AI數據中心為何越來越像電廠，而不是機房？
傳統數據中心給人的印象，是一排排伺服器、冷氣機和備用電源組成的「大型機房」。但AI運算正在改寫這個概念。國際能源署估計，全球數據中心用電量將由2025年的約485太瓦時，增至2030年的約950太瓦時，其中AI專用數據中心的用電增長更快。當一個園區的電力需求由數十兆瓦走向數百兆瓦，甚至以吉瓦規模規劃，建設重點便不再只是放置多少伺服器，而是從哪裏取得持續、穩定且價格可控的電力。
算力競爭已變成能源工程
原因首先來自單位機架功率急升。以NVIDIA GB200 NVL72為例，一個液冷機架整合72枚GPU，耗電約120千瓦。若園區部署數千個高密度機架，用電量便可媲美重工業設施。這些負載不能直接接上普通商業樓宇電網，而要配置高壓變電站、變壓器、開關設備、母線、UPS、電池及後備發電機，並以多重供電路徑確保任何一個環節故障時，價值數十億美元的運算集群不會停機。
AI負載的特性也更接近工業生產。大型模型訓練可以連續運行數星期，大量GPU同步工作，形成高而持續的基礎負載；工作啟動、停止或轉換時，又可能造成明顯功率變化。因此，營運商不只管理伺服器利用率，也要預測負載、控制電能質素、安排備用容量，甚至配合電網進行削峰或需求響應。
每一兆瓦送進晶片的電力，最後幾乎都會變成熱。園區因而要以冷板、冷卻液分配裝置、水循環和冷卻塔把熱量排走，其工程邏輯與電廠處理蒸汽、冷卻水及廢熱愈來愈相似。ASHRAE的AI數據中心框架亦把大規模供電、液體冷卻、高速網絡及建築承重，視為高密度AI園區必須整合考慮的設計條件。
電力亦開始取代土地和光纖，成為選址的首要條件。國際能源署估計，輸電線建設在先進經濟體往往需時四至八年，變壓器和電纜等設備的交貨時間亦在拉長；若瓶頸未能解決，約兩成規劃中的數據中心項目可能延誤。這意味一家AI公司的擴張速度，未必受制於能否買到GPU，反而可能取決於當地電網何時批准接駁。
這也解釋了為何科技公司不再只向電力公司繳付電費，而是直接參與能源投資和長期採購。微軟透過20年購電協議，承購美國一個重啟核電機組約835兆瓦的發電量；亞馬遜則投資小型模組化反應堆、地熱、太陽能及儲能。相關能源協議已接近過往大型工業企業鎖定原材料供應的做法。這並不代表AI只能由核電供應，而是穩定的全天候能源，已成為算力交付能力的一部分。
當數據中心像電廠般規劃，其商業模式也會改變。過去業界關注機房出租率和每個機架的月租，AI時代則更重視每兆瓦可以產生多少訓練成果、推理請求或代幣。晶片效率、電力使用效率指標PUE、冷卻能耗、電價、設備利用率和停機時間，最終都會反映於「每個代幣的能源成本」。營運商還可能把部分非緊急運算移到電力較便宜、再生能源較充裕的時段，令運算調度與電力市場逐步連接。
這種轉變亦帶來新的投資機會和風險。變壓器、開關設備、輸配電、燃氣輪機、核電、儲能、液冷及能源管理軟件，都可能成為AI基建的受益環節；但若電網擴建成本最終轉嫁居民，或企業高估AI需求，龐大的專用供電設施也可能變成擱置資產。政府因而需要釐清接駁費、備用容量、碳排放和用水責任，避免算力競賽擠壓其他產業和民生用電。
AI數據中心當然不是傳統意義上的發電廠，因為它主要消耗而非生產電力。然而在工程規模、資本開支、監管要求和營運風險上，它已是一座以電力為原料、以算力為產品、以熱力為副產物的工業設施。伺服器仍然重要，但真正決定項目能否落地的，往往已不是GPU何時到貨，而是那幾百兆瓦的電從哪裏來。
義合控股投資者關係部
（芯片與算力系列之89）
