MIC 警告：AI 資料中心瓶頸從算力轉向電力與散熱

資策會產業情報研究所（MIC）發布最新分析，指出 AI 資料中心的擴展瓶頸正從過去以「算力」為核心，轉變為「電力供應與散熱能力」的雙重挑戰。MIC 產業分析師郭思偉指出，過去十年 GPU 與 AI 伺服器的單一晶片功耗大幅上升，從 400 瓦、700 瓦逐步演進至 1,200 瓦，這不只是伺服器與機櫃設計層級的改變，更是整體資料中心電力與散熱架構的根本性挑戰。

從技術角度看，當單顆 AI 加速器功耗逼近 1.2kW 時，傳統機櫃內配置 8 至 16 顆 GPU 的高密度架構，瞬時功率需求即達數十 kW 等級。這促使機櫃從風冷邁向液冷，再延伸至直接晶片冷卻（direct-to-chip）甚至浸沒式冷卻方案。連帶機房內部的配電匯流排、冷卻水泵、熱交換器都必須重新設計。

電力面則更具系統性挑戰。隨著超大規模 AI 訓練叢集動輒消耗數十至數百 MW 電力，當地電網供電容量、再生能源配比、變電站建置時程都成為關鍵瓶頸。許多區域已出現「資料中心想設站，但電網接不進來」的窘境，迫使大型雲端業者直接與發電業者簽訂長期購電協議（PPA）甚至投資自有電廠。

對產業鏈而言，這場結構性轉變帶來廣泛機會。電力管理 IC、UPS 系統、液冷組件、散熱模組、機櫃級供電、溫控感測等業者都將迎來新一輪需求潮。台灣在散熱模組、被動元件、機構件設計、電源管理 IC 等領域具備供應實力，有望成為這波 AI 基礎設施升級的重要受惠者。

整體而言，AI 浪潮的下半場競爭已從晶片設計延伸到資料中心整體架構。電力與散熱不再只是支援角色，而成為制約 AI 規模化部署的核心議題。後續觀察重點將在於液冷方案普及速度、各國電網升級時程，以及超大規模業者如何透過自建電力與散熱基礎設施掌握下一輪 AI 競爭優勢。