AI向けデータセンターの建設ラッシュが続くなか、世界の電力網が悲鳴を上げ始めている。新しいデータセンターが次々と接続を求めるなか、送電線や発電所の増設はとても追いつかない状況だ。
そんな文脈のなかで注目を集めているのが「AIデータセンターそのものを、電力系統の調整力として使う」という発想だ。Emerald AIが2025年にNVIDIAと組んで発表した「パワーフレキシブルAIファクトリー」が代表例として語られることが多いが、実はこの分野には様々なプレイヤーがいて、アプローチもかなり異なる。
今回は「データセンターのエネルギー管理（エネマネ）企業」を、制御の深さと対象範囲で4つのタイプに整理してみたい。どのタイプから着手するかで、必要な投資も、関わる人材も、得られる効果もかなり変わってくる。
📌 この記事のポイント
- AIデータセンターの電力需要急増を受け、エネマネ企業が「見える化→設備制御→統合運転→市場連携」の4レイヤーで整理できる
- Emerald AI・Phaidra（Type3）とVoltus・CPower（Type4）が急速に連携を深めており、「柔軟性ビジネス」の加速が予測される
- 「どのタイプから着手するか」が、投資・人材・ロードマップの方向性を決める
なぜ今、データセンターのエネマネが熱いのか
背景から押さえておこう。米国のPJMなど大規模な送電系統では、AIデータセンターの急増によってピーク需要が数年単位で大きく跳ね上がる見通しが示されている。発電所や送電線を新設する従来のアプローチだけでは、とても需要の伸びに追いつかない。
そこで出てきたキーワードが「柔軟性（フレキシビリティ）」だ。データセンターが使う電力量を、系統の状況に応じてリアルタイムに増減できれば、新しい発電所を建てるより早く、安く、電力の需給バランスを保てる可能性がある。
英国の送電事業者National Gridが2025年にEmerald AIと組んで実証実験を始めたのも、「AIデータセンターが本当にリアルタイムで電力使用量を調整できるか」を検証したいからだ。こうした動きは英国に限らず、米国や欧州各国でも加速している。
4タイプで整理するエネマネ企業の全体像
データセンターのエネマネ企業を理解するうえで便利な切り口が「制御の深さ」だ。表面の見える化から始まり、施設設備の自動制御、コンピューターと電源の統合管理、そして電力市場との接続へと、レイヤーが積み上がっていく。
| タイプ | 制御の対象 | 代表的な企業・製品 | 主なKPI |
|---|---|---|---|
| Type1 見える化・監視 | 電力・温度・容量・アラームの集約 | Schneider Electric EcoStruxure IT | 障害検知率、資産把握率 |
| Type2 BoP自動制御 | 空調・冷水・ポンプ・ファン | Phaidra、FLUIX AI、Vigilent | PUE、WUE、CUE |
| Type3 統合運転 | AIワークロード＋UPS・蓄電池・自家発 | Emerald AI、Mercury Computing | 系統柔軟性（MW）、SLA達成率 |
| Type4 DR・VPP連携 | 電力市場・系統との双方向接続 | Voltus、CPower、Enel X、AutoGrid | DR収入、CO₂削減コスト |
データセンター内部のType1〜3（サーバー、冷却、可視化）と、外部のType4（VPP、グリッド連携）との関係を示しており、DC内部の効率化と外部の系統との連携による柔軟性確保の全体像を表しています。
（Geminiにて作成）
重要なのは、この4タイプは競合関係ではなく、順番に積み上がる構造だという点だ。Type1の見える化なしにType3の高度な制御は難しいし、Type2で設備の安定運転を実現してからこそ、Type4の市場連携が現実的になる。
Type1：まず「全体を見える化する」――DCIM・監視基盤
いちばんの入口は「見える化」だ。電力・冷却・水・ラック単位の負荷・空き容量・アラームといった情報を一元的に集約し、運用チームが全体像をひと目で把握できるようにする。「メーターとダッシュボードを整える」段階と思えばいい。
代表的な企業はSchneider ElectricのEcoStruxure ITだ。ハイブリッドIT環境全体の電力・温度・容量・アラーム・資産情報を集約し、障害の予兆検知やサステナビリティ指標のトラッキングをサポートする。既存のデータセンターでも導入しやすく、「まずどこでどれだけ電気を使っているのかを知りたい」という企業の最初の一歩になる。
Type1は、後のType2〜4でどこに柔軟性が眠っているかを可視化し、電力会社や規制当局との対話に使う「共通の地図」を提供するという意味でも重要だ。
Type2：空調と冷却をAIで自動制御する――BoP最適化
次のレイヤーは、空調・冷水設備・ポンプ・ファンなどの周辺設備（BoP：Balance of Plant）をAIで自動的に動かすことだ。PUE（電力使用効率）やWUE（水使用効率）を改善し、「同じサーバー構成でも電気と水の使い方を変えて効率を上げる」ことに焦点が当たる。
代表格はPhaidraだ。強化学習ベースのAIエージェントで冷却設備を制御し、AIデータセンターで起きやすい「熱スパイク」を抑えながら冷却電力と設備投資を削減することを目指している。NVIDIAのOmniverseとの連携やUAEでのパイロットも注目されている。
FLUIX AIは、PUE・WUE・CUE（炭素使用効率）をリアルタイム表示しながら、オンプレミスのソフトウェアエージェントで冷却と電源インフラの運転を最適化するというコンセプトを掲げる。Vigilent、EkkoSenseなども同じレイヤーで冷却の自動制御に取り組んでいる。
💡 Type2までの着手なら
既存の運用手順に近い感覚で進められる。「まず空調と冷却の効率化から」という企業にとっての現実的な着地点だ。
Type3：AIワークロードと電源設備をまとめて動かす――「AIファクトリー」の核心
ここからが、Emerald AIが「AIファクトリー」と呼ぶ領域だ。サーバーのワークロード（AIの計算負荷）と、UPS・蓄電池・自家発電などの電源設備を一体で運転する。電力網の状況に応じてAIの学習タスクを前後にずらしたり、電源の使い方をリアルタイムに変えたりする発想だ。
Emerald AIの「Emerald Conductor」は、AIデータセンターと送電事業者の間に入り、NVIDIAのGPUクラスタなどのAIワークロードと電源設備の運転を調整する。「理論上100GW規模の柔軟性を、既存の電力システムから引き出せる」と説明しており、実際にNVIDIAとの連携でその実証が進んでいる。
Mercury Computingは「数時間の負荷調整をメガワット規模の系統容量として扱う」アプローチで、送電線の新設を待たずにAIデータセンターの接続を進める構想を示している。
⚠️ Type3に踏み込む前に
AIワークロードのスケジューリングやSLA（サービス品質保証）との関係も議論に入ってくる。アプリケーション側のチームとの連携が欠かせず、「エネルギーとITをつなぐ翻訳レイヤー」を担う役割が重要になる。
Type4：データセンターの柔軟性を電力市場につなぐ――DR・VPP連携
いちばん外側のレイヤーは、データセンター内で生み出した柔軟性を、需要応答（DR）や仮想発電所（VPP）として電力系統や電力市場に売り込むことだ。ここでは、AIデータセンターを含む大口需要家を束ねて「柔軟な発電所のように扱う」事業者が中心的な役割を担う。
Voltusは米国の9つの卸電力市場すべてに接続するVPPオペレーターだ。2026年2月にはOctopus Energy USとパートナーシップを組み、AIデータセンター需要に対応する「Flexibility-as-a-Service」や「BYOC（Bring Your Own Capacity）」を提供し始めた。
CPowerは自社イベント「GridFuture」でEmerald AIやMercury Computingとともに「AIデータセンターの柔軟性をどう系統に組み込むか」を議論しており、Type3のプレイヤーとの連携を前提とした動きが鮮明だ。Enel X、AutoGrid、EnergyHubなども同じレイヤーで活動している。
Type4は財務・サステナビリティ担当が主導するプロジェクトになりやすい。DR収入やCO₂削減コスト、電気料金の削減など、ビジネスケースとして説明しやすい数字が出てくる段階でもある。
「どこから始めるか」が、投資と人材の方向性を決める
4タイプを整理してみると、「どのベンダーを選ぶか」という比較よりも「どこから着手し、どこまで制御を広げるか」という順番の問題のほうが大きいことがわかる。
データセンター運用チームが主導するなら、PUE改善や障害リスク低下といったType1〜2のKPIが分かりやすい指標になる。財務やサステナビリティ担当が引っ張るなら、DR収入やCO₂削減コストを含むType4視点のビジネスケースが重要になる。
人材面でも変化が出る。Type1〜2の導入が進めば「設備とITをまたいで理解するオペレーター」が求められる。Type3〜4まで視野に入れると、「電力市場やDRスキームに明るいSRE・データセンターエンジニア」や「エネルギー事業者と折衝できるビジネス開発」といった役割も必要になってくる。全員が専門家である必要はないが、エネルギー・IT・ファイナンスを横断できるチーム体制があると動きやすい。
Type3とType4のプレイヤーが急速に近づいている
気になっているのは、Emerald AIやPhaidraといったType3寄りのプレイヤーと、VoltusやCPowerといったType4のプレイヤーが、カンファレンスや実証を通じて急速に距離を縮めていることだ。「大きな負荷」でしかなかったAIデータセンターが「系統を支える調整力」に変わっていく流れは、今後数年でかなり加速しそうな気配がある。
そのとき、Type1〜2でどれだけ精度の高いデータと安定した運転を実現できているかが、柔軟性ビジネスの「下地」になる。焦ってType3・4に飛びつくより、まず見える化と効率化の土台を丁寧に作っておくことが、遠回りのようで実は近道だ。
Googleのような大手クラウド事業者は、自社開発でType1〜4を組み合わせ始めている。一方、コロケーションや企業内データセンターの多くは、サードパーティのソフトやサービスを組み合わせていく形になるだろう。「全てを一気に変える」のではなく、数年スパンで段階的にレイヤーを増やしていくロードマップを描いておくと、現場は動きやすくなる。
データセンターを持っていない企業でも使える視点
最後に付け加えると、自社でAIデータセンターを持っていない企業にとっても、この4タイプの整理は無意味ではない。クラウドサービスを選ぶ際に「利用しているクラウド事業者はどのレイヤーまで対応しているか」「自社にはどこまで可視化・制御の情報を共有してもらえるか」といった観点で比較しておくと、将来のAI需要拡大と脱炭素への対応を同時に考えやすくなる。
参考リンク
- Emerald AI公式ブログ：Launching the first power-flexible AI factory with NVIDIA
- National Grid：AI power flexibility demonstration（Emerald AIとの連携発表）
- Phaidraブログ：AI factory thermal control at gigawatt scale
- Schneider Electric：What is EcoStruxure IT
- Voltus公式プレスリリース：Partnership to scale demand flexibility
- CPower：AI, Data Centers and the Grid’s “Holy Grail”（GridFutureレポート）
- MDPI論文：Power for AI Data Centers: Energy Demand, Grid Impacts, Challenges, and Perspectives
