人工知能（AI）インフラは、それを統治するために必要な規制よりも速いペースで進化しています。
AIモデルの物理的なフットプリント（計算能力から熱管理まで）は急増しています。
アジアは、統合的で先を見据えたAIエコシステムがどのようなものであるべきかを示し、そのモデルとなることができます。
人工知能（AI）技術の急速な展開は、データインフラからグローバルガバナンスに至るまで、あらゆるものを変革しつつあります。
AIは、効率性の向上、製品のライフサイクルにおけるカーボンフットプリントの追跡、エネルギー管理の最適化といった持続可能性への取り組みの実現など、大きな利点をもたらしますが、その規模拡大には課題も伴います。
AIモデルが規模と複雑さを増すにつれ、計算能力から熱管理に至るまでの物理的なフットプリントは急増しています。
この影響は、エネルギーと水の関連消費、電子廃棄物（バッテリーや使用済みサーバーなど）、そしてハードウェア製造における希土類元素を含む非再生可能資源への依存に関する懸念を生じさせています。
技術革新は多くの場合、資源利用の抑制を目指すものですが、ジェボンズのパラドックスは、効率性の向上がAIの利用拡大に伴い、逆説的に全体の資源消費を増大させる可能性があることを示唆しています。
同時に、環境法からデジタル規制に至るまでのガバナンスの枠組みは、追いつくのに苦労しています。新たな種類の緊張関係が生まれつつあります。AIインフラは、公共および地球全体の利益に資するよう確保するために必要な規制やガバナンスよりも速いペースで進化しているのです。
この力学は、政策立案、ビジネス、インフラ投資の各分野における意思決定にますます影響を与えていくでしょう。
インフラとガバナンスは共に進化しなければならない
一見すると分離しているように見えるものの、インフラとデジタルガバナンスの領域は収束しつつあります。しかし、この収束は公共の議論においては十分に検討されていません。今日のデジタル化は、3つの重大なミスマッチを明らかにしています：
機能的なミスマッチ： AIインフラ、環境の持続可能性、そして金融などの他の分野の間での縦割り構造。
空間的なミスマッチ： 地方、国家、国際的なガバナンスの各レベル間における調整の不足。
時間的なミスマッチ： AIシステムの急速な展開サイクルと、環境および社会的レジリエンスの長期的なニーズとの間の衝突。
これらのミスマッチに対処するには、インフラ開発とガバナンスが足並みを揃えて進化する、総合的な視点が必要です。これは、都市の人口密度、気候変動への脆弱性、そしてデジタル化の加速が交差するアジア太平洋地域にとって、特に重要です。
シンガポールのアプローチは、グリーン・データセンター・ロードマップに代表されます。これは、情報通信メディア開発庁（IMDA）と経済開発庁が主導するものであり、生成AIのためのモデルAIガバナンス・フレームワークはIMDAとAIベリファイ財団が策定したものです。さらに、より広範なシンガポール・グリーンプラン2030もあります。
これらは、持続可能なデジタルエコシステムを推進するために、インフラとガバナンスの枠組みを整合させようとする初期の取り組みを示しています。
インフラの転換
AI開発は、特にデータセンターを中心に、先進的なデジタルインフラに対する需要を増大させています。このエコシステムは、電力網から電子廃棄物管理に至るまで、複数の側面で負荷に直面しています。
空冷は熱力学的な限界に達しつつあります。ラックあたりの密度は最大600キロワットに達すると予測されており、従来の空冷システムでは、次世代のAIハードウェアが発生させる激しい熱負荷に対応できません。
液冷およびハイブリッド冷却技術への移行は不可欠であり、インフラの設計、資金調達、安全性、国際標準に対して重大な影響をもたらします。
ダイレクト・トゥ・チップ方式や浸漬冷却などの液冷ソリューションは、はるかに高い熱伝達効率を提供し、エネルギーおよび空間のフットプリントを削減します。
しかしながら、冷却剤の選定、保守プロトコル、リスク管理など、新たな運用上の課題ももたらします。これらには、持続可能で安全な導入を確保するための、更新されたガバナンスの仕組みが対応しなければなりません。
同時に、AIインフラの包括的な環境影響評価は、温室効果ガス・プロトコルに沿って、スコープ1、2、3の排出量を網羅すべきです。これには、エネルギー使用量、製造における内包炭素、そして製品の廃棄段階における材料への影響が含まれます。
シンガポールとアジアは、持続可能なAIガバナンスの次の段階を推進するうえで、独自の立場にあります。
規制の遅れ
規制の枠組みは、AIインフラとシステムの急速な発展に追いつくのに苦労しています。事前の積極的な管理がなければ、次のようなリスクが高まりつつあります：
管轄区域をまたいだ規制コンプライアンス体制の断片化。
基準の低い環境を優遇する規制裁定。
持続可能性報告の一貫性の欠如または不完全さ。
これを効果的に管理するには、AIインフラのための明確で相互運用可能な持続可能性基準が必要です。これらの基準は、環境影響評価、国境を越えた規制の整合性、そして調和された報告の枠組みを支えるものでなければなりません。
AIシステムが汎用的な基盤モデルや特定分野向けの導入など、より複雑になるにつれて、インフラの需要は大きく分岐していくでしょう。ガバナンスの枠組みは、持続可能性の目標を損なうことなく、こうした多様性に対応できるほど柔軟でなければなりません。
エネルギー使用量、水の消費量、熱効率、排出量を網羅するリアルタイムのインフラ・テレメトリーは、信頼性の高いAI環境影響評価の一環として、透明性をもって収集・開示されるべきです。
これらの取り組みは、国際標準化機構によって策定が進められている現行の標準に沿ったものであるべきです。ISO/IEC SC42や、電気電子技術者協会のP7100 人工知能の環境影響ワーキンググループなどが、その例として挙げられます。
シンガポールの取り組み（データセンター向けグリーンマーク：2024（建設庁およびIMDAによるもの）や、データセンター向けエネルギー効率助成金（エンタープライズ・シンガポールが運営）など）は、持続可能性におけるリーダーシップを促すための、積極的な規制イノベーションの好例です。
協調的なプロセス
持続可能なAIを実現するには、デジタルインフラが環境および社会の目標と調和して成長することを確実にするため、政府、産業界、学術機関、そして広範なコミュニティによる統合的な行動が求められます。
世界的に見ると、持続可能性をAI開発の中核に組み込むことを目指す協調的な枠組みが、徐々に現れつつあるようです。
欧州では、EUのAI法（2024年）により、汎用AIモデルの提供者にエネルギー消費量の文書化が義務付けられています。これは、この分野に環境フットプリントに対する説明責任を負わせるための第一歩です。
一方、シンガポールのグリーン・データセンター・ロードマップは、効率性の向上、認証基準、そして持続可能な運用を推進しています。
これは、AIガバナンスと倫理に関するASEANガイドと連携することができ、適切に運用されれば、加盟国がAIのライフサイクル全体を通じてより強固な環境評価を行うよう導く可能性があります。
電気電子技術者協会、ISO/IEC SC42、ユネスコ、経済協力開発機構といった国際機関も、AIインフラに合わせた、世界的に認められた持続可能性基準の基盤を築いています。
明らかになりつつあるのは、アジアが、ベストプラクティスを採用するだけでなく、将来の基準やガバナンスモデルを形成することによって、模範を示してリードする重要な機会を有しているということです。
持続可能性は、AIのライフサイクルのあらゆる段階、すなわちモデルやインフラの設計から、その導入、そして最終的な廃止に至るまで、組み込まれなければならないという認識が高まっています。
成功するためには、この地域は次の主要分野を優先しなければなりません：
ライフサイクル全体にわたる影響評価の実施。
インフラの複雑性の管理。
資源利用における透明性の向上。
規制イノベーションの促進。
国境を越えた標準化の推進。
インフラ開発を環境への責任と直接結びつけることにより、この地域は、統合的で先を見据えたAIエコシステムが何であり得て、何であるべきかを示すモデルとなることができます。
