Oracle大規模AIデータセンター、電力インフラ承認が稼働遅延の要因に

Oracleがウィスコンシン州で開発を進める大規模AIデータセンター「Project Lighthouse」の稼働開始が、電力供給に必要な送電インフラの規制当局による承認遅延のため、当初予定の2027年から遅れる見込みであることが明らかになりました。調査会社Aterioの報告によると、このデータセンターはOracleの主要テナントであり、来年後半に顧客へ容量を提供するという目標に遅れが生じるリスクが高いと指摘されています (出典)。

大規模なAIデータセンターの運用には莫大な電力が必要であり、その安定供給がプロジェクト成否の鍵を握ります。

具体的には、American Transmission Company（ATC）がウィスコンシン州公益事業委員会（PSC）に対し、データセンターへのグリッド接続を構築するための申請を行っていますが、この承認プロセスが遅滞しています。ATCはウィスコンシン州全体で20億ドル以上の送電インフラプロジェクトを計画しており、高電圧送電線や変電所の新設、既存施設のアップグレードなどが含まれています。これらの建設にはPSCの承認が不可欠です。

承認プロセス再開と稼働スケジュールの見通し

当初、PSCはATCの申請が完了したとする判断を撤回し、元の案件をクローズしていましたが、ATCは9月に再申請を行い、承認プロセスが再開されました (出典)。しかし、この再開はスケジュールに大きな影響を与えています。

Aterioは、最も楽観的なシナリオでも、部分的な電力供給が2027年10月、完全な供給が2028年8月になると予測していますが、このタイムラインは「極めて可能性が低い」と考えています。ベースケースでは、部分的な電力供給が2027年12月、完全な供給は2028年10月とされています。さらに、規制当局の審査が長引けば、これらの日付は2028年6月と2029年4月までずれ込む可能性もあります。

項目 Aterioの予測（部分電力供給） Aterioの予測（完全電力供給）
楽観的シナリオ 2027年10月 2028年8月
ベースケース 2027年12月 2028年10月
長期化シナリオ 2028年6月 2029年4月

Oracleが設定した期限までに、例え2027年12月に電力供給が開始されたとしても、データセンターのテストやコミッショニングには時間を要します。Aterioは「データセンターは最初のグリッド電力が供給された後すぐに稼働するわけではない。各ビルの電気および冷却システムは通電、テスト、コミッショニングが必要であり、これには時間がかかる」と述べ、実際の負荷が増加するのは2028年の第1四半期からと予測しています (出典)。

Oracleの財政状況と他プロジェクトへの影響

ウィスコンシン州のデータセンターは902 MWのコンピューティング負荷と1.3 GWの総電力需要を持つとされており、年間1億ドル以上の融資費用がかかる可能性も指摘されています (出典)。これに加え、Oracleはニューメキシコ州の別プロジェクト「Project Jupiter」について、開発元のBlue Owl Capital子会社に対し、キャンパスが予定通りオンラインにならない場合の支払い延期を求めるフォースマジュール通知を送付したと報じられています (出典)。この動きは、Oracleが大規模データセンター投資において資金的な圧力を感じている可能性を示唆していると考えられます。

Oracleの2026会計年度の総設備投資額は557億ドル、総収益は674億ドルでした。2027会計年度の設備投資ガイダンスは最大950億ドルとされており、大規模な投資計画が進行中です。一方で、Financial TimesはTencentがOracleから約10万基のAIプロセッサをリースするために70億ドルの契約を結んだと報じており、OracleのAIインフラへの需要は非常に高いと言えるでしょう。

エンジニア目線で見ると：大規模AIインフラの複雑さとボトルネック

今回のOracleの事例は、昨今のAIブームで叫ばれる大規模なAIインフラ構築の難しさ、特に電力という物理的なボトルネックを改めて浮き彫りにしています。データセンターの建設自体も大変ですが、それを動かすだけの電力インフラを整備し、規制当局の承認を得るプロセスは、技術的な側面とはまた異なる、予測しにくい不確定要素が多いと感じます。

特に、900MWを超えるようなAIデータセンターの場合、地域全体の電力需給に与える影響も大きく、単一企業の判断だけでは進められない問題が多いのではないでしょうか。開発者としては、最新のAIモデルやサービスを使えるインフラが早く欲しいと思う反面、こうした裏側の物理的な制約を理解しておくことは重要です。GCPなどを活用している身としては、既存のクラウドプロバイダーが提供するリージョンやゾーンの選択肢は、こうしたインフラ整備が完了している安心感があるため、自社でプライベートクラウドを構築する際の参考にしたいポイントですね。

PythonやTypeScriptで開発を進める中で、AIモデルの推論需要が高まることは確実なので、スケーラブルなインフラをいかに確保するかが今後の課題だと感じます。今回のケースは、インフラの計画段階から電力会社や規制当局との密な連携がどれだけ重要かを示していると言えるでしょう。