AI 晶片數量每 9 個月翻倍、2028 年衝上 2 億顆：史上最大算力擴建潮，電力與資金撐得住嗎？
回顧 2025 年，AI 已能協助科學家辨識阿茲海默症的潛在成因；到了 2026 年 5 月，AI 甚至解開困擾專家長達 80 年的數學難題。從精準的科學與醫學研究，到展現出足以讓情報機構忌憚的資安駭客技術，AI 系統的發展正在突破人類想像。
其中，支撐每一次能力躍進的幕後關鍵，正是規模同步暴增的晶片與運算資源。為了填補這股深不見底的需求，從美國中西部一路到波斯灣，數百座巨型資料中心正加速拔地而起，準備為全球 AI 發展注入龐大運算洪流。
AI 晶片數量每 9 個月翻倍，2028 年將增至 2 億顆
AI 業界領導者深信一套被稱為「規模定律」（Scaling Laws）的信念，認為只要持續餵養更多資料並投入更強大的運算能力，模型就能承擔更多人類工作，同時處理日益複雜的任務。在這套信念驅動下，晶片需求也呈現指數級成長。
根據研究機構 Epoch AI 估算，目前全球資料中心內約有相當於 2,000 萬顆 NVIDIA H100 的等效 AI 晶片正在運作，且這個數量預計大約每 9 個月就會翻倍。按照當前的驚人成長速度，全球 AI 晶片數量預估到 2028 年底將達到約 2 億顆，總體規模約為目前水準的 10 倍。這些龐大算力不僅能支撐模型訓練需求，當 AI 模型完成訓練後，也能在「推論」階段服務數以億計的使用者，讓 AI 思考更久、反應更快。
為安置這些數量龐大的晶片，科技巨頭正展開前所未見的建設。晶片業者 Etched 共同創辦人 Rob Wachen 直言：「這是人類歷史上規模最大的基礎設施擴建。」科技界甚至將這股熱潮與 1800 年代的鐵路建設、羅斯福總統的新政，以及研發原子彈的曼哈頓計畫相提並論。
以微軟（Microsoft）正在威斯康辛州擴建的基地為例，預計在 2028 年完工時，其算力將是當年用來訓練早期 ChatGPT 的機器的 100 倍以上。此外，包括亞馬遜（Amazon）在印第安納州玉米田間擴建的七座相連資料中心，以及馬斯克（Elon Musk）旗下 xAI 在田納西州曼菲斯啟用的巨型資料中心，都正在宣告大算力時代的到來。
美國掌握全球 8 成 AI 算力，美中競賽拉大全球數位鴻溝
隨著算力需求呈指數級暴增，全球地緣政治與資源分配的鴻溝正以驚人的速度擴大。身為這場科技軍備競賽的領跑者，美國目前擁有約 5,500 座資料中心，數量大約是全球第二名國家的 10 倍。Amazon、Google、Microsoft、Meta 與 Oracle 等美國科技巨頭，不僅掌握全球約 80% 驅動 AI 的運算能力，今年投入資料中心與晶片等基礎設施的資金更預計達到 7,500 億美元，較去年的 4,000 億美元大幅增加。
在這個「算力即國力」的時代，光是 Google 一家公司所擁有的 AI 晶片數量，據估計就大約是中國所有企業合計的 4 倍。SemiAnalysis 分析師 Jordan Nanos 更預期，在中國國產晶片得以大規模量產前，美國資料中心的領先優勢在未來 4 到 5 年內還會持續擴大。
反觀緊追在後的中國，雖然正試圖縮小差距，但其發展仍受到美國晶片出口管制與關鍵技術限制的掣肘。為此，北京當局已將 AI 基礎設施提升至國家戰略優先事項。在政策驅動下，華為、字節跳動與阿里巴巴今年預計在 AI 投資上投入 1,110 億美元；中國企業擁有的算力，也從 2024 年初約 24.4 萬顆 H100 等效晶片，快速增加至 2025 年底約 116 萬顆，這甚至還未計入走私晶片與企業使用的海外運算資源。
此外，中國國家能源局估計，2030 年全國資料中心的用電需求將從去年的 19 GW 飆升至 91 GW，占全國總用電量約 6%。儘管 Moonshot AI 與 DeepSeek 等中國新創公司已開發出備受歡迎、效率更高且成本更低的開源 AI 模型，但受限於運算基礎設施匱乏，目前 AI 在中國的日常應用仍相當有限。不過，分析師也警告，當中國國產晶片技術成熟並補足產能後，美國的領先優勢恐面臨考驗，因為雙方差距將開始收斂。
在美中兩國激烈的算力角逐之際，世界其他地區正面臨被邊緣化的危機。積極推動資料中心建設的歐洲，目前僅掌握全球約 5% 的 AI 運算能力，並持續受到電力供應、土地取得、許可證核發與融資等結構性因素限制，難以大展身手。至於波斯灣地區，儘管沙烏地阿拉伯與阿拉伯聯合大公國已承諾投入數十億美元興建資料中心，但伊朗戰爭局勢卻打亂原定的建設步調。
這種高度集中的基礎設施，也引發全球對 AI 經濟利益分配不均的深切擔憂。聯合國科技議題特使 Amandeep Gill 便對此提出嚴厲警告：「如果今天 75% 的運算能力集中在美國的少數幾個郵遞區號內，12% 到 15% 在中國，而歐盟只有 5%，那麼世界其他地區該何去何從？」這也凸顯，這場由晶片與電力堆砌而成的 AI 競賽，恐將使缺乏基礎設施的廣大地區，在全球下一波經濟與科技發展中徹底落後。
電力與融資挑戰來襲，AI 算力軍備競賽仍未踩煞車
然而，這波基礎設施擴張伴隨著驚人的資源消耗與風險。去年全球資料中心的用電需求約達 64 GW，規模幾乎等同德國全國的用電量；預計到 2030 年底，這個數字將暴增至目前的 4 倍。在最先進的 AI 資料中心裡，每取得 1 GW 的電力，大約就對應著 400 億至 600 億美元的伺服器、土地等龐大成本。這也讓經濟學家與投資人開始擔心，科技公司投入 AI 的燒錢速度，可能遠快於相關業務創造獲利的速度。
龐大電力需求與漫長的電網排隊時間，迫使部分企業轉向自救。根據 Cleanview 統計，目前有 59 座資料中心規畫建置「表後」（behind-the-meter）現場發電設備，主要依靠燃氣渦輪、發電機及燃料電池供電，已公布的總容量合計高達 90 GW。不過，繞過傳統電網並不代表建設一定更快或更可靠。例如，新墨西哥州近期否決一項原訂為資料中心現場燃料電池供電的天然氣管線專案，恐導致計畫延宕數年。此外，維吉尼亞州與德州的離網資料中心，也曾分別因現場燃氣渦輪故障及電力、冷卻設備問題而被迫停機。這些挫折讓投資人難以掌握離網設施的可靠性，可能因此拒絕為專案提供融資，進一步為算力擴張增添變數。
儘管面臨晶片產能、融資困難、電力需求與地方反彈等現實世界的重重挑戰，目前全球 AI 基礎設施支出尚未出現放緩跡象。市場研究公司 IDC 預估，全球相關投資將從去年的 3,180 億美元，大幅增加至 2029 年超過 1 兆美元。牛津大學經濟學家 Carl Benedikt Frey 將此形容為一場「AI 軍備競賽」：對科技公司而言，一旦停止投資，幾乎等同主動承認落後。
然而，買進更多晶片、宣布更多資料中心計畫，並不代表算力就能如期上線。當電力、資金、設備可靠性與地方許可逐漸成為真正的建設門檻，這場競賽的勝負，最終將取決於誰能把帳面上的龐大計畫，轉化為穩定、可持續運作的實際算力。
＊本文開放合作夥伴轉載，參考資料：《The New York Times》、《Axios》，圖片來源：Unsplash