AI技術巨額投資導致數據中心面臨電力效率低落的瓶頸，專家在矽谷高峰會指出過時的設計方法是主因，並建議透過優化現有電力、區分AI任務需求及整合電池儲能系統等策略，以應對美國數據中心到2030年可能高達全國17%的電力消耗。
隨著人工智慧（AI）技術快速發展，大型科技公司在AI基礎設施投入巨額資金，但數據中心面臨的瓶頸已從AI晶片轉向電力供應和效率問題。
根據《The Chosun Daily》報導，Alphabet公司、亞馬遜、Meta以及微軟等科技巨擘，今年在AI數據中心、伺服器及半導體上的資本支出預計高達7,250億美元。然而，美國數據中心的電力消耗預計將急劇增加，到2030年恐佔全國總電力消耗的9%至17%。
上週三在矽谷舉辦的AI基礎設施高峰會2026（AI Infrastructure Summit 2026）上，專家指出數據中心面臨的核心挑戰，已不再是AI晶片短缺，而是「電力效率低落（Power Inefficiency）」。電力效率低落指的是在數據中心運作時，電能轉換為實際運算效能的比例不高，導致能源浪費。這主要源於數十年來未曾更新的數據中心設計方法。
Becompute共同創辦人維賈伊·加德帕利（Vijay Gadepally）批評，目前的數據中心建造方式效率低下。他表示：「過去三十年來，我們仍沿用舊方法，寧可建造十個100MW的數據中心，也不願解決單一1GW大型設施的複雜電力問題。」他預期五年後回顧，人們會認為當時的解決方案過於「懶惰」。
微軟資深總監Yasar Ihan Kaya則強調，最經濟實惠的電力取得方式，是優化現有電網資源，而非單純興建新電廠。他進一步建議，應根據AI任務類型區分電力需求。例如，需要即時回應的「推論（inference）」任務難以調整電力使用，但為期數月的「訓練（training）」任務則可依電網狀況彈性調整，因為「並非所有AI任務都需要頂級電力」。
為應對此挑戰，Versa共同創辦人Matt Penfold提出，數據中心應利用現有電力啟動營運，並透過「非確定性電力存取（non-firm power access）」，即電網中非保證隨時可用的、但成本較低的電力來增加容量。同時，輔以電池儲能系統（BESS）或現場發電，以彌補電力短缺。Transgrid Energy副總裁Terry Laughton則建議，開發結合燃氣渦輪、太陽能與電池儲能系統的軟體整合方案，實現更靈活的電力管理。