事業化の前に、土地条件・建物条件・周辺インフラを整理する
保有地・空き施設のデータセンター活用可能性を見極める方法
Read More
GPU世代・ラック密度・液冷比率が変化する中で、将来予測だけに頼らず冷却投資を判断するための考え方
AIデータセンターの設備計画では、冷却投資の判断が難しくなっています。
GPUやAIアクセラレータの高性能化によってラックあたりの発熱密度は高まり、従来の空冷を前提とした設備では対応しにくい領域が広がっています。実際、NVIDIAのGB200 NVL72は液冷式のラックスケールシステムとして提供され、より新しい高密度AIシステムでも液冷を前提とした設計が進んでいます。AIインフラでは、冷却方式が建物完成後に考える付帯設備ではなく、ITシステムの構成と一体で検討すべき要素になっています。
しかし、ここで「今後はAIだから液冷設備へ大きく投資すればよい」と判断すると、別の問題が生じます。
すべてのAIワークロードが同じ電力密度になるわけではなく、すべてのラックが同じ時期に液冷化するわけでもありません。学習用途、推論用途、一般クラウド、コロケーションでは必要な設備条件が異なり、導入されるGPU世代、サーバー構成、顧客契約、稼働率によっても冷却需要は変わります。Schneider Electricも、AIワークロードのすべてが高密度ラックや液冷を必要とするわけではなく、まずワークロード特性からインフラ要件を考える必要があると整理しています。
つまり、AIデータセンターの冷却設備投資には、二つの失敗があります。
一つは、将来の高密度化を先読みしすぎて、実際には使われない設備を先行導入することです。もう一つは、既存の空冷設備を長く使えると考えすぎて、高密度ラックの具体案件が来た後に大規模改修へ追い込まれることです。
この「過剰投資」と「後追い改修」の間をどう設計するかが、今後のAIデータセンター事業では重要になります。
AIデータセンターの冷却問題は、「GPUが熱くなったから液冷が必要になった」という説明だけでは不十分です。
より本質的な問題は、IT機器の変化速度と、建物設備の投資サイクルが合わなくなっていることです。
GPUやAIサーバーは比較的短い周期で世代交代します。一方、データセンターの受変電設備、冷却水系統、配管、熱源設備、熱交換器、建物設備は、より長い期間使うことを前提に設計されます。そのため、現在のGPU仕様だけを基準に設備を作ると、将来世代で不足する可能性があります。逆に、将来ロードマップの最大値をそのまま設備仕様へ反映すると、実際の需要が追いつかず、設備利用率が低い状態が続く可能性があります。
さらに難しいのは、「データセンター全体の平均密度」と「実際に高密度化する場所」が一致しないことです。
施設全体では空冷で対応できるラックが多く残っていても、一部のAIクラスタだけは高い冷却能力を必要とすることがあります。一般的なCPUサーバー、ストレージ、ネットワーク機器、AI推論基盤、大規模学習クラスタが同じ施設に混在する場合、冷却要求は一様ではありません。
そのため、平均ラック密度だけを使って設備計画を行うと判断を誤りやすくなります。
本当に見るべきなのは、どのエリアに、どの時期に、どの程度の高密度ラックが入る可能性があるかです。AIデータセンターの冷却投資は、施設全体を一つの数字で見るのではなく、ワークロードと配置の分布から考える必要があります。
液冷設備への投資そのものが過剰なのではありません。
問題は、需要が固まっていない段階で、将来必要になるかもしれない能力を全面的に実装することです。
たとえば、施設全体に大容量の液冷対応設備を先行導入し、CDU、二次側配管、熱交換設備、ポンプ、制御、熱源設備、熱放出設備まで最大容量に近い形で整備したとします。しかし、実際に導入されたAIラックが計画より少なければ、その設備の多くは十分に使われません。
コロケーション型のデータセンターでは、さらに判断が難しくなります。
自社AIクラウドや特定用途のAIファクトリーであれば、導入するGPU、クラスタ構成、ラック密度を比較的明確にできます。一方、将来のテナントを受け入れるコロケーションでは、どの顧客が、どのGPU世代を、いつ、どれだけ導入するかを完全には予測できません。Schneider ElectricのAIファクトリー設計資料でも、用途が明確な施設は既知のGPUロードマップやラック密度を基準に設計しやすい一方、一般的なコロケーションでは、テナント要件が明確になるまで電力・冷却面の選択肢を残す考え方が示されています。
ここで重要なのが、「液冷対応」と「液冷設備を全面実装すること」を分ける考え方です。
将来のために配管ルートを確保することと、初日からすべての配管を施工することは違います。CDU設置スペースを確保することと、大容量CDUを先行購入することも違います。施設側冷却水への接続余地を設計することと、最大需要を前提に熱源設備を全面増強することも違います。
過剰投資を避けるには、「後から追加しにくいもの」と「需要確定後に追加できるもの」を分ける必要があります。
冷却設備投資を段階化するには、設備を一括りにしないことが重要です。
建設後に変更しにくいものは、早い段階で余地を確保する価値があります。たとえば、主要配管ルート、設備シャフト、機械室スペース、CDU設置場所、床や建物構造上の条件、施設水系への接続ポイント、熱放出設備の拡張余地、電源容量、制御システムの接続性などです。
一方で、需要が確定してから導入しやすいものもあります。
CDUの実機台数、特定ラック向けのマニホールド、QD、ホース、ラック内配管、一部のポンプ設備、特定冷媒に対応した周辺部材などは、設計条件によっては段階的に追加できる可能性があります。
もちろん、何が後付け可能かは施設構造によって変わります。しかし、設備計画の初期段階でこの切り分けをしておけば、「将来対応のために今すべて買う」という判断を避けやすくなります。
AIデータセンターの冷却投資では、設備容量そのものだけでなく、将来変更できる余地に投資するという考え方が重要です。
これは単なる設備コスト削減ではありません。
将来のGPUロードマップ、テナント構成、液冷方式、部材仕様が変化した場合にも対応できるよう、選択肢を残すための投資です。
過剰投資を避けようとするあまり、液冷対応を先送りしすぎると、今度は後追い改修の問題が生じます。
既存データセンターでは、すでにCRAH、CRAC、チラー、冷却塔、空調ダクト、ホットアイル・コールドアイルなどの設備が稼働しています。現在のIT負荷を処理できている場合、「まだ空冷で問題ない」と判断しやすくなります。
しかし、具体的な高密度AI案件が入った時点で初めて液冷を検討すると、設備追加だけでは済まない可能性があります。
CDUをどこに置くのか。施設側の冷却水へどう接続するのか。二次側配管をどこに通すのか。既存ITエリアで工事できるのか。漏液検知をどう構成するのか。水質や腐食をどう管理するのか。既存BMSやDCIMへどう接続するのか。熱放出側の能力は足りるのか。
こうした問題は、液冷機器を購入しただけでは解決しません。
特に稼働中のデータセンターでは、既存顧客やIT機器を止めずに工事する必要があります。配管工事、設備増設、制御変更をライブ環境で実施する場合、工事計画や切替手順が複雑になります。
Vertivも、既存施設への液冷導入には複数の経路があり、施設側冷却水を使う液液CDUだけでなく、既存空冷インフラを活用しやすい液空CDUなど、施設条件に応じた導入方法があると整理しています。
つまり、「今すぐ全面液冷化しない」という判断と、「何も準備しない」という判断は別です。
液冷導入の議論では、CDUやコールドプレートが注目されやすくなります。
しかし、実際に後追い改修を難しくするのは、それらの主要装置だけではありません。
液冷システムでは、コールドプレート、CDU、QD、ホース、マニホールド、ポンプ、熱交換器、冷媒、バルブ、フィルター、センサー、漏液検知、制御が組み合わさります。Open Compute Projectでも、冷却環境の主要領域としてコールドプレート、CDU、浸漬冷却、ドア熱交換器、排熱利用などを分けて扱っており、液冷が単一設備ではなく複数インターフェースから成ることが分かります。
後追い改修では、このインターフェース調整が問題になります。
CDUの能力は足りていても、施設側水温が合わないことがあります。配管径は足りていても、圧力条件が合わないことがあります。QDを変更すると圧力損失や材料適合性の確認が必要になることがあります。冷媒を変えると、シール材やホース、ポンプ、金属部材との適合性を再確認しなければならない場合があります。
したがって、液冷投資の検討では、「CDUを何台買うか」だけを見ても不十分です。
施設側からチップ側までの熱経路と液体回路を一体で見る必要があります。
設備投資を難しくしているもう一つの要因が、導入タイミングの不確実性です。
AI需要が拡大していても、個別のデータセンターで高密度ラックがいつ、どの程度導入されるかは別問題です。
顧客のAI投資計画が遅れることがあります。GPU調達時期が変わることがあります。クラスタ構成が変更されることがあります。学習中心から推論中心へ需要が変化することもあります。自社設備ではなくクラウド利用へ切り替わる場合もあります。
そのため、「市場全体としてAIが伸びる」という情報だけで冷却設備容量を決めるのは危険です。
設備投資で必要なのは、市場予測ではなく、自社施設に入る負荷の確度です。
具体的なテナントがいるのか。導入予定のIT機器は決まっているのか。GPU世代は何か。ラック数はどの程度か。液冷対応サーバーの比率はどうか。導入時期は契約上どこまで固まっているのか。
こうした情報がなければ、将来の高密度化を設備容量へ直接変換することはできません。
AI市場の成長と、自社データセンターの冷却投資は分けて考える必要があります。
冷却投資の失敗は、判断を二択にしてしまうことで起きやすくなります。
液冷へ全面移行するか。
既存空冷を維持するか。
実際には、その中間に多くの選択肢があります。
高密度AIラックだけを液冷対応エリアへ集約する方法があります。既存空冷とDirect Liquid Coolingを併用する方法があります。リアドア熱交換器を使って局所的な密度上昇へ対応する方法があります。液空CDUによって既存施設へ段階導入する方法もあります。
Direct Liquid Coolingを採用しても、サーバー内部のすべての発熱が液体へ移るとは限りません。メモリ、電源部品、ネットワーク機器など、空気側で処理する熱が残る構成もあります。そのため、液冷を導入したからといって既存空冷設備を単純に撤去できるとは限りません。
この点は投資判断で非常に重要です。
液冷設備を追加した結果、空冷設備と液冷設備の両方を一定期間維持する必要が生じれば、設備構成はむしろ複雑になります。過渡期には、二重の設備体系をどう運用するかが問題になります。
したがって、冷却設備計画では「液冷化率」を考える必要があります。
どの負荷を液体で処理し、どの負荷を空気で処理するのか。将来、その比率がどう変わるのか。設備更新時にどこまで液冷側へ移すのか。
この移行シナリオがないまま設備だけを導入すると、過剰投資にも後追い改修にもなりやすくなります。
AIデータセンターでは、高いラック密度の数字が注目されやすくなります。
しかし、最大ラック密度だけを見て施設全体の設備を設計すると、実運用との差が大きくなる可能性があります。
重要なのは、ピーク値と分布を分けることです。
最も高密度なラックはどの程度か。
そのラックは何台あるのか
同時に最大負荷へ到達するのか
施設全体に占める比率はどの程度か
将来どのエリアへ増えるのか
たとえば、一部のラックだけが極めて高密度で、その他のラックが中低密度であれば、施設全体を最大密度基準で作る必要はないかもしれません。
一方、高密度ラックが連続して配置され、大規模AIクラスタとして同時稼働するのであれば、局所対応だけでは不足する可能性があります。施設側の熱源、ポンプ、配管、熱交換器、熱放出まで含めた能力が必要になります。
つまり、平均値だけでも、最大値だけでも判断できません。
冷却投資では、負荷の分布と時間変化を見る必要があります。
冷却設備投資では、PUE改善が重要な評価軸として使われます。
しかし、AIデータセンターの液冷投資をPUEだけで判断する場合には注意が必要です。
液冷では、施設側の空調電力を減らせる可能性がある一方、CDU、ポンプ、制御機器など新たな設備が加わります。また、液冷によってIT機器側の動作条件やファン電力が変化することもあります。
そのため、冷却方式を比較する場合は、単純な設備PUEだけではなく、データセンター全体の消費電力、IT側の電力、実際に提供できる計算能力、設備利用率まで確認した方がよい場合があります。
高効率な液冷設備を導入しても、設備利用率が低ければ投資回収は進みません。逆に、PUE上の改善幅が限定的でも、高密度AIラックを受け入れることで売上や計算能力を増やせる場合があります。
AIデータセンターでは、冷却設備を単なる省エネ投資として見るだけでは不十分です。
どのAI需要を受け入れられるようになるのかという事業面も合わせて評価する必要があります。
段階投資という言葉は便利ですが、単に「必要になったら追加する」という意味ではありません。
それでは後追い改修と変わらないからです。
本当に必要なのは、設備追加のトリガーを事前に決めることです。
たとえば、高密度ラックの契約数、液冷対応IT機器の導入比率、特定エリアの冷却余力、施設水系の利用率、CDU必要能力、将来案件の確度などを見ながら、どの時点で次の設備投資へ進むかを設定します。
契約前にどこまで準備するのか。
顧客内示で何を発注するのか
正式契約後に何を施工するのか
ラック搬入前に何を完成させるのか
この段階を分けることで、需要が確定していない設備への先行投資を抑えながら、案件獲得後の手遅れも防ぎやすくなります。
特にCDUや一部の液冷部材では、調達リードタイムや認定条件も確認する必要があります。設備そのものを後から買えるとしても、必要な時期に調達できなければ意味がありません。
そのため、段階投資には設備設計だけでなく、サプライチェーン調査が必要です。
AIデータセンターの冷却検討では、最初から「どの液冷方式を採用するか」という議論に入りやすくなります。
しかし、事業初期では、その前に整理すべきことがあります。
対象とするAIワークロード
想定GPU世代
ラック密度の分布
高密度ラックの導入時期
液冷対応IT機器の比率
既存空冷設備の余力
施設側冷却水の条件
熱放出設備の余力
既存施設か新設か
将来拡張の可能性
テナント要件の確度
これらが整理されて初めて、空冷、DLC、リアドア熱交換器、液空CDU、液液CDUなどの比較が意味を持ちます。
冷却設備投資で重要なのは、特定方式を早く選ぶことではありません。
どの条件が変われば、どの投資判断を変えるのかを明確にすることです。
株式会社Asset Marsでは、AIデータセンターの高密度化に向けた冷却設備投資について、事業者・設備会社・冷却ベンダー・部材サプライヤーを横断した初期調査と意思決定支援を行っています。
AIデータセンターの冷却投資では、「液冷を導入するかどうか」だけでは十分な判断になりません。想定ワークロード、ラック密度、GPU世代、液冷化率、既存設備余力、施設側冷却水、CDU構成、将来拡張性、設備調達条件を整理し、どこまで先行投資し、どこを将来対応として残すかを考える必要があります。
当社では、対象施設や事業計画に応じて、冷却方式の比較、主要ベンダーの提案条件整理、CDU・QD・冷媒などの供給構造調査、既存設備活用と段階投資の論点整理を支援します。
また、特定メーカーの製品提案だけを前提とせず、複数の冷却方式や供給元を横断して確認し、投資判断に必要な不足情報を整理します。必要に応じて、冷却設備・部材サプライヤーの探索や初期接続も支援します。
当社の支援は、特定冷却方式の採用、設備性能、PUE、工事費、事業採算、認定取得を保証するものではありません。あくまで初期段階において、「どこまで今投資すべきか」「どこを将来対応に残すべきか」「どのベンダーや部材を比較すべきか」「次に何を確認すべきか」を整理し、設備投資判断を前進させるための支援です。
