10:49am
沒有穩定能源，再大的資料中心也只是建築；沒有足夠供電，再強大的晶片也只是金屬…
二○二二年，美國對中國祭出先進晶片出口管制時，許多人以為這場科技競爭的勝負已經變得非常清楚。
誰掌握最先進晶片，誰就掌握未來。
當時的邏輯並不複雜。
人工智慧需要高階GPU，高階GPU主要掌握在美國企業手中，只要切斷供應，中國的AI發展速度自然會受到限制。
從當時的角度來看，這樣的判斷並沒有錯。
問題是，人工智慧產業發展的速度遠遠超過所有人的預期。
短短幾年時間，大模型迅速進入全球產業體系，從企業營運、軟體開發、醫療研究到國防系統，幾乎所有領域都開始出現AI身影。也就在這個過程裡，全世界逐漸發現一件事情：
晶片很重要。
但晶片已經不是故事的全部。
因為真正決定AI能力的，不是單一晶片有多強，而是有多少晶片能夠被組織起來，形成持續運轉的龐大運算體系。
於是，一個新的關鍵字開始取代晶片，成為全球科技圈最熱門的名詞。
那就是算力。
如果把晶片比喻成引擎，那麼算力就是整輛車；如果把晶片比喻成士兵，那麼算力就是整支軍隊。
一顆GPU再先進，能夠完成的事情終究有限；但當數萬顆甚至數十萬顆GPU被連接在一起，形成龐大的資料中心與運算網路時，競爭的層次就完全改變了。
這也是為什麼最近幾年，全球科技巨頭幾乎都在做同一件事。
蓋資料中心。
搶GPU。
擴充算力。
從OpenAI、Google、Microsoft到Meta與Amazon，所有人都在投入驚人的資本支出，建立愈來愈大的AI基礎設施。過去大家競爭的是軟體與服務，今天競爭的卻是運算能力與資料中心規模。
因為人工智慧發展到今天，最大的成本早已不是寫程式。
而是運算。
每一次模型升級、每一次參數增加、每一次能力提升，背後都代表龐大的運算資源消耗。
這也是為什麼AI產業愈成功，大家愈關心算力。
因為模型可以複製。
演算法可以學習。
人才可以流動。
但龐大的算力基礎設施，卻需要長時間建設與巨額投資。
值得關注的是，這種變化不只發生在企業層面，也正在改變國家之間的競爭方式。
過去談科技實力，人們習慣比較專利數量、研發支出與企業市值；如今一個新的指標正在浮現。
誰擁有更多算力。
誰擁有更多資料中心。
誰有能力訓練更大的模型。
誰就有機會掌握下一輪產業革命的主導權。
於是，原本的晶片戰逐漸演變成算力戰。
美國如此。
中國也是如此。
美國一方面持續限制中國取得高階GPU，另一方面卻在國內掀起新一波AI基礎建設浪潮。科技巨頭不斷興建超大型資料中心，投資人開始追逐與AI基礎設施相關的企業，就連華府討論人工智慧時，也愈來愈常把算力視為國家競爭力的重要指標。
中國則走上另一條路。
既然最先進晶片受到限制，北京便試圖透過更大規模的系統建設來彌補差距。
於是，「東數西算」加速推進，各地智算中心陸續啟動，地方政府紛紛把算力建設視為新的產業競賽。
表面上看，美國與中國似乎採取不同策略。
一個依靠企業創新。
一個依靠國家工程。
一個強調技術突破。
一個強調系統整合。
但如果從更高的角度來看，雙方其實都在追逐同一個目標。
建立足以支撐下一代人工智慧的運算能力。
這也是黃仁勳近兩年反覆提到「AI工廠」的原因。
在他的描述裡，未來的資料中心不再只是傳統機房，而是一座生產智慧的新工廠。過去的工廠生產汽車、生產鋼鐵、生產手機；未來的工廠則生產模型、生產演算法、生產數位智慧。
而衡量這些工廠能力的標準，不是產量，而是算力。
從這個角度來看，今天全球科技競爭的核心其實已經悄悄改變。
四年前，大家討論的是晶片。
今天，大家討論的是算力。
四年前，大家關心的是誰能做出最好的GPU。
今天，大家關心的是誰能建立最大的AI系統。
晶片依然重要，但它已經從主角變成更大故事的一部分。
而中國的算力帝國夢，也正是在這樣的背景下逐漸成形。
只是當資料中心愈來愈大、模型愈來愈複雜、運算需求愈來愈驚人之後，一個更現實的問題也開始浮上檯面。
算力的背後，其實是電力。
沒有穩定能源，再大的資料中心也只是建築；沒有足夠供電，再強大的晶片也只是金屬。
當全世界都把目光放在晶片戰的時候，一場更大的競賽其實已經悄悄展開。
那就是能源之戰。
而這，也將決定中國的算力帝國夢究竟能走多遠。
（待續．6-4〈AI開始吃電，中國能源版圖正在被改寫〉）
（圖片來源：AI示意圖）
2026.06.11
