《Bloomberg》報導，AI 掀起的熱潮正體現在各地拔地而起的 AI 資料中心。根據 BloombergNEF 估算，如果把資料中心視為一個「國家」，到 2035 年，它們將成為僅次於美國、中國、印度的全球第 4 大用電消耗國。
這波建設熱潮背後不只是一連串投資狂潮，更反映 AI 運算需求的結構性轉變，並將在未來十年深刻改寫能源市場、地緣布局與氣候政策。
AI 資料中心與一般資料中心有何不同？
報導分析，傳統資料中心容納伺服器、配電設備、冷卻系統與備援設施，主要負責儲存資料、提供雲端服務或運算需求。而 AI 資料中心是一種「超級版」資料中心。
AI 資料中心的規模大幅升級，面積可比肩紐約中央公園；運算密度極高：因為 AI 使用加速器以平行方式推理與訓練，單位面積內的電力與冷卻需求大幅提升；巨量能源需求：先進 AI 運算園區往往需要 GW 級電力，相當於 75 萬個美國家庭的耗電量。
AI 資料中心的浪潮規模有多大、誰在引領熱潮？
這些數字可能大到讓人難以想像。光是 Bloomberg Intelligence 估計，生成式 AI 到 2032 年可能創造約 2 兆美元的收入；OpenAI 執行長奧特曼曾表示，公司預計在基礎建設上投入「數兆」美元；星際之門計畫目標打造最高 10 吉瓦以上的 AI 算力，並在美國投入高達 5,000 億美元；Meta 更在美國路易斯安那州建造一座容量 5 吉瓦的 AI 資料中心園區，並表示自家 AI 平台嚴重缺乏算力，今年資本支出將達 720 億美元，2026 年甚至還會進一步提高。
根據《Bloomberg》，這類資料中心大擴張，主要由三類玩家推動：超大規模雲端服務商（Hyperscalers）、共用機房業者（Colocation Providers）、AI 新創與新雲（Neocloud）業者。
超大規模雲端服務商包含 AWS、微軟、Google、Meta，通常自行興建與持有大量園區，但在進入新市場需要快速落地時，也會向共用機房業者租用空間。Synergy Research 統計，2024 年底全球由 hyperscalers 營運的大型資料中心達 1,136 座，是五年前的兩倍。這類玩家同時也是 AI 訓練與推論算力的最大買家和建設者。
在共用機房市場，兩大巨頭是 Equinix 與 Digital Realty，掌握土地、建物與基礎設施：Equinix 在全球營運 270 多座資料中心，其中美國就超過 70 座；Digital Realty 則在 全球 50 多個大都會區營運超過 300 座機房。
第三股力量，是來自 AI 新創與新雲業者。AI 新創如 OpenAI 已經成為許多基礎建設計畫的關鍵支柱；Anthropic 也計劃在美國投入 500 億美元建設資料中心。新雲業者方面，包括 CoreWeave、Nebius、Nscale 等，則以出租 AI 加速晶片算力為主，這些公司正投入數十億美元打造並經營資料中心園區。
從瘋狂圈地到精細操盤，資料中心建設進入新篇章
矽谷的樂觀主義正面臨現實的考驗，隨著 AI 技術從早期的「訓練」階段逐漸走向大規模的「應用」，資料中心的建設邏輯也在悄然轉變 。
貝恩公司（Bain & Company）分析，未來的資料中心發展將進入一個更自律、更具選擇性且注重執行力的成長階段。這意味著，過去那種不計成本的「圈地運動」可能告一段落，取而代之的是在資源受限下，如何更聰明地擴張。
推理算力成主角，電力缺口仍是最大隱憂
貝恩公司歸納出了未來資料中心發展的五大關鍵趨勢。首先，「推理」將取代「訓練」成為重心。隨著模型開發成熟，未來的運算需求將更多來自於用戶實際使用 AI 服務，這將改變資料中心的設計架構。
第二，新建資料中心的成長速度將趨於穩定。雖然總需求仍在增加，但爆炸性的增長率會回歸理性，市場將更看重長期營運的穩定性。第三，成長將集中化但走向全球：為了尋求更低廉的能源與土地，資料中心的足跡將遍布全球各地。
根據《Bloomberg》，因為訓練 AI 時，延遲性並非關鍵因素，負責訓練的設備不需要靠近城市，因此企業開始把大量的訓練型資料中心蓋在土地與資源更加便宜的鄉村地區；不過一旦模型訓練完成、開始向消費者提供服務後，延遲性再次變得重要，這個階段稱為「推論」，企業可能會把更多資源投入推論階段，並重新在主要人口居住地附近建設更多資料中心。
第四，規模與彈性必須兼備。未來的設施不僅要夠大以發揮規模經濟，還必須具備高度彈性，以適應快速迭代的硬體規格。最後，也是最關鍵的一點，電力仍是瓶頸所在。貝恩公司指出，這使資料中心大量轉向自備電力，例如在美國普遍興起的「自發自用」天然氣機組。這讓資料中心選址越來越受到能源政策、再生能源供應與區域電網容量的強烈影響。
無論技術如何進步，如何取得穩定且清潔的能源，仍將是限制資料中心擴張的最大天花板。下一階段的勝利者，已不再只是「建得快、建得多」的企業，而是能在電力限制、地緣風險、推理需求與 ESG 壓力之間找到平衡、並以更多彈性思維規劃運算策略的玩家。
＊本文開放合作夥伴轉載，資料來源：《Bloomberg》1、《Bloomberg》2、Bain & Company，首圖來源：AI 工具生成
