中国のAIが再生可能エネルギーグリッド全体をマッピング、世界が注目すべき理由

現在、世界の主要経済国は共通の問題に直面している。人工知能が電力を消費するペースは、グリッドが設計時に想定した範囲をはるかに超えている。米国では、最大のグリッド運営会社PJMの容量市場価格が2年で10倍以上に上昇し、データセンターの成長が主な要因とされている。欧州では、公益事業会社がハイパースケーラーの需要に追いつくために送電インフラのアップグレードを急いでいる。国際エネルギー機関（IEA）は、今10年末までに世界のデータセンター電力消費量が約1000TWhに達する可能性があると予測している。再生可能エネルギー自体はほぼ整っているが、国家規模でAIによるグリッドマッピングを調整する能力は、多くの国でまだ不足している。しかし中国はそれを実現した。

今週『ネイチャー』に掲載された北京大学とアリババグループのDAMOアカデミーによる研究は、これまでどの国も達成したことのない成果を生み出した。すなわち、サブメートル衛星画像から深層学習モデルを用いて、中国の風力・太陽光インフラの完全な高解像度AI生成インベントリと、それを統一システムとして調整する分析フレームワークである。研究チームは31万9972の太陽光発電施設と9万1609の風力タービンを特定し、7.56テラバイトの画像を処理した。

これまでの太陽光-風力補完性の研究は、仮想的またはモデル化された導入シナリオに大きく依存していた。実際のインフラ下で補完性がどのように現れ、システム統合の結果にどう影響するかは、これまで不明だった。今回の研究は、太陽光-風力補完性が発電変動を大幅に低減し、ペアリングの地理的範囲が広がるほど効果が高まることを示している。例えば、甘粛省の太陽光発電所を覆う雲は、内モンゴルの風力回廊を暗くしない。研究の知見は、中国が現在グリッドを管理する方法に構造的な非効率があることを示している。調整は国家レベルではなく省レベルで行われている。

研究者らは、国家規模での統一調整により、補完的なエネルギー源のペアリングが容易になり、グリッドが安定し、出力抑制（中国のクリーンエネルギー分野で最もコストのかかる問題の一つ）を回避できると主張する。北京大学地球宇宙科学部の劉宇教授は、このインベントリによって中国が「神の視点」から新エネルギー景観を見ることができると述べている。グリッド運営者は、自ら認識していないものを最適化することはできない——それが今では可能になった。

中国は現在、AI駆動の電力需要急増の真っただ中にあり、グリッドに負荷がかかっている。中国電力企業連合会によると、2026年第1四半期のデータセンター・クラウドコンピューティング施設の電力消費量は前年同期比44％増の229億kWhに達した。これは、すでに大きな需要を持つセクターとしては驚異的な成長率である。これにより、土地が安く風力・太陽光資源が豊富で電気料金も低い中国北部・西部の省でのデータセンター拡大が加速している。新たなデータセンターの候補地は、太陽光-風力補完性が最も高い地域と一致している。

この研究の背後にある技術的成果も重要である。DAMOの深層学習モデルは、サブメートル衛星画像から太陽光発電施設と風力タービンを識別するよう訓練された。設置タイプ、地形条件、画像品質の多様性が課題となった。結果として得られたデータセットは、中国1915県の施設をカバーし、沿岸都市の屋上パネルからモンゴル高原の大規模風力発電所までに及ぶ。7.56TBの画像を処理して全国的に一貫した県レベルのインベントリを作成したことは、大規模地理空間AIがインフラ問題に応用できることを示すデモンストレーションであり、他国が原理的に再現可能なテンプレートでもある。

フィンランドのエネルギー・大気汚染研究センターによると、中国のクリーンエネルギーセクターは昨年、約15.4兆元（2.26兆米ドル）の経済産出を生み出し、これはブラジルのGDP全体に相当する。それだけの規模の資産基盤を国家レベルの可視化ツールなしで管理することは常に制約要因だったが、その制約は今や解消された。研究のデータセットとコードはZenodoを通じて公開されている。