最終的に、AIフェクトリー（AI Factory）とは何なのか。データを蓄える倉庫にすぎなかった従来のデータセンターとは異なり、データと電力を原料にして「知能」という成果物を大量生産する次世代の施設である。
この施設は、AIの結果物である「トークン」を大量に生み出す工場として理解できる。SKのメモリ半導体とエヌビディアのGPUを組み合わせ、莫大なデータを効率よく計算する仕組みだ。
ジェンスン・ファンCEOが広めたこの概念は、データを保管していた倉庫が、トークンという高付加価値製品を絶えず生産する工場へと変わるという発想に基づく。
AIフェクトリーを理解するには、まず従来のデータセンターを見なければならない。データセンターは、写真や動画、文書などの情報を保存し、やり取りする巨大な倉庫だ。メッセンジャーで送った写真がどこかに保存され、検索結果が一瞬で表示されるのも、この施設のおかげである。
AIフェクトリーはここから一歩進む。情報を蓄えるだけでなく、データと電気を原料にして「知能」という成果物を生み出す。ジェンスン・ファンは、データを保管する倉庫が「トークン」という高付加価値製品を絶えず生産する工場に変わると表現してきた。
ここで鍵となるのがトークンだ。トークンとは、AIが言葉を扱う最小単位を指す。「私はあなたが好きだ」という文は、AIの中では「私」「は」「あなたを」「好きだ」といったトークンに分かれる。AIはこれらを一つずつ予測しながら文章を作る。トークンを多く、速く生み出せるほど、より多くの答えや分析、画像、コードを出力できる。
工場にたとえると、そのイメージはより明確になる。自動車工場が鉄板や部品を投入して完成車を生産するように、AIフェクトリーはデータと電力を投入してトークンを作り出す。原材料がデータと電気なら、生成される製品はAIが生み出す知能だ。
この工場を動かす設備も、一般的なデータセンターとは異なる。核心はグラフィックス処理装置（GPU）だ。本来はゲーム画面を描くためのチップだが、同じ計算を大量に一気に処理することに強く、AIの頭脳の役割を担う。
その横には、データを超高速で運ぶ高帯域幅メモリー（HBM）が付く。さらに電力、冷却、ネットワーク、運用ソフトウェアが一体となり、巨大な一つの装置として稼働する。
規模も桁違いだ。先端AIを学習させるには、GPU数千個をネットワークでつなぎ、一つの巨大コンピューターのように動かさなければならない。エヌビディアが、かつて半導体を売る企業から、今ではこうした設備全体を設計する「インフラ企業」へ変わったと宣言した理由がここにある。AIフェクトリーは、チップ1枚ではなく、工場ごと丸ごと設計する事業なのだ。
工場から出てくる「製品」は目に見えない。AIフェクトリーが大量生産するトークンは、チャットボットの回答になり、外国語翻訳になり、新薬候補物質を探す分析になり、自動運転車が道を読み取る判断になる。ひとつの工場が、何千種類もの知的サービスを同時に生産するわけだ。鉄鋼工場が自動車から建物の骨組みまで、あらゆる製品の土台となったように、AIフェクトリーが生み出す知能は、ほぼすべての産業の原料となる。
AIフェクトリーが注目される背景には、爆発的に拡大する需要がある。生成AIが文章や画像、コードを作り出し、自ら複数の段階を処理する「AIエージェント」まで登場したことで、処理しなければならない計算量が急増した。人々がチャットボットに問いかけ、答えを受け取るそのたびに、トークンが消費される。
従来のデータセンターは、この用途に合わせて設計されていない。汎用データセンターは、さまざまな作業を幅広く処理するよう作られている。
一方、AIの処理は、同じ計算を膨大に繰り返す特性があるため、最初からAI向けに丸ごと設計した施設でなければ真価を発揮できない。AIフェクトリーがGPUとメモリー、電力を一体化させる理由はそこにある。
AIの作業は大きく二つに分かれる。AIを教える「学習」と、学習したAIが実際に答えを出す「推論」だ。学習が一度に莫大な資源を使う工程だとすれば、推論は利用者が増えるほど終わりなく繰り返される。チャットボット利用者が数億人に膨らんだ今、推論コストをいかに下げるかが事業の成否を左右する。
この局面で決定打になるのが電力だ。AIフェクトリーは都市ひとつ分に相当する電力を消費する。SKテレコムとエヌビディアが建設する施設も、ギガワット（GW）級になるといわれる。1ギガワットは大都市ひとつの電力消費量に匹敵する規模だ。休みなく稼働するGPUが放つ熱を冷やすための冷却にも、膨大な電力と水が必要になる。
そのため業界の競争軸は「電力あたりのトークン」に集約される。同じ電力を投入して、より多くのトークンを生み出す側が優位に立つ。電力効率を高めるため、推論に特化した新しいチップが相次いで登場し、同じ設備でより多くのトークンを生み出すソフトウェア技術も急速に進歩している。結局のところ、AIフェクトリーは「電気を知能に変える効率」を競う舞台なのだ。
AIフェクトリーが単なる大規模データセンターにとどまらない理由は、「AI主権」と結びついているからだ。自国の言語やデータ、価値観を反映し、自国のインフラ上で動くAIは、しばしば「ソブリン（自立型）AI」と呼ばれる。これを実現する土台こそがAIフェクトリーである。
専門家は、AIインフラ競争で一度遅れれば追いつくのは難しいとみる。膨大な電力と半導体、資本が一度に必要になるためだ。台湾がエヌビディアと国家レベルの戦略を練るのも同じ文脈にある。AIを借りて使うだけなのか、それとも自ら作り供給する能力を持つのかが、国家競争力の基準になった。
競争はすでに国境を越えて進んでいる。米国のビッグテックは数百兆ウォンを投じてAIフェクトリーを建設しており、豊富な資本とエネルギーを持つ中東の産油国も国家プロジェクトとして参入した。AIフェクトリーは「企業の電算室」から「国家の発電所であり工場」へと格上げされたのだ。電気を多く持つ国が、より多くの知能を持つ国になる構図ができつつある。
AIフェクトリーは、産業の頭脳としての役割も担う。工場のセンサーや生産管理システムから出るデータをAIが読み取り、判断し、制御する。自動運転車やロボット、通信網にも知能を供給する。ジェンスン・ファンが「未来の通信網はビットを運ぶ網ではなく、AIが結合したネットワークだ」と語ったのも、この流れを指している。
韓国が慌ただしいのはこのためだ。SK、サムスン、現代自動車、ネイバー、斗山はエヌビディアに核心技術を提供すると同時に、完成したAIフェクトリーを使う需要先としての役割も担う。
メモリー半導体を手がけるSKハイニックスとサムスン電子は、AIフェクトリーの心臓部に入るHBMで世界的な強者だ。ネイバーは独自データセンター「各世宗」を運営しながら知見を積んできた。SKテレコムは通信網運営の経験を生かし、国内産業にAI計算を供給する要所を狙う。
冒頭で触れたSKの日本でのAIフェクトリー計画は、この流れを示す一場面だ。チェ・テウォン会長は、大都市ひとつの消費電力に匹敵するギガワット（GW）級施設を想定し、広い土地と電力を確保できる候補地を探していると明らかにした。
日本を選んだ理由としては、半導体の素材・装置エコシステムが整っている点を挙げた。日本企業のAI活用を支援し、自社の半導体技術を広める「ショーケース」とする構想に加え、韓日経済をひとつにつなぐ「経済共同体」のビジョンも示した。
残された課題は明確だ。AIフェクトリーには、莫大な電力と広い土地、安定した冷却水、専門人材が一度に求められる。首都圏はすでに電力も用地も逼迫している。電気と半導体、敷地と人材を同時に備えた場所こそが、トークンを最も安く、最も多く生産できる工場を抱えることになる。
いまは、知能そのものがインフラになる時代だ。かつて産業化の尺度が鉄鋼と電力だったように、AI時代の尺度はトークンを生産する能力である。誰がAIフェクトリーを最初に、どれだけ効率よく建設するかが、次の10年の産業地図を描き直す。