Beyond AI: Electricity Arms Race Between Superpowers
AI 軍備競賽，不再侷限於晶片和算力，正升級為關乎電力供應可靠性與整體營運成本的全面戰略博弈。
AI從拼算力到較量電力
今年9月，DeepSeek 團隊在英國自然雜誌《Nature》上發表論文，揭露其開源 AI 模型 R1 使用 512 顆輝達 H800 晶片，訓練成本僅 29.4 萬美元，
推理成本不到 600 萬美元，每百萬 token 處理成本只要約 1至2 美元。
相比之下，美國同類型模型（如 OpenAI-4 ），訓練成本動輒上億美元，每百萬 token 處理成本通常超過 10 美元，差距可謂天壤之別。
DeepSeek 能有如此壓倒性的成本結構，源於多項技術創新，包括知識蒸餾（knowledge distillation）、自動化數據處理等方法，大幅提升效率並降低運算能耗，
使其每百萬 token 僅消耗約 23 度電，僅為美國同級模型的 25%–30%。更關鍵的是，中國多年累積的基礎設施佈局，構成其不可忽視的低電力成本優勢。
電力是資料中心營運的核心支出。視資料中心規模而定，電力支出可占總營運成本的 20% 至 60%；而規模越大、架構越先進的 AI 資料中心，
因需投入更多冷卻與網路系統，電力占比通常更高。中國平均電價約每度電 0.08 美元，僅美國的一半，
再加上部分地方政府可提供高達 50% 的電費補貼，使實際成本進一步下降。對於電力開銷在營運中佔比極高的資料中心而言，這項差距具有明顯的戰略意義。
這場人工智慧的世紀競賽，焦點已從晶片算力之爭，進一步擴張至基礎設施與營運成本的全面較量，為白熱化的中美 AI 競爭注入了新的變數。
中國能否以「電力+市場」優勢突圍?
中國在基礎設施上的優勢，連美國企業家也深有體會。特斯拉執行長伊隆·馬斯克 （ Elon Musk ） 曾公開讚揚中國的基礎建設「比美國先進 100 倍」。
中國的電力優勢奠基於其政府的前瞻性佈局，以及從上游供應到終端應用自給自足的完整產業鏈。十年來，中國持續投入數兆美元於核電、太陽能和風力發電，
發電量以每年平均約 6% 的速度持續增長，短短 10 年內發電量就翻了一倍。2024 年總發電量超過 10 兆度電，位居全球之冠，且超過美國、歐盟與印度加總的發電量。
不僅如此，中國還打造出全球規模最大、輸電距離最遠的特高壓輸電網絡，
總長度超過 4 萬公里，輸電損耗率僅為 1.6%。這項世界級工程可將西北地區便宜的風電和光電，高效輸送至 3,200 公里外工商業高度集中的東部地區。
如此驚人的擴張速度與成本優勢，得益於中國長期作為「世界工廠」所累積的產業鏈掌控力與人才優勢。中國在礦產精煉、太陽能板、風電主機、和鋰電池等電力相關設施，
市占率高達60% 至 80%，使其在電力系統的建設成本與工期遠低於西方國家。舉例來說，中國一座核電廠從開工到併網僅需 5 至 7年，每瓦建造成本約 2 至 3美元；
美國普遍需耗費 10 年以上，每瓦成本高達 14 至 16 美元。此外，在人才與創新方面，
中國擁有大量工程師與 STEM 人才，並且在核電與再生能源等關鍵領域的學術論文引用數已領先美國，確立了中國在全球能源技術創新領域的領導地位。
儘管美國對 7 奈米以下的先進製程及先進 AI 晶片設下嚴格出口管制，中國企業因此轉向能耗較高的國產晶片。然而，由於中國擁有低廉的電力成本和政府補貼，
這些因素有有效抵消了晶片高能耗帶來的負擔，使中國企業其能以更高效率、低成本的方式開發多元化的 AI 應用場景，進而加速國內 AI 的普及。同時，
中國擁有逾 14 億的網路用戶與相對寬鬆的資訊監管環境，企業得以從龐大的市場端持續獲取海量數據，快速優化模型，形成推動 AI 生態加速演進的良性循環。
中國憑藉「基礎建設+低廉電力+廣大市場」的三大優勢，已在電動車、自駕車等許多科技領域，不僅實現後來居上，甚至超越美國。
儘管中國在晶片與半導體製程上仍存技術差距，這些獨特優勢已為其建立自主、高效的 AI 體系提供了堅實後盾，並進一步削弱美國在全球 AI 領域的主導地位。
美國殘破的電力系統將拖累 AI 發展?
中國在電力基礎建設上的戰略優勢，卻恰好是美國在 AI 發展上最大的結構性瓶頸。美國在電力資源上的佈局嚴重落後。
根據美國能源部的資料，美國過去 20 年發電量年均增長不到 1%，大部分電網和設施建於 1960 至 1970 年代，平均服役已達到 50年。
目前已有六成地區的備轉容量率跌破 15% 的臨界值，等同隨時暴露在停電風險之下。據傳台積電 ( TSMC ) 亞利桑那州廠在今年第三季因為氣體供應商遭遇斷電事故，
導致數千片晶圓報廢，使單季獲利較前一季呈現跳水式下滑 99%，凸顯出電力系統的脆弱性已直接威脅到高科技產業的穩定運營。
目前，全球約 44% 的資料中心都在美國，已佔美國總電力需求的 4% 。然而，隨著各大 AI 企業瘋狂追逐「算力即效能」的發展邏輯，
資料中心的建置速度達到了前所未有的高峰。美國政府更推出了多項補助金和稅收減免政策，鼓勵相關建設。
根據估計，未來 5-10 年美國至少會增加 40 座以上功率達 1GW 的超大型資料中心。
光是由 OpenAI、甲骨文 ( Oracle )、軟銀集團 ( Softbank ) 和阿聯酋 MGX 基金合資的 星際之門 ( Stargate LLC ) 企業，就預計將在德州興建 10 座資料中心。
面對 AI 基礎建設的極速擴張，原已脆弱的舊有電力系統已不堪重負。美國能源部預估，全美資料中心用電量將在 5 年內成長 1 倍以上，
電力占比可能飆升至 8% 至 12%，電力供需失衡風險正日益加劇。Gartner 警告，至 2027 年全美有超過 40% 的資料中心都將面臨電力不足問題。
微軟執行長薩蒂亞·納德拉（Satya Nadella）今年 11 月接受知名 Podcast 節目「Bg2 Pod」專訪中直言，
由於基礎設施與電力供應不足，資料中心建設進度被迫放緩，導致大量 GPU 只能閒置在倉庫中。
美國電網危機的根源，其實是長期「重消費、輕基建」的發展模式所累積的結構性問題。過去數十年，
美國政策重心傾向於刺激科技創新和消費，忽略了電力、交通等關鍵基礎設施，導致產業成長與基礎設施投資嚴重失衡。
AI 帶來的用電激增只是加速暴露問題。美國政府正試圖亡羊補牢，計畫在 2030 年前投入 7,000 億美元優化電網、升級老舊設施並擴大核能發電。
同時，政府也鬆綁法規，鼓勵企業投資或自建發電設施。
然而，多數政策目前仍停留在紙上談兵。除了繁複冗長的制度與審查流程外，其根本的問題在於製造量能的長期嚴重不足。
從上游礦物到終端變壓器皆高度仰賴進口，地緣政治緊張與關稅摩擦更推升採購成本並拉長交期，
使原本就進展緩慢的工程愈發遙遙無期。而且，美國長期缺乏熟練勞工與專業人力，需要仰賴外國勞工，政府卻又自相矛盾地收緊移民政策，使問題雪上加霜。
高盛 （ Goldman Sachs ） 認為，美國雖然在 AI 模型和晶片領域居於領先，但電力基礎設施的瓶頸正加重資料中心的營運負擔，
侵蝕企業的獲利能力，讓龐大 AI 投資回本更遙遙無期。該機構甚至預測，最快至 2030 年，企業可能因電力不足而被迫放緩 AI 擴張步伐，進一步引發市場對 AI 泡沫的疑慮。
AI 馬拉松剛起跑，鹿死誰手尚難預料
自 OpenAI 於 2022 年 11 月 30 日推出 ChatGPT 引爆生成式 AI 熱潮後，全球企業蜂擁搶購 GPU，加速建置大型 AI 資料中心。輝達 （ Nvidia ） 因此成為最大贏家，
其股價在一年半內狂飆 714%，並在 2024 年 6 月 18日，成為全球市值最高的公司。然而，
隨著 GPU 短缺問題緩解，市場開始體認到，這場 AI 競賽比的不再是模型參數大小或 GPU 使用量，而是一場關乎基礎設施完善度、電力供應可靠性與整體運算成本的全面戰略較量。
儘管美國在 AI 技術和半導體製造上居於主導地位，但老舊的電力基礎設施已構成嚴重的發展瓶頸。相比之下，中國雖受先進晶片限制，
卻可能依靠完備的基礎設施、低廉電力成本以及靈活高效的開發模式，
開闢自己的 AI 發展道路，甚至有望重演電動車產業的歷史，成為全球市場的領導者。
阿里巴巴主席蔡崇信博士曾將 AI 競爭比喻為一場「漫長的馬拉松」。在馬拉松競賽中，前半程的領先並不保證奪冠；
後半程的耐力、策略與資源運用才是決勝關鍵。前這場世紀級 AI 競賽才進行到最初的 5 公里，未來仍充滿變數，中美雙方誰能稱霸，不到最後，難見分曉。
註
1. 知識蒸餾技術 （ knowledge distillation ） - 從更成熟、強大的 AI 模型中提煉數據來訓練新的模型。
2. STEM: 代表科學 ( Science ) 、技術 ( Technology ) 、工程 ( Engineering ) 和數學 ( Mathematics )。