AI動画の排出量は2030年までに75倍になるかもしれない
文章を入力すれば、動画クリップが手に入る。テキストから動画を生成する技術は、いまや商業規模で動いている。クリップ1本あたりのコストが高いことは、すでに知られている。Delavandeらによる以前の研究によると、テキストから短い動画を1本生成するには約90ワット時を使う。これは画像1枚のほぼ30倍、単純なテキスト分類タスクの45,000倍にあたる。しかもクリップはユーザー自身の端末でつくられるわけではない。1回1回のリクエストは、データセンターに並ぶAIチップのラックで処理される。
だが、1本あたりのコストは総量についてほとんど何も語らない。何本のクリップがつくられているのか、それにどんなハードウェアが必要なのか、冷却にどれだけの水が使われるのかはわからない。そして、1本あたりの効率が改善する一方で、全体の環境負荷が増えることもありうる。
リール大学のTristan Coignionは、ボルドーのA. BugeauおよびG. Guennebaud、パリ・サクレーのA.-L. Ligozatとともに、世界全体でのAI動画生成の環境負荷の全体を、2026年について、そして2030年まで見積もろうとした。
クリップを数える
動画を何本生成しているかを提供企業が明かすことはまれなので、研究チームは測れるものを測った。2026年2月から4月にかけての54日間、OpenAIの動画サービスであるSoraの公開フィードをクロールした。公開動画は330万本、年間にすると約2,200万本だ。OpenAIはその少しあとに、Soraのウェブとアプリでのサービスを終了した。研究チームはまた、HeyGenのリアルタイムカウンターを90日間追跡した。非公開の動画も含めて、年間約1.11億本である。
ほかの6社は自社の数字を公表している。群を抜いて最大なのはGrok Imagineで、年間約38億本だ。これらを合計すると、観測可能な総数は年間約62億本になる。モデルは2026年の本数を62億本から95億本の範囲から抽出し、その中央値は71.6億本である。

サービスごとの年間AI動画数:塗りつぶした点は研究チームによる測定値、白抜きの点は提供企業が公表した値。網かけの帯は2026年についてのモデルの範囲。— 図1、Coignion et al. (2026), arXiv:2611.17938.
2026年の請求書
そこから、ボトムアップ型のモデルが必要なAIチップの台数を見積もり、続いて電力、水、温室効果ガス、鉱物資源の枯渇を導き出す。不確かさをとらえるため、シミュレーションは10,000回実行される。学習と保存は含まれるが、音声と、視聴者への動画のストリーミングは含まれない。
2026年についての中央値の結果は、72,600台のグラフィックスプロセッサ、724ギガワット時の電力、CO₂換算で124,300トンである。地球の気候の限度を超えずに人類が毎年排出できる温室効果ガスを、1人ずつ均等に割り当ててみよう。124,300トンは、約126,000人の年間の割り当て分にあたる。
動画1本あたりの、すべてを含めたコストは約100ワット時になる。これはチップだけが1回の生成で使う24.4ワット時の4.1倍だ。その差を生むのは、アイドル時間、建物の付帯設備による上乗せ、学習、保存である。排出量の内訳は、動画の生成が約69%、モデルの学習が31%、保存はほぼゼロだ。そして、電力がどこから来るかは、どれだけ使うかよりも重要だ。排出量にとって、電力網の炭素強度は、動画の本数の12倍の重みをもつ。
3つの未来
次にモデルは、3つのシナリオのもとで2030年まで計算を進める。どれも同じ着実な技術の進歩を前提としている。より新しく効率的なチップと、毎年約10%ずつ効率が上がるソフトウェアだ。
- 基準:動画の本数は2027年、2028年、2029年に倍増し、2030年に60%増える。合計で12.8倍であり、意図的に控えめな道筋だ。排出量は74倍に増え、2030年には約920万トンに達する。約930万人分の予算だ。なぜ需要より速く増えるのか。動画がより長く鮮明になり、1本あたりのエネルギーが24.4ワット時から214ワット時に増えるからだ。
- 利用の停滞:本数、解像度、長さが2026年の水準にとどまる。排出量は約5分の2減る。排出量が減るのは、このシナリオだけだ。
- 大規模普及:本数が60倍に増える。排出量は4,290万トンに達する。約4,400万人分の予算だ。

3つのシナリオのもとでの排出量(2026–2030年)。線は中央値、帯は5–95%の範囲。— 図6、Coignion et al. (2026), arXiv:2611.17938.
効率は追いつかない
研究チームは、モデルを逆向きにも走らせた。基準の道筋では、毎年30%の効率向上があっても、2030年の排出量は2026年の27.5倍になる。排出量を横ばいに保つには、毎年約75%の向上が必要になる。これはモデルが想定する10%のおよそ7倍であり、実運用されているどのモデルで測定された最高の効率をも上回る。デジタル部門自身の目標は、パリ協定に沿って、2020年から2030年のあいだに排出量を45%削減することを求めている。
天井ではなく床
著者らは、これらの数字をすべて下限として示している。生成モデルは2030年まで固定されているが、実際のモデルはおそらくもっと多くの計算を要するようになる。ストリーミング、音声、その他のAI利用は除外されている。最も文書化が乏しい学習の部分は、少数の小さなオープンモデルで較正されている。利用は急速に縮小することもある。Soraの閉鎖が示したとおりだ。それでも論文の数字のもとでは、環境負荷の増加が止まるのは、動画の本数かその品質の伸びも止まる場合だけだ。
