AI智能體正在重寫數據中心的電力帳單

訓練一個頂級AI模型需要多少電力？這個問題，科技圈已經討論了好幾年。但現在，一個更緊迫的問題正在取而代之：讓AI每天不間斷地「工作」，又需要多少電力？

答案令人不安。

從「一問一答」到「自主行動」的質變

2026年，AI產業正在經歷一次根本性的形態轉變。過去，我們與AI的互動模式是線性的：提問，等待，獲得答案。但智能體型AI（Agentic AI）打破了這個模式。

所謂智能體AI，是指能夠自主規劃、執行多步驟任務、並與其他AI系統協作的新一代模型。它不只是回答「明天天氣如何」，而是能夠獨立完成「分析競爭對手的季報、撰寫投資建議書、發送給指定人員」這樣的複合任務——全程無需人工介入。

這種能力的代價是驚人的計算消耗。傳統推論任務，AI處理一次請求後即告結束。但智能體AI為完成一項任務，可能需要進行數十至數百次的推論循環——搜尋、分析、驗證、調用工具、再推論，循環不止。

業界估計，智能體型工作負載的電力消耗，相較於傳統單次推論，可能高出10倍至100倍。高盛（Goldman Sachs）預測，AI數據中心的電力需求將在2030年前擴大至目前的三倍，而隨著智能體AI加速普及，這個預測很可能過於保守。

數據中心的設計邏輯，正在被推翻

這場轉變帶來的不只是電費帳單的膨脹，而是整個數據中心產業設計哲學的顛覆。

廣告

廣告合作

[email protected]

廣告

傳統數據中心按照「峰值爆發型」需求設計——在短時間內處理大量請求，然後進入相對低負載的等待狀態。冷卻系統、供電設備、網路頻寬，都是圍繞這種間歇性高峰來配置的。

但智能體AI是「持續型」消費者。它在完成任務的整個過程中，維持高強度的計算負載，沒有明顯的峰谷之分。這意味著現有的冷卻架構可能不堪負荷，液態冷卻技術的需求急速上升；電力供應需要更高的穩定性與冗餘設計；而設備的汰換週期，可能從過去的10至15年，壓縮至5年以下。

對數據中心運營商而言，這是一場強迫升級的危機。對設備供應商和電力企業而言，這是一個難得的結構性機遇。

亞洲市場的三條分叉路

這場基礎設施重塑，對亞洲市場的影響並非鐵板一塊，而是呈現出清晰的分化格局。

台灣處於最有利的位置。作為全球先進晶片的主要製造地，台積電生產的GPU與AI加速器，正是支撐智能體AI算力需求的核心硬體。電力消耗的增加，直接轉化為晶片需求的增加，台灣的半導體產業鏈從中獲益最為直接。然而，台灣本身的電力供應已經相當緊張，如何在出口算力與保障本島用電之間取得平衡，是一道現實的政策難題。

東南亞正在成為數據中心建設的新熱土。新加坡、馬來西亞、印尼相繼吸引微軟、Google、亞馬遜等科技巨頭投資建設區域性數據中心。智能體AI帶來的需求升級，進一步加速了這一趨勢。對這些國家而言，數據中心產業不只是外資引進，更是電力基礎設施現代化的槓桿。

中國大陸的情況則更為複雜。在美國對先進晶片出口管制持續收緊的背景下，中國本土的AI企業——百度、阿里、華為——正在加速自研算力基礎設施。智能體AI的算力需求激增，既是壓力，也是倒逼自主技術突破的動力。華為昇騰系列晶片的迭代速度，在這種壓力下明顯加快。

電力地緣政治：下一個隱形戰場

值得深思的是，智能體AI的電力需求，正在將能源政策與科技競爭力緊密綁定在一起。

電力充裕、成本低廉的地區，將在AI基礎設施競賽中獲得天然優勢。這解釋了為何微軟、Google、亞馬遜爭相與核電運營商簽署長期供電協議，也解釋了為何中東產油國正在積極將石油財富轉化為AI數據中心投資——沙烏地阿拉伯的NEOM項目和阿聯酋的G42，都在這條邏輯線上。

對華人世界的投資者而言，這意味著一個值得關注的結構性主題：電力基礎設施、液態冷卻技術、高效能晶片封裝——這些「AI的糧食與水」，其投資價值可能不亞於AI模型本身。