admin
AI資料中心被居民喊停？洛杉磯水電土地壓力與下一個算力瓶頸一次看
過去兩年談AI基礎設施，市場最常問的是：
- GPU夠不夠
- HBM夠不夠
- 先進封裝產能夠不夠
但當數十萬顆甚至更大規模的AI加速器真的被塞進AI資料中心之後，另一組更現實的問題開始浮上檯面。
電從哪裡來？冷卻的水從哪裡來？土地要蓋在哪裡？附近居民願不願意接受？
洛杉磯郡今年4月已正式要求主管部門研究資料中心對鄰近社區、電力、水資源、公共健康與土地使用的影響，並評估是否需要新增專門的分區管理、環境保護與社區回饋制度。
需要先釐清的是：
洛杉磯郡目前不是全面禁止資料中心，而是在重新建立「AI資料中心到底應該怎麼被管」的制度。
但洛杉磯周邊部分城市已經走得更遠。
Monterey Park在2026年透過地方立法與公投，維持全市禁止新資料中心的政策。
這代表AI算力開始進入新的限制階段。
過去的瓶頸是晶片產能，下一個瓶頸可能是城市承載能力。
為什麼AI資料中心特別吃電？因為現在不是幾千台普通伺服器，而是高功耗GPU叢集
傳統資料中心本來就需要大量電力。
但生成式AI把這個需求再往上推了一個等級。
大型AI訓練與推論叢集同時需要：
- GPU或其他AI加速器
- HBM高頻寬記憶體
- 高速交換器
- 光通訊
- 大規模儲存系統
- 冷卻設備
當這些設備同時高負載運轉，一座超大型資料中心可能需要數百MW等級電力。
到了這個規模，資料中心已經不再像一棟資訊機房，而更接近大型工業用戶甚至城市級負載。
加州資料中心目前約占尖峰需求2%，2040年可能升到9%
加州能源委員會目前資料顯示，2026年初全州資料中心約使用1,000MW電力，相當於California ISO尖峰需求約2%。
到了2040年，預估可能升至約4,500MW，占尖峰需求約9%。
| 時間 | 資料中心負載 | 占尖峰用電 |
|---|---|---|
| 2026年初 | 約1,000MW | 約2% |
| 2040年預估 | 約4,500MW | 約9% |
這代表地方爭議已經不只是：
「科技公司很耗電。」
而是當大量新負載湧入之後，電網可能需要同步興建：
- 新變電站
- 新輸電線
- 新發電容量
- 儲能設備
- 配電與電網強化工程
真正敏感的問題因此變成：
這些新增基礎建設成本，到底應該由資料中心業者自己支付，還是最後攤進所有居民的電費？
資料中心正在從科技議題，變成「誰來付電網升級費」的電價議題
假設一座新資料中心需要新增數百MW供電能力，電力公司可能必須提前投入大量資本。
如果資料中心後來：
- 延後完工
- 縮小規模
- 取消計畫
甚至還可能留下已經興建、卻沒有完整負載使用的電網資產。
美國眾議院今年因此通過Ratepayer Protection Act。
法案要求州級公共事業監管機構考慮建立標準，使100MW以上的大型用電戶承擔為其新增的發電、輸電與配電基礎設施成本，而不是直接轉嫁給一般用戶。
這項法案已於9月16日以417票對3票通過眾議院，但目前仍未完成聯邦立法程序。
紐約做得更直接：大型資料中心每新增1MW需求，社區投資至少100萬美元
紐約州今年已經進一步對超大型資料中心採取更強烈的政策回應。
州政府先宣布暫停新的超大型資料中心開發一年，並提出新的社區投資架構。
其中一個政策方向是：
每增加1MW公用事業需求，至少提供100萬美元社區投資。
背後反映的是地方政府計算投資案的方式正在改變。
過去城市問的是「怎麼把資料中心招商進來」，現在開始變成「你可以來，但是否應該自己承擔更多能源與社區成本」。
水為什麼也會變成瓶頸？因為GPU產生的熱，最後一定要被帶走
AI晶片的計算能力愈高，功耗與熱密度通常也愈高。
熱如果無法有效排掉，伺服器就可能：
- 降頻
- 效能下降
- 故障
- 停機
因此資料中心用水問題，本質上其實和冷卻方式有關。
資料中心常見冷卻方式包括
- 氣冷
- 冷卻水塔
- 蒸發式冷卻
- 冷凍水系統
- 直接液冷
- 冷板液冷
- 浸沒式冷卻
不同設計的耗水量可以差非常多，因此不能簡化成：
「所有AI資料中心都一定大量使用自來水。」
有些閉式循環液冷系統在正常運轉後，可將額外補水需求壓低。
但如果採用蒸發式冷卻、設在高溫地區，或大量依賴冷卻塔，水資源需求仍可能相當明顯。
所以真正應該問的不是「資料中心用不用水」，而是「這一座資料中心採什麼冷卻技術、在哪個氣候區、實際WUE是多少」。
為什麼洛杉磯特別敏感？因為水資源本來就是地方長期壓力
洛杉磯郡在資料中心政策研究中，已把降低水資源使用列為明確項目。
問題在於，加州本來就長期需要處理：
- 乾旱
- 水庫波動
- 城市與農業競爭用水
- 極端高溫
如果居民平常被要求節水，旁邊卻新出現一座大型AI設施，地方衝突自然很容易被放大。
資料中心看起來很安靜，為什麼居民還會抱怨噪音？
資料中心不會像傳統工廠一樣持續敲打、切割或焊接。
但它有另一種比較難忽略的噪音來源：
- 大型冷卻風扇
- 冷凍機
- 泵浦
- 變壓器
- 備援柴油發電機
最大的差別是：
它不一定非常大聲，但可以24小時持續存在。
洛杉磯郡監事會討論資料中心時，就有居民提到變電與冷卻設備持續產生的嗡鳴聲問題。
郡政府目前研究範圍也把：
- 噪音
- 備援柴油發電機
- 空氣污染
- 鄰近居民健康影響
納入評估。
因此資料中心選址不再只是找土地和電，也必須考慮住宅、學校與設施之間的緩衝距離。
AI資料中心真正尷尬的地方，是占很大的地、吃很多電，卻未必創造同等規模的長期工作
地方政府接受大型工業投資，通常期待的不只是稅收。
還包括：
- 大量就業
- 供應鏈
- 物流需求
- 商業消費
- 住宅需求
資料中心興建階段確實需要大量：
- 建築
- 電機
- 設備安裝
- 工程人力
但完工之後，真正長期駐點員工數不一定能和一座大型製造工廠相比。
這就讓地方居民開始重新計算：如果社區承擔電網、水資源、噪音與土地成本，實際換回多少長期利益？
AI為什麼現在才引爆資料中心反彈？因為規模已經從「機房」變成大型工業設施
以前很多人甚至不知道資料中心在哪裡。
它可能看起來只是：
- 沒有招牌的大樓
- 大型倉庫型建築
- 一般機房
但AI改變了尺度。
當一家公司開始規劃數百MW甚至GW級算力園區，它需要的不只是伺服器空間。
- 大型變電站
- 高壓輸電
- 新增發電能力
- 冷卻設施
- 備援能源
- 大面積土地
路透社報導指出，2026年第一季，美國約有75個資料中心計畫因地方反對面臨延誤或阻力，涉及投資規模約1,300億美元。
AI資料中心開始遇到NIMBY問題：大家可能支持AI發展，但不一定願意讓一座數百MW設施蓋在自己家旁邊。
更麻煩的是，AI資料中心不只是用很多電，負載本身也可能快速變化
大型AI運算工作不一定像傳統基礎負載一樣平穩。
數千、數萬顆GPU可能在工作排程切換時，同時快速提高或降低負載。
這類快速變動可能增加：
- 變壓器調度壓力
- 儲能需求
- 冷卻系統調度
- 備援電力需求
- 電網可靠度管理難度
所以未來資料中心不能只問「有沒有500MW」，還要問「這500MW能不能快速、穩定地供應與調度」。
這也是為什麼科技公司開始直接去找「自己的電」
如果傳統電網擴建速度跟不上AI機房上線速度，科技公司就只能把能源問題往供應鏈上游推。
近年大型科技企業已開始透過：
- 再生能源PPA
- 核電採購協議
- 天然氣發電
- 大型儲能
- 微電網
- 小型模組化反應爐等新型能源研究
處理長期用電。
科技公司不是突然想當能源公司，而是「沒有電，就沒有AI」。
GPU買得到，但插上去沒有電，可用算力一樣等於零
這也是為什麼下一階段AI競爭不能只計算GPU數量。
假設一家公司買到10萬顆AI加速器，但當地供電、冷卻與網路只能讓其中6萬顆穩定上線，其餘硬體仍然無法轉化成實際服務能力。
可用AI算力 ≈ GPU × 電力 × 冷卻 × 網路 × 可用率
其中任何一個環節接近零，其他設備再強都沒有意義。
當AI公司開始規劃更大規模的加速器叢集後，工程問題也會從：
「怎麼把這些GPU連起來？」
變成：
「去哪裡找一個地方，可以讓所有GPU一起長時間開機？」
土地也不是有空地就行，資料中心選址真正找的是「土地＋電力節點」
AI資料中心不像一般倉庫，只找便宜土地就能解決。
真正適合大型機房的土地還要同時靠近：
- 高壓輸電線
- 大型變電站
- 光纖骨幹
- 能源設施
- 適合的冷卻條件
同時還要評估：
- 洪水
- 火災
- 地震
- 其他自然災害風險
對資料中心來說，一塊土地真正值錢的地方，可能不是每坪價格，而是旁邊到底有沒有幾百MW可以接。
為什麼加州明明是全球科技中心，卻未必是最適合擴建AI資料中心的地方？
這其實是一個很有意思的矛盾。
矽谷與舊金山灣區聚集大量AI公司與工程人才，但真正的大型資料中心，不一定要和模型研發團隊蓋在同一個城市。
大型資料中心選址還會看：
- 工業電價
- 電網接入速度
- 土地價格
- 環境規範
- 地方許可速度
- 社區接受度
未來大型AI算力中心蓋在哪裡，不一定由「最強工程師在哪」決定，而可能由「哪裡的電、土地與許可最適合」決定。
搬去偏遠地區也不代表問題消失，只是換一群居民面對
看起來最簡單的答案可能是：
「都市不歡迎，那就去鄉下蓋。」
但美國近期大量地方爭議顯示，偏遠地區同樣可能反對資料中心。
關切原因包括：
- 地下水
- 農業用地
- 地方電價
- 景觀
- 噪音
- 稅收優惠是否合理
也因此，資料中心選址現在不能只做工程評估。
企業還必須回答一個以前比較少被問的問題：地方為什麼應該接受你？
對台灣來說，這個問題可能更敏感，因為我們既是AI硬體中心，也是高人口密度島嶼
台灣在全球AI供應鏈具有非常特殊的位置。
我們已經擁有：
- 晶圓製造
- 先進封裝
- AI伺服器
- PCB
- 電源
- 散熱
- 網通
但如果未來還要擴大：
- AI資料中心
- 雲端算力
- 主權AI
- 大型模型訓練
同樣會面對：
電、水、土地。
而台灣國土面積小、人口密度高，工業、住宅、農業與能源設施之間本來就存在高度土地競爭。
未來台灣討論大型AI資料中心，至少要一起回答
- 要蓋在哪裡
- 需要多少MW
- 採哪一種冷卻方式
- 電網新增成本怎麼分攤
- 再生能源與儲能怎麼配置
- 附近居民承擔什麼影響
對台灣供應鏈來說，資料中心缺電不完全是壞消息，因為下一波訂單可能從伺服器一路延伸到能源系統
當資料中心用電和冷卻逐漸變成AI算力瓶頸，新的硬體需求也會跟著擴張。
可能受惠的環節包括：
- 高效率電源供應器
- UPS
- 變壓器
- 智慧電力管理
- 液冷系統
- CDU
- 冷板
- 泵浦
- 熱交換器
- 大型儲能
- 光通訊
- 備援電力設備
AI供應鏈正在從一台GPU伺服器，擴張成「整座AI工廠」。
未來AI公司比的可能不是有多少GPU，而是每1MW電力能跑出多少有效算力
當電力不再被視為無限制資源，算力效率就會變得更重要。
以前AI規模很容易直接拿：
GPU數量
來比較。
未來可能會更重視：
- 每瓦效能
- 每MW可提供多少推論量
- PUE
- WUE
- 冷卻效率
- 模型量化與壓縮效率
- 每度電能完成多少有效運算
AI產業的方向可能逐漸從「堆更多晶片」，轉成「讓同樣能源跑出更多AI」。
城市限制水電，最後反而可能逼AI技術本身提高效率
如果電、水與土地的擴張速度無法永遠跟著GPU增加，AI企業就必須從其他地方找效率。
這會直接影響：
- 晶片架構
- 模型壓縮
- 量化
- 推論最佳化
- 工作排程
- 液冷
- 電力調度
換句話說：
城市對資料中心的限制，最後可能反過來成為AI硬體與軟體效率進步的壓力。
洛杉磯真正踩煞車的不是AI，而是「AI可以成長，但不能假設城市資源無限」
洛杉磯郡目前並沒有全面禁止資料中心。
它真正正在做的是：
- 重新研究用電衝擊
- 評估用水
- 研究噪音與健康
- 檢討土地使用規範
- 評估社區回饋與費用分擔
而Monterey Park、紐約以及美國國會近期採取的不同政策，也都指向同一個方向。
地方政府開始要求AI產業證明：你使用多少電、多少水、帶來多少基礎建設成本、創造多少地方利益，以及最後誰來付錢。
第一階段搶模型、第二階段搶GPU，第三階段可能是在搶「能讓GPU全天候運轉的城市」
AI產業過去幾年的競爭，可以粗略拆成三個階段。
| 階段 | 核心競爭 |
|---|---|
| 第一階段 | 誰有更強模型 |
| 第二階段 | 誰拿得到更多GPU與AI硬體 |
| 第三階段 | 誰有足夠電力、冷卻、土地與社區接受度讓硬體真正上線 |
當一座大型AI資料中心可以需要數百MW甚至更高等級的電力，算力就不再只是科技公司的私人設備。
它開始和：
- 地方電網
- 水資源
- 工業土地
- 環境品質
- 居民生活
共享同一套城市基礎設施。
AI下一個真正稀缺的東西，可能不是GPU，而是一座願意給你電、給你土地、承受冷卻與噪音，而且居民最後仍願意讓你留下來的城市。
這才是這波資料中心反彈真正透露出的下一場AI競爭。
