AI電力競賽的三道關卡：電網接入、運算成本與誰來買單

編者按

本文延續作者與GFM.News研究團隊於2026年1月16日發表的〈電力短缺正成為美國國家安全的隱性約束〉，納入《AI x能源》系列研究。前文討論電力供應如何影響國家能力，本篇進一步追問：AI投資如何跨越電網、硬體與商業需求之間的落差，以及新增基礎設施的責任與風險，如何在企業、投資者與普通用戶之間分配。

編輯部

 

（圖片說明）高壓變電站與輸電設備現場，呈現美國電網接入所需的大型電力基礎設施。這類設備的擴建與併網審批往往耗時數年，直接對應文章討論的資料中心接電時程延遲與發電項目排隊問題。

用電需求接近翻倍，供電與收入能否同步落地

國際能源署（IEA）2026年更新的研究估計，全球資料中心2025年用電約485太瓦時，比上年增長17%；到2030年，中心預測約為950太瓦時，約佔全球用電量3%。其中，AI導向資料中心2025年的用電增長約50%。整體數字涵蓋所有資料中心業務，不能全部歸入AI，但已提出一個具體問題：新增運算需求，能否在需要的地點、時間與價格下取得可靠供電？

晶片採購與電網擴建遵循不同的時間表。運算設備可以下單，接電卻可能涉及系統研究、許可、設備採購與輸配電工程；即使資金到位，也不能保證各個環節同步完成。資本市場談論數以萬億美元計的智能服務需求，地方居民面對的問題則更直接：新增設施由誰付費，項目落空後誰承擔損失？

我看這輪投資，先問三件事：電力能否按時交付，服務價格能否覆蓋運算及資本支出，客戶是否願意持續付費。三者缺少任何一項，帳面上的算力都難以穩定轉化為資產價值。

用電增長有研究支持，預測仍保留寬廣區間

美國方面，勞倫斯伯克利國家實驗室2024年的報告估計，2023年資料中心用電約176太瓦時，約佔全美用電4.4%，對2028年的情境範圍為325至580太瓦時。該實驗室於2026年6月發布的更新研究，將2030年參考情境估計為649太瓦時；結合多項不確定性後，範圍為521至843太瓦時。

這些數字是模型估算，不能當作已簽約訂單。晶片出貨量、設備功率、使用率、運行壽命與冷卻效率任何一項改變，結果都可能不同。美國研究與IEA全球研究採用不同模型和假設，也不能直接拼成一張口徑完全一致的需求表。

對投資者而言，產業需求上升與個別機房獲利，屬於兩個層次的問題。某個區域可能同時出現電網不足與機房供應過剩：電力受限的場址無法上線，已建機房也未必符合客戶對設備、位置或價格的要求。某家公司即使訂單增加，仍可能因服務價格下降、設備使用率不足或融資負擔過重而虧損。

宏觀增長可以支持投資研究，現金流卻必須依靠具體客戶、可執行合約與有競爭力的交付能力。兩者之間的差距，正是項目評估需要回答的部分。

（圖片說明）賓州Susquehanna核電廠冷卻塔與廠區全景。該電廠曾涉及與資料中心共址的併網協議修訂，聯邦能源監管委員會（FERC）於2024年否決相關調整，凸顯核電鄰近大型負荷時的備援、可靠性與費用責任爭議。

新電源併網耗時超過五年，不能等同機房接電時間

資料中心需要的是特定接點上的可靠供電。全國裝機容量充裕，不代表某個地區的機房可以立即接電；輸電線容量、變電設備、保護系統與當地可靠性要求，都會影響接入。

伯克利實驗室2026年版《Queued Up》顯示，截至2025年底，美國約有8,200個發電及儲能項目正在申請併網，涉及約1,312吉瓦發電容量與749吉瓦儲能容量。在有數據的地區，2025年投運項目由提出併網申請至商業運轉的中位時間超過五年。研究同時指出，大部分提出申請的項目最終會撤回。

這是發電與儲能項目的統計，不能直接當作資料中心接電的等候時間。但它說明，增加電源須經歷融資、設備採購、工程與系統接入，過程漫長，結果也存在不確定性。

對資料中心場址而言，土地便宜與稅務優惠，未必足以抵銷接電延誤。設備到場而供電日期持續後移，融資成本仍在累積，硬體也可能在等待期間面臨新一代產品競爭。接電時程因此會影響項目的收入起點、設備競爭力與整體回報。

電網平均負荷與峰值能力之間的差額，也不能全部視為可供AI使用的閒置資源。電力系統須為設備故障、極端天候與季節性尖峰保留空間，多少可以轉化為新增長期負荷，需要逐區域評估。

接電安排究竟屬於初步意向、研究結果、附條件承諾，還是具有明確責任與日期的交付義務，應成為AI基礎設施盡職調查的核心問題。投資者還須辨明，哪些延誤由開發商承擔，哪些受制於電力公司或區域電網工程，以及各方是否具有相應的補救安排。

俄亥俄州把需求申報與付款責任掛鈎

AI能源問題最直接的公共後果，是擴建支出如何分攤。電力公司為大型客戶增設設施後，如果客戶取消項目、延後上線，或實際用量遠低於申報需求，未回收投資可能形成轉嫁給其他用戶的壓力。

俄亥俄州公用事業委員會（PUCO）於2025年7月9日採納AEP Ohio、監管機構職員、消費者代表等方面達成的資料中心費率和解安排，相關費率於7月23日生效，目的之一就是降低其他用戶承擔閒置設施支出的風險。

新安排對符合條件、合計需求超過25兆瓦的資料中心負荷設置專門義務。最低月度計費需量按容量級距及歷史計費需量等條件計算，其中按合約容量計算的最低需量以合約容量85%為上限。這是容量相關的計費規則，不能簡化為所有客戶都要購買實際未使用的85%電量。

合約初始期限為增載期加八年，增載期最長四年，因此可達12年。未同時符合指定信用評級與現金條件的客戶，須提供保證或擔保品，金額相當於合約全期最低費用的50%。提前退出亦受時間與付款條件限制，不能理解為客戶隨時支付三年費用，就能解除全部責任。

這套安排要求企業為所申報的需求提供財務承諾。當容量申報伴隨付款與擔保義務，企業便有更強誘因區分實際需要、備用選項與遠期構想，電力公司也能據此規劃建設。

制度實施後，已出現值得追蹤的合約數據。AEP Ohio於2026年2月披露，截至2月12日，新費率安排下已有5,642兆瓦資料中心容量簽署具約束力的合約。這是公司披露的合約容量，尚非實際投運負荷，但相較未附財務承諾的需求申請，已提供更具體的投資規劃依據。

對居民來說，重要的是新設施會否影響可靠性，以及誰支付長期帳單；企業則需要可以預期的價格與服務條件。清楚的分攤規則，有助於讓雙方在同一套制度下作決定，但不能因此宣稱所有電價與可靠性風險已經消除。

（圖片說明）三哩島核電廠冷卻塔與美國及賓州州旗。Constellation與微軟簽訂20年購電協議，支持一號機組重啟計畫，顯示科技企業以長期採購承諾推動核電復運，為資料中心尋求穩定低碳電力。

核電與資料中心合作，備援及電網責任仍須釐清

核能可以提供相對穩定的電力，因此受到大型科技企業重視。但發電廠與資料中心相鄰，不代表可靠性、備援與費用責任會自動解決。

2024年11月，聯邦能源監管委員會（FERC）否決一項涉及Susquehanna核電站的併網協議修訂，該修訂原擬將共址負荷由300兆瓦提高至480兆瓦。這是對特定協議修訂的決定，不能概括為全面禁止核電與資料中心共址。

這一歷史案例提出了具有普遍性的問題：機組停機時，資料中心是否依靠公共電網？如果需要備援，誰支付相關費用？既有發電量轉供大型客戶後，其他市場參與者受到什麼影響？

長期購電協議則提供另一種安排。Constellation於2024年9月宣布與微軟簽訂20年購電協議，支持三哩島一號機組重啟計畫，當時披露規模約835兆瓦，目標於2028年上線。這份公告證明長期採購承諾的存在，卻不能單憑合約認定機組已恢復運轉。

長期收入承諾有助於支持能源投資，許可、工程與投運風險仍須另行管理。合約年期足夠長、採購方信用良好，可以改善融資條件；能否按期供電，終究要由工程進度與監管程序共同決定。

十萬億美元推理市場，仍須由付費需求證明

在2026年10月24日發布的《20VC》訪談中，Unconventional AI聯合創始人兼行政總裁Naveen Rao，把能源與硬體效率放在AI競爭的核心位置，並預測推理市場十年內可能達到10萬億美元。公開節目頁呈現了這項判斷，但未提供足以重建該數字的完整測算。

Rao曾創辦被英特爾收購的Nervana Systems，也是MosaicML的聯合創始人。Databricks於2023年宣布收購MosaicML，披露交易估值約13億美元，包含留任安排。這些經歷使他對模型訓練與運算架構具有實際接觸；同時，他目前經營AI硬體公司，對硬體機會的判斷也具有商業利益背景。

推理，是模型訓練完成後處理用戶請求、生成答案或執行任務的過程。AI進入更多工作流程，可以增加持續運算需求，但模型服務、雲端運算、應用訂閱與企業節省的勞動成本，屬於不同統計口徑；直接相加，容易重複計算同一筆經濟價值。

十萬億美元可以作為研究遠景，不能作為今天擴建機房或採購設備的回報保證。判斷市場能走多遠，需要持續觀察付費客戶、服務價格、使用頻率與交付支出，而不能僅憑用戶數或生成文字量推算收入。

（圖片說明）資料中心內部伺服器機架與GPU運算設備。畫面呈現AI推論與訓練所需的高密度硬體環境，呼應文章對運算成本、使用效率、價格下降與實際交付能力的討論。

每吉瓦500億美元，必須先說清楚買到什麼

訪談中另一個需要釐清的數字，是建設一吉瓦能力約需500億美元。可讀取的第三方逐字稿記錄了這一說法，但未交代包含哪些設施、使用何種能源，以及是否計入資料中心與運算硬體。因此，既不能把它當作新增發電容量的通行造價，也不能直接斷定它代表整座AI園區投資。

EIA於2026年發布的2024年投運樣本顯示，天然氣發電設備容量加權平均建設成本約每千瓦1,004美元，太陽能約1,865美元，風電約1,882美元。以天然氣樣本作單純換算，一吉瓦約為10.04億美元，與500億美元存在巨大差距。

這種換算只能用來辨明口徑，不能當作項目報價。歷史設備樣本與今天承建大型電廠的價格不同，也不足以代表包含燃料保障、輸電、備援與儲能的完整供能系統。不同能源的一吉瓦裝機容量，更不等於相同的一吉瓦可靠供電能力。

AI園區的資本支出可能包括GPU、記憶體、網路、建築、冷卻及電力設施。市場比較價格與風險之前，必須確認投資購買的是發電設備、接電條件，還是一套可以交付運算服務的完整系統。資產範圍不同，建設期限、折舊速度、收入來源與風險承擔也會不同。

功率與電量同樣需要分開。吉瓦衡量功率，太瓦時衡量電量；一個設施全年持續以一吉瓦運行，年耗電量為8.76太瓦時。一座一吉瓦發電設施能否供應這個負荷，還取決於可用率、維修、燃料、天候與備援安排。

效率提高可以降低價格，未必保證供應商利潤

供電受限時，用相同電力完成更多合格任務，可以增加可售服務量，這是AI硬體值得長期研究的原因。不過，峰值算力不足以衡量效率，實際支出還受記憶體容量與頻寬、晶片間通訊、軟體支援、冷卻、使用率及任務類型影響。

對客戶有意義的指標，是在指定品質、延遲與可靠性要求下，完成一項合格任務的總成本。文字生成很快，如果答案需要反覆修改，企業仍須支付核對與返工的代價；某套系統在測試中表現出色，也不代表它在客戶日常負荷下具有相同的經濟性。

史丹福大學《2025 AI Index》顯示，以達到特定GPT-3.5級別MMLU測試表現的模型為基準，每百萬Token的查詢價格，由2022年11月約20美元，降至2024年10月約0.07美元，下降超過280倍。這是特定測試門檻下的比較，不能外推至所有模型與任務。

價格下降可以打開新市場，也可能壓縮既有服務的收入。效率改善的利益將在晶片供應商、雲端平台、應用公司與客戶之間分配，供應商能保留多少，取決於供應稀缺性、競爭強度、軟體生態與客戶轉換成本。

更便宜的運算亦不必然降低總耗電量。如果使用量增加得更快，節省的資源會被新增需求消耗。這種需求反應值得持續觀察，卻不能預先當成無限擴建的理由；企業仍須證明新增用量能帶來足夠收入。

（圖片說明）大型資料中心建築工地與起重作業。新設施的建設伴隨巨額電網與基礎設施投資，俄亥俄州等地區已將需求申報與最低付款、擔保義務掛鉤，旨在避免閒置成本轉嫁給普通用戶。

應用產生的淨收益，決定投資可以延續多久

所有運算投資最終都需要收入支持。企業不會因為模型輸出更多文字，就自動取得相應的生產力。

法律服務提供了一個例子。Allen & Overy於2023年2月宣布與Harvey合作時披露，試用期間約3,500名律師提出約40,000次查詢，涉及合約分析、盡職調查等工作，律所同時指出輸出需要律師仔細審查。這是使用方披露的採用情況，並非獨立審計後的投資回報。

對法律客戶而言，所購買的是可以依賴的專業服務。如果系統節省初稿時間，卻增加大量核對與返工，表面效率未必轉化為淨收益。資料保密、適用法律、專業責任與審查安排，都構成服務支出，也影響客戶是否願意持續使用。

客服領域已有較具體的實證。Brynjolfsson、Li與Raymond於2023年的研究，分析5,179名客服人員使用生成式AI輔助工具的情況，發現每小時解決問題數平均提高約14%，新手與技能較低員工的改善更明顯，有經驗員工的收益較小。這項結果適用於研究中的工作情境，不能直接改寫為所有企業均可削減14%人力成本。

這些案例支持一個有限而重要的判斷：AI可以在部分工作流程中產生價值，價值大小取決於任務、使用者能力與審查安排。對員工而言，AI也可以協助取得經驗、減少重複工作；企業若只計算可以減少多少職位，容易忽略知識傳承、培訓與服務品質的收益。

對中小企業而言，選擇合適服務、整理資料並建立驗收流程，往往比自行訓練大型模型更貼近實際需要。若產品進一步按任務或成果收費，承諾結果的公司也須承擔結果不合格的代價，人工覆核、保險、資料治理與服務保障將共同影響利潤。

工程、經營與公共責任，需要共同進入投資判斷

回到開頭的三個問題，可以將它們放進工程、經營與公共責任三張帳。

工程帳要確認場址何時接電、電源能否持續供應，以及輸配電、冷卻與備援是否具備交付條件。經營帳要評估客戶支付能力、設備使用率與服務價格，是否足以承擔折舊、融資及更新支出。公共帳則要衡量新增稅收與就業，是否與項目占用的電網、水、土地及環境資源相稱，以及需求縮減後的未回收投資由誰承擔。

三張帳的時間尺度不同。晶片可能很快面臨新一代產品競爭，電網設施卻要運行數十年。用短期高價需求支撐長期建設承諾，必須配以相應的合約保障與風險資本；稀缺資源可以帶來先機，建得太貴、交付太晚或缺乏穩定客戶，同樣會造成損失。

AI需求擴張、電網接入受限，以及部分工作流程出現效率改善，都有研究與案例支持。十萬億美元的推理市場、特定硬體路線的勝出，以及每項能源投資的回報，仍須接受時間與現金流的驗證。產業前景值得重視，個別資產的價格與風險仍要逐項判斷。

在今年1月的〈電力短缺正成為美國國家安全的隱性約束〉中，我與GFM研究團隊討論電力如何影響科技、產業與公共系統的運行能力。沿著《AI與能源》的研究線索繼續追問，這種能力還需要清楚的價格、責任與分配規則。可靠電力須轉化為有效運算，有效運算須形成值得付費的服務；企業也應為自己要求建設的設施承擔相應義務，讓普通家庭不必為缺乏約束的擴張承諾買單。當投資回報、供電可靠性與公共負擔能夠相互支持，AI基礎設施才具有長期創造價值的條件。

免責聲明

本文僅供新聞研究與資訊參考，不構成投資、法律或稅務建議。文中數據及預測受統計口徑、技術與政策變化影響，具體項目應另行進行工程、財務及法律盡職調查。