AI 用電的真正問題不是總量，而是無法配合電網調度的僵固性

關於人工智慧對電網造成衝擊的討論，多數集中在用電總量的成長速度上。但更根本的挑戰其實在於這類負載的僵固性——AI 資料中心的用電幾乎無法隨電網狀況彈性調整，而這個特性帶來的問題，比絕對用電量更難處理。

要理解這個差異，必須看電網的運作邏輯。電力系統必須時刻維持供需平衡，而需求本身的可調度性是重要的緩衝機制。傳統的大型工業用電戶通常具備一定彈性：在尖峰時段減產、在離峰時段增加負載，藉此換取較低的電價。這種需求面的調節能力，讓電網得以在不無限擴建發電與輸電容量的前提下應付尖峰。

AI 運算的特性正好相反。大規模模型訓練一旦啟動，中斷的代價極高——不只損失已投入的運算時間，還可能影響訓練過程的穩定性；而線上推論服務則直接對應使用者請求，延遲或降載會立即反映為服務品質下降。兩者都讓資料中心難以配合電網需求調整負載。結果是一個規模龐大、幾乎全時滿載、且對供電中斷極度敏感的用電戶。

這個特性對電網規劃的影響相當深遠。當新增負載不具彈性時，系統必須以「最壞情況」來配置發電與輸電容量，這意味著更高的基礎設施投資與更長的建設週期。近期美國多州出現限制新建資料中心的立法提案，訴求集中在電力排擠與電價上漲——而電價上漲的機制，正是來自這種必須為僵固負載預留容量的成本。

解決方向並非沒有。把部分訓練工作排程到離峰時段、在資料中心配置儲能設施、或以地理分散的方式讓運算跟隨電力充裕的區域移動，都是可行的技術路徑。同一時期，已有電力業者因資料中心需求而財報大幅成長，顯示雙方的商業合作誘因確實存在，關鍵在於彈性能否被納入合約設計。

後續值得觀察的，包括需求反應機制在資料中心合約中的採用情況、儲能配置的普及程度，以及各地監理機關對併網條件的規範方向。