GMI Cloud 展示桃園 AI Factory,AI 資料中心新瓶頸從機櫃轉向電力
2026/11/02
AI 資料中心的設計邏輯正在改寫。GPU 雲端服務業者 GMI Cloud 於 10 月 30 日對外展示位於桃園的 AI Factory,走進現場,第一個感受到的不是傳統資料中心常見的「密集」,而是相對寬敞的空間配置。這背後透露出一個關鍵訊息:AI 資料中心的新瓶頸,已經不是機櫃空間,而是電力。
過去參觀傳統資料中心時,機房設計通常追求空間利用率最大化,機櫃排列緊密,盡可能在有限的樓地板面積中塞進更多伺服器,各種設備與管線布置也都以節省空間為優先。這套邏輯在一般企業運算與雲端服務時代相當合理,因為每座機櫃的耗電量相對有限,空間才是主要成本。
AI 運算改變了這個前提。訓練與推論大型 AI 模型需要大量高效能 GPU,單一機櫃的功耗動輒是傳統機櫃的數倍甚至數十倍。業界分析人士指出,當每座機櫃的耗電與發熱大幅提升,資料中心能放多少機櫃,往往取決於電力容量與散熱能力,而非樓地板面積。這也是為什麼新一代 AI 資料中心看起來反而「不那麼擠」。
在這樣的架構下,供電系統、配電設計與冷卻方案成為規劃重點。據悉,高密度 AI 機櫃普遍需要導入液冷等更有效率的散熱技術,配電線路與備援電力也必須重新設計,才能支撐長時間滿載運作的 GPU 叢集。電力取得的速度與穩定性,也直接影響 AI 資料中心能多快上線營運。
對台灣而言,AI 資料中心的電力需求是一項重要課題。台灣在 AI 伺服器硬體製造上具備優勢,但要在本地建置大型 AI 運算基礎設施,電網容量、綠電供應與電價都是必須面對的現實條件。GMI Cloud 的實際案例,讓外界更具體看見 AI 基礎設施對能源的依賴程度。
展望未來,隨著 AI 模型規模持續擴大,資料中心的競爭力將越來越取決於能源規劃能力。誰能取得穩定且充足的電力、設計出高效率的散熱系統,誰就能在 AI 算力競賽中占得先機。