2026年6月23日、ソフトバンクの年次株主総会で、孫正義氏はイーロン・マスク氏の「100万基の衛星軌道データセンター」構想に真っ向から冷水を浴びせた。同計画をソフトバンクが追随するかという株主の質問に対し、孫氏は明確に否定。電力支出はデータセンター運営コストのごく一部に過ぎず、宇宙への移転は高額なロケット輸送費、メンテナンスの困難、通信遅延といった現実的な障壁を伴うと指摘した。そして、今後数年のAI競争の構図こそが10年後よりもはるかに重要であり、AIの決戦は地上でしか起こり得ないと強調した。

宇宙データセンターは、地球資源の制約から脱却する究極の解法なのか、それとも工学的常識に反するコンセプトの誇張なのか。その真偽は、計算能力のコスト構造と物理の鉄則に関する3つのハードデータ比較によって検証できる。

71%の減価償却と9%の電気代：宇宙計算能力のコスト逆転現象

マスク氏が宇宙データセンターを提唱する核心的前提の一つは、宇宙空間の無尽蔵な太陽エネルギーを利用し、地上データセンターの高額な電気代を節約するというものだ。しかし、実際のAI計算能力のビジネスモデルを前にすると、このロジックは脆弱な錯覚の上に成り立っている。

AI大規模モデルの計算能力時代において、データセンターの総所有コスト（TCO）構造は根本的に再構築された。SemiAnalysisによるMetaの24,000基のH100クラスタの分解分析によれば、AIデータセンターのTCOにおいて、ハードウェアの減価償却が圧倒的な大部分を占め、その割合は約71%に達する。これには、GPU、InfiniBandネットワークスイッチ、光モジュールなど、中核的なITハードウェアへの設備投資が含まれる。AIハードウェアの進化は極めて速く、通常3～5年で陳腐化するため、この減価償却部分が計算能力インフラ最大のコストブラックホールとなる。

これに対し、運用コストの主要部分と見なされがちな電力コストは、現金支出としては大きな割合を占めるものの、TCO全体ではわずか約9%に過ぎない。

総コストの1割にも満たない電気代を節約するために、1キログラムあたり数千ドルものロケット打ち上げ費用を負担するのは、商業的に完全な逆転現象である。現在、SpaceXのファルコン9ロケットによる低軌道への打ち上げコストは、1キログラムあたり約2,720～4,000ドルとされる。中規模のAIトレーニングクラスタのハードウェア重量は優に数百トンに達し、それを宇宙に送る打ち上げコストは数百億ドル規模に跳ね上がる。

宇宙空間は高エネルギーの宇宙線や太陽粒子が飛び交い、半導体にシングルイベントアップセット（一過性の誤動作）を引き起こし、データの完全性を損なう。放射線に耐えるためには、極めて高価で性能の劣る耐放射線チップを採用するか、厚い物理的シールドを追加する必要がある。いずれの選択もハードウェアコストの急増と性能低下を招き、71%を占める減価償却コストをさらに加速させる。

企業の購買担当者や産業投資家が関心を持つのは、10年後に宇宙にユートピアを建設できるかどうかではなく、現在投じる1セントごとの費用対効果である。巨額の資本支出というペナルティを負って、わずかな運用コスト削減を得ることは、商業的に成立し得ない。

100トンの放熱器と10トンのハードウェア：真空環境がもたらす放熱ペナルティ

地球上のAIインフラは確かに、特に熱処理と水資源の不足という深刻な物理的制約に直面している。データセンターをマイナス270度の極低温の宇宙空間に移すことは、熱問題の完璧な解決策に見えるかもしれないが、それは最も基本的な熱力学の常識に反している。

宇宙環境の背景温度は極めて低いが、高真空状態は空気の対流も熱伝導媒体も存在しないことを意味する。この環境では、廃熱は赤外線放射によってのみ放出され、これは非常に効率の低い伝熱プロセスである。

世界経済フォーラムの工学的試算によると、1メガワット規模の軌道データセンターには、約1,600平方メートルの放射放熱板が必要であり、その面積は標準的なアイスホッケーリンク3面分に相当する。国際宇宙ステーションの既存の放熱システム構造を参考にすると、1メガワットの計算能力を支える放射放熱器とその配管システムの重量は、最大100トンに達する可能性がある。一方、同等の計算能力を持つ計算ハードウェア自体の重量は、わずか約10トンである。

放熱システムの重量は、計算ハードウェアの10倍となる。ファルコン9の打ち上げコストで試算すると、この100トンの放熱器を軌道に投入するだけで、約3億ドルの費用がかかる。これには、巨大な太陽電池パネルアレイや必須の蓄電池の重量は含まれていない。

宇宙では、太陽エネルギーは24時間供給されるわけではない。衛星が地球の影の領域を通過する際には日照が失われるため、軌道データセンターは計算能力の稼働を維持するために大規模なバッテリーシステムを搭載する必要があり、これらの重いバッテリーにも同様に高額な打ち上げコストがかかる。

地上データセンターが直面する水冷の制約は、工学的な最適化によって解決可能な「現実的な問題」である。コールドプレート式液冷であれ、浸漬式液冷であれ、水の比熱容量と相変化による熱交換効率は、工学的に真空放射放熱よりはるかに優れている。

1マイクロ秒と40ミリ秒：ネットワーク遅延が封じる計算能力利用率

通信遅延の問題は、現在のAI技術アーキテクチャにおいて、宇宙データセンターに死刑宣告を下すものだ。

AI大規模モデルのトレーニングは、単純なウェブホスティングやデータストレージではない。それは数万基のGPU間におけるマイクロ秒レベルの同期戦争である。1万基規模のクラスタでは、順伝播と逆伝播が異なるノードに分散され、モデルパラメータの勾配更新はAll-Reduce操作を通じてグローバルに同期される必要がある。

この同期操作は、ネットワーク遅延と帯域幅に対して極めて厳しい要求を課す。RDMA（リモート直接メモリアクセス、CPUの介入なしに異なるコンピュータのメモリ間で直接データ交換を可能にする技術）とInfiniBand（高帯域幅・低遅延の専用ネットワークプロトコル）に依存する現代のAIクラスタでは、エンドツーエンドの遅延は通常1～5マイクロ秒が求められる。この遅延レベルでのみ、GPUは計算の合間に迅速にパラメータ交換を完了し、極めて高い計算能力利用率を維持できる。

低軌道衛星通信の物理的遅延は、通常20～40ミリ秒である。1ミリ秒は1,000マイクロ秒に相当し、衛星リンクの遅延はデータセンター内部ネットワークより1万倍近く高い。

光速の物理的限界が、このギャップを埋められないことを決定づけている。低軌道衛星は地上から約500～2,000キロメートル離れており、衛星間でレーザー通信による相互接続を行ったとしても、衛星間リンクの物理的距離とルーティングホップ数が、遅延をマイクロ秒レベルに近づけることを不可能にしている。

このような遅延条件下で分散トレーニングを実施すれば、高価なGPUクラスタはネットワーク伝送を待つ間、長時間アイドル状態に陥る。計算能力利用率は、地上クラスタの60%以上から、一桁台へと急落するだろう。企業が数億ドルを投じて購入した計算能力は、その大半の時間、データパケットがある衛星から別の衛星へ届くのを待つだけになる。

PUE 1.09：地上計算能力インフラの工学的限界と解決策

孫氏は株主総会で、ソフトバンクは地上データセンターの建設に注力すると強調した。これはソフトバンクだけでなく、ハイパースケールコンピューティング業界全体のコンセンサスでもある。

地上データセンターは確かに、立地選定の困難さ、地域社会の抗議、送電網への接続待ちといった問題に直面しているが、これらの問題にはいずれも明確な工学的解決策が存在する。絶え間なく最適化される冷却技術とエネルギー管理により、地上のハイパースケールデータセンターのPUE（電力使用効率、データセンターの総エネルギー消費量とIT機器のエネルギー消費量の比率であり、1に近いほど効率が高い）は、極めて低い水準にまで抑え込まれている。

Googleは、同社の大規模データセンターの年間平均PUEが1.09に達したと報告している。これは、総電力消費量のうち、冷却や照明などの非IT機器に使われるのは10%未満であり、電力の大部分が直接計算能力に変換されていることを意味する。これは、AI駆動の冷却制御システム、高効率の熱回収技術、そして大規模な液冷の導入によって実現された。

立地選定のロジックにおいても、計算能力インフラは高緯度の寒冷地域やクリーンエネルギーが豊富な地域へとシフトしている。長期電力購入契約（PPA）と施設レベルの蓄電池システムを組み合わせることで、データセンターは単一の送電網への依存から脱却し、マイクログリッドモデルを構築できる。水資源の消費も閉ループシステムへと進化しており、浸漬式液冷は蒸発による水の消費をほぼ排除できる。

地上インフラの進化の道筋は明確に見え、コスト曲線も予測可能である。投資家や産業観察者は、今後3年間のFLOPあたりの計算能力の限界費用を正確に計算できる。この確実性こそが、AI競争に不可欠な基盤である。

今後3年の決着期：計算能力インフラのタイムウィンドウ

マスク氏の支持者は、スターシップの量産後、打ち上げコストが1キログラムあたり100ドル以下に低下し、宇宙データセンターのビジネスロジックを根本から変えることにしばしば期待を寄せる。しかし、この長期的視点に立った楽観論は、AI産業の最も残酷な現実、すなわちタイムウィンドウを見落としている。

孫氏が指摘したように、今後数年のAI競争の構図こそが、10年後よりもはるかに重要である。現在のAIは、大規模言語モデルからマルチモーダルモデルや推論モデルへの進化の爆発期にあり、計算能力のギャップは巨大だ。誰がより速く、より安く、地上に超大規模な計算能力クラスタを展開できるかが、モデル能力と商業化の面で先行する鍵を握る。

大規模モデル企業の設備投資サイクルは四半期単位で計算され、ハードウェアの減価償却は2～3年が限界である。スターシップの成熟を待ち、軌道上での放熱技術のブレークスルーを待ち、耐放射線AIチップの開発を待つ――これらは軒並み10年単位の最先端研究であり、今日の計算能力への渇望を解決することはできない。企業の購買担当者が必要としているのは、明日にでも稼働可能な800G InfiniBandネットワークと液冷H100クラスタであり、10年後に実現するかもしれない軌道コンステレーションではない。

宇宙データセンターは、AI計算能力のTCOのコスト構造に反し、真空環境の熱力学的制約に抵触し、光速によって制限される通信遅延によって効率を封じられている。目に見える工学的未来において、AI計算能力の物理的な立地の最終形は、必然的に地上にある。

Hyperliquidで2.1万ETHをロングしたアドレスが約170万ドルの含み損

人気記事