30 秒看重點
- 事件：美國研究示警，AI 資料中心在 2028 年將吃掉全美 12% 供電量。
- 意義：算力戰場已從 GPU 晶片轉向電網，能源供應成為 AI 擴張的生死瓶頸。
- 影響：台灣伺服器散熱、電源供應與重電族群將迎來新一波結構性需求。
AI 的天花板不再是黃仁勳的晶片能做多快，而是發電廠到底能不能供應足夠的電；當運算力追不上電網負載，全球科技巨頭的算力競爭已經正式質變成一場能源生存戰。
為什麼買得到 GPU 卻可能開不了機？
生成式 AI 模型的爆炸性成長，正在以超越電網擴建速度的節奏吞噬電力。過去兩年，全球雲端服務巨頭瘋狂下單輝達高階加速晶片，市場關注焦點全在台積電先進封裝產能；然而最新研究敲響警鐘，建造一座支援最新世代 AI 叢集的超大型資料中心，動輒需要數百兆瓦（MW）電力，相當於數十萬戶家庭的用電總量。美國多處區域電網已出現審批排隊長達五年以上的窘境，即便科技巨頭捧著大把現金買到了伺服器，現場基礎建設卻根本無法送電。
這場缺電危機正逼迫科技巨頭直接跨足能源領域。微軟重啟三哩島核電廠、亞馬遜直接收購核能供電資料中心園區、Google 簽署地熱與小型模組化反應爐（SMR）採購合約，都是為了替未來五年的算力買保險。單純依靠既有的公用電網已經行不通，AI 算力中心的建置邏輯，已從「找地蓋機房」全面轉向「哪裡有電就在哪裡蓋機房」。
- 2023-03：生成式 AI 爆發，全球雲端業者競相採購 GPU 擴增算力規模。
- 2024-09：科技巨頭相繼簽訂核電協議，微軟與 Constellation 達成重啟核電採購合約。
- 2025-02：最新研究示警 2028 年用電占比恐達 12%，電網負載超載風險迫在眉睫。
台灣怎麼看這件事？
台灣身為全球 AI 伺服器代工與先進製程心臟，受到的影響呈現「硬體商機大好、本土用電拉警報」的雙面效應。商機端方面，能源稀缺促使全球資料中心對「電源使用效率（PUE）」要求極度嚴苛，台達電、光寶等高效率電源供應器廠，以及奇鋐、雙鴻等水冷散熱模組供應商，將享有長期升級紅利；但回到本土視角，台灣同樣面臨半導體大廠擴產與民生用電拉鋸的難題，若未來大型雲端服務商來台設立 AI 運算中心，電網韌性與綠電供應能力將面臨嚴苛考驗。
編輯觀點
AI 的競爭終局不是演算法，而是熱力學。過去市場熱衷計算推論模型的速度與參數量，未來估值模型必須納入「每瓦算力成本」與「購售電合約穩定度」；在電力基礎設施成為全球瓶頸的現實下，誰能掌握低碳且穩定的基載電力，誰才是下一個十年的 AI 真正霸主。
常見問題
- 為什麼 AI 資料中心會比傳統機房更耗電？
- AI 模型訓練與推論仰賴高密度 GPU 運算，單一機櫃耗電量從傳統的幾千瓦激增至數十甚至上百千瓦，伴隨而來的散熱系統冷卻能耗也成倍增加。
- 美國資料中心吃掉 12% 電力會造成什麼後果？
- 這將導致區域電網面臨過載風險，推升一般工商業與住宅電價，並迫使電力監管機構延長新設資料中心的併網審批時間。
- 為什麼科技大廠紛紛把目光投向核能？
- 因為風力和太陽能具有間歇性，而 AI 資料中心需要 24 小時不間斷的「零碳基載電力」，核能與地熱是目前唯一能大規模穩定供電的解方。
- 這對台灣 AI 供應鏈有什麼直接好處？
- 促使外商對伺服器節能技術支出大增，帶動台灣在水冷散熱模組、高壓直流電源架構（HVDC）及儲能管理系統的零組件拉貨潮。
- 一般民眾日常使用 ChatGPT 等工具會感覺到電費上漲嗎？
- 短期內一般用戶不會直接感受到電費變動，但雲端服務商營運成本大幅增加後，未來各類 AI 訂閱服務很可能會調漲使用費率。
名詞小教室
- PUE（電力使用效率）
- 好比量測一台冷氣的能源效率比；數值越接近 1，代表資料中心耗費在冷卻與照明的廢電越少，大部分電力都精準用在電腦運算上。