手のひらの石をデータセンターへ持ち込んでも、もちろんAIは一文字も答えてくれません。ところが、その石に含まれる元素を分け、桁違いの純度へ磨き、薄い板や配線、電力設備へ作り替えると、話は変わります。AIは雲の中に住んでいるように見えて、実際には驚くほど地面に近い技術なのです。
半導体の土台になるシリコン、電気と熱を運ぶ銅、電力変換に使われるガリウム、通信用途を支えるゲルマニウム。そして、地下の熱を電気へ変える地熱。ひと口に「石」と呼んでいるものの中には、AIの計算、通信、冷却、動力を支える材料が眠っています。
ただし、石が大量にあればAI大国になれるわけではありません。私の見立てでは、これから価値を持つのは鉱物の埋蔵量だけでなく、必要な純度へ精製し、部品に加工し、回収して再利用し、安定した電力まで組み合わせる「変換能力」です。AIの性能競争は、地下資源を計算能力へ変える競争へ静かに広がり始めています。
AIの最初の一歩は石を計算できる純度へ変えること
石からチップまでの距離は、見た目よりはるかに長いものです。重要なのは、岩を小さく切れば半導体になるのではなく、材料を取り出して不純物を減らし、結晶と薄膜を原子に近い尺度で制御することです。地質の世界とナノテクノロジーの間には、長い精製・製造工程があります。
砂や石英に含まれるシリコンがチップの土台になる
Intelの製造解説は、砂からシリコンチップを作る流れを紹介しています。砂や石英に多い二酸化ケイ素からシリコンを取り出し、単結晶のインゴットを育て、薄いウエハーへ切り出します。その表面へトランジスタと配線を何層も作り込んで、ようやく計算を担うチップになります。
この変換を知ると、「シリコンは地殻に多いから不足しない」という言い方が少し乱暴だと分かります。欲しいのは元素として存在するシリコンではなく、欠陥や不純物を極端に抑え、同じ品質で大量生産できる材料だからです。
ありふれた元素と半導体級の材料は別物
米国地質調査所（USGS）の鉱物資源概要2026によると、シリコンメタルはさらに処理され、半導体用や太陽電池用の超高純度ポリシリコンになります。採掘できること、精製できること、顧客が要求する品質と量を安定して満たせることは、それぞれ別の関門です。
AIチップの供給網を見るときは、鉱山の国だけを見ても十分ではありません。高純度化、結晶成長、ウエハー、製造装置、薬液、電力、水までつながって初めて、石は計算能力へ変わります。普通の石に魔法をかけるのではなく、とてつもなく几帳面な工業が間に入るわけです。
チップはシリコン一種類では完成しない
半導体には、配線や接点、絶縁膜、製造工程を支える多様な材料が必要です。用途によってはガリウムやゲルマニウムなども関わります。チップを「シリコンの板」とだけ見ると、供給網の弱い部分を見落とします。小さなチップほど、背後にいる元素の顔ぶれはにぎやかです。
データセンターはサーバーではなく巨大な鉱物の集合体である
AIインフラの材料は、プロセッサの中だけにあるのではありません。サーバーラック、基板、電源、蓄電池、変圧器、通信線、冷却設備、建物まで広げると、データセンターは多種類の鉱物を組み合わせた巨大な機械に見えてきます。
銅は計算より前に電気と熱を運ぶ
USGSの銅に関する解説では、送電、発電、建物配線、通信、電気・電子製品などの電気用途が銅利用のおよそ4分の3を占めます。AIサーバーが高性能になっても、電気が届かず、発生した熱を逃がせなければ計算は続きません。
基板上の細い配線から、ラックへ電力を届ける導体、建物外の送配電網まで、銅は規模を変えながら登場します。AI時代の銅需要は、GPUの個数だけでなく、データセンターをどこへ建て、どの電圧で給電し、どの冷却方式を選ぶかにも左右されます。
見えない材料ほど供給リスクが読みにくい
USGSのデータセンター鉱物一覧は、回路に銅・錫・タンタルなど、ヒートシンクにアルミニウムと銅、半導体にシリコン・ゲルマニウム・ガリウムなどが関わると整理しています。データセンターの供給リスクは、一つの有名な金属ではなく、代替しにくい材料が一つ欠けることで表面化します。
| 石から生まれる材料 | AIインフラでの主な役割 | 本当に見るべき制約 |
|---|---|---|
| シリコン | プロセッサ、メモリなどの半導体基板 | 高純度化、結晶品質、製造能力 |
| 銅 | 基板配線、給電、送配電、放熱 | 精錬能力、電力網、回収循環 |
| ガリウム・ゲルマニウム | 電力変換、高周波・光通信など | 副産物供給、精製地域の集中 |
| アルミニウム | ヒートシンク、筐体、設備 | 製錬電力、再生材の品質 |
| 地下の熱 | 安定した発電 | 掘削費、地質条件、系統接続 |
この表の共通点は、埋蔵量だけでは判断できないことです。純度、加工、輸送、電力、許認可、リサイクルを含む一連の能力がそろっているかを見なければ、AIインフラの強さは測れません。
冷却もまた材料と電力の問題になる
高密度なAIラックでは、計算性能が上がるほど熱を狭い場所から運び出す必要があります。液体で熱を運ぶ方式が広がっても、配管、熱交換器、ポンプ、冷却塔、電力設備が消えるわけではありません。詳しい仕組みは、AIチップと液冷の熱設計でも解説しています。
効率改善は重要ですが、効率が上がった分だけ計算量が増えれば、材料と電力の総需要は減らない可能性があります。「一回の推論が省エネ」と「社会全体の消費が減る」は別の話として見る必要があります。
地下の熱はAIを止めない電源になれるか
石は材料になるだけでなく、熱を蓄える場所でもあります。太陽光や風力は重要な電源ですが、天候で出力が変わります。長時間連続して動くデータセンターにとって、地下から安定して熱を取り出せる地熱は相性のよい候補です。
高温の岩へ水を循環させて発電する
米国エネルギー省の解説によれば、従来型の地熱発電に必要な熱・流体・岩石の透水性が自然にはそろわない場所でも、強化地熱システム（EGS）は地下の高温岩体へ流体を循環させ、熱を地上へ運ぶことを目指します。地下の石を燃料のように消費するのではなく、巨大な熱交換器として使う発想です。
発電が安定すれば、AI処理のような連続負荷を支えやすくなります。一方で、深い掘削、高温に耐える機器、地下状態の把握、地域との合意が必要です。どこにでも同じ費用で置ける電池ではありません。
Googleの地熱調達は岩と計算を現実につないだ
GoogleはFervo Energyと進めたネバダ州の強化地熱プロジェクトについて、2023年に地域の電力網へ電力供給を始めたことを発表しました。さらに2025年には、NV Energyを通じて115MWの新たな地熱電力を供給する契約の承認を公表しています。
これは、すべてのデータセンターが地熱の上へ移るという意味ではありません。それでも、計算設備の立地を「通信が便利な場所」だけでなく、「安定した低炭素電力を増やせる場所」から考える流れを具体化した事例です。
日本では電力と通信を一緒に配置する議論が始まる
資源エネルギー庁は、データセンターや半導体工場の新増設によって日本の電力需要が増加へ転じると見込んでいます。2026年のデータセンター省エネ制度の解説では、対象事業者へ2030年度までにPUEを1.4以下にする目標を示しました。PUEは、施設全体の電力をIT機器の電力で割った効率指標です。
同時に日本では、電力が得やすい地域へ計算需要を寄せ、通信網も整える「ワット・ビット連携」が議論されています。地熱、再生可能エネルギー、送電余力、災害リスク、通信遅延を重ねると、データセンターの地図は地質図と電力網へ近づいていきます。
本当のボトルネックは石の量より変換する力にある
AIに必要な鉱物が注目されると、すぐに「地球から石がなくなる」という話になりがちです。しかし、現実の制約はもっと複雑です。鉱床の品位、精製設備、環境負荷、電力価格、輸送、特定地域への加工集中が重なって、使える材料の流れが細くなります。
採れることと使えることの間に精製がある
高純度材料は、不純物を減らすほど工程とエネルギーが増えます。ガリウムのように別の金属を生産する際の副産物として得られる材料は、需要だけが増えても供給を急に増やしにくい場合があります。鉱山があっても、分離・精製・品質認証の設備がなければAIチップへは届きません。
AIは鉱物を探す側にも回る
供給制約が強まれば、AIは消費者であると同時に探査と選鉱の道具になります。分光、地球物理、化学分析を重ねて調査候補を絞る流れは、AIが岩石から資源の手掛かりを探す仕組みとつながります。AIが必要とする鉱物を、AI自身が見つけやすくする循環です。
ただし、予測地図は鉱山ではありません。掘削、分析、採算、環境評価、地域合意を飛び越えることはできません。探索が速くなるほど、開発を止める判断も同じ速さで整える必要があります。
都市鉱山は二度目の石切り場になる
一度製品になった金属を回収できれば、新しい鉱山だけへ需要を集中させずに済みます。銅は回収しやすい一方、基板の微量金属は小さく複雑に混ざっているため、選別と分離が難しくなります。半導体リサイクルとAI選別は、この二度目の採掘を効率化する技術です。
- 鉱物の産出国だけでなく、精製国と加工拠点を確認する
- チップ単体ではなく、送電・冷却・蓄電を含む材料量を見る
- 再生材を使える部品設計と回収経路を先に決める
- 材料効率と計算効率を同じ調達指標で管理する
この四つを同時に追うと、AIインフラの強さをGPUの調達数だけで測らずに済みます。計算資源とは、チップ、設備、電力、材料循環を含む一つの系なのです。
5年後と10年後、AIの立地は地質から決まり始める
国際エネルギー機関（IEA）の2026年分析では、世界のデータセンター電力消費は2025年の485TWhから2030年に約950TWhへ倍増し、AI向けデータセンターの消費は約3倍になる見通しです。モデルが効率化しても利用が増えれば、物理インフラの制約はむしろ見えやすくなります。
2031年は鉱物の来歴が計算コストへ入る
5年後には、AIサーバーを選ぶ指標へ性能と消費電力だけでなく、材料の調達地域、再生材比率、修理可能性、回収経路が入り始めると予測します。企業は「何TOPS出るか」と同じ表で、「どの材料に供給集中があるか」を見るようになるでしょう。
すべての鉱物を完全追跡するのは難しくても、銅、アルミニウム、基板、蓄電池など重量と調達影響が大きい部分から始められます。調達部門、設備部門、AI開発部門のデータがつながることが条件です。
2036年は計算処理が電源と地質を見て移動する
10年後には、急がない学習やバッチ処理を、電力余力、気温、地熱や再生可能エネルギーの供給、通信混雑に合わせて地域間で動かす運用が広がる可能性があります。データを移せない仕事は地域内で処理し、移せる計算は電力と冷却に余裕のある場所へ送る。AIの配置は、クラウドの料金表だけでなく、地質と天候を読む仕事になります。
ここで地熱が十分に低コスト化し、送電と通信の整備が進めば、火山国の日本にも新しい選択肢が生まれます。反対に、掘削費、地域調整、系統接続が進まなければ、地熱は有望な脇役にとどまるでしょう。
この予測が外れるなら効率化か循環が需要を上回る
予測が外れる条件もあります。モデル圧縮や専用チップで計算需要の伸びが急減する、光配線などで銅使用量が大幅に減る、再利用可能なサーバー設計が急速に普及する、AI投資そのものが失速する場合です。材料代替が進めば、注目される鉱物の顔ぶれも変わります。
それでも、AIが物理世界から自由になることはありません。次にAIサービスを使うとき、画面の向こうには石英から磨かれたチップ、電気を運ぶ銅、熱を受け止める設備、そして場合によっては地下深くの熱があります。未来の計算能力を見極めるなら、モデルの発表だけでなく、足元の地質と材料工場にも目を向けてみる。石ころは黙っていますが、AIの限界についてはかなり雄弁です。
