デジタルインフラ効率とカーボンリバウンドリスク：39か国2018-2024年の持続可能な移行に関する国際比較証拠

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:This paper offers a robust empirical framework (fixed effects, threshold regression, IV) for analyzing rebound effects in the ICT sector and the impact of AI computing surges on carbon intensity.

🏢実務担当者:Data center operators and ICT companies should note that improving PUE alone may not reduce carbon emissions without concurrent renewable energy expansion and absolute emission caps; these insights can inform sustainability strategies and disclosure.

🏛政策担当者:The study provides quantitative evidence that supply-side energy transition is insufficient to offset digital sector growth; regulators should consider absolute carbon caps and renewable energy mandates for ICT infrastructure, especially given the AI boom.

デジタルトランスフォーメーションとグリーン開発への相乗的な移行は、知識生産における持続可能な開発を達成するための中核的な経路として広く認識されている。2018年から2024年を対象とした39の経済圏のバランスパネルデータを用いて、本研究は双方向固定効果モデルを採用し、デジタルインフラのエネルギー効率およびエネルギー構造と炭素強度（CI）との関連を検証した。主な知見は以下の通りである：（1）Power Usage Effectiveness（PUE）値の低下は、マクロレベルのCI上昇と有意に関連しており（係数 = −2.1564、p < 0.05）、これはデジタル部門におけるリバウンド効果の可能性と整合的である。さらに、時系列の不連続性検定は、AI計算能力の急増、特に2023年から2024年において、この関係の構造的変化と同時期に生じた可能性を示唆した（Chow検定、p < 0.05）。（2）Panel Threshold Regression（PTR）により、最適な再生可能エネルギー閾値が59.82%と特定された。極めて重要なことに、炭素リバウンド効果は高グリーン電力および低グリーン電力の両レジームにおいて高度に有意であり続け、供給側のエネルギー転換のみではデジタル拡大の指数関数的な炭素フットプリントを完全に吸収できないことを実証している。さらに、操作変数法（IV-2SLS）およびプラセボ破壊検定により、これらの知見の厳密な妥当性が確認された。（3）デジタル知識スピルオーバーに関連する排出削減効果は、タイムラグと可能性のあるエネルギー・ロックイン効果の影響を受けるようであり、一方で現在の環境政策と炭素価格付けメカニズムは不十分な制約しか課していないように見える。本研究は、ICT部門の環境持続可能性を監視・評価するための重要な定量的枠組みを提供する。純粋な供給側のグリーン化の限界と絶対的な炭素上限の必要性を強調することにより、我々の知見は、生成AIの指数関数的成長をグローバルな持続可能な開発目標と整合させるための統合的政策的アプローチを提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

The synergistic transition toward digital transformation and green development has been widely regarded as a core pathway to achieving sustainable development in knowledge production. Using balanced panel data from 39 economies covering 2018–2024, this study employed a two-way fixed-effects model to examine the associations of the energy efficiency of digital infrastructure and the energy structure with carbon intensity (CI). The findings showed that: (1) Reductions in Power Usage Effectiveness (PUE) values were significantly associated with higher macro-level CI (coefficient = −2.1564, p < 0.05), which is consistent with the possibility of a rebound effect in the digital sector. Further, time-series discontinuity tests further suggested that the surge in AI computing power, especially in 2023–2024, may have coincided with a structural shift in this relationship (Chow test, p < 0.05). (2) A Panel Threshold Regression (PTR) identified an optimal renewable energy threshold at 59.82%. Crucially, the carbon rebound effect remained highly significant across both high and low green power regimes, demonstrating that supply-side energy transition alone cannot fully absorb the exponential carbon footprint of digital expansion. Furthermore, Instrumental Variable (IV-2SLS) and Placebo Break Tests confirmed the strict validity of these findings. (3) The emission-reduction benefits related to digital knowledge spillovers appeared to be subject to time lags and a possible energy lock in effect, while current environmental policies and carbon pricing mechanisms appear to impose insufficient constraints. This study provides a crucial quantitative framework for monitoring and evaluating the environmental sustainability of the ICT sector. By highlighting the limitations of pure supply-side greening and the necessity of absolute carbon caps, our findings offer integrated policy approaches to align the exponential growth of Generative AI with global sustainable development goals.

• openalex https://doi.org/10.3390/su18126216first seen 2026-07-07 04:38:43