メディア掲載 エネルギー・環境 2020.05.21
イノベーションと省エネルギー
IPCC 1.5℃特別報告書で提示されたP1 シナリオ。以下では既往文献に基づいて、どのような可能性が議論されているか紹介する。それは財やサービスの提供の効率化に伴う省エネルギーという点では既往の省エネと全く変わらないが、破壊的イノベーションに伴う省エネであること、その規模感・スピード感が全く異なることが特徴である。
ICT 等の汎用目的技術（General Purpose Technology:GPT）が急速に共進化することによって、経済的に魅力があり、かつ省エネルギーとCO2削減にもつながる技術が発達し（つまり、温暖化対策コストが低減し）、やがて大規模なCO2排出削減が可能になる、という将来シナリオがよく描かれるようになった。最もよく知られているのはIPCC 1.5℃特別報告書で提示されたP1 シナリオである1。
以下では既往文献に基づいて、どのような可能性が議論されているか紹介する。それは財やサービスの提供の効率化に伴う省エネルギーという点では既往の省エネと全く変わらないが、破壊的イノベーションに伴う省エネであること、その規模感・スピード感が全く異なることが特徴である。
1．GPT の共進化：現代の急速な技術進歩の本質
よく知られているようにPV（太陽光発電、Photovoltaic Power Generation） のコストは急速に減少してきた2。だが、これは例外的なものではない。急激なコスト減少は、蓄電池3、車載用燃料電池4、シェールガス・オイル開発技術5等の他のエネルギー技術についても見られた。
のみならず、急激なコスト減少は、AI、センサー、インターネット通信、情報記憶装置、微小電気機械システム（Micro Electro Mechanical Systems、 MEMS）6等の多くの情報通信技術（Information and Communication Technology、ICT）でも観察されている7。
この同時並行的かつ相互に影響を及ぼし合う技術進歩の根底に存在するダイナミクスを要約するならば、それはICT（AI、IoT 等）、ナノテクノロジー、バイオテクノロジーなどの「GPT の共進化」である8。
新規の技術は既存の技術の組み合わせで生まれ、技術システムは全体としては複雑系を為し、技術は共進化する。今目立っている事象は、これがGPT を中心として加速度的に進んでいることである。
2．GPT の定義について
先に進む前に、ここでGPT の定義について議論しておく。
GPT とは、様々な用途に利用される技術ということであり、絶対的な概念というよりは、特定の対象に応用される技術に対しての相対的な概念であり、厳密な定義はない9。
学界では、蒸気利用技術、電気利用技術、そしてICT はGPT の例とされてきた10。更に化学、ナノテクノロジー、バイオテクノロジー11、レーザー12等の技術についても、GPT であるとされてきた。
GPT については、以下のような定義も存在する：
1）多くの経済部門で共通して利用されるもので、
2）それ自体に長足の技術進歩の可能性があり、かつ
3）補完的なイノベーションを誘発し、収穫逓増をもたらす技術である。
ただし、このような定義を与えても、やはりGPT とは何か曖昧さは残る。本稿では、このようなGPT の定義を巡る問題にはこれ以上深入りせず、「ICT（AI、IoT 等）、ナノテクノロジー、バイオテクノロジー等」を手短に呼ぶための「作業上の定義」として、GPT という用語を使うことにする。
3．イノベーションによる大幅なCO2削減のビジョンとポテンシャル
GPT は通常は所謂「温暖化対策技術」とは分類されないが、例えばエネルギー効率の高い空調・照明技術や、生産性が高くかつ温室効果ガス排出が少ない精密農業等の形で、温室効果ガスの削減に大きく寄与する14。既に述べたように、PV やシェールガス技術もGPT であるICT や材料技術の進歩の恩恵を受けている。
GPT の進歩を受け、大規模な温室効果ガス削減ポテンシャルを示唆する報告がなされるようになった。以下に、まず経済全体、次いで部門別の検討状況を見てみよう。
（1）経済全体
経済全体にわたる、部門横断的のビジョンとして、世界のエレクトロニクス産業の業界団体であるGlobal e-Sustainable Initiative（GeSI）は、ICT によって、経済成長を促進し、人類のあらゆる福祉を向上させる一方で、その言わば副産物としてエネルギー効率の大幅改善とCO2の大規模削減が可能になる、という考え方を提示した。そしてICT による2030 年における温室効果ガス排出の削減ポテンシャルを、世界全体の排出の4分の1 に上ると推計している15。これは利用事例毎の積み上げによって求めた数値である。利用事例としては、例えばICT の使用によって病院における医療行為を代替する「e-hospital」よって、病院における温室効果ガス排出削減量を削減するとしている。そのほかにも、e-commerce、 e-health、 e-education、smart electricity、 smart manufacturing、 telecommuting、virtual conference、 smart mobility、 smart agriculture 等が期待され、推計の対象になっている。
この推計は技術の性能や普及量についてはかなり単純な方法を用いており、ポテンシャルは過大評価かもしれない。
他方では、これでは過小評価になるという意見もある。ICT の本領は経済活動全般の効率を高めることによってGDP とエネルギー消費量のデカップリングを起こすことにある、という見方である16。けれども、この見方には否定的な意見もあり、まだ研究途上で、論争されている。
他方で、経済活動が高まることにより、かえってエネルギー消費が増大するというリバウンド効果の存在も懸念される。これについて、GeSIの推計は10～30%程度の一定のリバウンドを想定するにとどまっている。（しかし、本当にこの程度で収まるかどうかは心許ない。）
（2）運輸部門
運輸部門については、自動運転・EV・カーシェアリングの3つの組み合わせによって、乗用車部門からの温室効果ガス排出削減を大幅に減らすことができるとする見積もりがある17。中には、2050 年時点で、世界全体の乗用車による温室効果ガス排出を80% も削減できるとする報告もある。18
大幅な排出削減が可能になるのは、低炭素の電源を前提とした電化・自動運転・カーシェアリングの3 つの技術の相乗効果によるとされる。ただし、利便性の向上によって温室効果ガス排出がかえって増大する可能性もあり、大幅な排出削減を可能にするには、リバウンド効果を抑制する適切な政策介入が必要となる。19
貨物部門についても、ICT の活用による効率向上と物流の最適化、電化等の燃料転換によって、75%の温室効果ガス排出削減が可能という見積もりがある。大型トラックの電化としては、高速道路へ架線を設置し給電するシステムが有望とする試算がある。20架線から給電する自動運転トラックはすでに鉱山では実用化されている。
（3）産業部門
GPT の活用による生産性の向上は、産業部門や民生部門でも同様に起きており、また今後も急速な発展が期待される。21
例えばIoT によって工場の操業の効率最適化がなされるようになった。22
省エネの主要な障壁は情報の非対称（簡単に言えば、省エネをどのように進めていけばコスト削減になるかといった情報の収集と分析能力の不足のこと）であったが、ICTはこれを取り除くと期待されている。23
ICT の利用には勿論電力消費を伴うが、その利用で実現される省エネ効果の方が大幅に大きいのが普通であったし、計算能力の向上により今後はさらなる省エネへの寄与が期待される。24
IoT の活用で企業は製品を売るだけではなくサービスを売ることが出来るようになり、これはライフサイクルベースで見たエネルギー・資源効率の向上に寄与する。25
産業用ロボットの導入は自動車、電機産業を中心に進んできたが、今後はより広範な産業への導入が期待されており26、これもエネルギー・資源効率の向上に寄与する。
既に航空機部品の多くは3D プリンタと遺伝的アルゴリズムの活用によって生産されるようになり、機体の軽量化による省エネを実現している。3D プリンタには多様な技術があり、製造時には電力多消費の場合もあるが、斬新な設計が可能になることから、軽量化や流体力学的特性の向上によって、使用時のエネルギー消費を減らすことが出来て、ライフサイクルベースでは大幅な温室効果ガス削減をもたらす。27
（4）農業部門
世界規模の業界団体であるWorld Business Council forSustainable Development（WBCSD）は農業のスマート化によって、2030 年までに農業起源の温室効果ガス排出量をベースライン比で30% 以上削減するという目標を掲げている28。ただし試算の詳細は明らかにされていない。
農業部門では家畜からのメタン排出抑制剤等のバイオテクノロジーやICT を活用した精密農業（precisionagriculture）によって、コスト低減と温室効果ガス削減の同時達成が可能になる29。精密農業では、最適化された肥料・農薬・水の投入によって、エネルギー・資源の利用効率が高まるとともに、過剰な肥料投入を避けることで、温室効果ガスの1 つである亜酸化窒素の発生も抑制できる。30
米国では経済利潤が動機となって、すでにトウモロコシ農家等において精密農業がかなり普及している。31
更に、大豆に遺伝子組換え技術を活用して肉に近い味にして、牛肉を代替することがすでに行われている。これにより温室効果ガス排出が9割削減されているという。32
（5）民生部門
産業部門と同様に、省エネについては大幅な進歩が期待できる。
照明33 や空調34 のスマート化による省エネは既に図られている。
アマゾン効果と言われるように、e-コマースによって、既に物流の効率が向上しているが、これによるCO2削減の可能性がある35。より一般的には、前述のGeSI の報告にあるように、オフィス、学校、ホテル、卸売り、小売り、病院など、あらゆるサービス部門について、ICT の活用によって大幅なCO2削減ポテンシャルがある。36
現在、照明はLED が普及しており、ディスプレイは液晶パネルが主力であるが、これは根本的に変わっていくだろう。レーザー照明が主力になることで、大幅な効率改善になる。
ディスプレイは、まずはレーザー走査によるディスプレイないしはスクリーンになるが、程なく、レーザーによって直接網膜に画像を書き込むようになる37。このような技術はすでに試作品が出来ている。目をレンズとして使わなくて済むため、視力の弱くなった人の医療用途としてまずは導入されるが、バーチャルリアリティ（VR）などで極限の没入感を生み出すことが出来るであろうから、現在のディスプレイの大半を駆逐すると想像される。MEMS で半導体レーザーを制御することで、コストも極めて安くなり、誰でも買えるようになる。こうなると、ディスプレイの電力需要は殆ど消滅する。のみならず、優れたVR はテレワーク等のあらゆるリモート・サービスによる省エネの起爆剤になりうる。
（6）ポテンシャル試算の不確実性についての注記
以上に述べたような技術は、何れも温室効果ガスの排出削減につながると期待できる。だが、排出削減量を見積もるとなると、個々の技術の仕様・コスト・普及量の見通しや38、誘発される人間活動の変化を推計しなければならず、容易ではない。仮に良い技術が出来ても上手くビジネスモデルが確立出来ない場合もある39。以上の理由により、大幅な排出削減という推計から、リバウンド効果によって逆に排出が増加するという推計まで、計算結果には大きな不確実性が伴う。40
温暖化対策の文脈で知りたいのは、2030 年・2050 年といった将来に、どのような技術が登場するか、といったことだが、この予想は、原理的にほぼ不可能である。技術の進歩は生物の進化に似て、偶然性があり、経路依存性がある（＝非エルゴード的）からである。
しかしながら、それによるエネルギー消費・温室効果ガス排出への効果が極めて大きいことは間違いあるまい。例えば、AI を搭載したロボットがオフィスや家庭に普及すると、大幅な省エネが可能になる。あるいは、PV 等の設置工事の大半をロボットが担うようになれば、PV は更に安価になる。ただし、2030 年や2050 年のAI がどの程度賢いかを予言することがほぼ不可能である以上、そのAIを活用した排出削減量もそのコストも予言は難しい。なおさらに詳しくは拙著等を参照されたい。41
参考文献
Beyer, C. (2014). Strategic Implications of Current Trends in Additive Manufacturing. Journal of Manufacturing Science and Engineering, 136(6), 064701. https://doi.org/10.1115/1.4028599
Bresnahan, T. F., & Trajtenberg, M. (1995). General purpose technologies "Engines of growth" ? Journal of Econometrics,65(1), 83-108. https://doi.org/10.1016/0304-4076(94)01598-T
Brown, R. M. et al. (2016). The carbon footprint and economic impact of precision agriculture technology on a corn and soybean farm. Journal of Environmental Economics and Policy,5(3), 335-348. https://doi.org/10.1080/21606544.2015.1090932
Ethan A, Roger et al. (2015 ) . How Information and Communications Technologies Will Change the Evaluation, Measurement, and Verification of Energy Efficiency Programs. Retrieved from http://aceee.org/research-report/ie1503
Faludi, J. et al. (2015). Comparing environmental impacts of additive manufacturing vs traditional machining via life-cycle assessment. Rapid Prototyping Journal, 21(1), 14-33. https://doi.org/10.1108/RPJ-07-2013-0067
Farmer, J. D., & Lafond, F. (2016). How predictable is technological progress? Research Policy, 45(3), 647-665. https://doi.org/10.1016/j.respol.2015.11.001
Fulton, L. et al. (2017). Three Revolutions in Urban Transportation. UC Davis. Jarret Walker Jamie Knapp.
GeSI. (2015). SMARTEer2030: ICT Solutions for 21st Century Challenges. Retrieved from http://smarter2030.gesi.org/downloads/Full_report.pdf
Greenblatt, J. B., & Saxena, S. (2015). Autonomous taxis could greatly reduce greenhouse-gas emissions of US light-duty vehicles. Nature Climate Change, 5 (9), 860-863. https://doi.org/10.1038/nclimate2685
Holdowsky, J. et al. (2015). Inside the Internet of Things ( IoT ). Deloitte University Press, 54. https://doi.org/10.5120/19787-1571
IEA. (2016). IEA 4E Solid State Lighting Annex Task 7: Smart Lighting - New Features Impacting Energy Consumption First Status Report, (September), 41. Retrieved from http://ssl.iea-4e.org/
IEA. (2017a). Digitalization & Energy. Retrieved from http://www.iea.org/publications/freepublications/publication/DigitalizationandEnergy3.pdf
IEA. (2017b). The Future of Trucks. OECD/INTERNATIONAL ENERGY AGENCY. Retrieved from https://www.iea.org/publications/freepublications/publication/TheFutureofTrucksImplicationsforEnergyandtheEnvironment.pdf
King, A. (2017). Technology: The Future of Agriculture. Nature, 544 (7651), S21-S23. https://doi.org/10.1038/544S21a
Koomey, J. G. et al. (2013). Smart everything: Will intelligent systems reduce resource use? Annual Review of Environment and Resources, 38, 311-343.
Laitner, J. A. "Skip" et al. (2015). ICT-Enabled Intelligent Efficiency: Shifting from Device-Specific Approaches to System Optima.
Larson, W., & Zhao, W. (2017). Telework: Urban Form, Energy Consumption, and Greenhouse Gas Implications. Economic Inquiry, 55 (2), 714-735. https://doi.org/10.1111/ecin.12399
Linder, M., & Williander, M. (2017). Circular Business Model Innovation: Inherent Uncertainties. Business Strategy and the Environment, 26 (2), 182-196. https://doi.org/10.1002/bse.1906
Manyika, J. et al. (2015). The Internet of Things: Mapping the value beyond the hype. McKinsey Global Institute, (June), 144. https://doi.org/10.1007/978-3-319-05029-4_7
Mills, M. P. (2015). Shale 2.0: Technology and the Coming Big-Data Revolution in America's Shale Oil Fields. Trends Magazine, (147), 21-26. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&db=plh&AN=109071233&site=eds-live
Nykvist, B., & Nilsson, M. (2015). Rapidly falling costs of battery packs for electric vehicles. Nature Climate Change, 5 (4), 329- 332.
OECD/ITF. (2015). Urban Mobility System Upgrade: How shared self-driving cars could change city traffic. Corporate Partnership OECD. (2017). The Next Production Revolution. The Next Production Revolution. https://doi.org/10.1787/f69a68e9-en
Pierpaoli, E. et al. (2013). Drivers of Precision Agriculture Technologies Adoption: A Literature Review. Procedia Technology, 8 (Haicta), 61-69. https://doi.org/10.1016/j.protcy.2013.11.010
Schimmelpfennig, D., & Ebel, R. (2016). Sequential adoption and cost savings from precision agriculture. Journal of Agricultural and Resource Economics, 41 (1), 97-115.
Snatkin, A. et al. (2013). Real time production monitoring system in SME. Estonian Journal of Engineering, 19 (1), 62. https://doi.org/10.3176/eng.2013.1.06
Viegas, J. et al. (2016). Shared Mobility: Inovation for Liveable Cities. International Transport Forum's Corporate Partnership Board. http://dx.doi.org/10.1787/5jlwvz8bd4mx-en
Wadud, Z. et al. (2016). Help or hindrance? The travel, energy and carbon impacts of highly automated vehicles. Transportation Research Part A: Policy and Practice, 86, 1-18. https://doi.org/10.1016/j.tra.2015.12.001
WBCSD. (2015). Climate Smart Agriculture, (November), 40. Wollenberg, E. et al. (2016). Reducing emissions from agriculture to meet the 2C target. Global Change Biology, 22 (12), 3859-3864. https://doi.org/10.1111/gcb.13340
World Economic Forum. (2015). Industrial Internet of Things. Retrieved from http://www3.weforum.org/docs/WEFUSA_IndustrialInternet_Report2015.pdf
World Robotics Organization. (2014). Executive Summary - World Robotics (Industrial & Service Robots) 2014. World Robotic Report, 11-18.
エルハナン・ヘルプマン.（2009）. 経済成長のミステリー. 九州大学出版会.
井上智洋 .（ 2016）. 人工知能と経済の未来 2030 年雇用大崩壊 .文藝春秋.
井熊均・木通秀樹（. 2015）. なぜ,トヨタは700 万円で「ミライ」を売ることができたか?- 技術革新のメガトレンドが市場構造を変える. 日刊工業新聞社.
杉山大志（. 2018）. 地球温暖化問題の探究－リスクを見極め,イノベーションで解決する. デジタルパブリッシングサービス.
江刺正喜・小野崇人 .（ 2016）. これからの MEMS LSI との融合 .森北出版.
清水洋 .（ 2016）. ジェネラル・パーパス・テクノロジーのイノベーション -- 半導体レーザーの技術進化の日米比較. 有斐閣
電子情報技術産業協会（JEITA）.（ 2016）.「 IT ソリューションによる温暖化対策貢献 調査報告書 ― 2030 年に向けた温室効果ガス削減ポテンシャル」.
黒田和男 ・山本和久（ 編）.（ 2016）. 解説 レーザー照明・ディスプレイ ―究極の照明・ディスプレイを目指して―. オプトロニクス社.
注
1 IPCC の1.5℃報告書のシナリオについては以下の環境省HP のスライド51に邦訳での簡単な解説がある http://www.env.go.jp/earth/ipcc/6th/ar6_sr1.5_overview_presentation.pdf2 太陽光コストの低減については,例えば（IEA, 2017a）
3 バッテリーのコスト低減については（Nykvist & Nilsson,2015）
4 車載用燃料電池のコスト低減については（井熊均・木通秀樹, 2015）
5 シェールガスのコスト低減については（Mills, 2015）
6 MEMS について分かりやすい解説として（江刺正喜・小野崇人, 2016）
7 様々なICT のコスト低減については（Holdowsky, 2015）（Manyika, 2015）
8 ICT,ナノテクノロジー,バイオテクノロジーによる生産性革命についてまとめたものとして（OECD, 2017）. バイオテクノロジーに関しては,分子レベルの生物の仕組みの理解が進んでいるが,これは動画で見ると印象的で分かりやすい。例えば酵素の機構について https://www.youtube.com/watch?v=yk14dOOvwMk
9 汎用目的技術について厳密で定まった定義が存在しないことについては以下に分かりやすい説明がある（清水洋,2016）
10 ここでの汎用目的技術の例示は（ エルハナン・ヘルプマン, 2009）に依る
11 （OECD, 2017）はナノテクロジーとバイオテクノロジーも汎用目的技術に含めている
12 （清水洋, 2016）はレーザーを汎用目的技術と位置付けて分析している
13 この3 つの性質による汎用目的技術の定義は（Bresnahan & Trajtenberg, 1995）（Bresnahan & Trajtenberg, 1995）（井上智洋, 2016）による
14 精密農業による温室効果ガス削減については（King, 2017）,（World Economic Forum, 2015）
15 ICT による多大な排出削減ポテンシャルの推計として（GeSI, 2015）
16 ICT によるエネルギー消費とGDP のデカップリングが可能であり,また既に起きつつあると説くものとして（ Laitner,2015）
17 自動運転・EV・カーシェアリングによる乗用車からの大幅なCO2削減については（Viegas, 2016）（Greenblatt & Saxena, 2015）（ OECD/ITF, 2015）（ Wadud, 2016）
18 2050 年時点で,世界全体の乗用車による温室効果ガス排出を△ 80% も削減できるとする報告は（Fulton, 2017）
19 乗用車部門のリバウンド効果については（Wadud, 2016）
20 大型トラックの電化については（IEA, 2017b）
21 汎用目的技術の活用による生産性の向上については（OECD, 2017）（World Economic Forum, 2015）（ Snatkin, 2013）
22 IOT による工場の操業の効率最適化については（Manyika, 2015）
23 ICT による省エネにおける情報の非対称の除去については（Ethan A. Rogers et al, 2015）
24 計算能力向上によって今後ICT による省エネが向上することについては（Koomey, 2013）
25 IOT によるライフサイクルベースでのエネルギー・資源効率の向上については（IEA, 2017a）
26 世界におけるロボットの導入の現状については（WorldRobotics Organization, 2014）（ World Robotics Organization, 2014）
27 3Dプリンタによる省エネについては（ OECD, 2017）（Beyer, 2014）（Faludi, 2015）
28 WBCSD の農業部門の温室効果ガス排出削減目標は（WBCSD, 2015）
29 精密農業の便益については（Wollenberg, 2016）
30 精密農業による温室効果ガス削減については（Brown, 2016）
31 米国の精密農業が経済的動機によることについては（Schimmelpfennig & Ebel, 2016）（ Pierpaoli, 2013）
32 https://quantis-intl.com/heres-how-the-footprint-of-the-plant-based-impossible-burger-compares-to-beef/; https://www.canon-igs.org/event/report/20191125_Sugiyama_presentation.pdf
33 照明のスマート化については（IEA, 2016）
34 空調のスマート化については（IEA, 2017a）
35 e-コマースの効果については（電子情報技術産業協会（JEITA）, 2016）
36 あらゆる民生部門における大幅な温室効果ガス排出削減ポテンシャルを試算するものとして（GeSI, 2015）
37 レーザー照明・ディスプレイの研究開発の現状をまとめたものとして（黒田和男・ 山本和久（ 編）, 2016）
38 PV 等について,過去のデータから未来のコストを統計的に推計する試みとして（Farmer & Lafond, 2016）
39 技術が出来ても上手くビジネスモデルが確立出来ない場合があることについては（Linder & Williander, 2017）
40 ICT による排出削減量の計算結果には大きな不確実性が伴うことを多くの論文のレビューによって示した詳しいまとめとして（Larson & Zhao, 2017）
41 （ 杉山大志, 2018）； 筆者ホームページ https://www.canon-igs.org/fellows/taishi_sugiyama.html