AI越省電反而吃更多電？Google引「傑文斯悖論」示警：能源已成算力擴張最大硬瓶頸
在 SEMICON Taiwan 2026 的開幕專題演講中，Google 人工智慧與基礎設施首席技術官 Amin Vahdat 展現了與一般工程技術演說截然不同的歷史縱深。自稱「歷史學生」的 Vahdat，並未開門見山大談浮點運算速度，而是引導全場觀眾將時光倒轉回十八世紀工業革命的發源地英國。
1712 年，發明家紐科門（Thomas Newcomen）打造出高達三層樓的原始蒸氣機，其唯一用途僅是為了抽除深層煤礦中的地下積水；直到五十年後，瓦特（James Watt）將加熱汽缸與冷卻汽缸分離並加入齒輪傳動結構，硬是將蒸氣機的能源效率拉升了五倍之多。
Vahdat 解釋，正是這一場由 1％ 躍升至 5％ 的能源轉換突破，將一項原本極度侷限的利基抽水工具，化為推動紡織工廠、催生現代都市、電網乃至橫跨大洋鐵路動力的社會奇異點。
引傑文斯悖論破除迷思 AI 成拓展認知「心智倍增器」這段科技史與當代 AI 發展有著驚人且近乎鏡像的巧合。Vahdat 指出，2017 年 Transformer 架構的橫空出世，在相同的運算資源下，比過往主流的長短期記憶模型（LSTM）足足帶來五倍的效能躍升，這正是觸發今日所有大語言模型全面爆發的根本歷史轉折點。然而，技術效率的倍增是否會讓產業所需的能源與資源逐漸縮減？
Vahdat 搬出經濟學大師傑文斯在 1865 年提出的著名論點「傑文斯悖論（Jevons Paradox）」給予了否定回答。當年瓦特大幅降低煤炭單耗後，煤礦的總消耗量非但沒有下降，反而在各領域嶄新應用的牽引下出現了爆炸性膨脹。
Vahdat 藉此精準打破了當前社會對「工作總量有限（The Fallacy of Finite Work）」的認知迷思，強調工業革命是突破人類生理極限的「肌肉倍增器」，而當前的人工智慧則是拓展認知邊界的「心智倍增器」。
電網承載逼近物理障壁 考核指標轉向「每瓦實質交付價值」
「當一項基礎資源的成本大幅降低時，其最終消耗總量必然是指數級增長，千倍的能效躍進絕不意味著千分之一的從業人員需求，人類永無止境的雄心壯志，將促使我們去解開過去完全不敢想像的難題。」
然而，這種對算力無止境的渴求，正將全球資料中心硬生生逼撞上最殘酷的物理障壁——電力供給極限。Vahdat 坦率示警，在可預見的中長期未來，電力已經超越晶片與廠房，成為限制科技發展最為嚴苛的瓶頸資源。這項致命的硬限制，迫使 Google 全面廢棄行之有年的工程考核標準。
「過去整個工程界的最高指導原則是將運算效能除以總擁有成本（TCO），想辦法把分子極大化、分母極小化；但如今我們已經全面轉向『每瓦效能』，更精確地說，是『每瓦實質交付價值（Delivered Value per Watt）』。」Vahdat 解釋，在可預見的未來，許多企業手中坐擁數百億美元的充沛資金，卻根本在電網上買不到足夠的發電額度。
他更進一步揭露產業內部的運作真相：業界競相宣稱的吉瓦（GW）級大型園區，當電力一路傳輸到終端伺服器機房時，真正能有效轉換為運算產能的實際利用率「低得令人震驚」，若不從電力轉換的本質改變系統設計，龐大的供電將有絕大部分淪為無謂的廢熱與耗損。
軟硬雙軌抗衡能源死局 前瞻評估太空部署 TPU 算力為打破這道能源死局，Google 在會場端出軟硬體雙軌極限優化的亮眼數據。在基礎設施端，透過數十年的工程技術累積，Google 資料中心的電能使用效率（PUE）已收斂至極致的 1.09，代表僅有 9％ 的電力耗損在非運算開銷上，整整比全球業界平均水準高出 83％ 的優異表現；在軟體演算法端，光是 2024 年 5 月至 2025 年的一年間，Google 透過架構調校，將 Gemini 模型的單次查詢能耗從原本的 8 瓦時驟降 33 倍至僅剩 0.24 瓦時，相當於一般人家中看電視 9 秒鐘的耗電量，背後碳足跡更一口氣大減 44 倍。
而在演講尾聲，Vahdat 更首度提及一項前瞻研究計畫「SunCatcher」，透露 Google 正在嚴謹評估將特定 TPU 叢集發射至太陽同步軌道運行的可行性，企圖直接跳脫地球電網與大氣層的桎梏，利用太空近乎無限且 24 小時無間斷的太陽能，換取高達陸地五倍以上的能源效率。
從十八世紀的礦坑煤炭一路談至外太空太陽能，Google 清楚傳遞出一項關鍵事實：AI 競爭的終極勝負，已不再只是演算法之爭，更是一場關於熱力學與全球能源配置的生死戰役。