蔡鎤銘/淡江大學財務金融學系兼任教授
引言
人工智慧的爆炸性成長正重新勾勒人類文明的輪廓，從生產製造到日常生活，無一不被這股浪潮深刻改寫。然而，在演算法與算力飛速躍進的背後，一道日益嚴峻的結構性障礙正悄然浮現，電力供應的瓶頸。國際能源署（IEA）的數據顯示，2025年全球資料中心用電量已激增17%，其中專注於AI的資料中心增幅更達50%。當一座大型AI資料中心的耗電量相當於一座中型城市的整日用電時，人工智慧的未來已不僅是技術問題，更是關乎能源政策、基礎建設與跨部門協作的複雜命題。要突破這道「電力牆」，單靠民營企業的技術創新或公共部門的政策引導均力有未逮，唯有官民協力、系統性整合資源，方能在這場全球搶電大戰中突圍。
全球AI電力需求的驚人曲線
AI對電力的渴求正以指數級速度攀升。根據研調機構Gartner的預測，2026年全球資料中心電力消耗量將達到565兆瓦時（TWh），較2025年的447 TWh成長26%。其中，AI優化型伺服器的用電量從2025年的95 TWh暴增至2026年的175 TWh，漲幅高達84%。預計到2027年，AI專用硬體的耗電量將首次超越傳統通用伺服器。國際能源署更進一步預測，全球資料中心年耗電量將從2025年的485 TWh翻倍，至2030年達到950 TWh，約占全球電力需求的3%。其中AI專用資料中心的用電量成長尤為驚人，從2025年的約155 TWh成長兩倍，至2030年達到465 TWh。
這種爆炸性成長背後，是生成式AI模型規模的不斷擴張與應用場景的快速普及。傳統資料中心用電規模約在10至25兆瓦（MW）之間，而超大規模AI中心的用電需求可超過100 MW，相當於10萬戶家庭的用電量。部分實驗性設計的單一機櫃耗電甚至達到300 kW，概念系統更逼近1 MW，一個機櫃的用電量就相當於數百個家庭。隨著AI代理（AI Agent）等新興應用的崛起，能源消耗的壓力恐將進一步加劇。這些數據清楚顯示，人工智慧的電力需求已非漸進式成長，而是跳躍式的巨幅擴張，對既有的電力體系構成前所未有的考驗。
電力基礎設施的結構性瓶頸
AI電力需求的急遽攀升，正將全球電網推向極限。一個關鍵矛盾在於基礎設施建置的速度落差，將新設施接入電網往往需要4到10年，而AI資料中心的規劃建設週期通常僅為2到3年。這種時間上的錯位，日益決定著哪些AI項目能夠順利推展。在許多地區，電網的設計承載能力早已被超越，穩定、密集且可即時擴充的電力供應成為稀缺資源。
區域分布失衡加劇了供電難題。在日本，關東與關西等都會區的資料中心過度集中，導致電力系統負荷沉重。為此，部分電力公司已開始對特定區域內大規模用電的新設案件採取更嚴格的審查標準。同樣的問題也出現在歐洲，愛爾蘭的資料中心用電量已占全國總用電量的18%，迫使當地監管機構對新建資料中心實施事實上的凍結令。荷蘭的阿姆斯特丹則直接暫緩了所有新資料中心的開發許可。這些案例顯示，當AI的用電需求超出電網承載臨界點時，公共部門不得不以行政手段進行干預，而這種干預雖然必要，卻也凸顯了事後補救的被動與窘迫。
官民協力的國際實踐與戰略思維
面對電力瓶頸，單一部門的努力已不足以解決問題。日本總務省推動的「瓦特（電力）·比特（資訊通信）連攜」政策，正是官民協力的典型範例。該政策的核心思維是將電力系統與通信系統一體化考量，實現社會基礎設施的整體優化。具體策略包括在電力系統有餘裕的地區設置分散式資料中心，以及根據電力系統狀況動態調整計算需求的「工作負載轉移」（Workload Shift）。這種做法跳脫了傳統「哪裡有需求就在哪裡蓋電廠」的思維，轉而思考「哪裡有電就在哪裡配置算力」，透過通信網路將分散各地的資料中心串聯起來，實現算力與電力的最佳匹配。
國際上，民營部門的主動作為同樣不可或缺。Sijbrandij基金會於2026年宣布成立資料中心電力聯盟，匯集12家科技與能源合作夥伴，旨在推動AI資料中心電力基礎設施的標準化規劃與部署。科技巨頭如Google已整合1 GW的需量反應容量，在電網高負載時延後非緊急運算任務，即時釋放電力壓力。微軟則與電力公司合作，在其資料中心園區內直接設置小型模組化核反應爐（SMR）的備案，以確保長期的低碳基載電力。這些案例顯示，當公共部門提供政策框架與基礎建設支持，民營部門貢獻技術創新與營運彈性時，方能形成突破電力瓶頸的合力。
技術創新與能源轉型的雙重路徑
在官民協力的架構下，技術創新與能源轉型構成突破電力瓶頸的兩大支柱。短期而言，資料中心本身的節能增效是當務之急。新一代資料中心導入高壓直流（HVDC）與800V供電架構，搭配超級電容與電池備援單元，有效提升用電效率。能源效率正從傳統的資料中心營運指標，轉變為AI產業競爭力的重要組成部分。處理器設計亦朝更高能效方向演進，ARM架構與RISC-V架構的伺服器晶片陸續導入大規模運算叢集，每瓦效能較傳統x86架構顯著提升。
中長期而言，再生能源的導入與電網智慧化是永續解方。將資料中心分散設置於地方，並積極活用再生能源，已成為政策推動的重點方向。中國大陸建成全球規模最大的清潔電力供應體系，並投運首個「算電協同」項目，為AI時代的綠色轉型提供了重要參考。虛擬電廠（VPP）技術的發展，使得城市內的廠房、商辦乃至電動車換電站不再只是單純的電力消費者，而是能透過資通訊技術整合儲能與再生能源，轉化為具備調度能力的微電網節點。這些創新不僅有助於緩解AI的供電壓力，更為整體能源體系的轉型升級開創了新的可能。
借鏡國際經驗 檢視台灣的現實困境與可行對策
在全球AI供應鏈中位居核心的台灣，從晶片製造到伺服器組裝，無一不仰賴穩定且充沛的電力。經濟部《114年度全國電力資源供需報告》預估，2026至2035年用電需求年均成長率約為2.5%，顯著高於過去十年的1.24%。其中，AI相關用電需求將在短短幾年間成長近8倍。台電公司評估，AI浪潮將為台灣帶來每年成長約100萬瓩的供電壓力。當前台灣資料中心申請案高度集中於北部，占比將近7成，但北部電力自給率偏低，在「南電北送」線路趨於飽和下，已難以負荷AI資料中心24小時高負載運轉帶來的瞬時衝擊。
借鏡日本的「Watt-Bit」架構，台灣應將資料中心引導至中南部電力充裕區域乃至綠電資源豐富之處，從源頭實現「算力隨能源走」的結構性轉移。同時應加速完善虛擬電廠的法規與市場機制，讓資料中心不僅是電力消費者，更能成為穩定電網的參與者，因為資料中心的運算任務中約15至20%屬非即時性任務，可在用電吃緊時配合電網調度延後排程。此外，台灣應參考日本建立常設性跨部會官民合作平台，將經濟部、國科會、數發部、台電與民間業者納入同一治理架構，針對算力需求與電力配給進行綜合考量，跳脫「個案審查」的被動模式，轉向「系統性規劃」的主動治理。最後，在綠電匹配與儲能布建方面，台灣應推動每小時綠電匹配機制與異地儲能轉供，讓綠電交易從年度總量匹配進化為即時性的電力資源調度。
結語
人工智慧的電力瓶頸不是遠在天邊的預言，而是已然降臨的現實。從Gartner預測的565TWh全球資料中心用電量，到IEA示警的AI專用資料中心用電量三年內翻倍，每一組數據都在提醒我們，算力的極限不在晶片，而在電網。突破這道電力牆，需要超越傳統的部門壁壘與思維框架。公共部門必須提供前瞻性的政策引導與基礎建設投資，民營部門則需貢獻技術創新與營運效率，兩者相輔相成，方能構建可持續的數位基礎設施。從日本的「瓦特·比特連攜」到國際資料中心電力聯盟的成立，從虛擬電廠技術應用到台灣將AI用電納入國家電力供需報告，官民協力的具體實踐正在世界各地展開。人工智慧的未來，不僅取決於演算法的精進與算力的提升，更取決於我們能否攜手克服那道看不見卻真實存在的電力斷層。
※以上言論不代表梅花媒體集團立場※
