AI時代的電力黑洞：引發能源產業下一波科技革命

※如欲轉載本文，請與北美智權報聯絡

李淑蓮╱北美智權報　編輯部

人工智慧（AI）正掀起新一波全球技術浪潮，不僅重新定義商業與社會運作邏輯，更對能源系統帶來前所未見的挑戰與機會。根據國際能源總署（IEA）於2025年發表的《Energy and AI》特別報告 (下稱《報告》)，AI在訓練與部署階段對電力的高度依賴，已使「電力」成為AI擴張的關鍵資源，而AI本身也具備轉型能源體系的巨大潛能。

隨著人工智慧的興起，全球資料中心 (Data Center) 的能源需求正快速增長。資料中心是用來存放伺服器、儲存系統、網路設備及相關組件的設施，這些設備通常被安裝在機架上並排成行。資料中心是AI模型訓練和部署的主要場所，要了解資料中心在能源系統中的角色，首先需要了解其組成部分及運作方式。

資料中心的組成與運作方式

資料中心的主要組件包括伺服器、儲存系統、網絡設備、冷卻系統和其他基礎設施。伺服器是處理和儲存數據的計算機，通常會配備中央處理器（CPU）和專門的加速器（例如圖形處理單元GPU）。伺服器在現代資料中心的能源需求中占約60%的比例，而不同類型的資料中心在此比例上會有所不同。

儲存系統主要用於集中儲存和備份數據，佔據資料中心約5%的電力消耗。網路設備包括交換機、路由器及負載平衡器等，這些設備用於連接和優化資料中心內部的流量，通常佔據約5%的電力需求。冷卻與環境控制系統則負責維持資料中心內的適宜溫度與濕度，確保IT設備能在最佳條件下運作。這些冷卻系統的能耗比例會因資料中心的效率而異，高效的超大規模資料中心其冷卻系統的能源消耗比例約為7%，而企業級資料中心可能超過30%。

此外，不間斷電源（UPS）和備用發電機則確保資料中心在停電期間仍能運作，儘管這些設備的使用頻率不高，但它們對確保資料中心的高可靠性至關重要。其他基礎設施如燈光、辦公設備等，也會消耗一定的電力。資料中心的電力消耗比例會根據其設備種類與運行效率有所不同 (詳圖1)。

AI崛起與加速伺服器的能源需求

隨著AI的發展，高效能加速伺服器 (high-performance accelerated servers) 的部署進一步提升了資料中心的電力密度。AI的快速發展使得加速伺服器的需求迅速增加，這也將成為未來資料中心電力需求增長的主要驅動因素。根據目前的預測，資料中心的電力消耗將從2024年的約415太瓦時（TWh）增長至2030年預計的約945 TWh，這將占全球電力需求的近3%。此期間，資料中心的電力需求將每年增長15%，是全球其他行業電力需求增長的四倍以上。

加速伺服器的電力需求，尤其是在AI應用驅動下，預計將以每年30%的速度增長。相比之下，傳統伺服器的電力需求增長則相對緩慢，約為每年9%。在資料中心的電力需求增長中，幾乎一半來自加速伺服器，而傳統伺服器的增長僅占約20%。此外，其他IT設備和基礎設施（如冷卻設備等）需求也分別占了10%和20%的增長比例 (詳圖2)。

資料中心能源需求的增長趨勢

在地區分佈方面，美國、中國和歐洲將繼續是未來數年內資料中心能源需求的最大市場。然而，其他地區的資料中心發展也在快速增長，特別是東南亞，預計到2030年，該地區的資料中心能源需求將翻倍，部分原因是新加坡和馬來西亞南部成為區域資料中心的樞紐。

美國和中國是資料中心電力需求增長的主要地區，這兩個國家的增長將占全球總增長的近80%。美國的電力需求預計將比2024年增長240 TWh（增長130%），而中國將增長175 TWh（增長170%）。歐洲增長超過45 TWh（增長70%），日本則增長約15 TWh（增長80%）。如果將資料中心的電力消耗按人均計算，可以更清楚地了解這個行業在不同經濟體中的重要性。非洲的資料中心電力消耗最低，2024年每人消耗的電力不足1 kWh，到2030年略高於2 kWh；而美國的每人資料中心電力消耗最高，2024年約為540 kWh，預計到2030年將增長到1200 kWh以上，相當於美國家庭年電力消耗的10% (詳圖3)。

未來資料中心能源需求的敏感情境 (sensitivity cases) 分析

雖然資料中心的電力需求增長強勁，但根據基準情境 (Base Case)，從2024到2030年，資料中心的增長將僅占全球電力需求增長的不到10%。其他關鍵驅動因素，如行業產值增長、電氣化進程、電動車普及以及空調使用等，將主導整體電力需求的增長。然而，儘管增長幅度相對較小，資料中心的分佈相對集中，這可能會使其與電網的整合變得更加複雜。

在不同情境下，資料中心的能源需求會有所變化。若AI應用增長快於預期，則資料中心的電力需求將大幅上升，預計到2035年，全球資料中心的電力需求將比基準情境增長45%，達到1700 TWh，佔全球電力需求的約4.4% (Lift-Off Case)。相對地，如果能源效率在軟硬件和基礎設施方面取得更大進展，則可以節省超過15%的能源需求，預計到2035年，全球資料中心的電力需求將達到970 TWh，占全球電力需求的2.6% (High Efficiency Case)。若AI應用增長放緩，或許會出現更為保守的情景，這會使得資料中心的電力需求增長放緩，至2035年，增長的電力需求僅為700 TWh，全球電力需求中資料中心的份額將降至不到2% (Headwinds Case)。

這些情境分析顯示，未來資料中心在全球能源系統中的角色將持續擴大，但同時也充滿不確定性，這需要能源部門對未來的多種發展路徑進行深入探討與規劃。隨著資料中心的需求不斷攀升，能源行業必須提前規劃應對方案，確保可持續發展與有效的能源利用，避免未來的能源瓶頸。

誰來供電？從再生能源到小型模組核能（SMR）

面對激增的AI電力需求，IEA強調必須透過多元電力來源滿足。《報告》指出，2035年前新增資料中心用電需求中，有一半預期由再生能源供應，天然氣與核能亦將扮演關鍵角色：

• 再生能源：預估新增超過450 TWh供應，因其經濟性與科技巨頭（如Google、Microsoft）採購策略的驅動。
• 天然氣與核能：天然氣預估增加175 TWh供應量，SMR等新型核能技術預計2030年後進入實際部署階段。

IEA也特別提到，地熱與儲能技術雖尚未成熟，未來可能成為補充性解方。

電網成為關鍵瓶頸：升級不及將延宕AI布局

儘管發電技術日益進步，但電網基礎設施未同步升級正成為重大風險。IEA警告，全球已有超過20%的資料中心建案可能因電網併聯延宕而受阻。

建置一條新電網傳輸線可能需時4至8年，變壓器與電纜的交貨時間已翻倍成為「卡點」。美國目前約有一半在建資料中心集中於5個地區群聚，若不解決電網壅塞，恐對區域能源安全與AI成長造成雙重打擊。

AI也能反過來協助能源業轉型，成為能源技術研發加速器

《報告》指出，除了消耗能源，AI也正在協助能源業「更智慧地」運作：

• 油氣與礦產供應鏈：利用AI進行資源探勘、洩漏偵測、設備預測維修，已提升生產效率並降低排放。
• 電網管理：AI可提升可再生能源預測準確度，並透過感測器偵測故障點，縮短停電時間達50%。
• 傳輸容量提升：運用AI與遠端感測，無需新增電塔即可釋放175 GW容量，相當於2030年前資料中心新增電力需求。
• 工業與建築：AI自動化可優化製程、冷暖氣系統與照明效率，節能效果相當於墨西哥全年能源消耗。

《報告》指出，AI已在新材料、電池化學、碳捕捉等領域展現突破潛力：

• 材料研發速度提升45,000倍（以AI輔助蛋白質結構模擬為例）；
• 能源創新週期可望縮短10年以上，大幅推進零碳技術商品化；
• 電池與催化劑研發應用已進入實驗室階段，政策推動將是下一關鍵。

能源與AI攜手進入深度整合時代

《報告》清楚揭示：AI與能源的互依關係日益深化，從「誰為AI供電」到「AI如何優化能源」，這場變革不僅牽動全球產業格局，更可能重塑國際能源治理與氣候政策。

IEA呼籲各國政府、能源業者與科技企業儘早展開跨域對話，共同布局未來基礎建設與人才發展，讓AI成為能源轉型的「加速器」，而非「負擔者」。

延伸閱讀&電子報訂閱連結：

【詳細內容請見《北美智權報》382期；歡迎加入NAIPNews網站會員成為我們的訂戶，以掌握最關鍵的專利商標智財消息！】