AIデータセンターとGPUインフラ

AIはデータセンター業界を二つのプロダクトに分けた。5〜15kWのラックを前提に建てられたレガシー・スペースと、液冷でラックあたり60〜130kW超を供給するAIグレードの容量である。そして後者は、建った端から吸収されている。本ハブでは密度と冷却の経済性、レンタルかコロケーションかの判断、そしてGPU対応容量の探し方を、GPU価格トラッカーとaiReadyタグ付き施設カタログのライブデータに基づいて扱う。

市場環境：AIが容量パイプラインを食い尽くす

規模の数字に曖昧さはない。McKinseyの予測では、世界のデータセンター容量需要は2030年までにおよそ219GWに達し、AI対応容量は年約33%の成長を求められ、10年の終わりにはAIワークロードが総需要の**半分から約70%**を占める。この需要が着地するのは、すでに記録的な逼迫にある市場だ。北バージニアの空室率は0.5%近く、米国の建設中容量の約4分の3はプレリース済み、そしてCBREによれば北米のホールセール単価は過去最高の月額196.25ドル/kWである。AI最適化された液冷施設の事業者は、従来型スペースに対して明確な賃料プレミアムを得ている。

ハードウェア側の市場も急速に成熟した。H100のレンタル価格は、供給が正常化しB200/GB200世代が出荷されたことで、2023年のピーク時の8ドル/時超からスポットでおよそ2〜3ドル/時、1年コミット契約で約2.35ドル/時へ崩落した。この値付けの転換は、ハイパースケール未満のあらゆる規模で、建てるか借りるかの計算を変えた。そのカーブを日次で追うのがGPUトラッカーであり、表示料率の背後にある契約構造はH100レンタル価格ガイドで解説している。

買い手にとっての帰結はこうだ。AIインフラの意思決定は、いまや二つの市場をまたぐ判断になった。 物理容量（コロケーション、ドル/kW）とコンピュート（GPUレンタル、ドル/GPU時間）を同時に値踏みすることになり、最適解は稼働率、期間、ハードウェア世代によって動く。多くの助言者はどちらか一方しか扱わない。当サイトは両方を追う。

密度と冷却：100kWラックがすべてを変えた理由

現代のAI学習ラックは、データセンターが想定して建てられた物理的対象とは別物である。NVIDIA GB200 NVL72システムは1ラックでおよそ120〜132kWを消費する。企業向け標準の5〜15kWに対する数字であり、次世代のクラスター構成ではラックあたり250kW超へ向かう。この数字から、三つの技術的帰結が連鎖する。

冷却は液体になる。 ラックあたり約50kWを超えると、十分な量の空気を動かすことは物理的に現実的でない。業界は二つの方式に収斂した。

	ダイレクト・トゥ・チップ（DTC）	液浸
仕組み	GPU/CPU上のコールドプレート。CDU経由の冷却液ループ	サーバーを絶縁性の液体に浸漬
対応するラック密度	80〜132kW超（現行世代）	100〜250kW超
液体が受け取る熱	約70〜80%（残りは空気が担う）	約95〜100%
施設側の改修負担	中程度——CDU、配管、水ループ	大きい——タンク、液体の取り扱い、運用モデルの刷新
ハードウェア互換性	標準的なOEMラック（NVL72はDTC対応で出荷）	液浸対応のハードウェアが必要
2026年の市場での位置	新規AI案件での主流	ニッチ：HPC、暗号資産、極端な高密度

DTCが大半の案件で選ばれるのは、現行GPUの発熱に対応しつつ、ラックと列という運用モデルを保てるからだ。機械・電気設備の設備投資は通常7〜10%増えるが、冷却電力の削減幅は、PUEをレガシーの約1.5から1.1〜1.2へ下げるのに十分である。総電力コストで20〜25%の恒久的な節約になる。

配電は桁が上がる。 60〜130kWのラックには415V以上のオーバーヘッド・バスウェイ、大電流の給電、そしてラックあたり1,500〜2,000kgに耐える床荷重が要る。受電余力は戦略的な要素になる。 GPU1,024基のH100クラスターは全体でおよそ1.5〜2MW、16,000基規模の学習構成は25〜30MWに近づく。この規模になれば、ラックを選ぶリテールの買い手ではなく、電力を交渉するホールセールのテナントへ一気に変わる。その規模の要件についてはハイパースケール・ハブと電力ハブを参照。

選定上の含意はこうだ。世界に設置済みのコロケーション基盤の大半は、改修なしに最新のAIクラスターを収容できない。 レガシーの空冷スペースを液冷密度に改修するコストは1MWあたり200万〜400万ドルである。「GPU対応」がいま施設選定で最も重要な単一のフィルターである理由であり、当社のカタログが密度、液冷対応、受電余力を包含するaiReadyフラグを施設に付けている理由でもある。

コロケーションかGPUレンタルか：判断の枠組み

5,000万ドル規模未満のAIインフラで最も重い判断は、コロケーションにハードウェアを自社保有するか、GPU容量を借りるかである。正直な答えは思想ではなく算術だ。

借りるべき場合。 稼働率が不確実または波が大きい、プロジェクトの期間が12〜18か月未満、最先端のハードウェアが即座に必要（B200/GB200のレンタルは6か月の調達サイクルに勝る）、あるいはインフラ運用に割ける人員がゼロ——といった条件のときだ。コミット価格で約2.35ドル/時なら、H100はGPU1基あたり年間約20,600ドルであり、電力、冷却、ネットワーク、ハードウェアのリスクはすべて提供者側にある。

コロケーションすべき場合。 2年以上にわたって高稼働（60%以上）を維持する、ワークロードのデータにデータ所在地やセキュリティの制約がある、あるいはレンタルのマージンが自社の運用コストを上回るほど規模が大きい場合である。H100ノードの自社保有は、設備投資でGPU1基あたりおよそ2万5,000〜3万ドル、加えてコロケーションの電力とスペースで年間3,000〜5,000ドル/GPUかかる（1kWhあたり0.08〜0.12ドルの市場での話であり、東南アジアのコロケーションが推論向け機材群にとって魅力的な理由の一つでもある）。高稼働を3年続ければ、自社保有はレンタルより30〜50%安く着地するのが通例だ。ただし稼働率が維持されればの話である。

損益分岐点は、継続使用で12〜18か月あたりにある。 これを後ろへ押す要因が二つ。GPUの世代交代（自社保有のH100群は2年目に次世代のレンタルと競合する）と、レンタル価格の下落（市場は2年で60〜70%ほど値下がりした）である。前へ引く要因が一つ。最新世代のレンタル容量は投入時に希少で割高であり、それがまさに学習需要のピークと重なる。

洗練されたチームは、次第に折衷へ進んでいる。ベースラインの推論負荷に合わせて自社保有・コロケーションの容量を確保し、学習のバーストや新世代の検証にはレンタル容量を充てる。このポートフォリオの両側を値付けするには両市場のライブデータが要る。それこそが当サイトが指数とGPUで公開している中核である。

GPU市場は階層化した——「GPU」ではなく世代を値付けする

「GPU価格」はいまや、それぞれ異なるカーブで動く四つの市場である。これらを混同することが、当社が目にする最もありふれた、そして最も高くつく分析上の誤りだ。

階層	ハードウェア	2026年の市場の挙動
フロンティア	GB200/B200クラス	希少で割高。売られるというより割り当てられる。H100料率の数倍
主力	H100/H200	流動的で競争的。スポットで約2〜3ドル/時、1年コミットで約2.35ドル/時
バリュー	A100以前	大幅に割安。ファインチューニング、小型モデル、バッチ推論には十分
推論最適化	L40Sおよび専用品	学習FLOPsではなく、トークン提供の採算で値付けされる

カーブを支配する力学は三つある。世代のカスケード。 新しい旗艦が出るたび、前世代は約1年で30〜50%下がる。H100を8ドル/時超からコミット2.35ドルへ運んだのがこのパターンだ。契約期間による差。 同一ハードウェアでも、スポット、月次、1〜3年コミットの料率は40%以上開くことがある。契約期間をワークロードの確度に合わせることは、提供者の選定と同じだけの価値がある。提供者による分散。 同じGPUでも、ハイパースケーラーの定価は専門GPUクラウドの料率の2〜4倍であり、その差は主力階層で最も大きい。GPUトラッカーは全階層の現状を維持している。単一の提示値は——当社が前四半期に出したものも含め——速く動くカーブのスナップショットとして扱うべきだ。

ネットワーク：買い手が気づくのが遅すぎる第三の柱

AIクラスターが躓く原因は、電力や冷却よりもネットワークであることが多い。学習は同期型のワークロードだからだ。数千基のGPUがステップごとに勾配を交換し、最も遅いリンクがクラスター全体のペースを決める。容量の買い手にとっての実務的な含意は次のとおり。

• 東西トラフィックが支配する。 GPU1,024基のクラスターには、ノンブロッキングの400/800Gファブリック（InfiniBandまたはRoCEイーサネット）が必要だ。スイッチと光モジュールでGPU1基あたり2,000〜4,000ドルに達することが多く、このコストはアクセラレーター本体と並んで設備投資モデルに入れなければならない。
• 学習において物理的な近接は譲れない。 ファブリックの遅延予算により、学習クラスターは一つのホール、あるいは隣接するホールの内側に収まる。学習クラスターを2棟にまたがって縫い合わせることはできず、まして2施設にまたがることは不可能だ。その結果、施設の選択肢は連続した広いGPU対応スペースを持つサイトに限られる。カタログのaiReadyによる絞り込みが扱うもう一つの側面である。
• 推論は分散し、学習は集中する。 提供側のトラフィックは通常のメトロ遅延に耐えるため、ハブ・アンド・スポーク構成が成立する。重量級のクラスターはホールセール・スペースに、推論ノードは利用者の近くに置く（エッジ・ハブを参照）。

GPU構成のためにコロケーションの提案を比較する際は、多芯ファイバー・ファブリックに対応した構造化配線、数量ベースのクロスコネクト価格（400Gリンクが数十本になれば計算は変わる。コロケーション・ハブの隠れコストの節を参照）、そしてハイブリッド構成ならクラウド接続点について、具体的に確認すべきである。

AI容量をどこに置くか：地理は動いている

AIのワークロードは、利用者に直接向き合うアプリケーションより遅延に寛容である。学習ジョブは、アッシュバーンで走ろうとジョホールで走ろうと気にしない。この寛容さが、米中核市場の1%未満の空室率と215ドル/kW超の価格を前に、AI容量を電力が豊富で低コストな市場へ振り向けている。米国の二次都市、北欧、中東、そしてとりわけ東南アジアだ。タイのBOIは2025年におよそ7,460億バーツのデータセンター投資を承認し、ジョホールのパイプラインはおよそ4〜5GWに達し、マレーシアはAIグレードの案件を明示的に優先するようになった。1kWhあたり0.08〜0.12ドルの産業用電力と、米国より20〜40%低い建設コストは、大規模に機材を回す事業者にとって、そのままGPU時間単価の低下につながる。地域全体の見取り図は開発ハブとタイの分析にある。

Coloprice にできること：コロケーションとGPUの橋渡し

他のどの情報源も、この市場の半分しか扱っていない。コロケーションのディレクトリはGPU価格を追わず、GPUのマーケットプレイスは物理容量を扱わない。実際の判断——コンピュートを借りるか、ハードウェアを配置するか、その中間か——は両方にまたがる。だから橋を架けた。

• ライブのGPU価格を無料で。 GPUトラッカーは提供者と世代を横断してレンタル料率を監視している。コミット約2.35ドル/時からのH100から、現行のB200/GB200のプレミアムまで。どの提供者の見積もりも数秒でベンチマークできる。契約構造はH100価格ガイドで読み解ける。
• GPU対応施設を絞り込む。 202施設のカタログには、高密度給電と液冷対応を包含するaiReadyフィルターがある。「世界のどの施設が実際に100kWラックを収容できるのか」という問いを、数週間のRFIメールから2分のクエリに変える。
• 二つの市場を一つのベンチマークで。 コロケーション単価とGPU料率を並べ、統計の市場供給データも合わせれば、前述のレンタル対コロケーション・モデルに必要な入力が一式そろう。
• 1営業日以内のマッチング見積もりを無料で。 液冷20ラックのクラスター、東南アジアで2MWのGPU対応スペース、あるいはベンチマークしたいGPUレンタルのコミット——要件を見積もりフォームに書けば、当社が精査した施設と提供者から、1営業日以内にマッチした選択肢を返す。掲載料が候補リストを歪めることはなく、「見積もりを依頼」のブラックボックスもない。
• 掘り下げた解説。 ドル/kW側はコロケーション価格ガイドから、AI容量を買うのではなく出資する立場なら投資ガイドから始めるとよい。

AIインフラは、テクノロジー分野で最も速く値付けが変わる市場である。GPU料率は2年で60%以上動き、コロケーションは逆方向に6〜12%動いた。古いデータに基づく判断は双方向に高くつく。一方ではコンピュートに払いすぎ、他方では誤った施設に資本を固定してしまう。GPUを確認し、施設カタログで絞り込み、指数に照らしてベンチマークし、見積もりに、実在する比較可能な提案を1営業日以内で机上に届けさせるとよい。