Gartner 估 AI server 2027 食電多過傳統 server,雲端 AI 成本開始見底牌
3C 產品

Gartner 估 AI server 2027 食電多過傳統 server,雲端 AI 成本開始見底牌

圖片:via Tom's Hardware — https://www.tomshardware.com/tech-industry/artificial-intelligence/ai-servers-will-consume-more-power-than-conventional-data-center-hardware-by-2027-gartner-forecasts
TechLab 編輯部(譯)·

GPU 供應之外,電力同散熱都開始牽動 AI quota 同企業部署。

Gartner 呢次講嘅數字有幾大

Tom's Hardware 呢單新聞值得睇。表面係 GPU 同機房擴張,Gartner 公開 forecast 入面最要睇嘅轉折係:AI-optimized server 到 2027 年食電會多過傳統 server。即係雲端 AI 嘅瓶頸,已經由「買唔買到 GPU」擴到「有冇電、有冇散熱、有冇地方接上電網」。

Gartner 自己嘅 press release 講得好清楚:全球 data center 用電 2026 年估到 565TWh,2025 年係 447TWh,按年升 26.4%;同一時間,power demand 由 104GW 升到 132GW。AI-optimized server 由 2025 年 95TWh,跳到 2026 年 175TWh,再到 2027 年 258TWh;傳統 server 同期只係 193、195、200TWh,幾乎冇乜郁。

仲有一個好易俾人忽略嘅位:散熱同其他基建。Gartner 估 2026 年冷卻同其他機房基建會食 195TWh,升 22.6%,數字同傳統 server 差唔多大。AI rack 密度高,GPU 長時間滿載,熱量唔會自己消失;你每加一排 accelerator,後面就要加電力分配、冷卻、水或者其他熱管理。

Vistra 核電廠外貌,Meta 用嚟講解核電供應 data center 嘅合作

圖片:Meta

用 AI 工具嘅人成本會感覺到

呢點同平時用 AI 工具、雲端模型、coding agent 嘅公司有關。coding agent 一次工作唔止打一條問題,通常會開幾輪推理、讀 repo、跑測試、重試,背後係長時間佔住 accelerator。當機房電力變成緊貨,供應商最自然嘅反應就係 quota、排隊、地區供應同企業合約價一齊收緊。

香港公司就算冇自建大型 AI data center,都避唔開呢條數。你買嘅多數係海外雲端區域、SaaS plan、API token 或者企業版 coding 工具;供應商喺美國、歐洲、星馬一帶搶電、搶地、搶冷卻,成本最後可以變成細咗嘅免費 quota、貴咗嘅高用量 plan,或者指定地區先有新模型。

Data Center Watch 製作嘅美國 data center 反對活動地圖

圖片:Data Center Watch

forecast 本身都升緊

有趣位係 Gartner 嘅公開數字自己都升緊。2025 年 11 月佢哋仲估 2030 年全球 data center 用電 980TWh,今次 2026 年 6 月已經講到超過 1,200TWh。唔同 forecast 方法可以有差距,但方向好一致:AI server 增長快過電網規劃同供電工程,時間差就係壓力來源。

IEA 今年《Energy and AI》報告都俾到另一個角度:2024 年 data center 用電約 415TWh,佔全球用電約 1.5%;Base Case 到 2030 年約 945TWh,差唔多翻一倍。IEA 同時提醒,data center 總量唔一定係全球用電最大增長來源,但機房集中喺幾個地點,接電網先至麻煩。

大廠搶長線電力,細客可能要捱貴 plan

大廠其實已經真金白銀去鎖定電力供應。Meta 今年 1 月宣布同 Vistra、TerraPower、Oklo 嘅核電項目,講緊到 2035 年支援最多 6.6GW 新舊清潔電力。問題係呢類項目唔係今日簽、明日有電;TerraPower 最早 2032 年,Oklo 講最快 2030 年,近兩三年嘅缺口仍然要靠現有電網、天然氣、排程同 efficiency 頂住。

地方政治亦開始插手。Data Center Watch 話,2026 年第一季美國至少 75 個 data center 項目俾地方反對拖慢或者擋低,涉及約 1,300 億美元;反對團體數量亦喺 49 個州翻倍。呢啲未必會即刻令 AI 服務停擺,但會改變邊度起機房、邊個客先攞到 capacity、邊啲用法要加價。

下一步睇 quota 同地區供應

所以呢單新聞最貼地嘅睇法,係唔好淨係追 GPU 型號同模型參數。公司 IT、開發團隊同採購 AI SaaS 嘅人,要開始問供應商:高用量 plan 有冇穩定 quota、資料留邊個區域、推理成本會唔會按地區變動、長約有冇保電力同保 capacity。之後揀 AI 服務,可能唔只睇邊個模型最叻,仲要睇供應商有冇穩定 capacity 長期畀你用。


參考來源

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。

分享:WhatsAppThreadsTelegramFacebook