問題設定
Superintelligence（超知能）の実現を目指すAI企業群にとって、ボトルネックはアルゴリズムではなくインフラである。この命題を建築・都市設計の側から分析すると、都市を「一つの計算システム」として捉える設計フレームワークが必要になることが見えてくる。本稿では、AIインフラを構成要素に分解し、それぞれが建築的にどのような設計課題を生むかを整理する。
1. AIインフラを構成要素に分解する
一つの大規模AIデータセンターを機能させるために必要な要素を分解すると、次のレイヤーに整理できる。
- 演算レイヤー：GPU・サーバー群（数十万枚規模）
- 電力レイヤー：発電・送電・変電（数百MW〜GW級）
- 冷却レイヤー：冷却水・空調・排熱処理
- 通信レイヤー：高速ネットワーク網
- 物理インフラレイヤー：用地・道路・上下水道
- 人的インフラレイヤー：保守要員とその居住環境
この6レイヤーは相互依存関係にあり、いずれか一つが欠けてもシステム全体が機能しない。従来の「建物単体の設計」は、このうち物理インフラレイヤーの一部にしか対応していない点に注意が必要である。
2. 立地評価関数の変化
都市の立地優位性を評価する関数は、産業構造の変化に応じて変数を変えてきた。
- 工業化時代：
f(港湾, 鉄道, 労働力) - 商業化時代：
f(交通利便性, 人口集積, 地価) - AIインフラ時代：
f(電力単価, 冷却水可用性, 用地面積, 通信帯域, 災害リスク, エネルギー安全保障)
この評価関数の変数群は、従来の都市計画理論が扱ってこなかったパラメータを多く含む。都市計画・建築設計に携わる技術者は、この新しい評価関数を前提に立地・設計判断を行う必要がある。
3. 陳腐化速度と建築耐用年数のミスマッチ
AIインフラの技術更新サイクルは短い。GPU世代交代・冷却方式・電源仕様の変更は数年単位で発生する一方、一般的な建築物の物理的耐用年数は数十年単位で設計される。この非対称性が、従来型の固定的建築計画を機能不全に陥らせる根本原因である。
この問題への対応として、以下の設計原則が有効になる。
- DfMA（Design for Manufacture and Assembly）：製造・組立プロセスを前提化し、更新コストを低減する
- DfD（Design for Disassembly）：分解・再構成を前提化し、資材の再利用性を確保する
- CLTモジュール構法：軽量・高精度な木造パネルによる可変的な空間構成
これらは、可変性（Variability）を建築システムに内在させることで、陳腐化速度と建築耐用年数のミスマッチを緩和するアプローチと位置づけられる。
4. 歴史的類推：インフラ革命のパターン
過去のインフラ革命を振り返ると、共通する構造が見える。
| 技術革新 | 直接的な変化 | 都市への波及 |
|---|---|---|
| 蒸気機関 | 鉄道網の形成 | 都市配置の再編 |
| 電力網 | 工場の形態 | 産業都市の形成 |
| インターネット | 情報量の増加 | 情報社会の形成 |
| AI（超知能） | インフラ巨大化 | AI都市の形成 |
いずれのケースでも、社会を変えたのは技術そのものではなく、その技術を支えるインフラの物理的展開だった。この類推に従えば、AI革命の本質的なインパクトは、都市のインフラ構造そのものの再編として現れると考えられる。
5. 日本の位置づけに関する分析
東京を評価関数 f(電力単価, 冷却水可用性, 用地面積, 通信帯域, 災害リスク, エネルギー安全保障) に当てはめると、通信帯域では優位だが、用地面積・電力単価・建設コストの面では劣位にある。つまり、大規模データセンター誘致という競争軸では構造的に不利である。
一方で、要素技術（木造モジュール構法・循環型建設・分散型エネルギー・都市OS）の実証フィールドとしては、高度な建設技術と人材の蓄積を活かせる可能性がある。日本国内の技術者にとっての現実的な機会は、この要素技術レイヤーに存在すると分析できる。
まとめ：設計対象のスコープ拡張
以上の分析から導かれる結論は、建築・都市設計の対象スコープを「建物」から「都市システム」へ拡張する必要がある、という点に尽きる。演算・電力・冷却・通信・物理インフラ・人的インフラという6レイヤーを統合的に扱う視点が、今後の設計実務において不可欠になる。
この分析の思想的背景——都市を固定された完成品ではなく代謝し続けるシステムとして捉える視点——について、菊竹清訓のメタボリズム理論を参照しながら論じた記事をSubstackで公開している。あわせて参照されたい。