101條目
電力限制:AI 的下一個瓶頸
電力正成為 AI 部署的下一個實體限制。單一 NVIDIA B200 GPU 機櫃耗電 120kW——一座擁有 100,000 個 GPU 的現代 AI 資料中心需要超過 1 gigawatt 的電力,相當於一座核電廠的發電量。超大規模雲端業者(hyperscalers)可用電力容量的耗盡速度,已超過新增發電產能上線的速度。這在發電端(核能 SMR、天然氣)、輸配電端(變壓器、開關設備)以及能源效率端(液冷、散熱管理)創造了投資機會。這項能源限制透過 Closelook 6-Layer Model 中的 Energy 層進行追蹤。
由英文原文自動翻譯。 閱讀英文原文 →
問題的規模
全球資料中心的電力消耗預計到 2028 年將增加逾一倍,幾乎完全由 AI 工作負載驅動。挑戰在於:建設發電與輸電基礎設施需要 3-7 年,而 AI 需求卻是逐季成長。這種時間錯配造成了結構性的電力缺口,限制了 AI 基礎設施能在何處、以多快速度部署。
已有多家超大規模雲端業者表示,因電力供給問題而延後資料中心的部署。Microsoft、Google 與 Amazon 皆投入長期購電合約、核能合作案以及廠址自發電——顯示它們認為電力才是限制其 AI 野心的關鍵瓶頸。
投資意涵
發電端:核能(Constellation Energy、NuScale、Oklo)、天然氣(Calpine、Vistra)以及公用事業規模的太陽能/儲能電池,皆受益於超大規模雲端業者對穩定基載電力的需求。
輸配電端:變壓器與開關設備正面臨產能瓶頸——Eaton、Schneider Electric 及一些利基業者的訂單積壓持續延長。
能源效率端:液冷可減少以熱能形式浪費掉的電力。每節省一瓦用於散熱的電力,就多出一瓦可用於運算。Vertiv 與 Modine 是主要受益者。