AI 要一個國家的電才夠跑？全球自然資源緊繃加遽

無人島

根據 Truthdig 與 Tom’s Hardware 的報導，OpenAI 執行長 Sam Altman 在去年 9 月的內部備忘錄中提出一項前所未見的計畫：在 2033 年前打造高達 250GW 的計算能力。此一電力規模已逼近一個國家的用電需求，約等同於支撐整個印度 15 億人口的電力消耗；如果成真，其碳排放量將超過石油巨頭埃克森美孚（ExxonMobil）兩倍，成為全球最大的企業級排放源。

報導指出，支撐 250GW 運算能力所需的 GPU 數量將達到 6,000 萬顆，以現行兩年一換代的經濟壽命推算，OpenAI 必須每年採購 3,000 萬顆 GPU 才能維持運作。極高的電力密度和運轉負載，也使 AI 訓練與推論成為全球成長最快的能源消耗來源之一。

CSP 全面擴建 AI 資料中心，未來「耗電怪獸」正悄然孵化
巨量用電與龐大的晶片需求已不再只是 OpenAI 的課題。全球大型雲端服務供應商，包括 Microsoft Azure、Amazon AWS 與 Google Cloud，也正投入比以往任何時期更大規模的資料中心擴建。業界普遍預期，這些 CSP 在未來十年將與鋼鐵、水泥與煉油產業並列全球主要耗電者，其 AI 伺服器全年無休，以推論與訓練為核心的運算模式，使資料中心用電曲線呈現出前所未有的陡峭成長。

在這波 AI 電力競賽下，冷卻需求成為另一個被放大的環節。資料中心規模暴增，使得大量冷卻用水與設備能耗拉高城市負荷，也造成局部電網品質下降與電價波動。多個國家已警告，資料中心集中區域可能面臨電力緊縮，部分地區甚至提前限制用電或推遲新資料中心建案，以避免影響一般家庭與企業的供電品質。

半導體供應鏈資源壓力倍增
能源壓力並不僅止於資料中心端。報導進一步指出，AI 晶片需求的爆炸式成長，使全球半導體供應鏈在啟動許多廠房，其中包括台積電與三星的多項先進製程基地。以台積電為例，Fab 25 單廠的用電量即需至少 1GW，可支撐約 75 萬戶台灣家庭；每日用水量約 10 萬公噸，相當於近 20 萬名台中市民的日常用水。除了水電消耗，先進製程所需的化學物質也引發健康與環境疑慮。

這也意味著，AI 電力消耗的衝擊早已不限於模型與伺服器端，而是沿著供應鏈一路蔓延至晶圓製造、化學品處理，再到礦產開採與物流運輸。GPU 製造所需的稀土、金屬、超純水與能源，都對地球提出更高的負荷。

AI 擴張重塑全球能源版圖，電力和資源真的夠用嗎?
隨著美國、中國、歐洲與東南亞等市場相繼投入 AI 基礎建設，科技競爭也逐漸演變成能源與資源競賽。報導指出，AI 用電增長速度可能在未來十年內超過再生能源新增速度，電力供需缺口、區域性停電風險與電網負載問題將成為新常態，各國政府也開始重新檢視資料中心與半導體廠的環評與電力分配策略。

在這股浪潮中，報告提出一個更根本的疑問：當矽谷 CEO 正不斷追求更大的模型、更高的算力與更密集的 GPU 部署時，除了思考「AI 還需要多少電」，更必須面對關於地球資源的問題——「自然資源究竟還能支撐多少人工智慧的擴張」。

錄自：科技新報