AI 燒錢燒到電力吃緊：2026 科技巨頭合計狂砸 7,250 億美元蓋資料中心，為什麼真正卡住 AI 的不是晶片而是「電」

我們習慣用「跑分」「參數」「又降價了」來衡量 AI 的進展，但 2026 年上半年，AI 世界最驚人的一組數字，其實藏在財報最不起眼的角落——「資本支出（capex）」。市場統計，光是 Google、Amazon、Microsoft、Meta 這四家超大規模雲端業者（hyperscaler），2026 年合計規劃的資本支出就逼近 7,250 億美元，比 2025 年的 4,100 億美元暴增約 77%。Alphabet 更在最新財報把全年資本支出上緣一路調高到 2,050 億美元，理由只有一句話：需求持續超越投資速度。

換算下來，這幾家公司一年花在蓋資料中心、買晶片、拉電力的錢，已經超過不少國家的年度總預算。這篇文章想聊的，不是又有哪個模型變聰明了，而是支撐這一切的「地基」正在發生什麼事——以及為什麼真正卡住 AI 的，可能不是晶片，而是電。

Photo by Geoffrey Moffett on Unsplash

這波「基建軍備競賽」到底在花什麼錢

我們每天接觸到的 AI，是一個聊天框、一段生成的文字或影片，輕巧得幾乎沒有重量。但這層輕巧只是冰山露出水面的一角，水面下是龐大到不成比例的實體基礎建設。每一次你對著聊天框打字、每一段被生成的影片，背後都是一整排伺服器在高速運算、發熱、耗電。

當使用量以指數成長，這些實體資源的需求也跟著爆炸。於是 2026 年的科技巨頭，幾乎把資本支出當成一場「不能輸的賭注」在下：Amazon 全年資本支出上看 2,000 億美元、Alphabet 落在 1,750 至 2,050 億美元區間、Meta 約 1,150 至 1,350 億美元、Microsoft 也朝 1,200 億美元以上邁進。這些錢主要流向三個地方：買 NVIDIA（以及自研）的 AI 晶片、蓋新的資料中心廠房、以及——越來越吃重的——取得穩定的電力供應。

值得注意的是，這已經不是「先蓋起來再說」的樂觀擴張，而是「蓋不夠快」的焦慮。當一家公司說「需求超越投資速度」，翻成白話就是：訂單多到接不完，但硬體來不及長出來。

為什麼現在值得關注：電力，成了新的瓶頸

過去大家默認 AI 的瓶頸是晶片——誰能拿到更多 GPU，誰就贏。但 2026 年的劇情悄悄變了。最具代表性的訊號來自 Microsoft：它揭露 Azure 雲端有高達 800 億美元 的訂單積壓（backlog）無法履行，原因不是缺伺服器，而是缺電。有機櫃、有客戶、有訂單，卻沒有足夠的電把它們點亮。

這是一個相當關鍵的轉折：當「錢」和「晶片」都不再是最稀缺的資源，決定 AI 產能蓋在哪、誰拿得到、用什麼價格拿到的，變成了「電力基礎建設」。一座資料中心從動土到真正供電上線，往往要牽涉到變電站、輸電線路、甚至新的發電來源，這些都不是靠砸錢就能在幾個月內變出來的東西。

Photo by Matthew Henry on Unsplash

數字也說明了壓力有多大。根據國際能源總署（IEA）的估計，全球資料中心用電量將在 2024 到 2030 年間翻超過一倍，逼近每年 945 TWh（兆瓦時）——這個量級已經接近一個中型國家的全年用電。其中 AI 相關運算目前約占資料中心用電的 5 至 15%，但到 2030 年可能一路衝到 35 至 50%。換句話說，未來幾年新增的電力需求，有相當大一塊是被 AI 吃掉的。

目前的發展現況：從搶晶片到搶電、搶自主

面對電力與供應鏈的壓力，業界正往幾個方向同時動作。

第一，是電力來源的多元化與長約化。科技巨頭不再只是「向電網買電」，而是開始直接簽長期購電合約、投資再生能源、甚至重新把腦筋動到核能（包括傳統核電與小型模組化反應爐 SMR）上。電，正在從一項「營運成本」變成一項需要提前好幾年布局的「戰略資產」。

第二，是晶片自主化。為了擺脫對單一供應商的依賴、壓低長期成本，越來越多玩家投入自研晶片。連中國的 DeepSeek 都宣布要設計自家的推論（inference）專用晶片，試圖擺脫對 NVIDIA 與華為的依賴。當運算需求大到一定程度，「自己做晶片」在財務上就開始划算，這也是為什麼自研矽晶（custom silicon）在 2026 年格外熱鬧。

第三，是效率的軍備競賽。當每一度電都珍貴，如何用更少的能耗跑出同樣的效果，就成了硬指標。從液冷散熱、晶片能效比，到模型本身的推論最佳化，整個產業都在想辦法把「每瓦特能算多少」這件事做到極致。這也是為什麼今年模型降價、推論成本大跌的新聞不斷——背後其實是效率提升與規模經濟共同作用的結果。

Photo by Winston Chen on Unsplash

對產業與一般使用者的影響

這場基建競賽看似離日常很遠，其實影響會一路滲透下來。

對一般使用者來說，好消息是：規模化與效率提升，讓 AI 服務的單位成本持續下降，這幾年我們才會看到各家模型接連降價、免費額度變多、功能越給越大方。但同時也有一個隱憂——當運算與電力的成本最終要有人買單，未來 AI 服務的定價會不會在「先燒錢搶市占、再回頭漲價」之間擺盪，是值得留意的。

對整體產業來說，AI 正在把科技業從一個「輕資產、高毛利」的軟體生意，往「重資產、拚基建」的方向推。這意味著能不能玩這場遊戲，門檻越來越高——不是有好演算法就夠，還要有能力調度上百億美元的資本、拿到土地、拿到電。這對少數巨頭是護城河，對想切進來的新玩家則是高牆。

而對能源與環境而言，AI 用電的暴增是一個必須正視的議題。它一方面可能加速再生能源與新型發電技術的投資，另一方面也讓「AI 的碳足跡」從一句口號變成真實的帳單。未來幾年，AI 產業如何在成長與永續之間取得平衡，會是繞不開的課題。

個人觀點：真正的競爭，正在螢幕背後發生

我自己的觀察是，2026 年 AI 的故事重心，正從「模型多聰明」悄悄轉移到「基礎建設多穩」。這其實是一個產業走向成熟的訊號——當技術的邊際突破趨於收斂，競爭就會回到更硬、更基本面的東西：誰能用更低的成本、更穩定地把運算「量產」出來。

這裡面有一個很值得玩味的反差。我們平常接觸 AI，是一個輕盈、即時、幾乎沒有實體感的體驗——打字、得到答案。但撐起這份輕盈的，卻是全世界最重、最耗能、最需要長期布局的實體基建之一。這種「極輕的介面」與「極重的地基」之間的張力，可能會定義接下來好幾年的科技版圖。

當然，也要保持一份清醒。這麼大規模、這麼快速的資本投入，究竟是理性的長期布局，還是又一輪過度樂觀的軍備競賽，現在還很難下定論。歷史上不乏「基建先行、需求後補」最終供過於求的案例；但也有「早期看似瘋狂的投入，事後證明只是剛好夠用」的先例。AI 屬於哪一種，恐怕要再過幾年才會揭曉。

唯一可以確定的是：下一次當你順手用 AI 幫忙寫封信、改張圖時，不妨想一想——這個看似免費又輕鬆的動作，背後是一整座正在為了「電」而傷腦筋的巨大機器。AI 的未來，某種程度上，正被寫在那些沉默運轉的資料中心與高壓電塔之間。