人工智慧產業正邁入全新發展階段。過去兩年，市場對 AI 的關注主要聚焦於模型能力與晶片供應，例如 NVIDIA GPU 需求成長、HBM 高頻寬記憶體的供應競爭，以及先進封裝技術的發展。然而，隨著 AI 模型規模持續擴大，一個更現實的問題逐漸浮現：即使擁有足夠多的 AI 晶片，是否也有足夠的電力與基礎設施來支撐這些算力運作？

近期紐約州暫停新的大型資料中心相關審批，正是在這樣的背景下受到市場關注。

7 月 14 日，紐約州州長 Kathy Hochul 簽署行政命令，暫停新的超大型資料中心相關的州級環境許可，暫停時間最長可達 1 年。此措施主要針對尚未完成州級環境許可流程的大型專案，重點關注約 50 MW 及以上規模的資料中心建設。

此政策並不代表紐約州禁止資料中心發展，而是希望在 AI 資料中心快速擴張的情況下，重新評估其對能源、電網、環境以及社區基礎設施的影響。

從產業角度來看，這一事件釋放的訊號非常明確：AI 競爭正進入基礎設施競爭階段。

未來決定 AI 產業發展的，不僅是擁有多少 GPU，還包括是否有足夠的電力、土地、網路與資料中心能力。

紐約暫停資料中心審批，AI 基礎設施壓力逐漸浮現

過去，資料中心多被視為雲端運算產業的基礎設施。

企業伺服器、網站服務、雲端儲存等業務雖然需要大量運算資源，但整體能源需求相對穩定。

然而，AI 資料中心正在改變這種模式。

傳統資料中心以運行 CPU 伺服器為主，而 AI 資料中心則大量部署 GPU 加速器。這些晶片具備更強大的運算能力，同時也帶來更高的能源消耗與散熱需求。

尤其是在訓練大型 AI 模型時，大量 GPU 需長時間保持高負載運作。隨著模型規模不斷擴大，資料中心對電力供應的需求也快速提升。

過去市場討論 AI 產業時，重點通常是：

• 是否有足夠的 GPU？
• 是否有足夠的 HBM？
• 是否有先進封裝產能？
• 但現在業界開始關注：
• 是否有足夠的資料中心空間？
• 是否有穩定的電力供應？
• 是否有高速網路連線？

這些問題正成為 AI 擴張的新限制。紐約州此次暫停大型資料中心審批，實質反映地方政府對 AI 基礎設施快速擴張所帶來的壓力。

資料中心建設並非只是單純增加伺服器數量，而是一項涵蓋能源、土地、電網與環境管理的綜合工程。

為什麼 AI 資料中心正成為能源消耗巨頭

AI 的快速發展正改變全球電力需求結構。過去，網路企業成長主要仰賴軟體與雲端服務擴張，而 AI 時代的競爭更依賴實體基礎設施。一座大型 AI 資料中心可能需要數十 MW 甚至更高規模的電力供應。與一般雲端運算中心相比，AI 資料中心有幾個明顯特點。

運算密度更高。為提升 AI 模型訓練效率，企業通常會部署大量高效能 GPU 叢集，這些設備單位面積的能源消耗遠高於傳統伺服器。

運作時間更長。AI 訓練與推論任務通常需長時間持續運行，尤其是大型模型上線後，需長期處理用戶請求。

散熱需求更高。高效能 AI 晶片產生大量熱能，需要更複雜的冷卻系統支援，進一步增加能源消耗。

因此，未來 AI 資料中心的發展，不只是晶片供應的問題，更是能源系統能力的挑戰。這也是為何微軟、Google、Amazon 及 Meta 等科技巨頭近年來持續投資資料中心、電力採購與能源合作。

AI 產業競爭正從軟體領域延伸至能源領域。

AI 算力競爭正從晶片轉向基礎設施

過去幾年，市場形成了一套簡單的 AI 投資邏輯：AI 發展 → 需要更多 GPU → NVIDIA 受益。

這一邏輯推動 AI 晶片企業快速成長。但隨著產業演進，市場逐漸意識到，GPU 只是 AI 基礎設施中的一環。

完整的 AI 系統需多個部分協同運作。晶片提供運算能力，HBM 提供高速資料存取，高速互連負責不同運算節點間的資訊交換，而資料中心與能源系統則確保整體系統穩定運作。缺少任何一環，AI 算力都無法充分發揮。例如，即使企業擁有大量 GPU，若資料中心電力不足，晶片也無法全速運作；若網路連線能力不足，多顆 GPU 間無法高效協同，整體運算效率也會下降。

因此，未來 AI 基礎設施競爭可能類似過去半導體產業的競爭。企業不僅需先進技術，還需完整供應鏈與基礎設施能力。這也是為何近年市場開始關注高速互連、光通訊、伺服器製造以及電力基礎設施企業。AI 的瓶頸正從「運算能力不足」，轉向「如何規模化部署運算能力」。

資料中心建設放緩會影響 AI 發展嗎？

紐約暫停大型資料中心審批，可能引發一個問題：AI 基礎設施建設是否因此放緩？

目前來看，這更像是產業進入規範化階段，而非 AI 發展受阻。AI 資料中心建設仍是全球科技公司的重要策略方向。微軟持續擴大 AI 基礎設施投入；Google 加速建設 AI 運算能力；Amazon 推動雲端 AI 服務；Meta 增加 AI 資料中心投資。

這些企業都需要大量運算資源支援未來 AI 應用。但同時，地方政府與能源部門也需解決現實問題。

例如：資料中心是否會推高當地電價？電網能否承受新增負載？建設是否符合環境規範？這些問題可能影響資料中心上線速度。未來 AI 基礎設施建設可能更仰賴能源條件。

部分地區因電力資源豐富，有機會成為新的資料中心重鎮，例如美國德州、亞利桑那州及部分能源成本較低的區域。

AI 基礎設施升級，哪些產業鏈可能受益

AI 資料中心的發展，將帶動多個產業方向成長。在晶片領域，NVIDIA 仍是 AI 運算核心供應商，AMD 也持續擴大 AI 加速器市佔。在網路與高速互連領域，隨著 AI 叢集規模擴大，資料傳輸需求快速提升。

Broadcom 憑藉交換晶片與客製化 ASIC 能力，在 AI 網路基礎設施中佔有重要地位。

Marvell 則透過高速互連、光通訊及資料中心網路解決方案參與 AI 基礎設施建設。

相較於單純關注 GPU，網路基礎設施的重要性正逐步提升。此外，資料中心營運商也可能成為 AI 浪潮的重要受益者。例如資料中心 REITs 透過提供伺服器託管空間，協助科技企業快速擴展 AI 運算能力。

能源企業同樣有機會迎來新一波成長。AI 資料中心需長期穩定電力供應，這有望推動電網升級、能源投資及全新電力合作模式。未來 AI 產業鏈可能形成：晶片 → 儲存 → 網路 → 資料中心 → 電力，這樣的完整生態。

AI 時代的資料中心競爭將如何演化

未來幾年，資料中心競爭可能出現幾項變化。

規模競爭將持續擴大。大型 AI 模型需要愈來愈多運算資源，超大規模資料中心將成為產業趨勢。

能源效率成為核心指標。未來企業不僅要興建更多資料中心，也需降低單位運算成本。

資料中心地點更加重要。過去企業主要考量網路連線與用戶距離，未來能源供應可能成為更關鍵因素。擁有穩定電力資源和完善基礎設施的地區，更能吸引 AI 資料中心投資。這代表 AI 競爭已不只是科技公司的競爭，也是國家、地區與基礎設施體系之間的競爭。

Gate 股票交易如何關注 AI 基礎設施趨勢

隨著 AI 產業鏈不斷擴展，市場關注重點已從單一 AI 晶片企業，逐步延伸至資料中心、電力、高速互連與半導體供應鏈。

Gate 股票交易涵蓋全球多個主要股票市場，投資人可關注 AI 產業鏈不同環節的發展變化。從美國市場的 AI 晶片企業，到亞洲市場的半導體及基礎設施公司，全球 AI 產業正逐步形成更複雜的投資生態。

AI 時代的市場機會，不再只是尋找下一家晶片公司，而是理解整體基礎設施升級的趨勢。

隨著 AI 算力需求持續成長，電力、網路與資料中心有望成為下一階段市場關注的重點。

總結

紐約州暫停大型資料中心審批，並不代表 AI 產業降溫，而是反映 AI 擴張已進入新階段。過去，AI 競爭主要圍繞模型與晶片展開；未來，競爭將進一步延伸至電力、網路、資料中心及基礎設施建設能力。GPU 決定 AI 的運算能力，但基礎設施決定 AI 能否真正規模化運作。

隨著人工智慧應用持續擴大，全球對算力的需求仍將不斷增長，而能夠解決能源、網路及建設瓶頸的企業，有望成為 AI 下一階段的重要受益者。

AI 的下一場競爭，或許不再只是晶片之戰，而是一場圍繞基礎設施能力展開的長期競賽。

FAQs

Q1：紐約為什麼暫停大型資料中心審批？

主要原因是大型 AI 資料中心快速成長後，對電力供應、電網穩定、環境及社區基礎設施帶來的壓力增加。

Q2：資料中心審批暫停是否代表 AI 發展放緩？

不一定。此政策更多是推動產業規範化，而非限制 AI 技術發展。

Q3：為什麼 AI 資料中心需要大量電力？

因為 AI 模型訓練與推論需大量 GPU 長時間運作，同時高效能晶片也需更複雜的散熱系統。

Q4：AI 基礎設施除了 GPU 還有哪些方向值得關注？

高速互連、HBM、資料中心、電力供應以及能源基礎設施皆是 AI 產業的重要組成部分。

Q5：未來 AI 競爭核心會發生變化嗎？

會。未來競爭不僅取決於模型與晶片能力，也取決於企業建構完整 AI 基礎設施的能力。