工研院產科國際所研究副總監王孟傑表示，根據IEA資料，全球能源供需已進入「電力時代」，AI是近年電力需求成長的三大動能之一，而資料中心是AI發展的重要基礎建設，電力供應更是支撐AI產業發展的核心。
王孟傑指出，過去資料中心多集中於北維吉尼亞、新加坡、倫敦等光纖密集地區，但AI應用快速擴張後，供電壓力持續升高，使資料中心選址逐漸轉向能源充足地區。GPUaaS業者已將取得電力視為首要任務，公用事業供電速度難以跟上資料中心建設，也促使業者規劃自建部分供電系統。
他表示，AI運算負載波動也提高電力調度與綠能建置挑戰，進一步帶動天然氣發電機、燃料電池、電池儲能、光儲電廠及低碳基載等商機。未來資料中心業者也可能延伸至能源交易與土地開發等領域，推動電力市場生態轉型，AI競爭將逐步演變為能源基礎設施競爭。
高速互連方面，工研院產科國際所分析師黃韻如表示，AI伺服器解決算力瓶頸主要透過「Scale-Up」與「Scale-Out」兩大架構。Scale-Up是透過單機或機櫃內高速互連，讓多顆GPU共用記憶體，如同一顆大型GPU；Scale-Out則串聯大量運算節點，建構分散式叢集。目前高速互連已發展出七種主要技術，形成「封閉專有」與「開放聯盟」兩大陣營競爭。
黃韻如指出，光子技術具備低損耗、高頻寬及低延遲優勢，已成為AI資料中心重要發展方向。當單通道傳輸速率跨越100Gbps後，Skin Effect將導致損耗快速增加，因此產業開始縮短電訊號走線，並將光訊號導入封裝內部。CPO與Optical I/O技術將光收發引擎移至交換器或xPU附近，可支撐AI高速運算持續擴展。
信驊科技經理李洋承表示，AI資料中心正朝異質運算（Heterogeneous Computing）與晶片化發展，電力供應走向高密化（Power Density）、散熱邁向液態化（Liquid Cooling），硬體則朝客製化（Customization）與模組化（Modular Design）演進，資安也從軟體問題，擴大為整體硬體平台挑戰。
李洋承指出，BMC晶片可提供不同運算平台與設備一致的管理體驗，符合模組化設計下多節點伺服器管理需求，也能提供後量子時代的雲端監控解決方案。信驊最新提出多節點架構設計，將FPGA嵌入系統單晶片中，進一步提升AI資料中心安全管理能力。
智百特資深產品經理林子揚表示，目前AI算力多以採購規模衡量，但真正重要的是能完成訓練與推理的有效算力，未來競爭焦點將由規模轉向品質，包括有效產出、每度電產出及總擁有成本等指標。高品質運算涵蓋可靠性、就緒性、可觀測性、成本透明度及能源效率五大面向，統一資料中心管理軟體平台將成為重要基礎。
工研院產科國際所分析師李宏俊表示，隨著生成式AI普及，資料中心用電需求大幅增加。根據IEA預估，全球資料中心用電量將由2024年的約415 TWh，成長至2030年的950 TWh，占全球總電力需求成長近10%。
李宏俊指出，面對能源壓力，資料中心除提升硬體效率外，更需透過軟硬體協同運作、多元國際能效指標及熱回收設計，兼顧算力成長與淨零減碳。目前已有預測式熱管理、智慧電力分配、工作負載排程優化、液冷系統智慧控制及數位孿生（Digital Twin）等方案投入商用。熱回收也逐漸成為資料中心標準設計，可將機房廢熱供應區域供暖、溫室及工業製程，降低長期營運成本，成為推動資料中心永續發展的重要關鍵。
點擊閱讀下一則新聞
