會計師看時事／強化電力布局 驅動算力成長

近年來，全球AI技術從模型訓練、系統部署到即時推論加速擴張，AI生命周期的各階段高度倚賴電力，使市場關注焦點由算力競逐延伸至能源供給與電力系統承載能力。

近期引起熱議的太空AI運算與太空太陽能議題，以及各大科技業者除加大算力投資外，也同步布局能源，反映各界正積極因應電力供應瓶頸對AI發展的制約。

這場賽局的核心關乎電力是否充足且具成本可行性，以支持高密度的運算需求，這將牽動政府的能源系統與電源結構規劃，AI資料中心除了透過伺服器設計優化，透過電力與散熱解決方案提升PUE，市場也高度關注運算架構對能源效率的影響，儘管傳統GPU與TPU適用於不同應用場景，市場關注TPU在能源效率的優勢，再次凸顯電力議題在AI規模化與變現的關鍵地位。

由此可見，AI發展的前提不只取決於伺服器性能，更涵蓋從能源供給、電網系統等基礎設施到產業的電力解決方案，「能源使用效率、分散式能源供給、自備發電、電網韌性」等關鍵將引領台灣AI資料中心的未來發展。在政府持續拓展分散式能源與強化電網之際，若結合產業自備電力的意識，將更加速推動電力韌性，以驅動AI最佳化。

根據國際能源總署（IEA）《2025世界能源展望》指出，隨著資料中心規模持續擴大，執行AI運算的伺服器用電量預估於2030年前成長五倍，進而使全球資料中心整體用電需求至2030年翻倍成長；國科會於1月發表最新預估，全台灣AI算力中心（含政府和民間）合計規模至2029年將達約450MW，三年內預計成長6.5倍。

依國際趨勢，大型AI資料中心已成為支持大規模訓練與運算的主流型態，台灣憑藉成熟半導體基礎亦吸引大型雲端服務商設立AI資料中心。

然而，考量土地及電力供給限制，未來台灣的資料中心可能朝向中小型發展的多點布局。與國際上集中式大型資料中心相比，台灣基於本地電網特性建構的AI資料中心布局將有所不同。

在此背景下，電力供應需結合低碳、分散式且具備調度能力的能源解決方案，並搭配儲能系統，以回應AI資料中心多點運作、高負載與高穩定性的用電需求。

同時需要透過就近供電減少傳輸損耗，並結合虛擬電廠（VPP）進行電力調度與負載調節，才能使電力配置效益最大化，維持電網穩定。AI資料中心更將兼具彈性調節電力供需功能的產銷者（Prosumer）能力，進一步強化區域電網韌性。

AI算力正勾勒台灣競爭力的未來輪廓，當電力從生產要素升級為影響產業路徑的戰略資源，能源與電力布局將關鍵牽動台灣的AI藍圖與國家競爭力。

著眼於台灣能源轉型2.0政策聚焦深度節能與多元綠能，以及台灣2030年再生能源占比預計達30%的目標，面對AI資料中心持續成長的綠電需求，政府在政策、預算資源、基礎建設層面進行的優先順序盤點將成關鍵，方能偕同產業加速打造有利氫能、地熱、小水力等新興能源擴展的法規與市場環境。

同時，透過企業發展自備發電、導入分散式低碳能源與儲能系統，將強化整體電力韌性，若能輔以Power Couple共址概念為核心，進行用電需求和多元綠能的匹配，並搭配儲能與虛擬電廠調度機制，將從在地化、可調度的能源組合疊加出台灣專屬的AI產業韌性，也為多元市場參與者開創商機。