當微軟 CEO 説 “電力不足可能導致芯片堆積” 時，他和 Altman 都不知道 AI 究竟需要多少電

人工智能競賽的焦點正從算力轉向電力。科技行業領袖們承認，他們正努力應對一個根本性的不確定性：未來的人工智能究竟需要消耗多少能源。

微軟首席執行官 Satya Nadella 近期參加 “BG2” 播客節目時透露，當前限制公司發展的最大問題已非芯片短缺。Nadella 表示：“我們現在面臨的最大問題不是算力過剩，而是電力……以及能否足夠快地在靠近電源的地方建成數據中心。”

Nadella 直言，這種脱節已導致微軟出現芯片積壓的窘境。“你可能會有一堆芯片閒置在庫存裏，因為我無法把它們接入電源。事實上，這就是我今天面臨的問題。” 他補充説，問題不在於芯片供應，而在於缺乏可以隨時入駐並通電的 “暖殼”（warm shells）數據中心。這一表態清晰地揭示了，物理世界的基礎設施建設速度已遠遠落後於數字世界的算力擴張。

與 Nadella 一同參與播客的 OpenAI 首席執行官 Sam Altman 也強調了這種不確定性帶來的戰略兩難。他認為，整個行業正處在一場巨大的能源賭注中，而結果無人知曉。

瓶頸轉移：從芯片到電力

長期以來，市場普遍認為獲取先進的圖形處理器（GPU）是部署人工智能服務的最大障礙。然而，Nadella 的言論證實，瓶頸已經轉移。當科技公司斥巨資採購的芯片無法被點亮時，算力優勢便無從談起。

這一現象反映了習慣於快速迭代的軟件和芯片公司，在面對能源和房地產等重資產、長週期行業時所遭遇的挑戰。在美國，數據中心的電力需求在過去五年中急劇上升，打破了此前長達十年的平穩態勢，其增長速度已超過了公共事業公司的發電容量規劃。

這迫使數據中心開發商尋求 “電網外”（behind-the-meter）供電方案，即繞過公共電網，直接從發電設施獲取電力。

需求迷霧：AI 的能源胃口有多大？

“到底需要多少電力才足夠？沒人知道，即便是 Sam Altman 或 Satya Nadella 也不知道。” TechCrunch 在 11 月 3 日的報道中指出。這種未知源於人工智能技術本身的高速演進。

Altman 在播客中提出了一個 “非常可怕的指數級” 增長前景。他假設，如果智能單位成本的下降速度能維持在每年 40 倍的水平，那麼從基礎設施建設的角度來看，其帶來的需求增長將是驚人的。

他堅信 “傑文斯悖論”（Jevons paradox）將在 AI 領域上演：即計算效率的提升和成本的下降，反而會刺激用量出現遠超百倍的增長，因為更多在當前成本下不具備經濟效益的應用將變得可行。

能源豪賭：押注未來的兩難

正是這種巨大的不確定性，讓 Altman 等行業領袖在能源策略上面臨艱難抉擇。他描繪了一種兩難困境：“如果一種非常便宜的能源形式很快實現大規模應用，那麼很多簽署了現有（昂貴）電力合同的人將會損失慘重。”

另一方面，如果不大膽投資，又可能錯失 AI 需求爆發的機遇。Altman 承認，如果 AI 的效率提升超出預期，或者需求增長不及預期，一些公司可能會背上閒置發電廠的沉重負擔。

為了對沖風險並探索未來，Altman 本人已投資了多家能源初創公司，包括核裂變公司 Oklo、核聚變公司 Helion 以及一家太陽能儲熱公司 Exowatt。

應對之策：在傳統與創新中尋找出路

面對挑戰，科技公司正積極尋求解決方案。傳統的天然氣發電廠建設週期長達數年，無法匹配 AI 產業的需求速度。因此，部署速度更快、成本低廉且零排放的太陽能成為熱門選擇。

太陽能光伏技術在許多方面與半導體產業有相似之處：兩者都基於硅基材料，以模塊化組件的形式下線，可以快速組合成陣列以提升功率。這種模塊化和快速部署的特性，使其建設節奏更接近數據中心。然而，無論是建設數據中心還是太陽能項目，都需要時間，而市場需求的變化速度遠快於此。

這使得科技公司在算力、數據中心和電力這三個相互關聯的領域中，始終在進行一場與時間的賽跑，並持續面臨着戰略決策的考驗。