📰 重點摘要

截至2025年底，全球AI資料中心電力容量達29.6 GW，相當於紐約州用電高峰。史丹佛大學報告指出，GPU運算成本自2006年起下降逾99%，但效率提升並未轉化為節電，而是被投入訓練更龐大的模型，電網壓力持續攀升。旗艦訓練任務（如Llama 4 Behemoth）單次用電可超100 MW，相當於一座小型發電廠；AI專屬算力三年內暴增約200倍，從2022年不足1 GW躍升至今，預計2030年前仍將持續成長。美國擁有5,427座資料中心，超過其他任何國家的10倍；截至2024年底，AI累計耗電估計達9.4 GW，接近瑞士全國用電量，約為比特幣挖礦總耗電的一半。

比特幣礦商因2026年幣價年跌逾34%、JPMorgan估算全成本高達每幣約7.8萬美元（遠高於約5.34萬美元市價），約兩成礦商陷入虧損，遂將既有電力基礎設施——包括供電合約、電網接入點與冷卻系統——轉租給AI業者。ASIC礦機晶片雖無法用於AI訓練，但周邊設施可無縫轉用，且礦場多位於德州等電費低廉的美國州份，地理條件與AI需求高度吻合。Iren即於2025年11月與微軟簽訂五年GPU雲端合約，總金額約97億美元，由德州Childress一座750 MW園區提供算力。

💬 JudyAI Lab 觀點

AI資料中心的電力消耗規模已大到無法忽視，而比特幣礦場轉型算力基地這個現象，正在重塑AI基礎設施的佈局版圖。

史丹佛報告揭示了一個反直覺的結構：GPU運算效率每提升一分，省下的成本不是縮減用電，而是被投入訓練更龐大的模型，讓AI能耗呈現「越省越耗」的矛盾迴圈。截至2025年底，全球AI資料中心電力容量已達29.6 GW，相當於紐約州用電高峰，而這個數字預計2030年前仍將持續攀升。對AI builder而言，這個趨勢值得留意的不只是環境議題：礦場轉型AI算力（如Iren與微軟簽下總額約97億美元的五年GPU雲端合約）顯示，「有電、有地、有冷卻系統」的既有基礎設施比晶片本身更難取得，供電合約正成為新的競爭關鍵。我們觀察到，AI基礎設施的競爭重心，正在從技術層悄悄移向電網接取權。

下次評估AI雲端服務供應商時，不妨多問一層：他們的算力背後接的是哪條電網、電費結構是否穩定——這個問題五年前是多餘的，現在已是選型基本功。

📅 原文資訊

🔗 延伸閱讀