AIの学習の計算量、約5か月ごとに2倍　Grok 4の学習の排出は7万2816トンと推計

AIの学習にいくらかかるかは、開発会社がほとんど公表していません。2026年版のAI Indexも、最先端の開発会社がモデルの変数の数などの開示をやめたと指摘しています。その中で、米スタンフォード大学の人間中心AI研究所（HAI）が毎年出すAI Indexは、調査機関のEpoch AIなどのデータを使って、学習の計算量、電力、排出を推計しています。

計算量は約5か月で2倍

2025年版のAI Indexは、主なAIモデルの学習の計算量が、およそ5か月ごとに2倍になっているとしました。年に直すと5倍を超える伸びです（計算）。2026年版も、計算量は外から推計でき、増え続けているとしています。一方、開発会社が報告するモデルの変数の数は、3年ほど1兆前後で止まっています。

学習に使う計算の量が増えれば、必要なGPUの数、電力、時間が増え、費用も大きくなります。2026年版は、最も計算を使うGrok 3やLlama 4 Behemothのようなモデルでは、学習に1億ワット（100メガワット）を超える電力が必要だったと推計しています。

AIの学習の規模を示す数字（スタンフォード大学AI Indexの推計から）

項目	数字	出典
学習の計算量が2倍になる期間	約5か月	2025年版
最大級のモデルの学習の電力	1億ワット超	2026年版
GPT-4（2023年）の学習の排出	5,184トン	2025年版
Llama 3.1 405B（2024年）の学習の排出	8,930トン	2025年版
Grok 4（2025年）の学習の排出	72,816トン	2026年版
世界のAIの計算能力（2025年10〜12月）	H100換算1,707万個	2026年版
AIデータセンターの電力の容量（2025年10〜12月）	29.6GW	2026年版

排出は二酸化炭素に換算したトン数。

排出は2年で約14倍

学習による二酸化炭素の排出は、2023年のGPT-4の5,184トンから、2025年のGrok 4の7万2,816トンへ、約14倍になりました（計算）。2024年のLlama 3.1 405Bの8,930トンと比べると約8.2倍です（計算）。2026年版は、Grok 4の排出は、平均的な自動車1台が一生で出す量（63トン）を大きく上回るとしています。

半導体の効率の改善を、規模の拡大が上回る

2026年版によると、最先端の半導体は10年前の製品に比べて、電力1ワットあたり約10倍の計算ができます。エヌビディアのB200やグーグルのTPU v5eが、効率の高い例として挙がっています。それでも、モデルの大きさの伸びが効率の改善より速いため、学習に必要な電力の合計は増え続けています。

計算の設備全体の増え方も急です。主な半導体メーカーが出荷したAIの計算能力は、2022年から年3.3倍のペースで増え、2025年10〜12月にはH100に換算して約1,707万個分になりました。このうちエヌビディアの製品が6割を超えます。AIのデータセンターの電力の容量は29.6ギガワットで、ニューヨーク州の電力需要のピークに近い大きさです。

推論の値段は下がっている

学習とは逆に、できあがったモデルを使う推論の値段は下がっています。2025年版は、GPT-3.5並みの性能のモデルを使う値段が、2022年11月の100万トークンあたり20ドルから、2024年10月には0.07ドルに下がったとしています。約18か月で280分の1以下です。2026年版は、モデルを大規模に提供すると、推論で使う電力の累計が数か月で学習の電力を超えることがあるとしています。

今後の注目点

• AI Indexは毎年春に新しい版を公表しています。次は2027年版です。
• エヌビディアは、Rubinの世代で大規模なモデルの学習に必要なGPUの数がBlackwellの4分の1になるとしています。