能源戰役：AI 算力競賽的下一個瓶頸

全球 AI 發展已進入白熱化的軍備競賽階段，大型科技公司、雲端服務商，乃至於國家級機構為了不在此波落後，紛紛投入巨額算力資本支出，而是為了搶占未來十年 AI 所帶來的龐大潛在商機。即使 AI 商業化的明確路徑尚未完全浮現，但資本支出卻依然持續湧入，然僅有算力是不夠的，算力必須要有足夠的電力才能推動，因此，「能源（電）」就成為更底層更重要的核心戰略資源。

富果觀點：

1. 隨著台積電投入大量資本支出進行擴廠，資料中心的基礎設施瓶頸已從過去的晶片短缺（ GPU）漸漸轉變為電力供應不足。

2. 美國的許多電廠設施相對老舊缺乏擴充性，且擴建時間長（平均 2-10 年），未來算力交付與電力擴張將產生錯配。

3. 原握有大量電力資源的虛擬貨幣礦商，正轉型切入 AI 雲端服務領域，可望獲得新的成長動能。

GPU 供應緩解，電力供應成為下一個挑戰

在 2024 至 2025 年間，全球 AI 伺服器擴張的關鍵限制是 GPU 的產能不足。NVIDIA 的 AI GPU 幾乎一出貨就被搶購一空，資料中心擴建計畫常因無法取得足夠 GPU 而延宕，這時期的競爭焦點在於誰能搶到更多晶圓產能。隨著晶圓廠擴產、先進封裝產能提升與產品線調整，GPU 供應量已逐步緩解，但 AI 資料中心即將面對下一個挑戰 - 電力需求暴增與電網容量不足。

早期 AI 伺服器 (DGX-1)，搭載 20 個 CPU 核心與 128 GB GPU 記憶體，算力為 1 Petaflops，瓦數約 3.5 kW。產品迭代至今，blackwell GB 系列，是一個完全液冷（liquid-cooled） 的系統。透過液冷技術，NVIDIA 將運算節點壓縮到一個機櫃中，擁有 1 Exaflops 的 AI 算力（1000 petaflops），機櫃瓦數達 120 kw，而下一代的 Rubin ultra 系列，每個機櫃將擁有15 Exaflops 的算力，機櫃能耗瓦數高達 600 kw，算力提升 15 倍，與之相應的是，電力需求也增加了 5 倍。

透過歷代架構對比可看出能耗增長速度驚人

根據摩根士丹利的數據，美國未來幾年的 AI 電力缺口高達 46-47 GW，這規模相當於需要額外建設約當 8 個紐約市或 1.5 個台灣一年發電產能才能填補（註）。如今電力上限已成為 AI 算力的天花板，擁有穩定電力資源的企業成為這場競賽中真正的贏家。

註：假設全年用電量紐約市約 500 億度/台灣約 2,800 億度電推算