AIが再編する次世代デジタル基盤――地上・宇宙融合インフラと日本の産業戦略

はじめに

生成AIの急速な普及により、データセンターは単なるIT設備ではなく、電力、通信、土地、冷却、地域政策と一体で整備される社会インフラへと変化しつつあります。特に、AI計算需要の拡大に伴い、地上では電力供給制約がデータセンター立地の重要な論点となり、電力を確保しやすい地域に計算基盤を配置する「電力地産地消型」のデータセンターが広がり始めています。さらに、宇宙空間で太陽光発電を活用し、軌道上で計算処理を行う軌道上データセンター、すなわち宇宙データセンターの構想も検討され始めています。

本稿では、AI需要の拡大がデータセンターの立地や機能分担に与える影響、軌道上データセンターの可能性、地上・宇宙融合インフラが支える新たなAI活用の可能性、そして日本企業の勝ち筋を整理します。

AIが再編するデータセンター

生成AIによる計算需要の拡大は、データセンターの立地と機能分担を変えつつあります。これまでは需要地やインターネット相互接続点に近い大都市圏・インターネットエクスチェンジ（IX）に近接し建設されてきました。AI学習や大規模推論のように膨大な電力を必要とするワークロードが増えるなかで、今後は「どこに置くか」だけでなく、「どのワークロードをどこで担うか」が問われるようになります。

低遅延が求められるクラウドサービスやリアルタイムAI推論は、引き続き都市近郊やユーザーに近い場所で処理されます。一方、大規模AI学習やバッチ処理のように一定の遅延を許容できる処理は、電力・冷却・土地の条件に優れた地域へ分散していく可能性があります。さらに将来的には、太陽光を軌道上で活用し、宇宙空間で計算処理を行う軌道上データセンターも、特定用途における選択肢となり得ます。

軌道上データセンターの登場

宇宙空間でも、衛星数の増加、観測センサーの高性能化、衛星間通信の高度化、地球外活動（軌道上・月面など）の拡大により、生成・中継・処理されるデータ量は増加しています。従来は、宇宙で取得したデータを地上へ送信して地上で処理することが基本でしたが、観測データ量、地上局の可視時間、通信帯域、月面・深宇宙での通信遅延を踏まえると、全てを地上に伝送するモデルには限界があります。

こうした背景から、宇宙空間でデータを保存・処理・中継するスペースエッジコンピューティングや軌道上データセンターへの関心が高まっています。もっとも、軌道上データセンターには、電力供給、熱制御、通信、運用・保守、打上げコストなど多くの課題があり、地上データセンターを全面的に代替するものではありません。まずは宇宙起点データの前処理、圧縮、フィルタリング、異常検知、遅延許容型の非同期推論など、特定用途から段階的に活用されていくものと考えられます。

地上・宇宙融合インフラの構造転換

軌道上データセンターは、地上データセンターを全面的に置き換えるものではありません。低遅延が求められるクラウドサービスやリアルタイムAI推論、企業専有データや基幹システムを扱う処理は、引き続き地上データセンターや地上エッジが中心となります。一方、宇宙起点データの前処理、圧縮、異常検知、遅延許容型の非同期推論などは、データ発生源に近い軌道上で処理することに合理性があります。

したがって重要なのは、地上か宇宙かを二者択一で考えることではなく、ワークロードの性質に応じて、地上データセンター、軌道上データセンター、衛星ネットワーク、地上エッジ、クラウドをどう組み合わせるかです。今後のインフラは、通信・計算・データ流通・制御を地上と宇宙にまたがって最適配置する分散型アーキテクチャへと移行していきます。

この構造転換を支える中核が、複数の衛星ネットワークや軌道上データセンターを接続する宇宙IX、時間とともに変化する衛星の位置や通信経路に応じてリソースを制御する時空間オーケストレーション、そしてセキュリティ、データ主権、宇宙天気を前提としたレジリエンス設計です。地上・宇宙融合インフラの本質は、宇宙に計算資源を置くこと自体ではなく、地上と宇宙に分散した基盤を一体のサービスとして運用できるようにする点にあります。

図表1：地上・宇宙融合インフラ

地上・宇宙融合インフラが支える新たなAI活用

地上・宇宙融合インフラの価値は、計算資源を宇宙へ拡張すること自体にあるのではありません。宇宙空間を、地球規模の観測点であると同時に、宇宙起点データの発生源に近い処理点として組み込むことで、地上だけでは難しいAI活用を可能にする点にあります。

AIは今後、大規模言語モデル（LLM）を中心とする生成AIから、現実世界の状態を把握し、予測し、判断・制御へ関与する世界モデル／Physical AIへと拡張していきます。この変化は、現実世界のデータ取得・提供、状態把握・予測、実行可能な対応案の提示、設備・ロボット・車両・ドローンなどによる自律的・半自律的な対応へと段階的に進むと考えられます。

代表的な活用領域としては、気象・地球環境AI、産業・インフラオペレーション、生活・モビリティインフラが挙げられます。衛星・地上観測データを統合することで、災害予測、農業、航空、物流、再生可能エネルギー、防災、インフラ点検、モビリティなど、現実世界の状態把握と意思決定を高度化できます。

図表2：AI活用が実行に近づく4ステップ

地上・宇宙融合インフラへの日本企業の勝ち筋

地上・宇宙融合インフラは、まだ勝者も標準も確定しておらず、技術・標準・事業モデルが形成途上にある領域です。過去のクラウド、スマートフォン、生成AIでは、日本企業は基盤レイヤーを海外勢に握られ、その上でサービスを展開する立場に置かれてきました。地上・宇宙融合インフラは、この構造を繰り返すか、形成段階から主体的に関与できるかの分岐点になります。

もっとも、日本企業が軌道上データセンター、衛星通信、AI基盤、端末、ユースケースの全てを自前で垂直統合することは現実的ではありません。重要なのは、日本が強みを持つ技術や事業基盤を、将来の地上・宇宙融合アーキテクチャ上の不可欠な構成要素として位置づけることです。具体的には、熱制御・電源、光通信、センサー、軌道上計算ハードといった基盤技術、時空間オーケストレーション、宇宙IX、セキュリティ、データ主権といった運用・信頼基盤、さらに現場実装につながるロボティクス／Physical AIなどが重点領域となります。

ただし、こうした基盤技術や運用・信頼基盤は、具体的なユースケースと切り離して設計できるものではありません。防災、インフラ維持管理、海洋・離島、物流・モビリティ、エネルギーなどの実証フィールドで活用することで、求められる性能、運用条件、相互運用性、責任分界などが明らかになります。そこで得たデータ、運用知、顧客接点を基盤設計や標準化・制度設計に反映し、再び現場実装へつなげる循環を作ることが重要です。

日本の現実的な勝ち筋は、全レイヤーを自前で囲い込むことではなく、強みのある基盤構成要素と社会課題起点のユースケースを結び付けることです。国内の実装で得た知見を、国際標準、運用ルール、海外展開可能なサービスモデルへ接続することが重要です。

図表3：地上・宇宙融合インフラ産業俯瞰図