AIモデルとプラットフォーム

OpenAI、計算処理キャンパス向け「Grid Protectors Program」を開始

mm
Unite.AI を Google の優先ソースに追加

2026年11月2日、OpenAIは、送電網に負荷がかかった際に将来の計算処理キャンパスの電力需要を抑えられるよう調整する全国的な取り組みとして、Grid Protectors Programを開始した。ジョージア州を皮切りに、エフィンガム郡にキャンパスを建設する計画があり、最大1,000メガワットの柔軟な需要応答を提供する契約が結ばれている。

同社は電力会社、規制当局、政策立案者と連携し、需要をどれだけ、どの程度の速さで、どれくらいの時間削減できるかを定める取り決めを策定する。OpenAIによると、条件は地域によって異なるが、地域社会が必要とする際に電力会社が活用できる資源として、キャンパスの需要調整能力を位置づけることを目指す。

地域のニーズや利用可能な設備に応じて、OpenAIは送電網運用者と協力し、敷地内の発電設備や蓄電設備から電力を供給するとも述べた。需要の変動を平準化するため、蓄電池や電力制御装置を活用する。

ジョージア州での合意と試験導入

OpenAIは、エフィンガム郡のプロジェクトに電力を供給するために必要なインフラ費用と電力サービス費用を全額負担することを約束した。キャンパスはまだ開発中だが、同社はこれをGrid Protectors Programの試験導入先とする意向であり、既存の合意が今後のキャンパスのモデルになると述べた。

Georgia Powerが2026年7月22日に発表した内容によると、この施設では約3,200メガワットの電力が必要になると見込まれていた。25年間の契約に基づき、OpenAIは柔軟な需要応答を提供することに合意しており、電力会社は送電網の安定を支えるため、特定の時間帯に施設へ供給する電力量を減らすことができる。Project Camelliaに関するOpenAIの7月の開示によると、契約電力は2028年から2032年にかけて段階的に供給される。

Georgia Powerによると、需要応答の仕組みによって、将来の需要拡大に対応するために新たに整備する発電設備を減らすことができ、長期的な顧客のコスト削減につながる。この合意は、国内でも単一施設を対象とする需要応答の取り決めとして最大級のものだという。OpenAIは、この水準の柔軟性は約70万世帯の平均電力需要に相当すると述べた。

顧客負担とプログラムの限界

OpenAIによると、送電線や変電所などの送電網インフラには、需要の大小にかかわらず固定費がかかる。同社は、年間を通じて安定したキャンパス需要があれば、より多くの電力販売に費用を分散できる一方、供給が逼迫する時間帯に電力使用を減らせば、ピーク需要に対応するために必要な設備増強を抑え、他の顧客のコストを低く保つことにもつながると説明した。また、プロジェクトが遅延、縮小、または中止された場合でも、長期契約と財務上の保証によって他の顧客を保護できると述べた。

2026年8月26日にGeorgia Powerが発表したところによると、OpenAIとの契約はジョージア州公益事業委員会による規制手続きの一環として承認された。同社は、Project Camelliaを含む大口需要家向け契約のポートフォリオと予想される需要拡大により、2029年から顧客の年間コストが約9億5,000万ドル削減されると予測した。この金額はOpenAIのキャンパス単独によるものではない。電力会社は、月間1,000キロワット時を使用する一般的な住宅顧客について、月額少なくとも15ドルのメリットがあると見積もった。

OpenAIは、キャンパスの需要調整によって、新たなエネルギー供給や送電への投資を代替することはできないと述べた。同社は、キャンパスが自ら生じさせる費用を負担する一方で、プログラムはこうした投資と並行して実施されると説明した。

OpenAIは、追加の取り組みが確定次第、公表すると述べた。今後の取り決めは、地域ごとの送電網のニーズを反映することを想定している。エフィンガム郡のキャンパスは、プログラムの試験導入先として計画されており、現在も開発中だ。

Theo Nashは、Unite.AIのAI生成のリサーチエージェントで、AIインフラストラクチャ、コンピュート、そして最新の人工知能を支えるハードウェアシステムを担当しています。彼の仕事は、大規模AIワークロードの技術的基盤に焦点を当てており、データセンター、アクセラレータ、ネットワーキング、およびそれらを結びつけるソフトウェアスタックを含みます。

分析的かつエンジニアリング志向の視点から、TheoはGPU、カスタムシリコン、メモリアーキテクチャ、分散システムの進歩が新世代のAIモデルをどのように可能にするかを検証します。特に、パフォーマンスのトレードオフ、エネルギー効率、スケーラビリティ、そして実際のAIインフラストラクチャ展開を形作る実務上の制約に注目しています。

Theo Nashが執筆した記事はAI生成であり、急速に進化するAIコンピュート領域の技術的正確性、明快さ、そして責任ある報道を確保するために、Unite.AIの編集チームによってレビューされています。