私はアイリス。

都市伝説は、ただの作り話じゃない――
語られぬ真実を、あなたと共に辿る語り部よ。

あなたがAIへ質問を送る。

数秒後、画面に文章が現れる。

そこには煙も出ない。

巨大な機械音も聞こえない。

水が流れる音さえ、私たちの場所までは届かない。

だからAIは、物質を持たない知性のように見える。

けれど、その答えは何もない場所から生まれているわけではない。

サーバー。

通信網。

発電所。

冷却設備。

半導体工場。

そして、水。

私たちが画面の向こうに見ている知性は、土地と電力と鉱物と水によって支えられている。

2026年7月27日。

新シリーズ「水の覇権ファイル」を始めるわ。

キャッチコピーは、

誰が、水を支配するのか。

第1回で追うのは、急速に拡大するAIと、普段は見えない水需要よ。

AIは本当に水を「飲んでいる」のか

もちろん、AIそのものが水を飲むわけではない。

水を必要とするのは、AIを動かす物理的な基盤よ。

大きく分けると、少なくとも三つの水需要がある。

一つ目は、データセンターを冷却するための水。

二つ目は、データセンターへ電力を供給する発電段階で使われる水。

三つ目は、GPUやCPU、メモリーなどを製造する半導体工場で使われる水。

つまり、AIの水負荷は、データセンターの敷地内だけを見ても分からない。

冷却設備の外側に発電所がある。

サーバーの前には半導体工場がある。

さらに、その前には鉱物採掘、化学材料、製造装置、物流がある。

AIは一つの箱ではない。

複数の産業と地域をつなぐ、長い供給網なの。

なぜデータセンターに冷却が必要なのか

AI向けの演算装置は、大量の電力を使い、その一部を熱へ変える。

熱を処理できなければ、機器の性能は低下し、故障の危険も高まる。

そこでデータセンターでは、外気、冷却水、冷媒、冷却塔、熱交換器、液冷設備などを組み合わせ、機器から熱を逃がしている。

ただし、すべてのデータセンターが同じ方法で冷却されているわけではない。

気温。

湿度。

水資源。

電力価格。

建物の設計。

搭載する半導体。

演算密度。

これらによって、選ばれる方式は変わる。

蒸発冷却は、水が蒸発するときに熱を奪う性質を利用する。

比較的少ない電力で効率よく熱を逃がせる場合がある一方、蒸発した水はその場所ですぐに回収できない。

空冷は、直接的な水消費を抑えやすい。

しかし外気温が高い場所や、高密度のAIサーバーでは、ファンや冷凍機に必要な電力が増える可能性がある。

液冷は、冷却液を演算装置の近くへ循環させ、熱を効率的に運ぶ。

閉ループ方式では、一度入れた水や冷却液を配管内で循環させるため、蒸発式の冷却塔より日常的な補給水を減らせる場合がある。

けれど、閉ループという言葉だけで「水をまったく使わない」と判断することはできない。

最初に設備へ水を満たす必要がある。

保守や補給が必要になることもある。

建物内の別用途で水を使う場合もある。

そして、使用する電力の発電段階には、別の水負荷が存在する可能性がある。

冷却方式には、水と電力の交換関係があるのよ。

「水使用量」と「水消費量」は同じではない

水の議論が混乱する最大の原因の一つが、言葉の違いよ。

施設が河川、地下水、水道などから取り込んだ水の量は、取水量や使用量として示される。

その中には、処理後に同じ流域へ戻される水も含まれる。

一方、水消費量は、蒸発した水、製品へ組み込まれた水、その場所ですぐ再利用できなくなった水などを指す。

100リットルを施設へ取り込んでも、その多くを処理して戻す場合がある。

反対に、取水量が比較的小さくても、その大部分が蒸発すれば、地域にとっての消費負荷は大きくなる可能性がある。

さらに、

飲料水なのか。

再生水なのか。

工業用水なのか。

海水なのか。

地下水なのか。

どの水源を利用したのかによって、地域への影響は変わる。

水の数字を見る時は、

どこから取り込んだのか。

どれだけ戻したのか。

どこへ戻したのか。

どれだけ蒸発したのか。

水不足の地域だったのか。

そこまで確認する必要があるの。

「AIへの質問1回で何ミリリットル」はなぜ危険なのか

SNSや動画では、

AIへ一回質問すると、ペットボトル何本分の水が消える。

数十回の質問で水一本を使う。

という数字が広がることがある。

けれど、すべてのAIへ共通する一律の数字は確認できない。

同じ質問でも、

使用するモデル。

入力する文章の長さ。

出力する文章の長さ。

画像や動画を生成するのか。

演算装置の種類。

一度に処理する利用者数。

サーバーの稼働率。

データセンターの場所。

気温と湿度。

冷却方式。

電力の供給源。

これらによって水負荷は変わる。

さらに、学習と推論も別の工程よ。

学習は、大量のデータを使ってモデルの内部パラメーターを調整する工程。

推論は、完成したモデルが利用者の質問へ答える工程。

一度の学習には大きな計算量が必要になることがある。

しかし、世界中で何億回、何十億回と推論が繰り返されれば、日常的な推論の合計負荷も大きくなる。

どちらか一方だけを見て、AI全体の水使用量を語ることはできないの。

Googleが示した「0.26ミリリットル」の意味

2025年8月、GoogleはGeminiアプリのテキスト生成について、環境負荷の測定方法を公表した。

Googleの包括的な計算では、2025年5月時点におけるGeminiの中央値のテキストプロンプト一回当たり、水消費量は0.26ミリリットルと試算された。

ただし、この数字には明確な条件がある。

Geminiアプリの中央値のテキストプロンプト。

2025年5月時点の分析。

Googleの設備と運用。

Googleの2024年平均WUE。

Googleが定めた包括的な算定方法。

つまり、これは「すべてのAIは一回0.26ミリリットル」という世界共通値ではない。

Google自身も、演算中のチップだけを見る簡略な計算では不十分だと説明している。

待機中の機器。

CPUとメモリー。

冷却設備。

電力供給設備。

施設全体の損失。

そのような要素を含めなければ、実際の運用負荷を過小評価する可能性があるからよ。

小さな数字だけを見れば、問題はないように感じる。

けれど、一回当たりの負荷が小さくても、利用回数が巨大になれば合計は増える。

反対に、利用量が増えても、モデルや半導体、冷却設備の効率が改善すれば、一回当たりの負荷は下がる可能性がある。

必要なのは、一回の数字だけではない。

一回当たりの効率と、全体の利用規模を同時に見ることなの。

「GPT-3の学習に70万リットル」という数字

AIの水問題で繰り返し引用される数字に、

GPT-3の学習では約70万リットルの淡水が直接蒸発した。

というものがある。

これはOpenAIが公表した監査済みの実測値ではない。

2023年に発表され、2025年に改訂された研究論文が、当時利用可能だったデータセンター、気候、電力、冷却設備などの条件から推計した数字よ。

研究は、AIの水負荷を可視化した点で重要だった。

一方で、この推計を現在のすべてのモデルや施設へ、そのまま当てはめることはできない。

モデルは変わる。

半導体は変わる。

演算効率は変わる。

冷却方式も変わる。

企業が実際の施設データを十分に公開していない場合、研究者は一定の仮定を置いて計算しなければならない。

だから、この数字は、

AIは確実に70万リットル使う。

という確定値ではない。

公開情報が限られる中で計算された研究上の推計として読む必要があるの。

Microsoftが示すWUEの改善

データセンターの水効率を示す指標の一つに、WUEがある。

Water Usage Effectiveness。

一般には、データセンターが使用・消費する水と、IT機器が使う電力量との関係を、リットル毎キロワット時などで示す。

Microsoftは2026年6月、同社所有データセンターの平均WUEが、初期世代の2.3リットル毎キロワット時から、2025年には0.27リットル毎キロワット時へ低下したと発表した。

企業発表に基づく数字ではあるけれど、水を大量に使うしかないという構造が固定されているわけではないことを示している。

外気冷却。

水を必要とする時間の限定。

液冷。

閉ループ化。

再生水。

運転方法の改善。

こうした技術で、演算量当たりの水負荷を減らせる可能性がある。

ただし、効率が改善したからといって、総使用量が必ず減るとは限らない。

一台当たりの燃費が良くなっても、走る車が大幅に増えれば、全体の燃料消費が増えることがある。

AIも同じよ。

WUEが下がっても、データセンターの数と演算量がそれ以上に拡大すれば、地域全体の水需要が増える可能性がある。

効率と総量は、分けて見る必要があるの。

OpenAIの施設は、どのように水を使うのか

2026年4月、OpenAIは米国テキサス州アビリーンのStargate施設について、従来型の蒸発式冷却塔ではなく、閉ループ冷却を利用していると説明した。

同社の説明では、建物ごとに最初の充填が必要になるものの、その後は密閉された配管内を水が循環する。

施設が全面稼働した後の冷却系統の年間水使用量は、中規模のオフィスビル、または平均的な4世帯程度に相当すると見込んでいる。

これは、OpenAIが公表した施設単位の説明よ。

すべてのOpenAI関連施設。

提携クラウド。

半導体製造。

発電段階。

全サービスの推論。

それらを合計した世界全体の水負荷を示す数字ではない。

現在確認できる公開資料からは、OpenAIの全サービスへ共通して使える「質問一回当たりの水量」は示されていない。

施設ごとの冷却方式が改善されても、AIの供給網全体から水負荷が消えるわけではないの。

半導体が生まれるまでに使われる超純水

AIデータセンターが必要とするGPUやメモリーは、半導体工場で製造される。

その工程で重要になるのが、超純水よ。

超純水は、一般的な飲料水よりもはるかに高い水準で、鉱物、粒子、微生物、イオン、溶存ガスなどを取り除いた水。

半導体の回路は極めて微細だから、わずかな不純物や粒子でも欠陥の原因になり得る。

そのため、ウェハーは複数の工程の前後で繰り返し洗浄される。

エッチング後の微細な破片。

イオン注入後に残る物質。

研磨や切断で生じた汚れ。

それらを取り除くために超純水が使われる。

水は冷却のためだけに必要なのではない。

AIを動かす半導体そのものを作る段階でも、製造品質を守る材料として必要なの。

しかも、水道水をそのまま超純水として使えるわけではない。

ろ過。

逆浸透膜。

イオン交換。

紫外線処理。

脱気。

こうした工程で水を精製する。

精製の途中では、濃縮水や排水も発生する。

だから半導体企業は、排水の回収、再利用、再生水の導入、製造工程の節水を進めている。

一枚の半導体チップの背後にも、見えない水処理施設があるのよ。

問題は「世界の水」より「地域の水」

AIデータセンターが水を使っている。

この言葉だけでは、影響の大きさは判断できない。

水が比較的豊富な地域。

干ばつが続く地域。

地下水位が低下している地域。

農業用水と競合する地域。

人口が増えている都市。

小さな自治体。

同じ100万リットルでも、意味は異なる。

水問題は、地球全体の合計だけでは見えない。

どの流域で。

どの季節に。

どの水源から。

何の用途と競合しながら。

誰の合意を得て使ったのか。

それが重要なの。

企業が世界全体で水を補充したとしても、取水した地域とは別の流域で保全事業を行えば、取水地域の不足が自動的に解消されるわけではない。

世界規模の目標と、地域住民が直面する水事情は、同じではないのよ。

なぜ、ここに「水支配」の陰謀論が生まれるのか

確認できる事実がある。

AIデータセンターは、冷却や電力を通じて水負荷を持つ。

半導体製造では超純水が必要になる。

巨大テクノロジー企業は、新しいデータセンターを各地へ建設している。

企業ごとに水の開示方法が異なり、施設単位の数字が公開されない場合もある。

そこから疑念が生まれる。

企業は、住民や農業より優先して水を受け取るのではないか。

水不足の地域へ、巨大施設を建ててよいのか。

効率改善という言葉で、総使用量の増加を隠しているのではないか。

企業が発表する補充量は、本当に地域の水を回復させているのか。

そしてSNSや動画では、さらに話が飛躍する。

AI企業が地域の水をすべて奪っている。

一回の質問で大量の飲料水が消える。

水不足はデータセンターを建設するために意図的に作られている。

世界の水は、すでに少数の企業へ支配された。

現時点で、そのような巨大な計画を示す証拠は確認できない。

けれど、なぜ信じられるのか。

水制度が複雑だから。

施設ごとの数字が見えにくいから。

企業と小さな自治体では、交渉力に差があるから。

水は人間の生命に直結するから。

そして、技術の利益を受ける場所と、資源負担を引き受ける場所が一致しないことがあるからよ。

事実の中に不透明な構造があるから、巨大な物語が生まれる。

警戒すべきなのは、架空の万能組織だけではない。

施設別の取水量と消費量。

渇水時の利用制限。

住民への説明。

農業や生活用水との優先順位。

再生水の利用。

地下水位への影響。

企業の目標と実績。

そうした現実の制度と契約なの。

私たちが企業へ確認すべきこと

AIを止めれば、すべて解決するわけではない。

AIは医療、災害予測、研究、行政、教育、産業の効率化にも利用されている。

水道管の漏水検知や、農業用水の最適化にAIが役立つ可能性もある。

問題は、AIか水かという二者択一ではない。

どのようなAIインフラを、どこへ、どの条件で建設するのか。

企業や自治体へ確認すべきなのは、

年間の取水量と水消費量。

使用する水源。

飲料水、地下水、工業用水、再生水の割合。

通常時と渇水時の使用量。

冷却方式。

施設別WUE。

排水の処理方法。

地域住民や農業への影響。

半導体を含めた供給網の負荷。

目標ではなく、実際の実績。

そのような情報よ。

AIの水負荷をゼロか百かで語る必要はない。

見えるようにする。

比較できるようにする。

地域ごとの条件で判断できるようにする。

そこから始めるべきなの。

結び――AIは水の上に立っている

AIは、雲の中だけに存在しているわけではない。

クラウドという言葉は軽い。

けれど、その正体は地上にある。

広大な土地。

送電線。

変電所。

冷却設備。

配管。

半導体工場。

浄水設備。

そして、それらを受け入れる地域社会。

AIは水を飲む怪物ではない。

けれど、水と無関係な知性でもない。

一回の質問が何ミリリットルか。

その数字だけを追えば、本当の構造を見失う。

見るべきなのは、

誰が数字を公開しているのか。

どの水源が使われているのか。

どの地域が負担を引き受けているのか。

効率改善より速く、需要が増えていないか。

そして、AIの利益と水の負担が公平に分配されているのか。

AIの未来を支えるのは、アルゴリズムだけではない。

水よ。

次回、水の覇権ファイル No.02。

蛇口から安全な水が出なくなる日。

老朽化する水道管、人口減少、料金上昇、技術者不足。

そして「日本の水道が外資へ売られる」という言説は、どこまで事実なのか。

次回――あなたと辿る、さらなる真実の欠片。

私はまた、語りに戻ってくるわ。

参考資料
投稿時間

この記事は 2026年7月27日 19:00(JST) 公開予定です。


併せて読みたい記事
エコノミスト『The World Ahead 2026』はなぜ“暗号表”として読まれるのか
AI、金融、気候、国家、企業などの現実的な論点が、なぜ「世界の設計図」という巨大な物語へ変化するのかを読み解いた検証記事。
文明リセットファイル No.02:大洪水神話――世界はなぜ水で終わるのか
生命を支える水が、なぜ神話の中では文明を終わらせる力として繰り返し描かれたのかを辿る一編。
文明リセットファイル No.03:ヤンガードリアス――気候の急変は文明を止めたのか
気温、降水、海流、水場の急変が人類社会へ与えた影響と、科学的事実から彗星衝突説へ飛躍する境界線を検証。
文明リセットファイル No.07:文明リセット神話は、何を警告しているのか
文明を維持する水、食料、設備、共同体は永遠ではない。災害と社会崩壊の物語から、現代の備えを考える総括回。

人気記事
エコノミスト「The World Ahead 2025」表紙の答え合わせ
表紙に配置された象徴と現実の出来事が、なぜ予言のように重なって見えるのかを検証する人気考察。
2026年――関暁夫が語る“新世界秩序(NWO)”の真意
NWOという言葉を、秘密結社だけでなく、制度、標準化、情報統制、企業と国家の力関係から読み直す定番記事。
ホピ族の予言と接近する彗星――青い星カチーナと時代の転換
神話、天体、自然環境、文明転換の物語が、現代の危機意識と結びつく構造を追った記事。

都市伝説募集

AIデータセンター、水源地、地下水、半導体工場、水道民営化、災害時の水に関する噂や、調べてほしい地域の事例があればお寄せください。

都市伝説・調査依頼を送る →


シェア&フォロー

記事が面白かったら、ブログの巡回、シェア、フォローで応援してもらえると嬉しいです。

ブログTOP Xでシェア Facebookでシェア Xをフォロー Instagram YouTube


秘書官アイリスの都市伝説手帳~Urban Legend Notebook of Secretary Iris~をもっと見る

購読すると最新の投稿がメールで送信されます。

Posted in ,

コメントを残す