AI 唔只食晶片：資料中心用電升溫，太陽能變平都未必夠

圖：TechCrunch．原文連結

用 ChatGPT、雲端 AI、coding agent，表面係買 token、租 GPU、等回覆；實際上背後係一條好長嘅電力鏈。伺服器要運算，機房要散熱，供電要穩定，雲端平台仲要預留冗餘去應付高峰同故障。當 AI 由試用工具變成公司日常工作流，資料中心用電就唔再係能源版新聞，而係科技成本同碳排風險嘅一部分。

TechCrunch 引述 BloombergNEF 新一份《New Energy Outlook 2026》指出，太陽能成本仍然會繼續跌，報告預期太陽能會喺未來幾年成為全球最大發電來源。不過同一篇報道亦提醒，AI 資料中心需要穩定、全天候、可預期嘅電力，令天然氣同煤電未必咁快被踢出場。呢個矛盾先係重點：最平嘅電，未必等於最啱資料中心嘅電。

便宜唔等於全天候

BloombergNEF 官方新聞稿講得幾清楚：電力需求而家幾乎喺全球都上升，原因包括人口、收入、電氣化同資料中心。報告指 2025 年全球資料中心容量達 84GW，用電約 500TWh，佔全球總用電 1.9%；到 2050 年，資料中心用電預測會多過一倍，升至 1,114TWh，佔 3.6%。呢啲係模型預測，唔係已經發生嘅數字，但足夠說明科技行業正由「買算力」變成「搶電力」。

太陽能贏在成本同部署速度。BNEF 指太陽能會喺 2032 年成為全球最大發電來源，TechCrunch 亦提到太陽能板成本未來十年仍可能再跌約 30%。但太陽能有日夜同天氣限制，資料中心就要全年無休。電池、長時儲能、地熱、核電都可以補位，但未必每個地區都可以即刻大規模落地。所以 TechCrunch 引述 BNEF 模型指，到 2050 年，資料中心新增發電量入面，天然氣同煤仍可能佔 51%。

呢度要分清楚兩件事：太陽能變平，代表新建發電容量入面會越來越有競爭力；但資料中心買嘅唔只係「一度電」，而係可用率、低延遲、供電時間、備援同電網接入速度。大型 AI cluster 唔可以只喺中午陽光最好時先訓練模型，亦唔可以等電網升級幾年先開機。結果係，科技公司一邊簽可再生能源合約，一邊仍可能靠天然氣、核電、儲能，甚至現有煤電去補穩定性。

AI 嘅電力帳唔應該逐個 prompt 估

坊間好容易將問題簡化成「問一次 AI 用幾多電」。但呢種算法風險好高，因為模型大小、推理長度、硬件效率、資料中心散熱、所在地電力組合、閒置容量點分攤，全部都會改變結果。對香港公司 IT team、開發者同用雲端 AI 嘅中小企來講，更實際嘅問法係：AI 工作負載跑喺邊個區域？供應商有冇披露用電同碳排？延遲、資料合規同能源足跡點樣取捨？

IEA 2025 年《Energy and AI》報告提供另一個校準點：全球資料中心 2024 年用電約 415TWh，佔全球用電約 1.5%；到 2030 年，基準情境下可能升至約 945TWh，接近 3%。IEA 同時指出，可再生能源仍會係滿足資料中心新增需求最快增長嘅來源，但資料中心只係 2030 年前全球電力需求增長入面少於一成。換句話講，AI 用電係真問題，但唔應該寫到似單一科技會吞晒全球電力。

科技公司近年嘅動作亦反映呢個現實。大型雲端供應商同 AI 公司唔只搶 GPU，亦會簽長期電力合約、投資儲能、研究核電或地熱，甚至推動資料中心直接靠近電源。TechCrunch 提到 Google 近期資料中心項目包括 Form Energy 100 小時電池訂單，而地熱同核能 startup 亦因 AI 資料中心需求受注目。呢啲方案未必會即刻變成主流，但反映電力已經變成 AI 基建競爭嘅核心。

香港唔係旁觀者

香港本身係資料中心市場。政府「Developing Data Centres in Hong Kong」網站列出，香港有成熟電訊基建、連接多條對外海底光纜，金融、保險、貿易同物流等行業支撐資料中心需求；同一網站亦強調本地供電可靠度超過 99.999%，兩間電力公司電網可作緊急支援。呢啲都係香港吸引資料中心嘅賣點，但賣點背後亦係能源責任：高可靠供電通常要備用容量、燃料多元化同長期投資。

本地雲端亦唔係抽象概念。AWS 官方文件列出 Asia Pacific (Hong Kong) 區域 ap-east-1 有 3 個 Availability Zones；Google Cloud Compute Engine 文件亦列出香港 asia-east2-a/b/c。對需要低延遲、資料駐留或金融合規嘅 workload，本地區域有實際價值。不過生成式 AI 訓練同部分高階推理未必一定喺香港跑，企業採購 AI 服務時，仍要問清楚資料、算力同推理流量實際落喺邊個地區。

香港電力組合令呢件事更加貼地。環境及生態局資料顯示，香港 2024 年按送出電量計，天然氣佔 55.5%，核能及可再生能源合共佔 24.5%，煤佔 20%。政府 2026 年 4 月回覆立法會時再講，2025 年零碳能源約佔整體發電燃料組合四分之一，天然氣多過 50%，煤少過 20%，並以 2035 年零碳能源佔 60% 至 70% 為目標，當中本地可再生能源目標為 7.5% 至 10%。

分供電公司睇，CLP 2024 年發電輸出燃料組合係天然氣 52%、核電 31%、煤 16%、可再生能源 1%；港燈 2025 年年報則指約 69% 發電來自天然氣，約 31% 來自煤。呢啲數字說明香港已經大幅依賴天然氣，亦解釋點解 AI 同資料中心用電增長，最後可能反映喺電費、燃料成本調整同企業碳排披露上。CLP 亦明言天然氣發電成本比煤高出超過一倍，穩定供電唔係免費。

公司要開始問雲端供應商能源問題

對本地企業嚟講，AI 採購文件唔應該只問模型能力、資料保安同價錢。更成熟嘅做法係加入能源同碳排要求，例如供應商有冇區域級碳排資料、AI workload 可唔可以揀低碳區域、訓練同推理有冇分開披露、企業帳單能否對應用量同排放。金融機構、上市公司同跨國企業香港 office 尤其會面對 ESG 報告壓力，因為雲端用電多數落入間接排放，唔係一句「用咗 SaaS」就可以完全唔理。

同時，唔係所有 workload 都值得用最大模型。客服草稿、內部搜尋、文件摘要、coding assist、影像生成，各自有唔同延遲同準確度要求。公司可以做嘅唔係停用 AI，而係將任務分級：需要高準確先用大模型；重複低風險工作用細模型或本地化方案；批量工作避開尖峰；保留快取同向量搜尋減少重複推理。呢啲工程決定唔會即刻改變全球燃料組合，但可以直接影響成本、延遲同雲端帳單。

真正競爭係算力、土地同電力一齊搶

AI 熱潮最初講晶片，之後講記憶體、散熱同網絡；而家越來越明顯係講電力同選址。太陽能同電池成本下降，長遠會令清潔電力更有競爭力，但資料中心要嘅係 24/7 穩定性，唔係漂亮嘅平均數。香港嘅優勢係低自然災害風險、電訊連接同高供電可靠度；限制係土地、散熱、電費同本地可再生能源空間。AI 服務愈普及，呢啲限制就愈會由機房後台走到董事會同採購清單上。

結論唔係「AI 一定唔環保」，亦唔係「太陽能救晒」。更準確嘅講法係，AI 令電力系統提早面對一個難題：平、穩、低碳三樣嘢要同時達標。香港公司用 AI 時，最少要知道自己買嘅唔只係 API，而係一整套跨地域能源基建。下一步真正有價值嘅透明度，唔係單次查詢嘅估算，而係雲端供應商按地區、按服務、按時間披露更清楚嘅用電同碳排資料。

參考來源

• TechCrunch — Solar to dominate energy by 2035, but AI data centers will keep fossil fuels in business — original report
• BloombergNEF：New Energy Outlook 2026 press release — 官方來源，核對太陽能、儲能、資料中心用電同能源轉型情境。
• IEA：Energy and AI — 提供全球資料中心用電、2030 年預測同 AI 能源需求背景。
• 環境及生態局：Energy Supplies — 香港整體發電燃料組合官方資料。
• 政府新聞公報：LCQ5 Measures to ensure stable energy supply — 核對 2025 年香港零碳能源、天然氣、煤電比例，以及 2035 年目標。
• Developing Data Centres in Hong Kong：Power Supply / Why Hong Kong — 本地資料中心供電可靠度、電網支援同資料中心政策背景。
• AWS Regions and Availability Zones — 核對 AWS 香港區域 ap-east-1 同可用區資料。
• Google Cloud Compute Engine regions and zones — 核對 Google Cloud 香港 asia-east2 區域同分區資料。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。