close

IT 基建

IT 基建中小企雲端專區企業趨勢業界專訪雲端服務

嘉民荃灣西數據中心年內落成 多方協調電力工程加快竣工

 

▲嘉民集團項目管理總監黃達之(左)及中華電力輸電部總監黃偉強早前在將近完工的嘉民荃灣西數據中心園區介紹發展進度。

嘉民集團項目管理總監黃達之(Gary)表示,為配合嘉民集團於全球設置 5000 兆瓦 (MW)數據中心的未來發展策略,嘉民早年收購了荃灣沙咀道一塊舊紡織廠用地 (即前中央紗廠位置),將其轉型為數據中心園區,以滿足香港及亞太地區的數據中心不斷增長的需求。他指出,由於荃灣位處市區核心地帶,亦與工商業及住宅區緊密連接,對於科網以至新興 AI 服務而言,在物理時延 (latency)上亦有優勢。因此規劃發展荃灣西數據中心園區,為香港發展先進數據中心,更有效率配合市場與政策對科網及新興數字經濟發展。

 

▲黃達之表示,嘉民集團對準香港及亞太地區的數據中心不斷增長的需求,協助各數據商加快部署。

嘉民全球佈局 滿足香港數據中心需求

Gary 表示,嘉民計劃興建四棟數據中心,定位高質量數據中心,並為每座大樓配備獨立的高壓客戶變電站,總建築面積達 160 萬平方尺,主供電設備裝置容量高達 225 兆伏安 (MVA),迎合先進數據中心、資訊科技、通訊及工業行業需要。因此,嘉民在建築規劃之初便與中電接觸,就數據中心的用電需求進行研究和規劃,並參考相關的國際標準及要求,共同探討及開發合適的設計方案,例如建設高壓客戶變電站,並配合緊急發電機和備用發電設施配置等,確保數據中心的電力具高度的穩定和可靠性,同時確保在施工和客戶變電站的交接過程安全順利進行。

▲嘉民與中電團隊緊密協作,就數據中心的用電需求共同探討合適的設計方案。

地理位置受限   後移建造位置成功破局

不知道大家有否留意,一般置於商廈的中小型客戶配電房多數位於二樓或較高的樓層,方便騰出地方用盡商用空間。但對於需要更大電量的數據中心而言,在他們的大型客戶變電站中,高壓電力裝置的體積和重量皆較為龐大,最大一組電力裝置組件更重達 70 噸。為了配合組件運輸和安裝,以及符合樓面承重限制,組件置於地面更為穩妥安全。沙咀道位於荃灣舊區,周邊街道繁忙且狹窄,項目旁邊更有一條 20 米高架空天橋,大幅增加建設過程的挑戰。因此嘉民的項目團隊向中電「取經」,透過技術研討會和參觀中電的高壓變電站,了解 132 千伏高壓變電站的配置要求,以便在建築設計的前期階段,盡早規劃數據中心園區分階段發展的佈局。

▲項目旁有一條 20 米高架空天橋 (圖左側),園區建造時需往後移 (圖右),以騰出更多空間便利工程進行。

中華電力輸電部總監黃偉強(Alex)表示,由於與嘉民預早溝通,建築前已發現地理限制,中電遂建議將數據中心園區的建造位置往後移,同時將擺放高壓電力及重型設備的房間設置在地面,既突破原有的場地限制,亦在園區與架空天橋之間騰出了更多空間,有利運送各種高電壓及重型的電力設備,更大幅減低因工程可能會帶來封路的不便。

▲中電與嘉民團隊調整園區設計以騰出空間,有利運送各種重型的電力設備。

▲其中一組電力裝置組件重達 70 噸,為配合安裝及符合樓面承重限制,組件置於地面更為穩妥安全。

Alex 亦透露,中電按數據中心園區的電力需求和分階段發展的規劃,為嘉民度身設計短、中期的供電方案,例如 11 千伏的配電網絡作為短期供電安排,滿足園區在運作初期發展所需;又提供專門的備用供電方案等,應付園區在中、後期營運階段的電力需求,令園區可以靈活發展。

聯繫數字辦 加快推進發展先進數據園區

▲黃偉強指中電發揮「超級聯繫人」角色,協助嘉民透過數字辦助力與相關政府部門協調,加快園區項目發展。

Alex 補充,中電除了提供技術支援,更協助嘉民聯繫數字政策辦公室 (數字辦)、投資推廣署等,了解在香港發展數據中心的便利措施,同時透過數字辦幫忙與相關政府部門聯繫和協調,有利項目加快發展。

Unwire.pro 翻查新聞資料,其實該數據中心園區在規劃初期,原本預計要至 2026 年才陸續完工,現時園區進度加快,更可在今年內完成,其中一個高壓客戶變電站的電力工程,更比嘉民之前規劃的時間提前半年以上完成,對於世界各地建設先進數據中心經常出現工程延誤的常態而言,也是一項鮮有的佳績。香港數據中心協會主席李松德指:「數據中心對電力需求一般都要經過一段『爬坡期』,電力公司提供不同階段的供電方案,亦有助數據中心發展更具彈性,能夠盡早投運。」

 

 

閱讀文章
IT 基建人工智能企業趨勢

楊元慶回應「AI 是否過熱」問題 聯想 AI 伺服器訂單季增 157% 至 540 億美元

聯想高層在發布會上發言,背景為Lenovo標誌.

聯想集團公布 2026/27 財年第一季度業績,營收按年增長 43%,創下集團史上最強單季表現。AI 伺服器儲備訂單更由上季 210 億美元暴增至 540 億美元。這份成績單背後,是聯想董事長兼 CEO 楊元慶對「AI 是否過熱」問題的公開回應。他認為基礎模型領域或有局部泡沫,但 AI 作為產業方向遠未走到盡頭,算力需求正快速由訓練轉向推理。

三大業務全面開花 基建利潤創新高

聯想本季三大業務集團同步走高,一改市場對其「PC 公司」的單一印象。基礎設施方案業務集團(ISG)營收達 85 億美元,按年增長 98%,經營利潤率首次超過 9%,均創歷史新高;智能設備業務集團在成本上漲、需求承壓的環境下仍維持雙位數增長,其中平板增速最快,個人電腦業務按年增長約三成;方案服務業務集團則連續多季保持逾 20% 的增速與利潤率。

值得留意的是,經調整淨利潤 10.75 億美元(約港幣 HK$83.85 億元)、按年增長 176%,首次突破 10 億美元關口,但這只是非 GAAP 口徑的表現。若按香港財務報告準則(HKFRS)計算,聯想本季度實際錄得 6.09 億美元歸屬股東淨虧損,去年同期則為盈利 5.05 億美元;這一落差主要來自 2025 年發行認股權證的公允價值重估,產生 17 億美元非現金損失。

楊元慶談 AI 泡沫:訓練退場 推理佔八成

對於外界關注的「AI 泡沫論」,楊元慶的判斷相對克制而具體。他指出,資金過度集中於大模型訓練確實值得警惕,但這不等於 AI 整體是泡沫,真正的 AI 普及才剛剛開始。他提出一個關鍵結構變化:算力需求正從訓練向推理遷移,此前訓練與推理大致是「八二開」,如今已接近「五五開」,未來合理格局可能是「二八開」,即推理佔八成。這一判斷與聯想押注「混合式 AI」——公共 AI、企業 AI 與個人 AI 結合,並把更多計算下放到邊緣與終端——的策略高度吻合。

聯想的訂單暴增並非孤例。同期,戴爾(Dell)AI 伺服器積壓訂單達 513 億美元(約港幣 HK$4,001.4 億元),創下紀錄;超微電腦(Super Micro)單季新增訂單逾 600 億美元(約港幣 HK$4,680 億元);惠普企業(HPE)AI 系統積壓訂單則為 59 億美元(約港幣 HK$460.2 億元),規模明顯落後於戴爾與聯想。

世界盃變試驗場 一體多端佈局個人 AI

作為 2026 年美加墨世界盃的官方技術合作夥伴,聯想把賽事本身變成 AI 落地的實驗場。除了在達拉斯國際廣播中心與邁阿密技術指揮中心部署伺服器基建,聯想還推出「Football AI Pro」知識助手,為 48 支參賽隊伍提供數據分析與戰術洞察,同時將 AI 應用於裁判視角影像穩定、數字人展示等場景。Fortune 的報道指出,這是大型科技公司在全球最大體育賽事上展示 AI 能力的關鍵舞台,聯想、Google 與 Salesforce 均藉此檢驗自家 AI 產品的實戰表現。

在個人 AI 領域,聯想同步推進「天禧 AI」與 Lenovo Qira,目標是讓同一個人智能體跨 PC、手機、平板等終端運行,並逐步把更多算力放在本地執行——這既呼應了他所說的「推理佔八成」判斷,也是對未來 AI 入口形態的一次重新定義。

業績只是結果 長期基建才是答案

若把時間軸拉長,可以看到聯想這輪增長並非一蹴而就。上季(截至今年 3 月底)聯想 AI 伺服器訂單儲備約 210 億美元(約港幣 HK$1,638 億元),到 6 月底已躍升至 540 億美元(約港幣 HK$4,212 億元),市場消息更顯示今年中已有約 1,500 億元人民幣(約港幣 HK$1,620 億元)的待交付訂單、產能排期已到一年半以後。

這種爬升速度,建立在聯想過去十餘年在伺服器、雲端運算、邊緣運算與供應鏈體系上的持續投入之上——楊元慶強調,今天的結果「不是天上掉的餡餅」。這也解釋了為何他面對市場對聯想估值的追問時直言:「只看一個季度的業績是賭博」,更希望外界關注戰略方向與執行力,而非單季股價波動,也不忽視 GAAP 口徑虧損所反映的真實會計壓力。

 

資料來源:Reuters聯想集團投資者關係新浪財經FortuneRemio.ai

 

閱讀文章
IT 基建人工智能科技專欄

當 AI 算力變成華爾街的「可投資資產」 剖析 NVIDIA 算力金融化戰略

街頭展示大型牛像與AI科技元素,象徵AI算力成為投資資產.

NVIDIA 創辦人兼行政總裁黃仁勳(Jensen Huang)日前發表文章,明確指出,NVIDIA 的「AI 工廠算力」(AI Factory Compute)已轉化為全新且具備高度生產力的「可投資資產類別」(Investable Asset Class)。為落實宏大藍圖,NVIDIA 更與阿波羅(Apollo)、貝萊德(BlackRock)、黑石(Blackstone)、布魯克菲爾德(Brookfield)、高盛(Goldman Sachs)及 KKR 等六大華爾街頂級金融機構達成戰略合作。目標在未來推動超過 5,000 億美元的第三方資本,專門投入全球 AI 基礎設施的建設與拓展。

黃仁勳此舉標誌著科技產業營運模式的根本性轉變,過去企業採購 GPU 或興建數據中心,常被財務部門視為高昂且快速折舊的科技硬件投資。然而,他提出「在人工智慧時代,算力即收入」(In AI, compute is revenue)的核心邏輯,將 AI 工廠比作電力網或互聯網等公共基礎設施,強調算力並非單一項目的消費品,而是具備通用性、可替代性且能跨客戶運用的長期資產。結合 NVIDIA 強大的 CUDA 軟體生態系,硬件效能得以透過軟體更新持續優化,延長資產的使用壽命並穩定其殘值。

從科技與財經的角度來看,這種佈局極具戰略智慧。面對全球企業與雲端服務提供者(CSP)對 AI 算力的迫切需求,龐大的資本支出卻令企業的資產負債表承受沉重壓力。NVIDIA 透過引進華爾街的長線資本,打造獨立的算力融資平台,讓客戶能以更靈活、低成本的資金部署 AI 工廠。這不僅大幅降低了企業採用 AI 的門檻,更為 NVIDIA 鎖定持續的硬件銷售與軟體訂閱收益,實現科技生態與金融槓桿的完美結合。

然而,將 AI 算力資產化並非毫無風險。傳統基礎設施如收費公路或電網,其物理壽命長且技術淘汰率低;相反,GPU 與 AI 晶片迭代速度極快,技術過時(Technological Obsolescence)始終是懸在投資者頭上的「達摩克利斯之劍」。儘管 NVIDIA 強調其架構的通用性與軟體延壽能力,但華爾街機構在評估租金現金流與二手算力市場殘值時,仍需審慎面對新一代晶片上市所帶來的估

Francis Fong 方保僑

方保僑先生於資訊、通訊、科技及電子消費品市場工作超過二十年,引入過不少新科技產品,並創辦多個業界組職及為多個非營利機構擔任委員提供專業意見。現任香港資訊科技商會榮譽會長、香港互動市務商會創會及榮譽會長、香港消費電子產品聯盟創會會長、電子學習聯盟創辦人、世界資訊通訊與服務業聯盟董事、電訊事務管理局辦公室電訊規管事務咨詢委員會成員、運輸署智慧交通基金管理委員會委員、樂施會香港及樂施會澳門董事會成員、香港小童群益會資訊科技委員會委員、香港紅十字會資訊科技委員會成員,仁愛堂堂務行政委員會外界委員等。

閱讀文章
IT 基建人工智能企業趨勢

AMD 收購 Taalas 蘇姿丰新賭局:把模型刻進晶片 推論速度快 B200 晶片近 50 倍

AMD 與 Taalas 合作推動晶片模型化與高速推論.

AMD 宣布已簽署最終協議收購總部位於加拿大多倫多的 AI 推論晶片新創 Taalas,交易金額未公開,仍須通過慣例交割條件與監管機構審查。這家成立於 2023 年的公司,用一種近乎「反常識」的做法挑戰 GPU 霸權:把整個大型語言模型的權重直接蝕刻進矽晶片電路,讓其 HC1 晶片在 Llama 3.1 8B 模型上跑出每用戶每秒約 17,000 個 token 的推論速度。

根據 AMD 官方新聞稿,公司計劃將 Taalas 技術整合進其加速器產品藍圖,並與 AMD Instinct GPU 共同打造系統級解決方案,收購後的團隊將併入由人工智慧事業群資深副總裁 Vamsi Boppana 領軍的部門。距離 Nvidia 於 2025 年 12 月斥資 200 億美元(約港幣 1,560 億元)取得 Groq 推論技術授權並吸收其團隊,僅相隔約七個月,反映 AI 推論晶片已成為晶片巨頭近期競逐的新戰場。

犧牲通用性換取速度的極端賭注

Taalas 選擇的技術路線與主流 GPU 架構背道而馳。多數 AI 晶片仍依賴高頻寬記憶體(HBM)存取模型參數,但 Taalas 的 HC1 晶片採用台積電 6 奈米製程,晶片面積達 815 平方毫米、內建 530 億顆電晶體,把模型計算與儲存合一,徹底消除記憶體與運算之間的頻寬瓶頸。代價是這顆晶片只能執行單一模型,換來的卻是數量級的速度躍升:Taalas 公佈的內部測試顯示,HC1 在 1K 輸入、1K 輸出的基準測試下比 Nvidia H200(約 230 token/秒)快 73 倍、比 B200(約 353 token/秒)快 48 倍,亦比業界公認速度極快的 Cerebras(約 2,000 token/秒)快近 9 倍。每張 HC1 卡功耗僅約 250 瓦,一個標準風冷機架裝 10 張卡僅需 12 至 15 千瓦電力,遠低於 GPU 機架動輒 120 至 600 千瓦的耗能。

華爾街看好長線布局 短期股價承壓

分析師普遍將這筆收購視為策略正面的長線布局,而非即時反映在財報上的重大變數。交易公布前後,AMD 剛公布創紀錄的第二季財報,營收達 115.4 億美元(約港幣 900.12 億元)、年增 50%,資料中心業務營收年增 107% 達 67 億美元(約港幣 522.6 億元),但股價在財報後一度重挫逾 7%、盤中跌至 482.05 美元,反映投資人對資本支出與獲利兌現節奏的疑慮。

即便如此,多家投行仍上修目標價:Jefferies 將目標價上修至 650 美元、Truist 上修至 594 美元、摩根大通上修至 550 美元並維持中立評級,分析師平均目標價升至 597.99 美元,隱含約 23.6% 上漲空間。投資分析平台 TheValueist 的看法具代表性:這筆交易「策略上正面,除非收購價格意外龐大,否則短期內不會對財務造成重大衝擊」,真正價值要放在 AMD 能否把 Instinct GPU 的預填充運算與 Taalas 晶片的解碼生成整合成一套差異化推論系統來評估。

從 Groq 到 Taalas 巨頭圍剿專用晶片

這場收購延續了過去半年多晶片業者搶進專用推論硬體的軍備競賽。時間拉回 2025 年 12 月,Nvidia 宣布以 200 億美元(約港幣 1,560 億元)取得 Groq 語言處理單元(LPU)技術的非獨家授權並吸收其核心團隊,Groq 的架構採用晶片上 SRAM 取代 HBM,記憶體頻寬遠高於傳統 GPU,但速度仍屬於「通用化加速」路線,每秒約可產出 500 至 750 個 token。相比之下,Taalas 走的是更極端的「一模型一晶片」路線,完全放棄可編程彈性換取速度上限。短短七個月內,兩大晶片巨頭幾乎同時作出相似判斷:隨着推論工作負載在 2026 年可能佔 AI 運算支出的大部分,每代幣成本與能耗效率將成為決定市場份額的關鍵變數。

專用晶片能否撼動 GPU 長期主導地位

若交易如期於今年稍晚完成交割,企業客戶最快可能在 2027 年見到搭載模型專屬硬體的推論服務問世,屆時大型語言模型的服務成本結構可能出現明顯下調。但 Taalas 技術目前僅驗證於 8B 參數的中小型模型,能否擴展至更大規模的前沿模型,仍是這場賭局能否兌現的關鍵。

 

資料來源:AMD 官方新聞稿BloombergEE Times

閱讀文章
IT 基建人工智能資訊保安

ANA 如何透過 Equinix Fabric 重構網絡 部署時間縮短 80% AI 營運基建有何啟示

商務客機在藍天中飛行,展現航空科技與速度.

企業部署 AI,管理層往往聚焦模型、GPU、Token 成本與資訊保安。但 AI 由概念驗證(PoC)走向正式營運(Production)時,真正拖慢落地速度的,往往是企業網絡,而非模型本身——這條一直被認為「已經夠快」的網絡,隨時成為最大瓶頸。

全日空(ANA)最近便透過 Equinix Fabric 重構網絡,以中央雲端網絡樞紐(Cloud Network Hub)取代過往逐一為系統建立專線的做法,並按需要連接 AWS、Microsoft Azure 及 Google Cloud。為企業提供了一個值得參考的案例。這家大型企業早已完成一輪網絡現代化,如今仍要為多雲環境、數據增長及未來 AI 應用,重新設計連接架構。由此可見,關鍵已不在數據中心的速度,而是現有網絡能否支撐下一階段的 AI 營運。

 

ANA 首個成果 : 數月縮至數星期

ANA 今次改造最直接的成果,是網絡連接開通時間由數月縮短至數星期,配置時間(Provisioning)約減少 80%。

對企業而言,這代表新服務從構思、測試到正式推出,基礎設施不用再等數月,而非僅僅 IT 部門少做幾項設定。

過往 ANA 為個別系統建立專線,隨着雲端服務、應用程式及連線需求增加,每次擴容都拖累線路數量、成本與管理複雜度。改造後,ANA 以中央雲端網絡樞紐(Cloud Network Hub)管理連線,按需要接通 AWS、Microsoft Azure 及 Google Cloud,無需每次新增服務都再部署實體線路。

IT 人員終於可以減少花在等待與配置網絡的時間,將資源更快轉向應用程式開發和測試。

ANA 同時以五年內總擁有成本(TCO)降低 30% 為目標,但這目前仍屬目標,並非已實現的節省,不能與配置時間縮短 80% 混為一談。

對正在推動 AI 的企業來說,ANA 的真正啟示正在於此:AI 專案延誤,不一定因為模型不夠好或工程師手腳慢。有時應用程式兩星期已寫好,網絡、雲端連線和基建開通卻要耗上兩三個月。當這部分從數月壓縮到數星期,AI 的推出時間(Time-to-Market)才能真正縮短。

ANA 三年前已升級網絡 AI 時代卻仍要再改

ANA 並非直接由傳統舊網絡躍升至最新架構。

早在 2023 年 KDDI 公開的案例中,ANA 便曾為北美業務部署 SD-WAN。當時面臨的挑戰,正是網絡流量暴增、專線擴充成本高昂,以及新據點開通緩慢。例如當機組人員開始以照片和影片交接資訊時,數碼化本意是提升效率,卻因流量激增導致網絡品質下降。

當時 ANA 將據點的雙專線架構,改為「單專線 + 網際網路」混合模式。KDDI 數據顯示,相較於硬性擴建舊架構,此舉降低了約 40% 的營運成本,並顯著縮短了新據點的部署時間。

這帶出一個重要啟示:網絡現代化絕非「一勞永逸」的工程。

2023 年的 SD-WAN 解決的是分支據點與一般雲端應用的流量;到了今天,面對混合多雲、海量數據與未來 AI 工作負載,網絡架構必須再度升級。對多數企業而言亦然:今天足以順暢運作 Microsoft 365、ERP 與視像會議的數據中心及 WAN,數年後未必能承受 AI 應用在跨系統間頻繁呼叫數據的巨大壓力。

「Data Center 已經很快」不代表 AI 應用一定快

這正是企業規劃 AI 基礎設施時的典型盲點。

許多人習慣以「數據中心網絡已達 10 Gbps」或「網速已經足夠」來評估基建,但 AI 應用的整體表現,從不單由某個數據中心的單點速度決定。

以企業 AI Agent 為例,處理一則客戶查詢可能需要先讀取內部 CRM,再跨系統查詢訂單與庫存,接著呼叫公有雲上的模型,最後將結果存回資料庫。這期間任何一環出現高延遲(Latency)、頻寬瓶頸、複雜路由或漫長的跨雲路徑,都會拖垮整個工作流程。

這就如同自動化程度極高的物流中心:即便倉內機器人揀貨再快,若連接各倉庫的幹道持續塞車,整體送貨效率依然低下。

這正是軟件定義互連的價值所在。Equinix 技術文件指出,Fabric 可透過軟件快速建立虛擬連接,靈活對接雲端服務商、外部夥伴或分散各地的企業資產;部分連接更能透過 API 或 Terraform 自動化配置,免去傳統拉設實體線路的繁瑣流程。(註:ANA 公開資料僅確認採用 Equinix Fabric,未提及底層路由與具體元件細節,不應過度推演其採用了其他特定產品。)

 

ANA 已把 25,000 個 AI Agent 放入五年 DX 藍圖

若孤立看待這次網絡重構,很容易誤以為這只是普通的雲端遷移工程;但若放在 ANA 的整體數碼轉型(DX)藍圖中,含義便極為明確。

ANA Holdings 今年發布的《ANA Group Value Creation Roadmap 2030》顯示,集團將於 FY2026 至 FY2030 年間投入 2,700 億日圓(約港幣 135 億元)進行 DX 投資,核心方向之一便是「組織知識資產化與 AI 引入」,目標是將內部數據與 Know-how 轉化為資產,全面重塑業務流程。

值得注意的是,ANA 設定了 2030 年部署「25,000 個 AI Agent」的 KPI,目標帶來相當於集團人力 7% 的產能提升。ANA 所定義的 AI Agent 絕非簡單的問答 Chatbot,而是能自主思考與執行任務的智能體。

這為本次網絡重構提供了關鍵背景:當企業從部署數十個 Copilot 或 Chatbot,邁向由成千上萬個 AI Agent 深度參與營運時,考量重點絕不單是 Token 用量。Agent 需頻繁且自動地讀寫 ERP、CRM、資料庫及各類雲端應用,整套 AI 系統的實際表現,完全取決於底層數據與應用之間的傳輸效率。

簡而言之,當 AI 從「人類手動提問」演化為「後台軟件自主協作」,網絡便成了決定 AI 工作流成敗的生命線。

Cisco:只有 15% 企業認為網絡可充分配合 AI 擴展

這並非 ANA 獨有的考量。

Cisco 2025 年《AI Readiness Index》(由獨立機構 Satori Experience 於 2025 年 8 月雙盲調查全球 30 個市場、8,039 位企業高層)指出,僅有 15% 的受訪企業認為自家網絡已具備足夠彈性,得以配合 AI 工作負載的擴展;即使是 AI 成熟度最高的「領跑者(Pacesetters)」企業,該比例也才達到 71%。

同時,62% 的企業預計未來三年 AI 工作負載將增長 30% 以上。Cisco 據此提出「AI 基礎設施債務(AI Infrastructure Debt)」概念——若企業早期僅顧及 AI 應用快速上線,卻不斷推遲網絡與數據基建的升級,這類妥協最終將在規模擴大時形成沉重的技術負債。

儘管 Cisco 作為網絡設備商具有商業立場,但其樣本量與公開數據仍極具參考價值。ANA 的決策正與此研究遙相呼應:與其等待 AI 正式上線後才被網絡卡死,不如在數據爆發前先行建構具備擴展性的連接架構。

網絡 ROI 不應只計「1 Gbps 升到 10 Gbps」

ANA 案例對 CFO 與 CIO 的另一個啟示,在於如何評估網絡投資的 ROI。

過去評估網絡,常陷於「單位頻寬成本」或「每月專線租金」的拉鋸。但 ANA 案例中最關鍵的三個指標,實為開通部署時間縮短 80%(由數月降至數週)、五年 TCO 降低 30% 的目標。

網絡所決定的,遠不只是下載檔案的速度,而是「新業務上線的速度」。若團隊開發出新的 AI 服務,卻因申請雲端連接、網絡路由或基建配置而消耗數月,那麼 AI 專案的關鍵路徑(Critical Path)就不在模型本身,而在基建開通效率。

因此,衡量 AI 網絡投資時,除了頻寬與月費,更應引入「基建開通時間(Time-to-Infrastructure)」這項關鍵指標:對接新的雲端廠商需要多久?上線一項新 AI 服務要等多久?應用開發完成後,需要等待多久的網絡與安全配置才能真正上線?

這些時間成本,遠比單純的「網絡頻寬升級」更能體現商業價值。

網絡亦是 Business Continuity,不只是效能

另一個常被低估的面向是網絡可靠性。

Uptime Institute 2026 年《Annual Outage Analysis》指出,光纖與網絡連接相關事故顯著增加,且這類中斷往往需時更長才能修復。其 2025 年調查顯示,57% 受訪者表示最近一次重大中斷造成超過 10 萬美元(約港幣 78 萬元)損失,20% 甚至超過 100 萬美元(約港幣 780 萬元)。報告強調,雖然電力問題仍是數據中心中斷的主因,但外部連接與光纖風險正急劇上升。

這也解釋了為何 AI 邁入正式營運後,網絡風險的本質已截然不同:若 AI 僅是員工偶爾使用的 Chatbot,斷線頂多影響工作步調;但若 AI Agent 已深度接管客服、航班營運、訂單處理或物流審批,網絡中斷便直接升級為業務持續性(Business Continuity)危機。

對 ANA 而言,訂票、報到與營運系統皆為實時業務,網絡韌性絕非單純的 IT 指標,而是核心營運風控。

Private Connection 不代表可以忽略加密

然而,採用私有連接(Private Connection)並不等於資安一勞永逸。

Equinix 技術文件明確提到,在 Fabric 與雲端廠商之間的私有互連架構中,傳輸預設並不自動加密。若應用層面有數據加密需求,企業仍須在應用層(Application Layer)加密,或於網絡層(Network Layer)建立 IPsec 隧道。

「私有(Private)」與「加密(Encrypted)」是兩個截然不同的概念。因此,AI 基礎設施不能將網絡、資安與 AI 治理混為一談。網絡確保數據高效且穩定地傳送;資安控管存取權限與數據防護;AI 治理則規範模型與 Agent 的行為權限。三者相輔相成,缺一不可。

ANA 案例給 CEO 的終極提醒:別等 AI 上線才發現公路太窄

ANA 的案例並非暗示所有企業都需採購 Equinix Fabric,其數據亦無法直接複製。但它帶出了一個關鍵思考:AI 基礎設施絕非僅有 GPU、模型選型、Token 預算與資安條例。

在將 AI 從 PoC 推向正式營運前,CEO 與 CIO 必須審視以下問題:企業的數據究竟分散於哪些數據中心、公有雲與 SaaS?一個 AI Agent 執行任務時需跨越多少系統?對接新的雲端或 AI 服務商需要數天、數週還是數月?任何一條專線或雲端服務中斷時,是否有備援路徑?當 AI 工作負載翻倍時,現有網絡能否彈性擴展?

ANA 最具參考價值的,正是其在 2023 年完成 SD-WAN 升級後,僅隔三年便再度因應多雲與海量數據需求進行架構調整。問題從來不是「數據中心今天夠不夠快」,而是「今天的架構能否支撐明天的營運模式」。

若將 GPU 比作 AI 的引擎、數據比作燃料,網絡就是連結一切的公路。當企業投入鉅資換裝最強引擎並注入無數燃料時,若公路系統仍停留在舊時代,最昂貴的 AI 投資,最終只會卡在最被輕視的基建上。

閱讀文章
IT 基建人工智能企業趨勢

施耐德電氣夥輝達推 800V 直流方案 兆瓦級供電成 AI 機架新標準

四位專業人士在會議中展示合作成果,背景為AI需求與供應的展示屏幕.

施耐德電氣與輝達(Nvidia)合作開發最高 1.2 兆瓦級 AI 機架供電系統,並正式發布面向 AI 數據中心的 800V 直流電力基礎設施技術方案。此舉直接回應生成式 AI 單機架功率密度向兆瓦級快速攀升的供電瓶頸。這場產業鏈重構,亦牽動 GPU 出貨節奏、競爭對手產品佈局,以及在香港上市的功率半導體企業英諾賽科(InnoScience)等供應鏈公司的商業機會。

隨著單機架功率密度從 400 千瓦向兆瓦級演進,傳統交流供電架構已難以支撐。若將電力轉換裝置與線纜集中部署於 IT 機架內部,將直接擠壓計算空間並限制氣流散熱。施耐德電氣的 800V 直流方案透過提升電壓降低電流,官方數據顯示能將機架內銅纜需求降低約 75%,直接釋放 GPU 與伺服器的安裝空間。同時,方案將交直流轉換設備外置於機架,形成獨立的「側掛式」(sidecar)電源機架,此設計與輝達 Vera Rubin Ultra 平台原型一脈相承。

施耐德電氣與NVIDIA合作標誌,展示科技合作與創新.

電壓翻倍釋放機架空間

施耐德電氣早在 2025 年 10 月 OCP 峰會上已表態支持輝達主導的 800V 直流架構轉型,並將承諾延伸為聯合開發的側掛式電源模組,可為最高 1.2 兆瓦機架供電,具備模組化轉換、儲能整合與熱插拔(Live Swap)能力。系統將接地保護、儲能設備與上下級電力設備整合為統一設計,涵蓋故障電流分析、電弧閃光評估與電力系統建模仿真。本月初發布的首份行業研究顯示,多數情境下其安全風險與傳統交流系統相當,為大型雲端服務商採用該架構提供關鍵安全依據。

多家廠商分頭佈局搶佔先機

競爭對手 Vertiv 同樣與輝達深化合作,推出 PowerDirect 5000 的 800V 直流側掛系統,提供 400 千瓦至 900 千瓦功率,正進行工程驗證,商業化時間點定在 2026 年下半年,稍晚於施耐德。Vertiv 強調此為分階段推進的架構轉型,完整的數據大廳級 800V 直流部署仍需等到 2027 年後才會逐步成熟。

台達電在輝達 GTC 2026 大會上,展示與輝達共同開發的 660 千瓦列間電源機櫃(In-Row Power Rack),每層架配備 80 千瓦電池備援模組(BBU),總備援容量達 480 千瓦,AC-DC 電源轉換效率達 98%,且該 BBU 設計已納入輝達 MGX 生態系。光寶科技亦推出基於 MGX 模組化參考架構的 800V 直流電力機架與 110 千瓦機架式電源設計,支援 PCIe、OCP 等開放標準。三家廠商路線雖有差異,但共同指向同一判斷:800V 直流是支撐輝達 Rubin Ultra 與 Kyber 機架架構——單機架最多容納 576 個 GPU、功率上探 1.2 兆瓦——的必要前提。總部位於香港聯交所的功率半導體企業英諾賽科,同樣加入輝達 MGX 生態系,其 12 千瓦、800V 轉 48V 的全氮化鎵設計在 1MHz 運行頻率下實現約 99% 峰值效率,凸顯供電革命的產業鏈影響已延伸至香港資本市場。

兆瓦機架背後的時間軸與商業邏輯

回顧技術路線演進,2025 年 5 月輝達在 Computex 率先提出 800V 直流機架級架構構想,10 月 OCP 峰會上施耐德電氣與 Vertiv 同步宣布跟進,輝達亦公布包含台達電、光寶科等 18 家「電力大革命」合作夥伴。進入 2026 年,產業共識加速落地:3 月 GTC 大會上台達電、光寶科等展出 800V DC 機架方案,聯發科與貿聯-KY 相繼加入供電生態系。5 月施耐德電氣展示 800V 直流原型實體樣機。8 月初發布電弧閃光安全研究,補齊大規模部署前最後一塊安全拼圖。

商業邏輯清晰可見:輝達 Rubin Ultra GPU 預計 2027 年出貨,屆時單一 Kyber 機架功耗將達 1 兆瓦以上,遠超傳統 400 千瓦機架供電上限。若電力基礎設施跟不上,將直接制約算力部署速度。這亦解釋為何施耐德電氣、Vertiv、台達電、光寶科等不惜投入巨資搶佔先機——誰能率先完成商業化驗證,誰就能在這波兆瓦級 AI 機架建設潮中取得優勢。

供電架構升級牽動企業採購週期

施耐德電氣韓國代表權志雄解讀合作時表示,800V 直流轉換是將電力轉換、保護、儲能和維護整合為系統級整體進行設計與驗證的過程。企業客戶不僅需更換電源模組,更要重新評估整套機房電力與冷卻架構,採購決策週期勢必拉長,資本支出規劃需提前佈局。

對於規劃下一代 AI 算力中心的企業,供電架構升級將直接影響機架選型、建設成本與部署時程。未來一到兩年內,800V 直流是否能如期規模化商用,將成為觀察 AI 基礎設施競賽走向的重要指標。當電力架構成為算力擴張的新瓶頸,誰能率先跑通「電力—散熱—算力」三位一體的系統驗證,就有機會定義下一代 AI 數據中心的標準。

 

資料來源:Schneider Electric 官方新聞室,Vertiv 官方部落格 台達電官方新聞 EDN Taiwan

 

閱讀文章
IT 基建人工智能低碳綠色

AI 數據中心耗電量十年擴逾 3 倍 特朗普倡科技巨頭支付更高電費

大型數據中心內部,整齊排列的伺服器機櫃與冷卻管道.

美國人工智能熱潮推動科技巨頭大舉興建數據中心,龐大電力消耗引發民眾反對及抗議浪潮。總統特朗普近日發起非約束性倡議,要求數據中心營運商為運行人工智能模型所耗電力支付更高費用,期望平衡產業發展並保護普通家庭免受電費飆升影響。

白宮擴展納稅人保護承諾 近兩百家企業響應

白宮官員透露,總統特朗普將與能源部長 Chris Wright、環境保護局局長 Lee Zeldin 及多位州長共同出席倡議活動。這項非約束性倡議擴展了特朗普今年 3 月公布的納稅人保護承諾,確保建設和使用數據中心的企業支付超出正常費率的用電費用,避免電力成本轉嫁普通家庭,預計倡議覆蓋全美約八成家庭與企業用電量。

目前已有近 200 家企業與機構響應白宮倡議,包括能源公司 NextEra Energy 和 Duke Energy,以及數據中心服務商 Equinix 和 Digital Realty。美國多家主要電力企業與數據中心營運商均同意承擔更高供電成本,期望平息民眾對生活成本上升的不滿情緒。

BloombergNEF:十年內數據中心用電比例擴逾三倍

雖然各方同意提高電力收費,但在人工智能熱潮推動全美大興土木的背景下,保護普通電力用戶絕非易事。財經研究機構 BloombergNEF 數據顯示,數據中心目前佔全美總用電量約 5.9%,預計到 2030 年升至約 12%,到 2035 年進一步攀升至 20%,意味短短十年內用電比例擴大逾三倍。

科技巨頭對算力基礎設施需求急增,正是耗電量飆升的主因。市場調查揭露 Amazon、Meta 及 Microsoft 等大廠,已為人工智能基礎設施累積約 1.65 萬億美元(約港幣 12.87 萬億元)投資承諾。為平息公眾與社區反對聲音,OpenAI 近日公布佐治亞州山茶花項目規劃,計劃建立投資至少 200 億美元(約港幣 1,560 億元)、電力需求達 3.2 吉瓦的數據中心園區,同時向周邊社區提供免費 Codex 使用權及惠民補償方案。

區域電網負荷過重 PJM 電價創歷史新高

美國電力系統整合多個區域電網運作,面對數據中心高度集中的用電需求,系統壓力正呈指數級上升。為 6,700 萬民眾提供供電服務的美國最大區域電網 PJM Interconnection 首當其衝,在最新年度電力拍賣中,因嚴重供需失衡將產能電價推至歷史新高。業界預計 PJM Interconnection 未來可能需要將高達 34% 電力供應給數據中心,美國監管機構聯邦能源管理委員會(FERC)即將召開緊急會議討論相關供需危機。

智庫警告:普通家庭與數據中心共用電網模式已失效

專注能源政策研究的智庫 Cato Institute 研究主任 Travis Fisher 指出,現行電力系統迫使普通家庭與超大規模數據中心共用同一張電網,這種一刀切模式已無法滿足雙方需求。大型企業往往需要等待十年或以上才能獲得供電服務,普通納稅人則擔心電網為應對新增工業負荷而大規模擴建,最終大幅推高家庭日常生活電費。

資料來源: cnBeta

 

閱讀文章
IT 基建企業趨勢業界消息

IBM 下調全年營收預期:數據中心業績暴跌 管理層重申 AI 戰略不變

IBM公司標誌在現代商業大樓外牆上清晰可見.

IBM 於星期三向投資者發盈警,預測全年營收增速將低於早前估計。管理層一星期前提前披露未如理想的業績指引,引發股價遭遇歷來最大單日跌幅。IBM 於星期三公佈第 2 季度財報,證實上星期提前釋出的業績數據。這種罕見的事前預告舉動,一度令市值蒸發約 670 億美元(約港幣 5,226 億元)。

大型機銷售急挫 42% 基建業務受重創

IBM 基建業務營收按年倒退 7% 至 38 億美元(約港幣 296.4 億元)。數據中心大型機銷售額按年急挫 42%,遠低於市場預期,直接拖累該業務板塊整體表現。IBM 目前預計全年營收增速介乎 4% 至 5%,而今年初公司原本預期全年增速高於 5%。

行政總裁:企業正處結構性轉型初期

行政總裁阿爾溫德・克里希納(Arvind Krishna)指出,整個企業界正處於行業結構性轉型初期階段。雖然公司經營面對沉重壓力,他仍然認為 IBM 在軟件、基建與諮詢各項業務均具備明顯競爭優勢,絕對能夠協助客戶發掘 AI 商業價值。

阿爾溫德・克里希納向投資者強調,憑藉公司現有業務組合及未來市場機遇,未來成敗關鍵在於團隊執行能力,而這正是公司第 2 季度表現不足之處。

淨利潤 171.6 億元 自由現金流維持增長

公司該季度錄得淨利潤 22 億美元(約港幣 171.6 億元),總營收則為 172 億美元(約港幣 1,341.6 億元)。IBM 依然預計全年自由現金流將較去年增加約 10 億美元(約港幣 78 億元)。

財務總監:數十宗交易延後 三分一已落實

有媒體曾向 IBM 財務總監詹姆斯・卡瓦諾(James Kavanaugh)採訪,他透露第 2 季度公司有數十宗交易未能落實,最終令整體業績不及預期。他進一步指出截至目前為止,當中約三分之一交易已經成功簽約落實,同時亦強調公司整體商業戰略維持不變。阿爾溫德・克里希納補充指出,目前情況充分證明相關商業訂單只是延後簽約時間,並非從此徹底流失。

 

資料來源:cnbeta

 

閱讀文章
IT 基建人工智能

美國 AI 安全機構主管三個月請辭 領導真空撞上中國開源模型攻勢

一位男士在演講中手勢表達,穿著西裝和領帶.

一位男士在演講中手勢表達,穿著西裝和領帶.

 

美國商務部轄下的 Center for AI Standards and Innovation(CAISI)於 7 月 20 日確認主管 Chris Fall 請辭,他 4 月才上任,任期僅約 3 個月,商務部沒有交代原因,並宣布 National Institute of Standards and Technology(NIST)總監 Arvind Raman 兼任代理主管,這家制訂前沿 AI 測試標準的聯邦機構半年內第二度失去正式領導,時值華府考慮限制中國開源模型、月之暗面 Kimi K3 等產品以更低價格搶佔美國企業市場之際。人事與監管的雙重不確定性,正對商界採購 AI 模型帶來新的變數。 (繼續閱讀…)

閱讀文章
IT 基建人工智能企業趨勢

30 萬員工部署使用 Copilot AI 衝擊印度 IT 外判行業 低成本優勢不再

多名員工在辦公室使用電腦進行AI相關工作.

AI 正快速改寫印度 IT 外判產業的遊戲規則,曾經依賴大量初級工程師和低成本人力推動的商業模式,正面臨結構性壓力。近期多家外媒與行業報導都指出,印度科技股因市場擔憂 AI 衝擊外判需求而承壓,投資人開始重新評估這個價值約 3,000 億美元的產業前景。這場變化不只是裁員或招聘放緩,更涉及接單方式、人才結構與利潤模型的全面重組。

過去幾週,印度科技股出現明顯拋售,核心原因是市場擔心 AI 會削弱傳統外判模式對「大量人力」的依賴。BBC 報導指出,印度外判產業規模約 3,000 億美元,長期支撐全球後勤、維運、測試與開發等工作;但在 AI 工具加速普及後,客戶越來越有能力把部分工作收回內部完成。這代表印度 IT 公司不再只是比拼人頭與成本,而是要證明自己能否在 AI 時代提供更高效率、更高附加價值的服務。

招聘模式已先行降溫

最新跡象顯示,印度大型 IT 公司的人才策略已明顯轉向。綜合報導指出,TCS、Infosys、HCL 與 Wipro 等四大外判巨頭的招聘活動幾乎停擺,過去一年合計新增員工僅 3,910 人,與以往每季大規模擴編的節奏形成強烈對比。另一則報導顯示,TCS、Infosys 與 Wipro 已大規模導入 Microsoft 365 Copilot,三家公司合計部署超過 30 萬個授權,顯示 AI 已從試點走向日常工作流程。

這種變化說明,印度 IT 業的重點正從「增加工程師數量」轉向「提高單位產出」。但問題在於,當 AI 提升效率的速度快過新業務擴張速度時,新增的生產力未必能轉化成更多職缺,尤其是入門級與重複性工作最容易被壓縮。這也是為什麼市場對印度 IT 公司前景的疑慮,已從短期景氣循環變成中長期商業模式風險。

轉型壓力正在外溢

這一波壓力不只影響企業營收,也正改變人才市場的估值方式。過去,印度 IT 業的競爭優勢是「多、快、便宜」;如今,客戶更在意 AI 能力、交付速度與是否能整合雲端、數據與自動化工具。這意味着傳統外判商若無法將 AI 能力內建到服務中,可能會被能直接提供 AI 解決方案的新型競爭者搶走訂單。

從產業結構來看,印度外判業並非突然遭遇危機,而是多年模式累積後,在 AI 浪潮下集中爆發。過去二十多年,該產業靠全球企業外判需求持續擴張,形成穩定的人力輸出鏈條;但現在,生成式 AI 與企業內部自動化正侵蝕這條鏈條的底層邏輯。市場現時真正關注的,不只是誰被裁員,而是誰能把 AI 變成新的增長引擎。

下一步看什麼

接下來,印度 IT 企業的關鍵不在於是否導入 AI,而在於能否把 AI 轉成可持續的商業收入。如果大型客戶繼續把更多開發、維運與測試工作收回內部,印度外判業的傳統增長曲線就可能進一步放緩。這場變局對企業的影響,將先體現在招聘、利潤率與訂單結構,之後才會更深地反映在整個產業的競爭格局上。

 

資料來源:BBC中文The Telegraph IndiaNewsBytesAIbaseBBC News

 

閱讀文章
IT 基建人工智能業界消息

DOE 達標第三座先進反應堆 Unity 微型核電成美國能源戰略關鍵拼圖

大型核反應堆核心模組,配備多個管道和監控設備.

美國能源部(DOE)宣佈,Deployable Energy 的 Unity 示範反應堆已成功達到臨界,白宮所訂「三座先進反應堆在 2026 年 7 月 4 日前完成臨界」的目標正式達成。這項里程碑於 2026 年 7 月 1 日前後在愛達荷國家實驗室(INL)實現,象徵美國先進核能示範計劃進入下一階段。從項目啟動到臨界僅用 150 天,是這次消息最受注目的數字。

第三座先進反應堆里程碑

DOE 明確表示,Unity 示範反應堆成功達臨界,標誌着政府推動的第三座先進反應堆里程碑已完成。INL 同步證實,Deployable Energy 的 Unity 是在 NRIC Nuclear Energy Launch Pad 框架下完成測試,成為該計劃的重要示範案例。需要留意的是,目前更準確的描述是「三座先進反應堆在測試階段達成臨界」,而非「全面商轉」。Deployable Energy 強調,這次達標驗證了設計可行性,並突顯其「快速走向市場」的開發節奏。

專家在反應堆實驗室內進行核能技術演示.

被視為可能的電力替代方案

這項進展之所以受關注,因為數據中心、AI 運算與分散式供電正推高穩定電力需求,微型或小型模組化反應堆被視為可能的替代方案。外媒普遍將 Unity 歸類為「nuclear battery」或 microreactor 概念,重點在於其模組化、可部署與工期短,有別於傳統大型核電廠。但這類技術離大規模商用仍有距離,後續還要面對燃料供應、監管審查與融資等現實問題。換句話說,臨界只是驗證技術可行,距離真正進入供電市場還有一段路。

加速推進先進核能

這次事件的背景,是美國政府近年加速推進先進核能示範的政策方向,尤其希望在不犧牲安全審查的前提下提高核能部署速度。DOE 官方直接將 Unity 的成果連結到總統的行政命令目標,顯示這不是單純企業新聞,而是國家能源戰略的一部分。從監管角度看,INL 與 NRIC 提供的場域與協作框架,正是讓這些新型反應堆得以縮短試驗週期的關鍵。因此,這條新聞真正重要的是美國正把先進核能從概念驗證,推向可複製的示範模式。

美國核能復興策略

回看時間軸,DOE 先推動先進反應堆示範機制,接着多家新創與研究機構加入測試,Unity 則在 2026 年 6 月底至 7 月初完成關鍵里程碑。Deployable Energy 提到,Unity 從項目啟動到臨界僅約 150 天,在同類項目中速度突出。媒體亦將其與其他先進反應堆計劃並列報導,顯示整個產業正進入加速競賽階段。這說明了這不是孤立事件,而是美國核能復興策略中的一個節點。

這項進展對企業來說,代表未來若能解決燃料、成本與監管三個關卡,微型核電有機會切入數據中心、工業園區與偏遠地區供電市場。但接下來真正的考驗是,臨界成果能否轉化為穩定、可審批、可量產的商業模式。這場競賽才剛開始,下一步將決定先進核能是成為新基建,還是停留在示範階段。

 

資料來源:U.S. Department of EnergyDeployable EnergyIdaho National LaboratoryPOWER Magazine

 

閱讀文章