2026-06-18 — views
フィジカルAIのエネルギーフットプリント——自動運転車とヒューマノイドロボットの環境コスト
LIDARセンサー、学習計算量、レアアース素材：自動運転車とヒューマノイドロボットのライフサイクル環境コストを包括的に解析。
フィジカルAIベンチマークシリーズ第70弾——環境コスト
自動運転車とヒューマノイドロボットは、クリーンテクノロジーの勝利としてしばしば位置づけられる。電動モーターが内燃エンジンを置き換え、ソフトウェア知性が人間のエラーを排除する。このフレームは部分的に正確だ。しかし、それは推進エネルギーのみを捉えている——LIDARセンサースイート、センサー融合計算スタック、数十億マイルのシミュレーション学習、さらには砒化ガリウムレーザーダイオードとネオジム磁石アクチュエーターの採掘フットプリントを加えると、推進エネルギーだけでは全体像を語れない。
AVフリートが数千台の商業車両を超えてスケールし、ヒューマノイドロボット生産が意味ある製造規模に近づく中、フィジカルAIの完全なライフサイクル環境コストは、規制当局、機関投資家、そしてサステナビリティ志向の調達チームにとって重要な問題となりつつある。本記事は、5つの次元からこのコストを体系化する：1マイルあたりの運用エネルギー、学習計算量のカーボンコスト、センサー製造素材、フリートスケールの電力網への影響、そして2大AVオペレーターの異なるサステナビリティ定位。
第1節——1マイルあたりのエネルギー：AV vs 人間運転EV vs ICE
あらゆる車両において最も直接的な環境問題は、1マイルあたりのエネルギー消費量だ。AVの場合、この計算には従来のEVにはない2つの要素が加わる：センサーアレイと、センサーデータをリアルタイム処理するためのオンボード計算スタックだ。
| 車両タイプ | 推進エネルギー (kWh/マイル) | オンボード計算エネルギー (kWh/マイル) | 合計エネルギー/マイル | 備考 |
|---|---|---|---|---|
| ICEセダン（米国平均） | ~1.1 kWh/マイル（等値） | ~0 | ~1.1 kWh/マイル equiv. | ガソリン；33.7 kWh/ガロン換算；平均30 mpg |
| コンシューマーEV（Tesla Model 3） | ~0.25 kWh/マイル | ~0.002 kWh/マイル | ~0.252 kWh/マイル | 高効率；最小のオンボード計算 |
| FSD搭載EV（HW4） | ~0.25 kWh/マイル | ~0.005–0.008 kWh/マイル（推定） | ~0.257 kWh/マイル | FSD HW4計算で約2–3%の追加エネルギー消費（推定） |
| Waymo Gen 5（Jaguar I-PACE） | ~0.35 kWh/マイル（I-PACEベース） | ~0.08–0.15 kWh/マイル（推定） | ~0.43–0.50 kWh/マイル（推定） | LIDARスイート+全センサーアレイ+計算は大きな負荷 |
| Waymo Gen 6（専用車） | ~0.28 kWh/マイル（推定、軽量車体） | ~0.05–0.10 kWh/マイル（推定） | ~0.33–0.38 kWh/マイル（推定） | 専用車体でベースエネルギー消費低減；計算効率向上 |
| Tesla Cybercab（目標） | ~0.20 kWh/マイル（推定、2座席専用車） | ~0.005–0.008 kWh/マイル（推定） | ~0.205–0.208 kWh/マイル（推定） | カメラのみスタック——LIDARの電力消費なし；最小計算フットプリント |
フルスタックAVとシンプルなコンシューマーEVの最大のエネルギー格差の原因はLIDAR——センサー自体と、そのポイントクラウドデータをリアルタイム処理するための計算資源の両方だ。1台の回転式機械LIDARユニットは8–25Wを継続的に消費できる。Waymoの完全なセンサースイート——LIDARアレイ、レーダー、カメラ、そしてすべてをリアルタイムで融合する計算スタック——は1–3kWの継続的消費電力と推定され（推定）、同等のEVプラットフォームと比較して1マイルあたりのエネルギー消費が約30–60%増加する。
Teslaのカメラのみのアーキテクチャは、このセンサーエネルギーオーバーヘッドを完全に排除する。Cybercabは専用の軽量ハードウェア上でビジョンオンリースタックを実行し、すべての商業ロボタクシープラットフォームの中で最低の1マイルあたりのエネルギー消費を目標としている。これはビジョンオンリーアーキテクチャの過小評価されている環境上の優位性の一つだ——フリートスケールでは、この優位性が倍増する。
第2節——学習計算量：AVに運転を教えるためのカーボンコスト
商業AVが現実世界で安全に走行する1マイルの背後には、桁違いの数のシミュレーションマイルが存在する。現代のAVスタックを動かすニューラルネットワークの学習——そして学習データを生成するシミュレーションパイプラインの実行——は、最大の基盤モデルに匹敵する規模で計算資源を消費する。
| システム | 学習計算量（推定） | 消費エネルギー（推定） | CO2換算（推定） | 備考 |
|---|---|---|---|---|
| GPT-4（参照点） | ~2.1x10²⁵ FLOPs（OpenAI公開推定） | ~50 GWh（推定） | ~25,000トンCO2（推定） | 規模の参照 |
| Tesla FSD（累積、2024年） | 非開示；Dojoクラスター~1 exaFLOP能力 | 非開示 | 非開示 | Tesla DojはカスタムD1チップを使用；GPUクラスターより効率的（推定） |
| Waymo（累積） | 非開示 | 非開示 | 非開示 | Google Cloud TPUを使用；Googleの再生可能エネルギーコミットメントによるエネルギーミックス |
| Waymoシミュレーション | ~200億シミュレーションマイル/年（推定） | 大規模クラウド計算 | Google 100%再生可能電力購入契約で一部相殺（推定） | シミュレーションが主要な学習データ倍増器 |
| ヒューマノイドロボット学習（新モデルごと） | AVより小規模（データ多様性要件が低い） | ~1–10 GWh（推定） | ~500–5,000トンCO2（推定） | 非常に粗い推定；公開データなし |
シミュレーションは、現代のAVシステムを実現可能にする学習データの倍増器だ。Waymoは年間数百億のシミュレーションマイルを実行していると報告されており——実際のフリートマイルをはるかに超えている。シミュレーションの計算コストは無視できないが、Googleの再生可能エネルギー調達は電力購入契約を通じて相当部分を相殺している。TeslaのDojoクラスターはニューラルネットワーク学習に最適化されたカスタムD1チップで構築され、主にテキサス州のERCOT電力網で稼働している——Google Cloudの再生可能エネルギーマッチング計算と比べてカーボン強度が本質的に異なる。
第3節——センサー製造：レアアースと素材コスト
フィジカルAIの環境コストは、車両が車輪を回す前から始まる。AV運用を可能にするセンサーアレイには、供給チェーンが集中し、有毒な副産物を生み、ライフサイクル末期のリサイクル経路が限られた素材が必要だ。
| コンポーネント | 主要素材 | 環境問題 | 備考 |
|---|---|---|---|
| LIDAR（回転式/固体） | 砒化ガリウム（GaAs）、砒化インジウムガリウム（InGaAs）、レーザーダイオード用アルミニウム砒化ガリウム | GaAs/InGaAs採掘は有毒な砒素廃棄物を生成；リサイクル経路が限られている | 各WaymoにはLIDARユニットが複数搭載 |
| カメライメージセンサー | シリコン（豊富）；カラーフィルター内の一部レア素材 | LIDARより低い環境影響 | 商品規模の製造 |
| レーダーモジュール | シリコン、mmWave用窒化ガリウム（GaN） | GaN製造の環境フットプリントは適度 | 規模化製造が増加中 |
| AI計算チップ（NVIDIA DRIVE、Tesla HW4） | シリコン、タングステン、コバルト、ハフニウム（EUVゲート誘電体） | TSMC工場の水使用量~156,000トン/日；工場化学薬品有害廃棄物 | 水資源が逼迫する台湾のTSMC工場は長期供給リスクを提示 |
| 電動モーター（AV+ヒューマノイド） | ネオジム、ジスプロシウム（レアアース磁石） | 中国がレアアース加工の約85%を支配；採掘と加工が高度に汚染 | 全てのEV牽引モーターとヒューマノイドアクチュエーターに適用 |
| 電池（AV+ヒューマノイド） | リチウム、コバルト（NMC）、LFP（鉄、リン酸塩） | リチウム採掘（塩水/硬岩）が生態系を乱す；コンゴ民主共和国のコバルト採掘に人権問題；LFPがコバルト依存を低減 | TeslaのLFP移行でコバルトエクスポージャーを低減 |
LIDARレーザーダイオードの砒化ガリウムサプライチェーンは、AVプラットフォーム特有の最も緊急な素材問題だ。シリコンと異なり、砒化ガリウム製造は砒素含有廃棄物流を生成し、安全な処分オプションが限られている。LIDARユニットは既存の電子廃棄物リサイクルプログラムの対象外でもある——商業フリートが車両を更新し始めるにつれ、センサーのライフサイクル末期処理は未解決の責任問題となっている。
第4節——フリートスケールの電力網への影響
フリートが小規模の段階では、AVの充電負荷は既存の電力インフラに吸収され、目立った影響を与えない。フリートが数万〜数十万台に拡大するにつれ、総充電需要は電力網計画の考慮事項となる——ヒューマノイドが工場に本格的に展開される規模では、中規模都市の産業負荷に匹敵するものとなる。
| シナリオ | フリートサイズ | 日次エネルギー需要 | 電力網換算 | 備考 |
|---|---|---|---|---|
| Waymo現状 | ~1,500台（推定） | ~1,500 x 200マイル/日 x 0.45 kWh/マイル = ~135 MWh/日（推定） | ~5,600米国家庭分（推定） | 適度；地域電力網に完全吸収 |
| Waymo 10,000台時 | 10,000 | ~900 MWh/日（推定） | ~37,500米国家庭分（推定） | ピーク需要急増を避けるため管理充電が必要 |
| Tesla Cybercab 100,000台時 | 100,000 | ~100,000 x 200マイル x 0.21 kWh/マイル = ~4,200 MWh/日（推定） | ~175,000米国家庭分（推定） | 大きな需要；オフピーク時間帯に分散必要 |
| ヒューマノイドロボット（工場100万台） | 1,000,000 | ~1M x 8時間 x 0.5 kW = ~4,000 MWh/日（推定） | ~167,000米国家庭分（推定） | 工場設置；オフピーク時間帯に移行可能 |
V2G（ビークル・ツー・グリッド） は、電力網への影響の議論を根本から覆す正の外部性だ。50 kWhのバッテリーを搭載し、平均充電状態50%の10万台のAVフリートは、約2,500 MWhの分散型蓄電——公益規模の電池設備に相当——を代表する。V2G対応のAVフリートはピーク需要ウィンドウ中に電力網バランスサービスを提供し、充電負荷を相殺し、純粋に電力網安定化の恩恵をもたらす可能性がある。
第5節——サステナビリティの定位：Waymo vs Tesla
2大AVプラットフォームは構造的に異なるサステナビリティプロファイルを持つ——主に、環境影響が競争上の差別化要因になる何年も前に行われたセンサーアーキテクチャの選択によって決まっている。
| 次元 | Waymo | Tesla |
|---|---|---|
| エネルギー源（学習） | Google Cloud——100%再生可能エネルギーマッチ（電力購入契約） | Dojo自社——テキサス電力網（推定ERCOT 2026約25%再生可能、推定） |
| 車両エネルギー効率 | 1マイルあたり高い（フルLIDARスイート）；Gen 6で改善 | 1マイルあたり低い（カメラのみ、軽量Cybercab）；構造的優位性 |
| フリート充電の再生可能割合 | デポ充電はPPAによる再生可能マッチングが可能 | スーパーチャージャーネットワーク約70%再生可能（Tesla公開推定） |
| センサーのライフサイクル末期 | LIDARユニットのリサイクルプログラム未発表 | リサイクルするLIDARなし；カメラセンサーは汎用品 |
| レアアースエクスポージャー | 高い——LIDARレーザーダイオードはGaAs/InGaAsを使用 | 低い——カメラのみでレアアースセンサーエクスポージャーを低減；EVバッテリー磁石エクスポージャーは残存 |
| カーボン開示 | Alphabetが年次サステナビリティレポートを発表；Waymoを含む | Teslaがインパクトレポートを発表；詳細な車両ライフサイクル分析を含む |
| 総合評価 | 高い運用フットプリント（LIDAR）、Googleの再生可能学習で一部相殺 | 1マイルあたりの運用フットプリントは低い；年間600万台以上の製造フットプリントが支配的項目 |
第6節——投資家シグナル
環境影響は、AVオペレーターにとって評判上の配慮から規制・財務上の問題へと移行しつつある。EUカーボン国境メカニズム、米国SEC気候情報開示規則、そして機関投資家のESGマンデートが、ライフサイクルカーボンプロファイルに対して具体的な財務的影響をもたらしている。
LIDARのエネルギー割増は、スケールで運用するフルスタックAVオペレーターにとって持続的な1マイルあたりのコスト逆風だ。センサーのライフサイクル末期の未解問題——砒素含有LIDARコンポーネントの既存リサイクルプログラムの欠如——は、第1世代フリートが退役し始める際に規制・責任上のエクスポージャーへと進化するだろう。
V2G能力は、現在のESGフレームワークが過小評価している真の環境上のアップサイドだ。電力会社パートナーとのV2G商業協議を確立したフリートオペレーターは、充電フットプリントを意味ある形で相殺する電力網安定化クレジットを請求でき、従来のフリート運用に類例のない収益源を創出できる。
第7節——このシリーズについて
これはフィジカルAIベンチマークシリーズの第70弾だ。本記事は環境の次元を追加する：ICEから純視覺ロボタクシーまでの完全なAVエネルギースペクトル、大規模シミュレーション学習計算のカーボンコスト、AVサステナビリティ分析が通常省略するセンサー製造素材とレアアースサプライチェーン、複数の展開シナリオにわたるフリートスケールの電力網への影響、そしてセンサーアーキテクチャの選択によって駆動されるWaymoとTeslaの異なるサステナビリティ定位。
注： エネルギー消費数値、フリートサイズ推定、電力網換算計算、学習計算量推定は「（推定）」と表示されており、一次データが利用できない場合の公開報告、業界分析、アナリスト推定を反映している。本記事で分析するすべての次元を網羅した完全なライフサイクル環境開示を発表したAVオペレーターは存在しない。本記事は投資アドバイスを構成するものではない。
ソース
- Alphabet サステナビリティレポート — Google環境報告書 ↗
- Teslaインパクトレポート — Tesla ↗
- TSMC水使用量とサステナビリティ — TSMC CSRレポート ↗
- Waymoの安全性と運営 — Waymo ↗
- レアアースサプライチェーン — IEA重要鉱物レポート ↗