さっつーのAIエージェントでは、ここ数か月、AIデータセンターを部品と規格の単位で追ってきました。日東工業のORv3準拠ダイレクト液冷ラック。AIサーバー電源に入る村田製作所と太陽誘電のMLCC。電気設備技術基準の「750Vの壁」と800V DC。石狩・苫小牧・南砺市など、経産省GX戦略地域の集積地点。モジュール型・コンテナ型。CPOと外部光源。
個別の論点は、すでに現場に降りています。足りないのは、それらが一本の因果でつながっているという感覚です。生成AIのトークン需要が、なぜラック電力密度を押し上げ、なぜ空冷の前提を壊し、なぜ変圧器と冷却水と光配線と工期まで同時に逼迫させるのか。担当になった瞬間に、その地図がないと、液冷の記事と電源の記事と用地の記事が別件に見えます。
本投稿は、小職（本サイトの監修者、今泉大輔）が講師を務める「AIデータセンター入門セミナー」についてのご案内です。このセミナーの対象は、これからAIデータセンタープロジェクトに関わることになった方です。技術の前提知識は必須にしません。
ただし視点は、本サイトの読者が見ている物理スタック側に寄せます。経営企画だけでなく、技術企画、設備、調達、エネルギー、部材開発の担当として、「自社の製品や案件が、どの層のボトルネックを解いているのか」を先に整理するための入門案内です。
2026年10月15日（木）10:00〜12:30、一般社団法人企業研究会主催で、オンラインセミナー「これから携わる方のための【AIデータセンター入門】」を開催します。講師は、私、当サイト監修の今泉大輔です。
お申し込みはこちらです。
従来型DC、クラウド利用、AIファクトリーは、同じ建物の話ではありません
担当になった方が最初につまずくのは、用語の混線です。
– 従来型データセンター（おおむね十数kW/ラック前後までの空冷前提）
– クラウドを「借りて使う」こと
– AIデータセンター、いまの言い方ではAIファクトリーを「設計し、支え、売る、あるいは投資する」こと
この三つは、見た目はデータセンターでも、熱設計も、配電も、商流も違います。従来のエンタープライズ向けクラウドDCは、1ラックあたり数kWから十数kWが中心でした。一方、数万基のGPUを同時に回すAIクラスタでは、1ラックあたり40kWから100kW超の電力密度が前提になります。チップ単体の消費電力がキロワット級へ入り、過渡電流の振れ幅も、汎用サーバーの延長では扱えません。
ここから先は、IT部門のサーバー選定だけでは閉じていません。電力をGPUまで送り、廃熱を施設外まで出し、ラック間の帯域を光でつなぎ、その建屋を工期どおりに立ち上げる。AIデータセンターは、電力を計算能力と知能へ変換する物理工場です。だから会議に出てくる単語が、変圧器、配電盤、CDU、冷却水、マニホールド、バスバー、光モジュール、MLCC、HBM、用地、連系協議になります。
さっつーのAIエージェントで扱ってきた個別テーマは、この工場の異なる層です。
– 計算層
GPU、HBM、AIサーバー、高速インターコネクト。学習と推論のトークン量が増えるほど、ラックあたりの電力と熱が先に飽和します。
– 給電層
系統から変電、配電、ラック、ボード、GPUまでの電力の流れ。交流のまま段数を重ねるほど変換損失と銅量が効きます。だから800V DCが、次の実装論点として浮上しています。国内では電気設備技術基準の750Vが、設計の現実的な壁になります。
– 熱層
空冷の上限を超えた時点で、リアドア、DLC、液浸、施設側の冷却水ループが必須になります。ORv3準拠の直接液冷ラックは、IT側の規格であると同時に、施設側配管の規格でもあります。
– 光層
電気配線の帯域と消費電力が壁に当たると、プラガブル光からCPO、外部光源（ELS）へ論点が移ります。スイッチとGPUの近くで熱と光をどう分けるかが、次の商流になります。
– 実装層
高密度ラックを現地で一から組み上げると、工期と品質が先に割れます。モジュール型・コンテナ型は、配電・冷却・ITを工場で一体にして持っていく、工業化の答えです。
– 立地層
都市近傍の系統は空きません。石狩、苫小牧、南砺市のようなGX戦略地域は、電力と用地と冷涼気候を束ねる国家側の配置です。
個別記事を読んでいると、それぞれが独立した技術テーマに見えます。案件担当になると、これらが同じ因果の別断面だとわかります。生成AIの需要が先にあり、GPUの電力密度が上がり、空冷と従来配電が壊れ、冷却・変圧器・光・工期・連系が同時にボトルネックになる。その順番が見えないと、「自社のMLCCは関係あるのか」「液冷ラックは施設工事なのかIT調達なのか」が判断できません。
もう一つの誤解は、「自社はクラウドを使えばよいので、ファクトリー側を知る必要はない」です。外部クラウド、専用クラスタ、共同利用、自社保有では、トークン単価、GPUの確保、データの国内保管、推論の遅延、事業継続の論点が変わります。使う側であっても、ラック密度と冷却方式と給電方式がわからないと、発注条件もリスクも書けません。
商流を切ると、自社の製品がどの層のボトルネックを解いているかが見えます
AIファクトリーの登場人物は、ハイパースケーラーだけではありません。計算を売る側、容量を貸す側、電力と用地を出す側、建屋と設備を作る側、部材を量産する側、資金を出す側が重なります。
上流は、系統連系、変電、大型変圧器、用地、建設工期です。建屋の中は、GPUとHBMとAIサーバー、高速ネットワーク、ストレージが計算の中核です。同時に、熱を外へ出す冷却ループ、ラック間をつなぐ光、瞬停とスパイクを受ける蓄電と電源回路があります。完成したMWを、誰が所有し、誰が運用し、誰がトークンと利用料を払うのか。ここにハイパースケーラー、ネオクラウド、コロケーション、通信、電力・ガス、商社、建設、設備・部材、金融が入ります。
お金の流れは、次の一文に落ちます。
誰が建て、誰が持ち、誰が使い、そのCapExがどの部材とどの工程へ波及するのか。
さっつーAIエージェントの読者にとって有用な切り方は、業種名より層です。
1. 使う企業
生成AI、AIエージェント、ソブリンAI、フィジカルAIを事業に載せる側です。クラウドに出せないデータ、国内保管、専用基盤、共同利用の選択が、計算資源の調達問題になります。
2. 売る企業
変圧器、配電、バスバー、CDU、冷却塔、光部品、MLCC、ケーブル、蓄電池、モジュール建屋、施工、運用。AIサーバー1台のMLCC員数が汎用サーバーの十倍近くになる、といった変化は、この層の需要です。液冷ラック、800V化、CPOは、それぞれ別の売り物に見えて、同じ電力密度上昇の派生です。
3. 投資・共同事業に参加する企業
用地、電力、建設、運営、資金を組み合わせて容量を持つ側です。収益の源泉は、サーバー単体の販売より、「MWを持ち、利用料とトークン生産能力を受ける構造」に寄っています。日本ではGW級シングルサイトが物理的に難しい地点が多く、分散配置と光接続、モジュール展開の論点が先に出ます。
自社が三つすべての当事者である必要はありません。ただし、液冷を追っているのか、電源部品を追っているのか、立地を追っているのかを、ファクトリー全体のどの層の話として説明できる必要があります。入門セミナーが先に渡したいのは、規格の暗記ではなく、この層の地図です。
講義で先に押さえる順番は、需要 → 電力と熱 → 商流 → 日本企業の接点です
本セミナーは、CDUの機種選定や800V DCの盤設計を2時間半で教える講習ではありません。これから携わる方が、技術記事と経営会議のあいだにある論点を先に持つための入門です。講義は次の順で進みます。
因果関係
生成AIの学習と推論が、なぜGPUだけでなく、電力・冷却・光・建設への巨額投資に直結するのか。従来型DC、クラウド、AIファクトリーの違いを、トークン需要側から追います。AIエージェント、ソブリンAI、フィジカルAIが、単発の推論APIではなく、継続的に回る工場を必要とする構造も、ここで整理します。
設備構造
GPUから電力、冷却までのスタックです。発電所から変電、配電、ラック、GPUまでの電力の流れ。GPUの熱をコールドプレートや液冷ループで受け、施設側の水へ渡し、屋外まで出す熱の流れ。電力密度の上昇が、冷却、光通信、建設設備の新市場を生む理由。電力、変圧器、冷却、用地、工期のうち、何が先に詰まるのか。さっつーのAIエージェントで扱ってきた800V DC、DLC、モジュール型は、この構造のどの位置の解かを、入門の解像度で接続します。
お金の流れ
誰が建設し、誰が所有し、誰が利用料を払うのか。ハイパースケーラー、ネオクラウド、コロケーションの違い。通信、電力・ガス、商社、建設、部材、金融の役割。設備投資が、計算チップ以外のどの商流へ波及するかを俯瞰します。
日本企業の三つの機会
使う、売る、投資する。自社製品や自社拠点が、給電、熱、光、実装、立地のどこに触れているかを確認する項目まで落とします。講義のゴールは、受講後に「自社はどの層のボトルネックを解く側か」を社内で説明できる状態です。
最後に、配布資料の読み順と、社内説明、新規事業、製品戦略、投資判断への使い方を案内します。2時間半で規格書を読了していただく前提ではありません。入口の地図を渡したうえで、詳細は受講後の報告書で深掘りできる設計です。
スライドだけでは、スタックは持ち帰りません。A4 50ページ超の報告書一式です
AIファクトリーは、半導体、サーバー、ネットワーク、ストレージ、電力、冷却、光通信、建設、金融まで領域が広いため、講演スライドだけでは層の接続が残りません。本セミナーでは、テーマ別に独立して読める複数のディープリサーチ報告書を作成し、一式で配布します。全体でA4 50ページを超える資料集です。
報告書は、Geminiディープリサーチの出力をそのまま並べたものではありません。講師が調査テーマと問いを設計し、重複を整理したうえで、重要論点、用語解説、図解、海外事例、日本企業への示唆が一つの流れになるよう編集・監修します。各報告書は単独でも読めます。通読すると、生成AI需要からGPU、電力、冷却、光通信、建設、商流、日本企業の事業機会までが、一本の因果として見えます。
講義の役割は、資料集の入口になる全体地図を示し、最初に理解すべきポイントを選んで解説することです。受講後は、自社に関係する層の報告書から読み、社内説明、部材の市場調査、計算基盤の検討に使っていただけます。さっつーAIエージェントの個別記事が「点」なら、配布資料は点を結ぶ「地図」として使ってください。
先に、範囲も明確にしておきます。
– 講義時間内に報告書をすべて読み上げるわけではありません。詳細は、あとから読める資料として残します。
– 配布物は、要点だけのスライド集ではありません。文章として読み込める報告書です。
– 800V DCの盤設計、液冷配管の詳細施工、MLCCの回路定数までは扱いません。それらは別レイヤーの専門資料です。今回は、それらが必要になる理由と、産業上の位置を先に渡します。
– 電力と冷却は、設備名の暗記ではなく、電力密度と熱密度が市場を動かす因果として説明します。
来てほしい方、今回の対象ではない方
来ていただきたいのは、次のような方です。
– 経営企画、経営戦略、事業企画、新規事業、M&A・投資審査で、突然AI DC案件が降りてきた方
– DX、情報システム、IT企画、AI活用推進で、クラウド利用の延長では足りなくなった方
– 研究開発、技術企画、生産企画、調達、設備、エネルギーで、液冷、電源、光、モジュール、立地のいずれかに触れ始めた方
– 市場参入、製品・部材供給、共同事業への参加を検討し始めた方
– さっつーのAIエージェントの個別記事は読んでいるが、層としての接続図を先に持ちたい方
一方で、すでにCDU選定、800V配電盤、液冷マニホールド、光エンジン実装を日常の詳細設計として担当し、機種比較を求めている専門家の方には、本セミナーは向きません。今回の主眼は、これから携わる方が、ファクトリーの層構造を持つことです。個別規格の最深部より、担当になった人が会議で使う地図を優先します。
講師の今泉大輔は、インフラコモンズ代表／リサーチャー／AI×経営ストラテジストで、さっつーのAIエージェントを監修しています。米シスコシステムズで金融、流通、電力、自動車の経営層向け戦略レポートを作成したのち、再生可能エネルギーとインフラ案件の形成に従事してきました。技術の実演者としてではなく、調査の設計者として、何をどの順番で読むべきかを案内します。
開催概要
セミナー名
【オンライン】これから携わる方のための【AIデータセンター入門】
－生成AIを支える「巨大な設備産業」の仕組み・業界地図・日本企業への影響－
日時
2026年10月15日（木）10:00〜12:30
形式
オンライン（Zoom）
主催
受講料
会員 38,500円（税込）／一般 41,800円（税込）
講師
さっつーのAIエージェント：監修 今泉大輔
お申し込みは、企業研究会の申込ページからお願いします。
液冷も、800V DCも、MLCCも、モジュール型も、GXの集積地点も、同じ電力密度の上昇から派生しています。個別記事を追ったあとに必要なのは、予測数字の追加ではありません。自社の製品と案件が、給電、熱、光、実装、立地のどの層で、使う・売る・投資するのどこに立つのかを説明する地図です。担当になったいま、断片の先にある全体像を持っていただければと思います。
