在 AI 產業中,GPU(或更廣義的加速器)是最直觀的算力神器。長期以來,GPU 的性能/美元效率提升支撐了 AI 訓練與推理的可行性。然而,這一趨勢近年遭遇瓶頸。一方面,高階 GPU 的記憶體帶寬、2 級緩存延遲與電源設計限制,成為性能提升的阻礙;另一方面,供應鏈稀缺(如高階封裝、先進封裝工藝、HBM 等元件)與地緣風險,使得 GPU 價格與可用數量更難追逐理論性能曲線。
近期在歐洲就出現 Nvidia 在某些 RTX 50 系列 GPU 上進行小幅降價的現象,以因應匯率波動與競爭壓力。但整體而言,中高端 GPU 在零售渠道仍然高價、供貨緊張。根據 Digital Trends 的追蹤報告,2025 年部分 GPU 已有價格回落跡象,但多數仍「高於合理估價」;且在供應鏈緊繃背景下,降價空間或為短期現象。
這樣的高定價環境,使得各類機構必須重新校準算力投資邏輯:是選擇自購高端加速器、承受溢價與脫機風險,還是透過雲端算力租賃、共享平台或算力租賃市場化方式佈局。這正是算力定價與供需失衡在產業層面的具象表現。
誰下注算力未來
近期,全球多個 AI 基礎設施平台(包括資料中心、算力租賃、AI 雲服務)吸引巨額併購與基建級資金插入。例如由 BlackRock、GIP、Nvidia、Microsoft 等組成的聯盟,就以400 億美元收購美國 Aligned Data Centers,目標是把算力資料中心打造為類似電信塔或管道基建的長期收益標的。這種以資本為杠杆的佈局,意味著算力資源逐漸被資本化、商品化:算力可租賃、可交易、可資產化。當資本找到穩定回報預期,算力供給方會形成快速擴張的動能。
而政策層面,許多國家都視算力為國家核心競爭力。美國《CHIPS Act》或歐盟的重大科技基建補貼政策,漸次把算力基建納入國家戰略。多國紛紛補貼資料中心、稅收優惠電力設施、鼓勵 AI 加速器研發。這些政策加碼在很大程度降低了進入壁壘,使得算力競賽不再只是大型科技公司的遊戲,而是吸引各類資本參與。
同時,一些政策也開始對能源與環保進行約束。例如碳排放上限、用電峰谷調控、再生能源配套要求,這些都迫使算力建設必須在效率與合規之間取得平衡。未來,誰能在高效能算力、低電力成本與政策紅利間敏捷佈局,誰就可能成為這場競賽的勝者。
算力電力財力
回顧而言,算力、電力與資本三條主線並非孤立,而是在 AI 時代彼此交織構建出新的產業邏輯。算力膨脹提升需求、電力成本拉高邊際成本、資本投入加速擴張,而政策則在其中設立遊戲規則與能量場。
在未來幾年,我們可能看到以下幾種較確定的走向:
首先,算力成本通脹可能在中低端領域逐步緩和,但高端加速器與特定用途算力仍會保持高溢價。也就是說,租賃、共享算力模型將更具吸引力,而自建高端基建將呈現更高門檻。
其次,低電力成本地區(例如電力過剩、再生能源發達、電網升級投資充足的區域)將成為算力建設的熱點。所在國或地區若能在電力供應、配電系統、電價機制上具備競爭優勢,將成為吸金高地。
第三,在政策引導下,算力與能源體系融合的「算力+能源基地」可能成為新模式:資料中心與風/太設施共建、算力熱能回收變電、虛擬電廠協作等複合模式有望誕生。數據中心不只是用電大戶,也可能成為電網調度節點。
最後,從資本端看,算力平台化與資產化或將成為主流。未來可預見的是:算力作為一種可交易資產,其供給方會被要求具備長期穩定性、可調度性與服務能力。傳統資本市場中原本投資基建、公用事業的那類長跑資本,可能會重新下注算力這條賽道。
義合控股(01662)投資者關係部。