電力是下階段的 AI 護城河，而不是 AI 模型的能力

我每個月都會看 AI 模型的排名更新。
哪家推理快了，誰開源了，誰又刷新了 benchmark。
隨著模型逐漸成熟，迭代速度越來越快，差距也越來越短。

因為電費問題，紐約針對資料中心設置了三年建制禁令
下一個追逐的重點已經移轉到電力上。

微軟現任執行長 Nadella 在財報會上也提到：「我有一堆 GPU 放在倉庫裡，插不上電」。

直白的說，晶片買得到，電力排不到，AI 產業的瓶頸已經從算力移到電力供給。
模型很重要，但模型可以追，電力供給的天花板就在那。
未來三到五年，這個差距會決定誰真正有競爭力。

能源是 scaling law 的天花板

Scaling law 是 AI 圈最常講的概念，算力加倍、模型更強、資料加倍，效果更好。
但這條曲線有個前提：你要有電把 GPU 跑起來

算力的擴展以週計，下單等交貨。
資料的擴展以月計，蒐集清洗標註。
電力的擴展以年計，電網接入加環評加建設，至少3 到 5 年起跳。

一台 AI GPU 伺服器吃 3,000 到 5,000 瓦，傳統伺服器 300 到 500 瓦，差了 10 倍而且推理已經超過訓練成為主要的電力消耗，是 24 小時不停的基本負載需求

有人會說，效率進步會慢慢解決這個問題，
效率確實在進步，但用戶也在增加，
到目前為止，需求成長的速度快過效率改善，
GPU 買得到，電排不到。

這是 AI 現在發展最難突破的物理天花板。

模型越容易迭代，電力門檻越重要

這個判斷聽起來反直覺，讓我解釋

2025 年 1月 DeepSeek 用相對少的資源做出有競爭力的模型
很多人覺得小團隊也有機會了。
技術上是對的。

但從產業競爭看，意義剛好相反。
模型越容易迭代，模型就越不是門檻。那什麼才是？

軟體的規則：迭代快，可以開源，後發者有機會。
電力的規則完全不同：前置期 3 到 5 年，有地理限制，拿到的電網容量和建設許可無法複製。

GPU 優勢靠技術領先，透過數量或是新世代晶片就能拉近距離。
模型優勢靠資料和人才，也可以在迭代幾輪後追上。
電力優勢來自物理限制，物理限制不會因為誰更努力就消失。

KKR 用了「護城河」來形容這件事，我覺得很準確。
電力護城河的重點不是有多深，是建設週期長到競爭對手無法立即跨越。

SMR 小型核反應爐被視為長期解決方案，但到目前為止沒有成功的商業案例。
唯一拿到美國核管會認證的 NuScale，第一個專案建設成本從 53 億漲到 93 億美金，最後沒人買單，計畫取消。

首批 SMR 的每度電成本是太陽能加儲能的 3 到 6 倍，最快 2029 年才商轉加上資本門檻，Big Tech 2026 年 AI 資本支出預計 6,500 億美金，能每年投千億以上的公司全世界大概五家。

現在手上有電的公司，2030 年之前都有結構性優勢。
後面的人不是做不好，是排不到。

長約佈局透露十年期思維

理解前面的邏輯，再看科技巨頭過去一年的佈局就清楚了
五家公司簽下超過 10 GW 核能相關承諾，拆開是三種策略。

1.鎖定現有發電資產：
Amazon 跟 Talen Energy 簽 17 年購電合約，鎖定運轉中的核電廠，總值 180 億美金。Microsoft 重啟三哩島，簽 20 年。Meta 跟 Constellation 和 Vistra 合作確保既有核電持續運作。能發電的資產就那麼多，先簽先贏。

2.押注還沒商轉的技術：
Google 投資 Kairos Power，Meta 跟 TerraPower 和 Oklo，Amazon 領投 X-energy。風險高，但成功就是鎖定十年以上的低成本電力。

3.用債務換時間：
Google 發了 200 億美金債券，其中包含 100 年期英鎊債，1997 年以來科技公司首次。
5 倍超額認購。但同年自由現金流預估從 733 億降到 82 億，下滑超過九成。現金不夠，向市場借。
Google 百年債的策略代表的意思：他們賭 AI 基礎設施的回報可以持續很久。

三條路不同，共同點只有一個：都在搶未來可用電。

合約年限是最誠實的信心指標，17 年，20 年，100 年。他們認為這是十年級別的電力基礎設施佈局，不是三年一輪的技術週期。

老實說，我不確定這些賭注最後會不會全部兌現。SMR 的商轉可能延期，百年債的利息可能變成負擔。

但有一件事很明確：這些 Big Tech 公司做決策的時間範圍，已經跟多數人在討論 AI 的時間範圍完全不同。

如果需求被高估了？

這個可能性的確存在。
電力公司高層公開提過，部分地區負載預測可能高估 3 到 5 倍。
如果 AI 需求低於預期，過剩基礎設施的成本不會消失，最終轉嫁到消費者電費上。

美國 PJM 電力市場的容量拍賣價一年漲了將近 8 倍，資料中心佔了四成。
三輪累計相關成本超過 230 億美金，最後都反映在帳單上。

消費者面臨雙面夾擊，AI 需求成長，電價跟著走。需求不如預期，過剩投資的成本一樣落在帳單上。

Nadella 自己也提到這個風險：如果 AI 不能產出實際價值，企業會失去用能源來生成 Token 的社會許可。
所以電力護城河成立有個前提：AI 確實在產出足夠的經濟價值。這個前提目前還在驗證中。

四個觀察指標

如果你也在追蹤 AI 基礎設施的走向，可以留意這四件事。
1. 電網接入排隊時間：縮短代表供給追上來了，拉長代表缺口還在擴大。
2. 容量拍賣價格：回落代表壓力緩解，續升代表門檻還在墊高。
3. SMR 專案進度：Kairos，TerraPower，X-energy 有沒有按時推進，決定 2030 年後的電力版圖。
4. 各州立法動向：有沒有要求資料中心分擔更多電網升級成本。

四項同時走弱，模型再好，供給壓力還是會反映在成長速度上。

結論

模型決定能力上限，電力決定交付下限。
我現在看 AI 產業，除了算力跟評分之外，電力能源的佈局會是決定 AI 公司未來 3-5年競爭優勢的關鍵。
這樣看，會更早看到誰有真正的護城河。