解析 AI 資料中心四大需求　劉揚偉：企業建置潮尚未爆發

【緯來新聞網】從 ANI（狹義人工智慧）到 AGI（通用人工智慧），再到未來的 ASI（超級人工智慧），背後是一個規模達 1.6 兆美元的 AI 資料中心產業。鴻海董事長劉揚偉今（18）日在工商協進會演講時，用一系列數字描繪這個產業的輪廓，也點出多數企業面臨的共同困境。

「這個產業非常大、非常貴、會用掉非常大的電」，他在演講時提及，全球 AI 資料中心到 2030 年耗電量將達 174GW，是整個台灣目前總用電量的 4 倍以上，每年新增耗電約 18GW；建置成本同樣驚人，每 1GW 造價約 470 億美元，以最新 NVIDIA Vera Rubin 機櫃計算，單一機櫃造價約 910 萬美元，折合台幣近 3 億元，他表示不只電力貴，折舊成本更貴。

但 AI 資料中心的需求究竟從何而來？ 劉揚偉將需求分為四大類：Model Maker（如 OpenAI、Google、Anthropic）、CSP 雲端服務供應商（如 Google、微軟、Meta）、政府，以及一般企業。

前兩者從 ANI 到 AGI 需要破兆級參數，走向 ASI 需求更大，尤其是 CSP 業者本身規模龐大，已能從 AI 服務中直接獲利，投入意願最為積極；企業則是目前貢獻最小，「我知道要，但不知道用它來幹什麼」， 問題在於多數人還沒想清楚建置後的事宜， 但未來潛力最大。

這個問題的答案，指向的是企業組織的根本轉型。劉揚偉表示，目前包括鴻海在內的大多數公司都還是「AI enabled（賦能）」，也就是在既有流程上用 AI 輔助；但未來趨勢是走向「AI native（原生）」，整個組織與流程以 AI 為中心，人只負責最前端的目標設定與最末端的治理監督，中間的分析、規劃、執行、監控全部由 AI 完成。

要走到那一步，首先得把地基打好。劉揚偉點出，企業轉型的第一道門檻是資料必須先做到 AI ready，他觀察到許多政府與醫療單位導入 AI 時，往往要先花大量時間整理數據才能推進。流程也必須以 AI 為主重新設計，而非只是把 AI 插入既有架構。