Aschenbrenner 押注數十億美元，收購前比特幣礦場能源資產投入 AI 算力

投資人 Leopold Aschenbrenner 以數十億美元的規模押注前比特幣礦場的能源資產，計畫將這些場址轉作 AI 運算基礎設施使用。這項投資操作的邏輯，直接指向當前 AI 產業最被低估的瓶頸：電力。

過去談論 AI 算力短缺，焦點多集中在高階加速器的供給。但隨著晶片產能逐步擴充，真正卡住資料中心建置速度的因素轉移到了電力併網、變電設備與土地取得。一座大型 AI 資料中心的用電需求動輒以百兆瓦計，而電網的擴建與併網許可往往需要數年時間，這使得已經取得電力配額的既有場址身價暴漲。

比特幣礦場恰好符合這個條件。這類設施當初選址的核心考量就是廉價且充裕的電力，多半位於能源產區附近，且已完成併網與高壓設備的建置。當挖礦獲利因獎勵減半與價格波動而受壓縮，這些場址的資產價值反而在 AI 需求下被重新定義。從電力基礎設施的角度看，礦場與 AI 資料中心的差異主要在於機房規格與散熱設計，改建成本遠低於從零開始。

不過，這種轉換並非沒有障礙。AI 訓練工作對電力供應的穩定度、網路延遲與冷卻能力的要求，都遠高於挖礦。礦機可以容忍斷電重啟，訓練任務中斷卻可能損失數小時的運算成果；礦場對網路頻寬需求極低，AI 叢集則需要極高的內部互連頻寬。這意味著改建工程的實際成本可能高於初步估算。

對能源與科技產業而言，這股趨勢帶來的是資產重定價。具備電力配額的工業場址成為新的稀缺資源，而燃氣發電機組、變電設備與電力工程服務的需求也隨之上升。業界分析人士指出，AI 資料中心的擴張已經開始影響區域電力市場的供需與價格結構。

後續觀察重點在於這類改建案的實際完工與營運表現。若前礦場能以顯著較短的時程與較低的成本提供 AI 算力，這種模式可能被大規模複製；反之，若改建難度超出預期，市場對這類資產的估值可能出現修正。