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

Microsoft 不撤資料中心 推「社區優先」換取 AI 擴張空間

資料中心內部,技術人員巡視伺服器架構,展示高效能數據存儲環境.

Microsoft 明確表態不會停止興建人工智能資料中心,但會以電費保障、節水承諾與在地就業投資,換取社區對大規模擴張的支持,而非在爭議聲中放緩腳步。事件發生在 2026 年 1 月,由 Microsoft 副董事長兼總裁 Brad Smith 主導推出「社區優先 AI 基礎設施」計劃,承諾旗下資料中心不會推高居民電價,並在 2030 年前將用水強度改善 40%。這項政策的背景,是 Microsoft 同期披露更龐大擴張野心。

電費保證背後的產業邏輯

Microsoft 這次承諾的核心,是要求電力公司與州級監管機構為資料中心設定「足額成本」電價,把輸電、變電等新增基建成本全數計入資料中心帳單,避免轉嫁至一般住宅用戶。國際能源署預測,美國資料中心用電量將由目前約 200 太瓦時,於 2035 年增至 640 太瓦時以上,增幅逾三倍,而美國大量輸電設施已運作超過 40 年,新線路由規劃到啟用動輒需時 7 至 10 年,電網老化與 AI 需求爆發形成尖銳矛盾。Microsoft 已在懷俄明州與 Black Hills Energy 合作制定新供電方案,並在威斯康星州支持為「超大型用電戶」設立專屬電價機制;在中西部 MISO 電力市場,公司更已簽署協議推動新增 7.9 吉瓦發電能力併網,規模超過 Microsoft 自身用電量兩倍,試圖藉資料中心擴張連帶提升整個區域的供電能力。

值得留意的是,Microsoft 並非孤例。同業 Amazon 今年 6 月首度公開資料中心用水數據,顯示 2025 年全球取水 25 億加侖,用水效率達每千瓦時 0.12 公升,聲稱較行業平均值 0.84 公升高出七倍,並承諾 2030 年前達成「水資源正效益」,目前已完成 75% 進度。Google 則已在四分之一以上的資料中心改用經處理的工業廢水或市政再生水作冷卻,減少對淡水的依賴。三大科技巨頭不約而同轉向「自付成本、補償社區」的模式,反映 AI 基建擴張已到必須正面回應地方阻力的臨界點。

專家眼中「社區優先」能否奏效

行業分析普遍認為,Microsoft 的承諾雖具誠意,但實行時仍存變數。Data Center Knowledge 報道指出,Microsoft 這套框架將由 2026 年上半年起於美國新設及擴建市場逐步推行,涵蓋電價結構、電網升級、全額繳稅、水資源管理與勞動力培訓五大範疇。與此同時,亞太區房地產顧問公司仲量聯行(JLL)資料中心客戶管理主管 Chris Howard 向《Asian Business Review》表示,AI 伺服器每機架耗電量可達傳統設備的八倍之多,傳統風冷技術已難以應付,這意味即使電價機制透明化,散熱與供水壓力仍會持續攀升,單靠電費補償未必能徹底化解社區疑慮。

另一方面,Microsoft 引用 LinkedIn 數據指出,2025 年全球與資料中心職業相關、或需具備核心資料中心技能的招聘職缺按年增長 23%,美國市場增幅則為 13.5%,反映基建擴張正快速推高技術工人需求。公司因此與北美建築工會聯合會合作擴大學徒培訓,並在弗吉尼亞州博伊德頓與 Southside Virginia Community College 等機構合辦 Datacenter Academy,協助數百名學員取得資訊科技及關鍵設施運營認證;2024 年更於當地開設 Critical Environment Training Lab,以退役設備進行電氣及冷卻系統實操訓練。這種「以就業換支持」的策略,某程度上呼應了本地學者對 AI 基建外部性的擔憂。

一年時間軸見證承諾到擴張並行

回顧時間脈絡,Microsoft 今年 1 月率先公布社區優先框架,承諾電價、節水、就業、稅收與社區投資五大方向;4 月,投資者開始就用水與用電問題向 Amazon、Microsoft 及 Google 施壓,三巨頭均曾因社區反對而放棄過數十億美元級資料中心項目;8 月,Amazon 以德州及路易斯安那州項目為例,公開承諾全額支付能源基建成本並推動水資源正效益;9 月 10 日,彭博社披露 Microsoft 38 吉瓦擴張計劃,顯示承諾與擴張並非互斥,而是同步推進的兩條主線;9 月 14 日,Data Center Knowledge 進一步確認框架將於 2026 年上半年在美國新市場推行。這條時間軸清楚說明,Microsoft 並未因社區壓力放緩基建腳步,反而選擇以更精細的成本分攤機制,爭取繼續擴張的社會許可。

對企業經營者而言,這場角力的啟示在於:AI 基建的競爭門檻已不再單純是資本與晶片供應,而是能否在電力、水資源與地方就業三者之間找到可持續的平衡點。隨著全球資料中心用電量朝向 2026 年突破 1,000 太瓦時邁進,幾乎相當於日本全國用電量,類似 Microsoft 的「社區優先」模式恐怕會成為未來科技巨頭爭取建廠許可的標準配置。

 

資料來源:

Microsoft On the Issues

Reuters

Data Center Knowledge

 

閱讀文章
IT 基建人工智能

中美晶片戰白熱化 華為力爭 ICT 與運算業務成新「英偉達」

華為展台上展示多款高端科技硬件與數據存儲設備.

華為監事會主席郭平近日透過內部「心聲社區」公開與新員工座談的紀要,直言華為在 ICT 及運算領域的終極目標並非打造自家最強大模型,而是「成為英偉達」——讓全球任何優秀大模型都能在昇騰、鯤鵗、超節點及集群上高效運行。這番表態發生在中美晶片角力進入白熱化的關鍵時刻:據 Bernstein 分析師估算,英偉達在中國 AI 晶片市場的份額將由 2025 年約 40%,急挫至 2026 年僅 8%,華為則有望攀升至約 50%。

華為不搶大模型 只想做算力底座

郭平在座談中明確劃出華為的業務邊界:連接與運算是核心戰場,但不同業務板塊對自研大模型的需求並不一致。他指出,ICT 及運算業務的關鍵並非擁有自研大模型,而是支援客戶構建優秀模型,確保各類主流大模型都能在華為的硬件生態上順暢運行。這種定位與英偉達目前角色高度相似——後者長期以「賣鏟人」姿態,靠 GPU 與 CUDA 生態系統壟斷全球 AI 算力供應鏈。搜狐財經分析指出,郭平這番話意味著華為計算業務的競爭維度已經從單純的硬件銷售,轉向生態支撐能力的比拼,昇騰與鯤鵗構成算力底座,超節點與集群則對應大規模並行訓練的工程能力。

算力差距未消 分析師意見分歧

不過,外部專家對華為能否真正比肩英偉達仍有分歧。華為輪值董事長徐直軍今年稍早宣布,新一代 Atlas 950 超節點的運算能力將是英偉達 NVL144 系統的 6.7 倍,計劃於 2027 年推出的 Atlas 960 超節點更將支援單節點 15,488 顆昇騰晶片,並預告未來將「每年運算力翻倍」。但美國外交關係協會(CFR)的分析卻給出截然不同的結論——現行昇騰 910C 的推理性能僅為英偉達 H100 的約六成,若以全球 AI 算力產出量計算,華為 2026 年的產能僅為英偉達的 4%,CFR 更預估到 2027 年,美國最頂尖晶片的運算力可能比華為最強產品高出 17 倍以上。英偉達創辦人黃仁勳今年 5 月接受 Special Competitive Studies Project 訪問時更直言,英偉達在中國的市場份額「現在已經掉到零」,比 Bernstein「8%」的預測更為嚴峻。這反映出這場競爭的複雜性:硬件性能追趕與市場份額變化,其實是兩條並不完全重疊的曲線。

從四成到「掉到零」 英偉達份額急速蒸發

真正推動這場敘事的,是美國出口管制帶來的市場結構重塑。Bernstein 研究報告顯示,英偉達在中國 AI 加速卡市場的份額已由 2024 年的 66%,一路下滑至 2025 年約 40%,並預計 2026 年進一步跌至 8% 左右;與此同時,華為的份額則有望攀升至 50% 上下,涵蓋約 120 億美元的銷售規模。國際數據公司(IDC)去年統計亦顯示,中國本土廠商去年已合共取得 41% 的加速卡出貨份額,英偉達雖仍以 55% 位居首位,但優勢已大幅收窄。英偉達在其 2026 財年 10-K 文件中亦坦承,公司「實際上已被排除在中國數據中心運算市場之外」,不再假設該地區帶來任何數據中心運算營收。

訂單與路線圖串聯的產業轉折點

若把時間軸拉長,這場變局其實醞釀已久。2025 年 9 月,華為首度打破多年沉默,公開昇騰晶片與超節點路線圖,揭開與英偉達正面對決的序幕。今年初,昇騰 950PR 如期於第一季推出,並隨後傳出中國 AI 初創公司 DeepSeek 向華為訂購至少 16 萬顆昇騰 950DT 晶片,用於內蒙古烏蘭察布一座 1 吉瓦級數據中心集群,成為華為算力生態獲產業實質採用的重要標誌。7 月,華為更進一步宣布將昇騰 950 系列超節點推向南韓市場,聲稱其推理性能可達英偉達 H20 的 2.87 倍,價格僅為四分之一,顯示華為的目標已不止於守住本土市場,而是嘗試複製英偉達在海外的商業模式。

生態之爭將決定下一輪 AI 基礎設施格局

對企業用戶而言,華為能否真正「成為英偉達」,關鍵不在於單一晶片跑分,而在於能否複製 CUDA 式的開發者生態黏性——這正是英偉達過去十年最難被撼動的護城河。隨著中國本土 AI 加速器份額持續攀升,全球 AI 基礎設施供應鏈的「雙軌化」趨勢恐將進一步固化,香港及亞太企業在採購算力設備時,或需同時評估性能、供應穩定性與生態相容性三重因素。當英偉達的中國份額真的如黃仁勳所言「掉到零」,這是否代表全球 AI 硬件市場已正式進入「一中一西」的平行時代?這個問題值得所有科技決策者持續關注。

資料來源:新浪財經、Reuters、CNBC、Tom’s Hardware、搜狐財經

閱讀文章
IT 基建人工智能業界消息

黃仁勳反駁機械人稅: AI 創造就業唔係取代 數據中心缺工成實證

黃仁勳在科技發布會上演講,背景為大型顯示屏和現代建築設計.

Nvidia 行政總裁黃仁勳近日公開反對微軟共同創辦人比爾.蓋茲提出的「機械人稅」構想,強調人工智能最終會「淨創造就業」,而非單純取代職位。這場公開交鋒源於蓋茲在 8 月 26 日發布一篇近 6,000 字網誌文章,文中主張對 AI 代幣(token)與實體機械人課稅,並設立「人類保留」(Human Reserved)職位類別,最激進版本甚至提議將多達 40% 工作永久保留給人類。

蓋茲在部落格 Gates Notes 發表題為〈動盪的 AI 時代已經來臨〉的文章,指出現行稅制存在結構性不對等:僱主聘用員工須繳納薪資稅,但購入機械人卻可作為營業費用即時抵稅,等於制度本身鼓勵企業以機器取代人力。黃仁勳隨後在 Fox Business《The Claman Countdown》節目專訪中回應,表示自己「非常敬愛比爾」,但兩人「看到的局勢不一樣」,他重申支持課稅原則,卻反對針對個別新興技術本身徵稅。

稅制不對等引發世紀辯論

蓋茲的邏輯很直接:機械人購置可全額抵稅,人力薪資卻要負擔勞動成本,這種不對稱持續推動企業以自動化取代人力。他提議對 AI 代幣與機械人徵收目標性稅項,所得用於資助勞工再培訓計劃及強化社會安全網,同時特別排除醫療與教育等能降低成本、且不直接消滅工作的 AI 應用場景。Fortune 報道指,蓋茲同時提出「人類保留」職位概念,比喻為自然保護區,將部分工作永久排除在 AI 替代範圍之外,例如告知病人罹患末期疾病等涉及道德判斷的情境。

黃仁勳則從歷史經驗與產業結構反駁。他認為,企業因技術提升效率與獲利後,通常不會選擇單純裁員,而是把資金投入擴張與招聘,形成更大規模的用人需求。國際法律評論網站 Kalsoom Fatima Advocate 的分析文章將兩人分歧定位為法律與政策哲學之爭:蓋茲期望以稅制矯正結構失衡,黃仁勳則主張企業稅制應維持中立廣泛,而非針對個別創新技術懲罰性課稅。主流經濟學者對機械人稅評價偏向謹慎,國際財政文獻局(IBFD)一份跨國政策評估報告直言,此類措施牽涉大量武斷界線劃分與高昂行政成本,英國與瑞士等國學者普遍不建議採行。

數據中心缺工潮成黃仁勳論點實證

數據中心建設潮正在美國創造真實的技能勞動缺口。麥肯錫估算,美國到 2030 年前需要額外 13 萬名電工、24 萬名建築工人,才可追上 AI 基礎設施擴建速度。美國勞工統計局(BLS)數據顯示,未來十年電工年均缺口約 8.1 萬個職位,成長速度「遠快於全部職業平均」,整個十年需新增約 30 萬名電工,同時填補 2 萬名退休缺口。缺工壓力亦反映在薪資上:IBEW 第 26 分會政治協調員唐.斯萊曼(Don Slaiman)在《紐約時報》專欄中指出,資深電工時薪可達 62 美元,加上 30 美元福利,遠高於一般藍領行業,他形容這類職位是「幾代人以來藍領工作者最好機會」。

這些數字正好支撐黃仁勳的核心論點——AI 浪潮將推動美國「重新工業化」,帶動水電工、管線工等實體技術人才需求暴增。人力資源機構 Randstad 分析報告顯示,過去三年電工職位增長 18%、焊接工增長 25%,傳統建築類職位招聘同時增加 27%。這種「新領」(new-collar)現象——白領與藍領員工在同一產業鏈中並肩工作、獲得同等重視——正成為 AI 基建熱潮下的新常態。不過勞工媒體 WNY Labor Today 提醒,多數數據中心建設職位屬工程性質,完工後職位便隨之消失,這為黃仁勳「淨創造就業」論埋下需要長期觀察的伏筆。

課稅原則與新興技術管制的界線

從蓋茲 2017 年首次提出機械人稅構想,到 2026 年 8 月重申並擴充為「人類保留」職位體系,這場辯論延續了近十年。歐洲議會早在 2017 年 2 月通過機械人監管規則時,已排除機械人稅提案。如今生成式 AI 快速普及,蓋茲選擇在同一議題上加碼,將白領職位如客服、銷售、軟件工程與律師助理,以及藍領的建築與服務業,都列入受衝擊高風險名單。

黃仁勳的回應則呼應他長期以來對 AI 基礎設施建設規模的定位——他曾形容這是「人類史上最大規模的基礎設施建設」,將創造大量水電工、電工與鋼鐵工人的工作機會。兩人分歧的實質,並非應否對高生產力者課稅,而是稅收工具應否直接施加於技術本身,這一分野正是本輪辯論引發全球產業界關注的原因。

 

資料來源:Fortune、TechCrunch、Times Now、Wired、科技新報

 

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、Fortune、Remio.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、Bloomberg、EE 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