AI 開始跟你搶電：資料中心用電 2026 年狂飆 26%，一家新創募資 1.5 億美元，只為在電網「擠出」給 AI 的電

過去兩年，我們談 AI 幾乎都在談「聰明」——模型多會寫程式、多會解數學、多會取代誰的工作。但 2026 年下半年，一個更土、更硬的問題浮上檯面：AI 的胃口不是資料，是電。而全世界的電網，正開始跟不上它。

八月底，一家名叫 Emerald AI 的新創以 10.5 億美元估值募到 1.5 億美元 A 輪，投資人擠破頭把這輪超額認購。它做的不是又一個聊天機器人，而是幫資料中心「隨電網狀況調整用電」的軟體。這件事本身就是一個訊號：當資本開始重金押注「怎麼餵飽 AI 的電」，代表這已經不是環保議題，而是整個 AI 產業能不能繼續長大的瓶頸。

Photo by Taylor Vick on Unsplash

這件事到底是什麼

先把數字攤開。根據 Gartner 的預估，2026 年全球資料中心的用電量將年增約 26%，總功率從 2025 年的約 104 GW（十億瓦）跳到 132 GW，而到 2030 年可能衝上 290 GW。IEA（國際能源總署）的算法更直觀：資料中心一年的用電量正朝著 1,050 TWh（兆瓦時）逼近——如果把全球資料中心當成一個國家，它的耗電量會排進世界前五，卡在日本和俄羅斯之間。

推動這條曲線往上飆的，主要就是 AI。Gartner 估計，2026 年「AI 專用伺服器」會吃掉資料中心約 31% 的電，而且到 2027 年，這些跑 AI 的機器耗電量就會正式超越傳統伺服器。更麻煩的是「密度」：傳統機櫃一櫃大概 5 到 15 kW，AI 機櫃動輒 30 kW 起跳，塞滿 GPU 的甚至破 100 kW。這不是多插幾條電線的問題，而是同樣一塊機房面積，現在要灌進去的電是以前的好幾倍，很多地方的區域電網根本吞不下。

換句話說，AI 產業目前面臨的不是「有沒有更強的晶片」，而是「有沒有地方能插電、插了電網會不會跳」。這也是為什麼 Emerald AI 這種公司會突然變香——它主打的 Conductor 平台，宣稱能在不「直接關機」的前提下，動態調度 AI 工作負載和用電，號稱能在現有的美國電網上「擠出」超過 100 GW 的閒置容量。

為什麼是現在值得關注

因為問題已經從「未來的隱憂」變成「現在的排隊」。在美國，資料中心的用電需求高度集中在少數幾個州。以維吉尼亞州為例，有分析估計到 2030 年，資料中心可能吃掉該州 41% 到 59% 的電力；另外像亞利桑那、印第安納、愛荷華、內布拉斯加、內華達、奧勒岡、懷俄明等七個州，資料中心用電占比也可能突破 20%。當一個產業開始跟居民、跟工廠、跟醫院搶同一條電網的容量，電價、供電穩定、甚至政治風向都會被牽動。

Photo by Matthew Henry on Unsplash

這裡有個很現實的時間差：蓋一座資料中心大概一到兩年，但要新拉一條高壓輸電線、或蓋一座發電廠，動輒五到十年。AI 的算力需求是用「季」在成長，電網的擴建卻是用「年」在爬。兩條線的斜率完全對不上，中間那道缺口，就是 2026 年整個產業真正的痛點。

這也解釋了最近一連串看似不相關的新聞：科技巨頭一邊搶著簽長期購電合約、一邊投資核電與小型模組化反應爐（SMR），甚至傳出要自己蓋電廠。當「電」變成 AI 競賽的稀缺資源，誰能鎖定穩定又便宜的電，誰就握住了下一階段的門票。這已經不只是工程問題，而是戰略問題。

目前的發展現況

面對缺口，市場大致分成三條路在走。

第一條是「開源」電網的閒置容量。這正是 Emerald AI 的切入點。它的邏輯很聰明：電網其實不是全天候滿載，一天之中大多數時間都有餘裕，真正吃緊的往往只是幾個尖峰時段。如果資料中心能在電網最緊繃的那幾個小時，聰明地把「不急的」AI 運算稍微降速或延後——例如把訓練任務往離峰時段挪——那電網就不需要為了那幾小時的尖峰去蓋新電廠。Emerald 已經在維吉尼亞州曼納薩斯，和 Digital Realty、NVIDIA 合作一座近 100 MW 的 AI 研究工廠，並和當地電力公司推出「彈性負載併網計畫」：資料中心願意在必要時可調度地降載，就能換到更快的併網許可。這是一種很典型的「用軟體換硬體」思路。

第二條是自己去找電源。從長期購電協議、再生能源、到核能，巨頭們正在把「發電」內化成自己的能力。這條路資本雄厚者才玩得起，門檻高、週期長，但一旦成局，護城河也最深。

第三條是把機器本身變省電。更高效的晶片、以液冷取代風冷、更聰明的排程與模型壓縮，都是在「同樣一度電做更多運算」上下功夫。這條路最技術、最不性感，卻是每一家 AI 公司都必須做的基本功。

Photo by Zbynek Burival on Unsplash

對產業與使用者的影響

對一般使用者來說，這件事會以兩種方式回到你身上。一是價格：AI 服務的成本結構裡，電費占比越來越高。過去一年我們看到 AI API 一路降價、進入價格戰，但如果電力成本持續上升，這波降價的地板遲早會被電費頂住。「AI 越用越便宜」不會是無限的。二是可用性與延遲：當「彈性用電」變成主流，某些非即時的 AI 任務（大型批次生成、模型訓練、影片渲染）可能會被安排在離峰時段執行，換取更低的費率。這其實對懂得規劃的使用者是好事——就像離峰電價、紅眼班機一樣，願意錯開尖峰的人能拿到更便宜的算力。

對企業經營者，這裡有一個容易被忽略的啟示：AI 的成本不會永遠只跌不漲，而且它的底層受制於實體世界的供給。當你在評估要不要把某個流程「全部交給 AI」時，除了看功能，也該想想這項服務背後的成本結構穩不穩、供應商有沒有被上游能源綁住。把 AI 當成水電一樣的基礎設施沒錯，但基礎設施本身也會漲價、也會限電。

個人觀點

一個產業有沒有真的長大，看的往往不是它最風光的時候在講什麼，而是它開始煩惱什麼。當 AI 圈的話題從「模型能不能做到」變成「電網跟不跟得上」，其實是件好事——這代表 AI 已經從實驗室的展示品，變成了要對真實世界的供電、成本、基礎設施負責的產業。會開始煩惱水電，通常代表這門生意是玩真的。

但對「純軟體解決一切」也該保持一點戒心。Emerald AI 這類方案很聰明，把電網的閒置容量榨出來、用調度換時間，短期內確實能拖住缺口。可是它治標，不完全治本——需求曲線的斜率如果不變，總有一天連「閒置容量」都會被吃光。真正的解法，恐怕還是得回到最不浪漫的地方：蓋更多、更乾淨、更穩的發電，把電網真正擴建起來。軟體能買到時間，但買不到瓦特。

對台灣來說，這個議題其實更貼身。我們是半導體與資料中心供應鏈的關鍵一環，供電穩定與否，直接關係到整個產業的信心。AI 的下一場競賽，表面上比的是模型與晶片，底層拚的卻是能源。誰先想清楚「電從哪裡來」，誰才有資格談「AI 要做多大」。這道題，沒有任何一個想認真做 AI 的國家或公司躲得掉。