算力瓶頸之後是電力？AI大潮下的電力供應鏈

AI 訓練與推理要用電、EV要用電、半導體製造業回流要用電。同時也吃到再生能源轉型與天然氣等減排發電題材的公司，會有很長的成長跑道。Data Center 資料中心的建置與營運，使得周邊的供應鏈需求有顯著的成長。

美國維吉尼亞是Data Center的全球重鎮，根據 Dominion Energy 的報告，在AI訓練的階段能耗是一般沒有AI需求的3倍以上，AI用於推理的階段則是原本的2倍以上。目前雖然八成是用於AI訓練，但未來AI持續成長和普及的狀況下，推理的需求會倒過來變成8成。但推理的用電會相對分散不必像訓練一樣集中。

OpenAI訓練GPT-3耗電1.287 GWh。而維持ChatGPT的數據中心運行更是耗電巨大，每月的電費成本可能高達200萬美元。據IEA國際能源組織預測，2022年全球數據中心消耗460 TWh用電量將到2026會翻倍至1000 TWH，大約等同於日本全國的用電量。而歐洲的資料中心重鎮愛爾蘭則會有三分之一的電力會用在 Data Center。

如果單看美國市場2022約200 TWh（大約4%美國的電力需求），會成長到2026的260 TWh約6%美國的電力總需求。

圖源：IEA2024電力分析與預測

全球目前有約8000座資料中心，大約33%在美國，由於電費低加上免稅優惠補貼，全美約1/3的資料中心都在Virginia州，AWS、Google、Meta和微軟大型CSP都在維州大建資料中心，即便在全球範圍的城市北維吉尼亞都是遙遙領先。因此觀察當地的能源用量是最有效的方式之一。

如果你看美國的供電變化，到2026年會增加的發電供給來源絕大多數在再生能源，CAGR大概在7.2%，並持續在淘汰燃煤發電每年年減9.9%，其他的發電來源基本持平，總體發電量CAGR只有1.7%。以維吉尼亞為例capacity基本上已經滿載。

換句話說，如果電力需求成長高過新增的能源，而且又需要穩定不斷電的發電，那低碳排的核能和天然氣發電電價就可能會上漲。尤其再生能源不穩定和夏季用電需求錯峰，使得核能和天然氣是維持 24/7 不斷電重要的穩定來源。

Bloomberg 預估2030年Data Center的新增電力需求是200TWh，相當於4600萬台電動車（預計當時的美國電動車總數可能會到達4200萬輛）。

電力的源頭：發電商