PUEからワットあたりのトークン数へ：リアルタイムテレメトリによる遊休容量の活用 NEW

データセンター業界は現在、生成AI向けの計算処理に対する需要が急増する一方で、電力網からの電力供給が事業・開発拡大における最大のボトルネックとなっているという、かつてないジレンマに直面しています。事業者たちはラックスペースの確保に加え、利用可能な電力を最大限に活用し、1ワットたりとも無駄にしないよう努めています。これまで、産業界では電力使用効率 (PUE) が効率性の基準として重視されてきました。しかし、高密度AIクラスターが主流となった現代において、PUEは依然として必要であるものの、演算能力の最適化こそがエネルギー効率の新たな指標となっています。

この新しい効率測定手法では、施設が消費する電力の量から、その電力がどれだけ効率的に演算能力に変換されているかという点へと焦点が移ります。しかし、「ワットあたりのトークン数 (tokens-per-watt)」を最適化するには、運用担当者はまず「遊休容量 (ストランデッド・キャパシティ)^[1]」という隠れた非効率性の問題に対処しなければなりません。高精度なリアルタイムデータが不足しているため、多くのデータセンターでは20～30%の安全電力バッファ^[2][3] を設けて運用されています。これは実質的にエネルギーの無駄であり、本来であれば、より多くのAIワークロードを処理するために活用できたはずのものです。Moxaでは、こうした未使用の容量を有効活用するには、詳細かつリアルタイムな電力テレメトリ (遠隔測定データ) を収集・処理できる「ソース・オブ・トゥルース (信頼できる唯一の情報源)」となるアーキテクチャが不可欠であると考えています。このような革新的なインテリジェンスにより、データセンターの運用担当者は、保守的な電力計画から脱却し、データに基づいた動的なエネルギー管理へと移行することが可能になります。

電力効率指標の進化

10年以上にわたり、業界が冷却や電力配分を最適化するための指針としてPUEが用いられてきました。しかし、効率性を測る指標として、PUEは事後的にどれだけのエネルギーが消費されたかを示すに過ぎません。AIの学習や推論に伴う、突発的かつ激しい電力変動を管理するために必要な、詳細でリアルタイムな知見は得られないのです。GPUクラスターは、アイドル状態からピーク時の電力消費量までミリ秒単位で急上昇することがあり、それによって熱的・電気的に急激で大規模な負荷が生じます。

こうした変動性に対処するため、施設管理者は、従来のような過剰な容量確保から、「ワットあたりのトークン」モデルへと移行する必要があります^[4]。この移行には、ITラックからの電力データと、施設側の電力システム (OT) からの運用データの統合が求められます。

最大の課題は、それぞれ独自のプロトコルスタックを持つデータサイロの壁を乗り越えることです。IT部門はサーバー負荷を監視し、施設管理チームはチラー (冷却装置) やUPS (無停電電源装置) の状態を監視しています。遊休容量を有効活用するには、こうしたサイロを解消し、AIを活用した自動化システムや電力管理システム (EPMS) がエネルギーリソースをリアルタイムで最適化するために必要な、包括的なセンサーデータを提供しなければなりません。

信頼できる情報源の構築：UPSとPDCデータの統合

EPMSの性能は、入力されるデータの質に左右されます。無停電電源装置 (UPS) や配電盤 (PDC) などの電力データに遅延や不正確さがあれば、EPMSは電力バッファを安全に削減することができません。大規模なデータセンターでは、Modbus RTU、Modbus TCP、SNMPなど、異なるプロトコルを使用するさまざまなベンダーの機器がが混在して導入されています。効率を最大化しようとする施設にとって、これらの機器を統合することは基本的な目標となります。

信頼性の高い産業用プロトコルゲートウェイやシリアルデバイスサーバーを活用することで、運用担当者は電力消費を1ワット単位で正確に把握できるようになります。これらの機器は透過的なブリッジとして機能し、電力機器固有の生データを、最新のEPMSが解釈可能な構造化データに変換します。PDCの負荷をリアルタイムで監視できるようになれば、運用担当者は電力の安全バッファを削減し、インフラの設置面積を拡大することなく、追加のラックに電力を供給するためのリソースをより多く確保できるようになります。

エネルギー・レジリエンスの実現：技術ロードマップ

データの統合はあくまで第一歩に過ぎません。受動的なデータ保管場所から、動的な「AIファクトリー」へと移行するには、戦略的な技術ロードマップが必要です：

1. データのサイロ化を解消：プロトコルゲートウェイを活用し、レガシーのModbusやBACnetのデータを、MQTTなどのIT環境に適した統一形式に変換・統合します。
2. エッジインテリジェンスの実現：ラックや施設レベルに産業グレードのI/Oを導入し、環境データや電力データを発生源で直接収集します。
3. 信頼性の確保：堅牢な産業用イーサネットスイッチを導入し、包括的な冗長化メカニズムを構築することで、テレメトリデータの継続的なストリームを維持します。
4. 可視化と最適化：統合されたデータストリームをリアルタイムのEPMSやDCIMに取り込み、割り当てられた電力と実際の電力消費量との差を特定します。

効率性をインテリジェンスへ

生成AIの時代において、エネルギーは「究極の通貨」(＝最も重要な価値を持つもの) です。PUEから「ワットあたりのトークン数」への移行は、データセンターを人工知能のエンジンへと進化させる、根本的な変革を意味します。

安全バッファとして確保されている20～30％の「遊休容量」を有効活用することが、将来の成長を切り拓く鍵となります。信頼性の高いテレメトリに基づいた「ソース・オブ・トゥルース」アーキテクチャを構築することで、事業者は失われていた容量を取り戻し、ESG目標を達成し、将来の高度な計算需要に対応できるインフラを整えることができます。

Moxaがエネルギー管理の最適化をどのように支援するか、詳細はこちらのカタログをご覧ください。

■ カタログ：止まらない通信で、 稼働率を最大化 - 実績ある産業グレードの堅牢性で、DCIバックボーンを安全に保護する

1. https://uptimeinstitute.com/resources/research-and-reports/five-data-center-predictions-for-2026
2. https://www.nordcad.eu/stranded-capacity-in-data-centers/
3. https://www.datacenterknowledge.com/energy-power-supply/stranded-power-the-hidden-challenge-reshaping-data-center-energy-strategy
4. https://developer.nvidia.com/blog/scaling-token-factory-revenue-and-ai-efficiency-by-maximizing-performance-per-watt/