使用方法
このプロンプトを使用して、本記事の要点や重要な原理を整理できます。
ご利用前に、以下のAI利用ポリシーをご確認ください。
OpenAIがChatGPTやCodex、高性能なAIモデルを世界規模で提供するためには、膨大な計算資源が必要です。しかし、「膨大な計算資源」といわれても、その規模を直感的にイメージするのは簡単ではありません。
そこで本記事では、OpenAIが構築を進める10GW（ギガワット）級のAIインフラを、個人向けGPUのNVIDIA GeForce RTX 5090に置き換えて考えてみます。
先に結論を示すと、10GWをRTX 5090の消費電力だけで単純換算した場合、約1,740万枚に相当します。
ただし、この数字は「OpenAIがRTX 5090を1,740万枚保有している」「RTX 5090を1,740万枚集めればOpenAIと同じAI性能になる」という意味ではありません。この違いを明確にしたうえで、OpenAIが構築しているAIインフラの巨大さを具体的な数字から見ていきます。
NVIDIA GeForce RTX 5090のTotal Graphics Power（TGP）は575Wです。
仮に10GWという電力を、すべてRTX 5090だけに使えると仮定して計算してみましょう。
10GWは100億Wなので、「10,000,000,000W ÷ 575W ≒ 17,391,304」となります。
つまり、約1,739万枚。
数字を丸めれば、RTX 5090約1,740万枚分の消費電力です。
個人でRTX 5090を1枚使っていても相当な計算能力があります。それを10枚、100枚ではなく、1,000万枚をはるかに超える規模まで並べた世界を想像すると、10GWという数字が意味する大きさが少し見えてきます。
では、なぜ10GWという数字を比較対象にしているのでしょうか。
その背景にあるのが、OpenAIが世界規模で進めているAIインフラの拡張です。
OpenAIの計算資源を考える際に注意したいのは、現在稼働している計算資源と、将来に向けて確保・建設・計画されている計算資源を分けることです。
OpenAIが「現在10GWの計算資源をすべて稼働させている」わけではありません。一方で、OpenAIが10GWを一つの大きな基準として、さらにその先までAIインフラを拡張しようとしていることは、公式発表から確認できます。
OpenAIが2026年2月に米国下院特別委員会へ提出した資料によれば、同社が利用できる計算資源は2023年から2025年にかけて次のように増加しています。
| 年 | OpenAIが示した利用可能な計算資源 |
|---|---|
| 2023年 | 0.2GW |
| 2024年 | 0.6GW |
| 2025年 | 約1.9GW |
わずか2年間で9.5倍です。この約1.9GWは、後述する10GW級の計画とは意味が異なります。つまり、2025年時点ですでにOpenAIはGW級の計算資源を利用していましたが、その先にさらに大規模なインフラ拡張が進んでいるということです。
その中心となるのが「Stargate」です。
Stargateは2025年1月に発表された大規模なAIインフラプロジェクトで、当初は米国内に今後4年間で5,000億ドルを投資する計画として始まりました。OpenAI、SoftBank、Oracle、MGXなどが参加し、OpenAIは運用面で主要な役割を担っています。
当初掲げられた大きな目標が、米国内で10GWのAIインフラを確保することでした。そして2026年4月、OpenAIはこの10GWという当初目標をすでに突破したと発表しています。さらに直近90日だけでも3GW以上を追加し、10GWを超えた先のデータセンター候補地も検討しています。
実際、2026年1月時点では、テキサス州Abileneの最初のStargate拠点がすでにフロンティアAIシステムの学習・提供に使われていた一方、その他にも複数の拠点が開発中と説明されていました。さらに2026年6月には、ミシガン州で1GWのデータセンターキャンパス「The Barn」が着工しています。
つまりStargateは、一つの巨大なデータセンターが完成して10GWを消費しているのではありません。稼働済み、建設中、計画・確保済みの複数拠点によって巨大なAIインフラを形成していくプロジェクトとして理解する必要があります。
Nexus AIでは、こうした巨額投資の背景にある長期最適化という考え方を以下の記事で扱っています。合わせて読むと、10GW規模のインフラ投資が単なる支出拡大ではなく、未来のポジションを取りにいく戦略であることが見えてきます。
GPU・チップの枚数をイメージするうえで、さらに興味深い公式情報があります。
| 契約先 | 契約規模 | 主な内容 |
|---|---|---|
| Oracle（Stargate拡張） | 4.5GW追加（AbileneのStargate Iと合わせ5GW超） | 200万を超えるチップを稼働させる規模。2025年7月合意 |
| NVIDIA | 少なくとも10GW | 数百万GPU規模。2025年9月発表。最初の1GWはVera Rubinプラットフォームで2026年後半展開予定 |
| Broadcom | 10GW規模のカスタムAIアクセラレーター | 2026年後半〜2029年末までに完了予定 |
2025年7月、OpenAIとOracleはStargate向けに4.5GWのデータセンター容量を追加開発することで合意しました。
OpenAIは、テキサス州AbileneのStargate Iと合わせると、5GWを超えるAIデータセンター容量が開発中となり、200万を超えるチップを稼働させる規模になると説明しています。5GWという段階ですでに、200万チップを超える世界です。
一方、OpenAIとNVIDIAは2025年9月、OpenAIの次世代AIインフラ向けに少なくとも10GWのNVIDIAシステムを展開する戦略的パートナーシップを発表しました。
OpenAIの公式発表では、その規模を明確に「数百万GPU」と表現しています。さらに2026年2月には、Microsoft、Oracle Cloud Infrastructure、CoreWeaveですでにNVIDIA Hopper・Blackwellシステムを運用していることも明らかにしています。
それに加えて、NVIDIAから3GWの専用推論容量と、Vera Rubinを使用した2GWの学習容量を利用する計画も発表しました。
もちろん、ここでいう「チップ」や「GPU」とRTX 5090をそのまま一対一で比較することはできません。しかし、OpenAIが構築しようとしているインフラが、数万枚や数十万枚という規模を超え、数百万AIアクセラレータ級を前提とする世界へ向かっていることは分かります。
このように見ると、
現在利用できる計算資源
↓
現在稼働しているAIデータセンター
↓
建設中のStargate拠点
↓
確保済みのデータセンター容量
↓
NVIDIAなどとの将来的な大規模展開
が同時に存在していることが分かります。
これらをすべて「現在OpenAIが使っているGPU」として合算することはできません。
OpenAIの計算資源を見るときは、「何GWあるか」だけでなく、それが現在稼働中なのか、建設中なのか、確保・計画段階なのかを見ることが重要です。
ここまでの前提を踏まえて、改めて10GWという規模をRTX 5090で具体化してみましょう。
RTX 5090の消費電力を575Wとして単純計算すると、次のようになります。
| RTX 5090の枚数 | 消費電力 |
|---|---|
| 1枚 | 575W |
| 1,000枚 | 575kW |
| 1万枚 | 5.75MW |
| 10万枚 | 57.5MW |
| 100万枚 | 575MW |
| 1,000万枚 | 5.75GW |
| 約1,740万枚 | 約10GW |
1万枚でも5.75MWです。100万枚を同時に動かして、ようやく575MW。
10GWへ到達するには、約1,740万枚が必要になります。
この比較の面白いところは、「10GW」という人間の感覚では捉えにくい単位を、普段目にするGPUへ置き換えられることです。PCに詳しい人なら、RTX 5090を1枚フル稼働させるだけでも相当な電力を使うことは想像できるでしょう。
それが100万枚でも10GWには遠く、1,000万枚を超えてもまだ足りない。
10GW級AIインフラとは、それほど巨大な規模なのです。
ここで、この比較の限界について明確にしておく必要があります。
「RTX 5090約1,740万枚」という数字を、そのままAIの計算性能として解釈することはできません。
理由は、個人向けGPUとAIデータセンター向けシステムでは、設計思想そのものが違うからです。たとえば、大規模なAIインフラでは単純なGPU単体の演算性能だけでなく、次のような要素が重要になります。
巨大AIモデルでは、一つの処理を大量のアクセラレータへ分散させる必要があります。そのため、単体GPUの性能が高ければよいわけではありません。大量の計算資源を一つのシステムとして効率よく動かせることが重要になります。
また、10GWというデータセンター規模の電力が、そのまますべてGPUへ流れるわけでもありません。CPU、ネットワーク、ストレージ、冷却など、AIインフラ全体を動かすためにも電力が必要です。
したがって、本記事で行っている比較は、OpenAIのAI性能 ≒ RTX 5090約1,740万枚ではなく、10GWという電力規模 ≒ RTX 5090約1,740万枚分のTGPです。
それでも、この比較には大きな意味があります。
「10GW」という数字だけでは遠い世界に見えていたAIインフラが、私たちが普段使っているPCの延長線上に置き換わることで、その巨大さを具体的に捉えられるからです。
そして、ここからもう一つの疑問が生まれます。
なぜOpenAIは、これほど巨大な計算資源を必要としているのでしょうか。
その理由を考えると、巨大なAIインフラと、私たちが普段使っているChatGPTやCodexとの関係が見えてきます。
10GWという規模をさらに身近なものへ置き換えてみましょう。
RTX 5090単体ではなく、RTX 5090を搭載したハイエンドPC全体で考えます。
実際の消費電力はCPUや電源効率、負荷、構成によって大きく変わりますが、ここでは規模感を理解するために、1台あたり約1kWを消費するハイエンドPCを仮定します。すると計算は非常にシンプルです。
10GW ÷ 1kW = 1,000万台
つまり10GWとは、単純な電力規模で考えれば、約1,000万台のハイエンドPCを同時に動かす規模になります。もちろん、これも直感的に理解するための単純換算です。
1台のPCから始まり、1万台、100万台、そして1,000万台へ。OpenAIが進めているのは、単に「高性能なコンピューターをたくさん購入する」というレベルではありません。大量のAIアクセラレータ、ネットワーク、ストレージ、冷却設備、電力設備などを統合し、一つの巨大な計算基盤として機能させることです。
ここまで規模が大きくなると、「大きなコンピューター」というより、AIを動かすための社会インフラに近い存在として考えた方が理解しやすくなります。
では、OpenAIはなぜこれほど巨大な計算資源を必要としているのでしょうか。
理由の一つは、AIに必要な計算がモデルを作るときだけ発生するものではないからです。大きく分けると、AIの計算資源には「学習」と「推論」という二つの用途があります。
AIモデルを開発するときには、大量のデータを使ってモデルのパラメーターを調整する学習処理が必要になります。フロンティアAIの開発では、この学習自体に巨大な計算資源が必要です。
しかし、一度モデルを学習させれば計算が終わるわけではありません。完成したモデルをユーザーが実際に利用すると、今度は「推論」のための計算が発生します。
私たちがChatGPTへ質問を送信すると、AIモデルは入力された情報を処理し、回答を生成します。これが推論です。
一人のユーザーだけを考えれば小さな処理に見えるかもしれません。しかし、ChatGPTは世界中から同時に利用されています。しかもAIの用途は、単純な質問への回答だけではなくなっています。
AIが扱う仕事そのものが、より複雑になっています。OpenAIは2026年4月、計算資源の拡大によって、より優れたモデルの学習だけでなく、サービスの信頼性向上、性能改善、コスト低下、より多くの人へのAI提供が可能になると説明しています。
つまり、計算資源は単なる研究開発設備ではありません。AIモデルを開発し、それを世界中のユーザーへ継続的に提供するための基盤そのものです。
さらに、AIエージェントが普及すると、推論の考え方も変わってきます。従来のChatGPTでは、「質問する → 回答が返ってくる」という短い処理が中心でした。一方、CodexのようなAIエージェントでは、一つの依頼に対して長時間にわたって作業することができます。
私自身、CodexやChatGPT Workを使うようになってから、この違いを実感しています。
GitHub上のコードを読み込んで整合性をチェックしたり、複数のドキュメントを横断して流れを理解したりといった作業を、AIエージェントが自律的にこなしてくれます。
従来のChatでは補いきれなかった情報にアクセスし、より正確な情報をもとに作業を進められる点は、明らかに作業効率の向上につながっていると感じます。
ChatGPTのChat機能とWork機能の違い、そしてWorkがどのような場面で威力を発揮するかについては、以下の記事で詳しく解説しています。
こうしたAIエージェントは、人間と違って複数の仕事を並列に処理できます。そのためAIが高度になるほど、ユーザー数 × 利用回数だけではなく、ユーザー数 × AIが実行する仕事量 × 並列数という形で計算需要が拡大していく可能性があります。
AIエージェントが個人や中小企業のビジネスにどう影響していくのかという詳細は、以下の記事で扱っています。
OpenAIが巨大なAIインフラへ投資している背景には、モデルそのものの高度化だけでなく、AIが担当できる仕事の量そのものが増えていることもあります。
ただし、OpenAIが保有・利用する計算資源のうち、学習、ChatGPT、API、Codexなどへそれぞれ何％を割り当てているのかという詳細な配分は公開されていません。したがって、「10GWのうち何GWがChatGPTに使われている」といった推定を事実として扱うことはできません。
重要なのは、OpenAIが構築している巨大な計算基盤が、研究だけでなく、AIを実際のサービスとして世界規模で動かすためにも必要になっているという点です。
この計算資源とスケーラビリティの関係については、以下の記事でさらに詳しく扱っています。
ここまでの数字を見ると、OpenAIと個人の間には圧倒的な規模の差があります。
RTX 5090を個人で1枚所有することはできますし、予算や用途によっては、複数枚のGPUを搭載したワークステーションを構築することもできるでしょう。
しかし、数百万単位のAIアクセラレータやGW級のデータセンターになると話が変わります。電力設備、冷却設備、ネットワーク、建物、運用人員まで必要になるため、個人が所有できる範囲を完全に超えています。
私自身、以前はRTX 5070 Tiを使っていました。1080pのゲーム環境としては十分すぎる性能で、4Kまでは求めない私の用途にはややオーバースペックだったかもしれません。
本命はゲームではなく、Stable Diffusionを中心としたローカルAI環境の構築です。
16GBのVRAM（ビデオメモリ）もあって、動作は非常に快適でした。
個人でAIを使うにはそれで十分な性能だと感じましたが、最終的にはChatGPT・Gemini・Claudeといったクラウド型の生成AIが、多くの役割を代替できるようになりました。
ローカル環境にはローカルならではの強みがある一方、クラウドで常にデータを同期できる点は大きな魅力です。CodexやGitHubを使うようになった今では、GPUを自分で維持するよりも、ChatGPTの有料プランを使う方がROIは大きいと感じています。
ここに、AI時代の重要な変化があります。
計算資源を自分で所有しなくても、その計算能力を利用できるようになったのです。
もちろん、ChatGPTを利用している一人のユーザーが、OpenAIの数百万GPU級のインフラをすべて占有しているわけではありません。巨大な共有計算基盤の中から、サービス側が必要な計算資源を割り当てています。
個人が数百万GPUを「手に入れた」のではなく、個人では到底所有できない計算基盤へ、ネットワーク越しにアクセスできるようになったと考える方が正確です。
これはAIだけに突然現れた仕組みではありません。
クラウドコンピューティングでは以前から、自社で大量のサーバーを所有せず、必要な計算資源をサービスとして利用する考え方が普及してきました。
しかし生成AIでは、利用できるのが単なるCPUやストレージではなく、莫大な投資によって学習されたAIモデルと、それを動かす巨大な計算基盤である分、その意味がさらに大きくなっています。
Nexus AIでは、生成AIによって企業級のリソースが個人や中小企業にも身近になったことを以下の記事で解説しています。
OpenAIの計算資源を見ていくと、この構造をハードウェア側から理解できます。
個人がOpenAIと同じ設備を購入する必要はありません。必要なのは、その巨大な計算基盤の上で提供されるAIを、自分の仕事やビジネスへどう接続するかです。
同じChatGPTを利用できても、質問への回答だけに使うか、大量の資料を分析するか、業務フローへ組み込むか、APIからシステムへ統合するか、AIエージェントへ実作業を委譲するかによって、得られる価値は大きく変わります。
つまり、AI時代には計算資源へのアクセスが民主化される一方で、その計算資源を何へ変換するかが人間側の重要な役割になります。
巨大な計算基盤そのものはOpenAIのような企業が構築し、その上にあるAIサービスを多くの人が共有する。利用者は、自分の知識、仕事、システム、ビジネスとAIを接続することで、その計算能力を価値へ変えていきます。
OpenAIが構築を進める10GW級のAIインフラを、RTX 5090の消費電力で単純換算すると約1,740万枚、ハイエンドPC換算では約1,000万台に相当します。
ただし、これらはあくまで電力規模を理解するための比較であり、AI性能そのものを表す数字ではありません。
実際のAIインフラでは、専用のAIアクセラレータ、高速メモリ、ネットワーク、ストレージ、冷却設備などを組み合わせて巨大なシステムとして動かしており、OpenAIが公表している計画を見る限り、その規模はすでに数百万AIアクセラレータ級へ向かっています。
重要なのは、AIインフラの巨大さだけではありません。
個人がこの設備を所有することはできませんが、ChatGPTやCodex、APIなどを通じて、その上で動くAIを利用することはできます。
かつて計算能力を増やすためには、より高性能なコンピューターを自分で購入する必要がありました。しかしAI時代には、巨大な計算基盤を自分で所有する必要性が少しずつ薄れています。
AI時代に重要なのは、巨大な計算資源を所有することではなく、その計算資源へアクセスし、自分の目的に合わせて価値へ変換できることです。
10GWという巨大な数字の先にあるのは、単なるGPUの増加ではありません。計算力そのものが巨大な共有インフラとなり、個人の手元から利用できる時代への変化です。
10GWをRTX 5090のTGP（575W）だけで単純換算すると、約1,740万枚分の消費電力に相当します。
いいえ、10GW超はStargateで確保したAIインフラの規模であり、すべてのデータセンターが現在フル稼働しているわけではありません。
OpenAIが示した2025年時点の利用可能な計算資源は約1.9GWで、2023年の0.2GWから約9.5倍に増加しています。
いいえ、約1,740万枚という数字は10GWをRTX 5090の消費電力で換算した規模であり、OpenAIのAI性能を表すものではありません。
1台あたり約1kWを消費するハイエンドPCと仮定すると、10GWは約1,000万台を同時に動かす電力規模に相当します。
AIモデルの学習だけでなく、ChatGPTやCodexなどを世界規模で提供する推論やAIエージェントの処理にも大量の計算資源が必要だからです。
個人で巨大な設備を所有しなくても、ChatGPTやCodex、APIなどを通じてOpenAIの共有計算基盤上で動くAIを利用できます。
投稿をシェアする
Web制作・デザイン・マーケティング・コンサルティング等の経験を積み、ChatGPTコミュニティ Nexus AIを立ち上げる。AI技術を活用して、コミュニティ運営に役立てている。
