには、実験室の優れた予測だけでなく、現場で再現できる運用条件の提示が必要だ。
省エネ率より先に、何を測るべきか
今後の焦点は比較可能な実測結果である。冷却に使用した総電力量、負荷変動時のGPU温度、外気条件、チラー・ポンプ・送風機の各消費電力、警報への対応時間などが公開されれば、技術者は効果を検討しやすくなる。実施設への導入例と実験室の模擬負荷も区別すべきだ。
11月16日の発表は、ラボの設備構成や検証目標を明らかにした一方、冷却システム全体の達成済み削減率、建設費、導入顧客、実運用での長期成績を公表していない。AI時代の競争は、GPUをどこまで速く動かせるかだけではない。同じ計算を安全に、より少ない付帯電力で支えられるか。大甕の実験が問うのは、その地道で大きな課題である。
一次資料・取材上の留意点
本稿は2026年11月16日までの企業・公的機関の公表資料を根拠に独自構成した報道・解説。研究施設への現地取材や、温度・冷却電力の独立した測定は行っていない。建設費、商用導入先、長期運転実績、全冷却系の達成済み省エネ率は確認できていない。
