AI 資料中心為什麼這麼耗電?從 GW 看懂 AI 基礎建設的能源帳

為什麼 AI 資料中心的耗電量要用 GW 來計量?

AI 資料中心的用電規模已達發電廠等級，計量單位從傳統的 MW 升級為 GWCITE:E1。訓練與推理大型模型需要成千上萬顆高功耗 AI 加速器同時運算，每顆功耗達數百到上千瓦，再加上冷卻與供電損耗，整體電力需求隨模型規模與部署量同步增加CITE:E2。

AI 基建的電力需求有多龐大?從融資與投資數據看

OpenAI 規劃在美國俄亥俄州的資料中心導入 10 GW 新增供電，其中 4.25 IT-GW 直接用於運算負載CITE:E3。同一時間，雲端巨頭上修 AI 資本支出，資金持續投入資料中心與電力基建CITE:E4。

從晶片瓶頸到電力瓶頸:業者如何應對?

業界觀察指出，AI 算力瓶頸正逐漸從晶片供給轉向電力與土地CITE:E4。為突破電力瓶頸，業者轉向自建電廠、天然氣機組，乃至核能與小型模組化反應爐(SMR)，使 AI 產業與能源產業深度綁定CITE:E5。

如何在有限電力下提升 AI 運算效率?

能效已成為 AI 晶片競爭的核心指標之一CITE:E6。先進製程可降低單位運算功耗，專用推理晶片提升能效表現，液冷等散熱技術則進一步壓縮供電損耗，三者共同目標是在有限電力下擠出更多算力CITE:E6。

這代表什麼

從 GW 級供電規劃、雲端巨頭資本支出上修，到業者轉向自建電廠與核能，三條證據線指向同一個轉折點：AI 基建的限制條件正從晶片供給移向電力供給。當 OpenAI 俄亥俄一案就需要 10 GW 新增供電、其中僅 4.25 IT-GW 用於運算，能效技術的每一分節省，都直接關係到有限電力能撐起多少算力規模。