吳碧娥╱北美智權報 編輯部
生成式AI發展正式邁入以商業變現與基礎設施優化為核心的殘酷競爭期，「Token經濟」正全面重塑全球運算基礎設施的戰略版圖。當人工智慧資料中心（AIDC）從傳統機房蛻變為將電力高效轉化為Token的「算力工廠」，產業界的價值衡量指標已從單純追逐圖形處理器（GPU）算力，轉向能源轉換效率與單次任務的生成成本。資策會產業情報研究所（MIC）指出，未來AIDC的勝負不僅在於克服選址的環境摩擦力與重構資本融資模型，更取決於能否透過「算網融合」的通訊技術，將分散的硬體資源轉化為實際可用的算力並精準交付給終端需求。這場從算力形成、跨站配置到智慧交付的底層架構劇烈變革，正為台灣科技供應鏈帶來前所未有的機遇，全面推動產業由硬體代工邁向「系統級效能整合樞紐」的歷史性升級。
AIDC運算平台競爭白熱化
當ChatGPT掀起的生成式AI浪潮走過三年，生成式人工智慧的發展已經跨越了最初的技術展示階段，正式進入以商業變現與基礎設施算力優化為核心的殘酷競爭期。在這一波被稱為「Token經濟」的浪潮中，人工智慧產業的度量衡正在發生根本性的典範轉移。全球AI推論Token用量正以年增4.73倍的驚人速度成長，而雲端服務業者未滿足的算力合約金額已累積至2.5兆美元之譜。當市場的焦點已經從單純追逐GPU的理論浮點運算能力，全面轉向每瓦電力能產出多少Token（Token/W）以及每單位Token的生成成本（Token/$），這場被稱為「Token經濟風暴」的產業變局，不僅重塑了AI資料中心（AIDC）的商業模式，也為台灣的伺服器與系統整合供應鏈開啟了新的成長窗口。資策會產業情報研究所資深產業分析師陳奕伶指出，人工智慧資料中心將電力轉化為Token的數位工廠，深刻改變了底層運算平台的競爭態勢，同時也為台灣科技供應鏈帶來了從硬體代工邁向系統級效能整合樞紐的歷史性升級契機。
從賣算力到賣Token：AIDC正在改寫資料中心的定義
傳統資料中心的本質是提供儲存空間、雲端算力與軟體工具的租賃服務，關鍵限制在於機房空間與IT預算，效率則以電力使用效率（PUE）或空間利用率來衡量。然而陳奕伶指出，新一代的AI資料中心更像是一座「把電力轉換成Token的工廠」，而非單純出租儲存與運算資源的場所。它的關鍵限制不再是機房大小，而是能否取得足夠的外部電力；效率指標也從PUE轉為「Token/W」與「Token/$」，也就是在既定的電力供給下，能夠產出多少價值。
這樣的價值衡量方式，也反映出AI產業發展的三個階段演變：第一階段是「買算力」，大規模訓練需求驅動GPU數量、算力利用率等指標；第二階段是「賣Token」，商業化推論需求興起，Token價格與每瓦產出效能成為核心指標；如今正邁入第三階段的「任務成效期」，焦點轉向人工智慧能為人類完成什麼具體任務，衡量標準變成單次任務的總Token消耗與每次任務的執行成本。特別是在代理式人工智慧（Agentic AI）崛起後，對Token的需求遠大於過去單純的聊天機器人對話，市場上出現了明顯的傑文斯悖論（Jevons Paradox）效應，也就是當Token的生成成本越便宜，應用的層面就越廣，導致總體的算力需求反而呈現報復性成長，甚至超越了基礎設施的供給擴張速度。目前全球主要雲端服務業者的未滿足算力合約累積已經高達2.5兆美元，各大業者除了自行建置算力工廠外，也積極透過長期算力合約來互相支援，以補足短期的算力缺口。
突破運算與記憶體瓶頸：Agentic AI帶來的全新挑戰
要理解運算平台的競爭態勢，就必須深入拆解推論Token的生成成本與技術瓶頸。人工智慧伺服器本質上就是一台Token生成器，其運作鏈路主要分為兩個階段。第一個階段是預填充（Prefill），這是計算密集的過程，處理器必須將使用者輸入的所有提示詞（Prompt）一次性運算完畢，這個階段的瓶頸在於GPU的絕對算力；第二個階段則是解碼（Decode），這是記憶體頻寬需求極高的過程，每生成一個新的Token，系統就必須重複讀取模型權重、進行運算再寫回高頻寬記憶體（HBM），這個逐字生成的過程對記憶體頻寬帶來了極大的考驗。
隨著應用場景從簡單的問答轉向複雜的代理式任務，記憶體瓶頸變得更加嚴峻。Agentic AI在執行任務時，必須仰賴代理執行環境（Agent Runtime）的編排，不斷在工具執行層與大語言模型之間進行反覆迴圈。系統必須不斷檢索上下文、執行程式碼、與資料庫互動，然後將結果回填至上下文中進行下一輪的推理，這意味著每一圈的推論都必須重新處理不斷新增的上下文，導致鍵值快取（KV Cache）的容量需求呈現跨層級的爆炸性成長。
台灣產業的升級契機：從硬體代工邁向系統級效能整合樞紐
AIDC運算平台的劇烈演進，正為台灣科技供應鏈帶來前所未有的價值重塑機會。從全球貿易數據的變化中，可以清晰看見台灣產業角色的蛻變。近年來，台灣大量進口來自南韓的高階記憶體晶粒與邏輯電路，並在境內進行高附加價值的系統組裝與測試。數據顯示，包含高效能GPU卡在內的相關產品出口額呈現爆發性成長，2026年預估高達千億美元的GPU卡將出口至美國，而整機伺服器則大量出口至美國、馬來西亞、愛爾蘭等全球資料中心擴建的核心樞紐。這說明了台灣已經不再只是單純零組件供應者，而是全球算力基礎設施的核心整合基地。
陳奕伶指出，在Token經濟架構下，AIDC的營收與四個關鍵指標息息相關：資料中心上線速度（TTFT）、生產效率（Tokens/Watt）、系統可靠性（MTBI）以及設備使用生命週期。這四大指標正是台灣供應鏈得以大展身手的新戰場。過去，供應鏈的競爭力取決於單一平台的規模化製造能力；如今，面對百花齊放的異質運算與客製化ASIC趨勢，台灣的原始設計製造商（ODM）必須具備跨平台的快速導入與量產能力，甚至需要與晶片商及雲端巨頭進行深度的共同設計（Co-design），涵蓋伺服器主機板、電源供應架構、先進液冷散熱技術以及機櫃級的系統整合。
未來的AI硬體價值不僅僅存在於晶片本身的理論算力，更要放眼系統級的Token生產效率。台灣產業鏈正積極布局高速連接器、銅纜背板與光電共封裝（CPO）技術以降低通訊瓶頸；同時在電力系統端導入高壓直流輸電與高效能備援電池模組，並搭配整機櫃液冷與資料中心基礎設施管理（DCIM）系統，全面降低非運算能耗。台灣供應鏈必須在全球多產地靈活布局，以最快交貨速度協助客戶縮短AIDC的建置期，並將自身價值由硬體代工延伸至系統級效能解決方案，才能在Token經濟的下一場基礎設施競賽中站穩戰略高地。
前瞻AIDC建設的三大戰略
過去資料中心僅被視為儲存與傳輸資訊的基礎設施，如今的AI資料中心已然蛻變為實體製造業的「算力工廠」。資策會產業情報研究所副主任鄭兆倫指出，AIDC結合能源、設備與廠房，提煉出具備極高經濟價值的有效算力。這種自帶變現能力的資產特性，意味著AIDC已成為生產算力中間財的關鍵設施。面對全新的獲利方式與估值概念，產業界經營戰略正圍繞著重估市場需求、加速場址開發以及調整財務規劃等三大核心議題全面展開。
重估需求：雲端營收與主權算力雙軌推升
全球對算力的渴求正反映在雲端巨頭亮眼的財報上。觀察微軟、亞馬遜、Alphabet與甲骨文等大型雲端服務供應商預測，雲端業務不但逐年攀升，佔總營收比重更預計在2026年達到兩成至六成以上的歷史新高。由於AI算力採購多採長期合約，三大雲端巨頭的積壓訂單增幅均接近翻倍。為支撐巨額訂單，各家巨頭2026年將投入驚人資本支出，若將表內外債務和租賃承諾合併計算，總財務承諾已高達1.6兆美元。
除了商業市場，各國政府為鞏固國安與科技競爭力，紛紛投入主權算力建置。主權算力發展呈現多元樣貌：第一種由國家直接掌握算力配置權與境內機房（如台灣的國家高速網路與計算中心），優先滿足國內產業發展；第二種則結合國家實質控制與全球商業輸出（如中東國家主權基金成立的AI公司）；第三種則是主權資本純粹作為財務投資人參與跨國AIDC專案，主要著眼於風險調整後的財務報酬。
加速選址：跨越環境摩擦與主動佈局電力
隨著算力需求狂飆，2027年後總算力與用電量將呈現陡峭增長，但AIDC實體站點擴張卻面臨放緩隱憂，關鍵在於日益嚴峻的「環境摩擦力」。未來的決勝點在於誰能最快將土地轉化為可融資、可接電、可營收的算力產能。然而，電力基建瓶頸、併網排隊遙遙無期、建設成本高漲，以及水資源、碳排等社會許可要求，都構成龐大阻力，促使資本與需求加速轉向能解除摩擦的新興地區，如積極開闢綠色通道的馬來西亞柔佛州。
在選址過程中，自備電力規劃已成核心戰略。冗長的電網連接時間與嚴格法規，迫使AIDC業者將目光轉向表後自備電力。全球政策開始要求AIDC業者自行創造、融資與維持所需電力，避免將基建成本轉嫁給大眾。同時，AIDC必須主動提供本地容量與系統支援，開發商在規劃初期就必須導入結合市電、表後發電、儲能與微電網的混合電力架構。未來的綠電採購將超越傳統憑證買賣，政策也強力要求AIDC建設必須伴隨新增的清潔電力與可靠電力，促使營運商正式轉型為能源開發者。
財務調整：收入模型重構與算力金融化
當AIDC徹底轉型為算力工廠，其收入模型也必須全面重構。傳統單純以電力容量計價的時代已然過去，現代AIDC可售產物極度多元，同一機房可能同時供應以月計費的電力空間、以小時計費的GPU算力，甚至是按請求次數計價的模型服務。收入模型必須精準拆解工廠產出，並考量設備世代汰換、轉換效率及客戶信用風險，才能真實推算積壓訂單何時轉化為股東現金流。
鄭兆倫分析，面對數百億美元投資門檻，單靠企業自身信用已無法支撐擴張，將AIDC資產包裝為金融產品引入外部資本市場，是產業發展必然趨勢。算力金融化正從初期的企業信用、基建擔保，進階到以運算設備、算力產能、算力合約甚至是未來算力現貨與遠期價格作為融資標的。首要任務是將技術異質的GPU與算力產能，轉換為金融市場可辨識、可替代的標準化商業單位。然而，隨著資本池擴大與金融產品層層包裝，系統性傳染風險也隨之攀升。一旦算力需求反轉或設備殘值大幅重估，高度連動的金融槓桿可能引發跨市場骨牌效應。在擁抱算力紅利同時，精密的風險控管與穩健財務紀律，才是確保基業的根本之道。
通訊運力解鎖可用算力：前瞻AIDC外的算網融合趨勢
而當實體場址的電力與土地資源觸及天花板，如何將單純的建置算力（Installed Compute）轉化為真正能被企業、消費者與終端機器隨時取用的可用算力（Usable Compute），已成為決定下一波人工智慧基礎設施勝負的關鍵。
蓋好AIDC、擁有算力之後的三個核心問題
資策會產業情報研究所資深產業分析師鍾曉君指出，AIDC完工、電力到位，並不代表算力就能立刻轉化為實際可用的服務，業者必須先跨過三道關卡。第一道關卡是「形成」：AIDC建置完成後，如何將名目上安裝完成的算力（Installed Compute），真正轉化為可被使用的算力（Usable Compute），若無法有效轉化，再多的GPU也只是持續燒錢的閒置資產。
第二道關卡是「配置」：單一場址往往受限於當地電力供給與土地取得，一旦碰到天花板，算力該如何跨站點配置以突破限制，電力上限實際上也等於場址規模的上限。第三道關卡則是「交付」：當算力分散在多個地點之後，這些分散資源要如何真正轉化為企業、一般消費者與各類機器都能實際取用的AI服務，因為算得出來，不代表就用得到。
鍾曉君強調，「AIDC之外」指的並不是機房圍牆以外的物理空間，而是算力離開單一場址之後所必須面對的通訊問題。從晶片與封裝決定「怎麼做算力」，到AIDC與電力決定「在哪裡建算力」，再到機器人與各類應用決定「算力做什麼」，通訊運力則負責回答最後也最關鍵的一題：算力究竟該「如何被使用」。
算力發展下半場：從「算多快」到「怎麼連」
MIC觀察發現，科技大廠高層近期不約而同點出算力競爭的重心，正從單一晶片的運算速度，轉向系統之間如何有效互連。NVIDIA執行長黃仁勳在Computex 2026的演講中明確指出，資料中心的計算架構不再停留在單一節點，而是全面擴展到網路層面。在基礎設施的連接上，將遵循能用銅線之處用銅線、需用光纖之處用光纖的原則，並透過光通訊技術實現橫向與跨區的無縫擴展。網通晶片大廠Marvell也強調，人工智慧基礎設施的下一個瓶頸已非算力或記憶體容量，而在於能否透過低功耗與低延遲的網路，將海量資源連成一台超級電腦。微軟推出的新一代人工智慧資料中心架構Fairwater專案中，更透過部署專用光纖與開發多路徑可靠連線協定來串接各站點。這顯示出不同的人工智慧工作負載需要截然不同的位置彈性與網路條件，從同步訓練所需的極低延遲，到邊緣推論與終端應用的分散式處理，通訊網路必須解決資料傳輸、同步協同與任務編排等多維度的挑戰。
AI算力的三種通訊場景：聚算、聯算與送智
為了徹底釋放算力潛能，通訊運力的發展可歸納為聚算、聯算與送智三大核心場景，這三者並非分階段發生，而是同時並存的通訊架構轉型。
第一種場景是聚算，旨在提升算力形成效率並讓人工智慧算得動。聚算的尺度正不斷擴大，競爭焦點也從單一晶片轉向系統互連。在毫米到公分的晶片封裝層級，透過UCIe等標準讓資料搬移更接近記憶體匯流排；在公分到數公尺的機櫃層級，NVLink或開放式乙太網路技術正相互競爭，試圖將多顆處理器連成單一高效運算域；擴展到數十至數百公尺的資料中心層級，則依賴InfiniBand或AI乙太網路來形成龐大運算結構；最終延伸至跨建築的園區級互連，將多座機房視為同一系統來調度。隨著聚算尺度擴大，算力效能的瓶頸與產業價值也逐漸向外轉移，光電融合與交換器技術成為新興的價值來源，競爭關鍵從單一元件效能升級為整體系統的協同運作能力。
第二種場景是聯算，其核心目標在於擴展算力配置範圍並讓算力跨得遠。當單一場址因電力與土地受限時，網路便成為跨站資源池的底座。在聯算的經濟邊界重塑中，距離成本不再僅看物理公里數，而是必須綜合評估任務距離。這包含光纖傳輸的物理延遲成本、大模型梯度同步所需的高昂容量成本、跨站點故障與回復的韌性成本，以及資料跨國傳輸的主權與合規成本。為因應這些挑戰，全球海纜基礎設施正經歷重大升級，轉變為跨洲的人工智慧算力骨幹。例如Meta與Ciena合作的Bifrost海纜提供橫跨太平洋的高容量單載波傳輸，Google的Nuvem海纜則直連具備再生能源優勢的葡萄牙園區。除了地面與海底網路，聯算更已邁向太空。資料在軌道上大量生成促使算力必須靠近資料源，透過星間光鏈路與天地回傳技術的協同，太空人工智慧網路可直接在軌道上完成初步資料處理與壓縮，大幅降低回傳頻寬壓力，形成全新的天地一體化運算架構。
第三種場景是送智，重點在於增進人工智慧的交付能力並確保企業與消費者用得到。隨著實體人工智慧（Physical AI）的崛起，通訊流量的結構發生了根本性的翻轉。過去網路流量高度集中於雲端內容的下載，但如今來自攝影機、感測器、機器人與自駕車的大量資料需要即時上傳至運算節點，上行流量成為任務執行的關鍵路徑。這迫使電信業者的通訊能力必須全面升級，從提供頻寬轉向提供具備服務級別協定（SLA）保障的智慧交付。電信業的價值單位正經歷從語音時代的通話分鐘數、網路時代的資料傳輸量，演進至人工智慧時代的任務交付次數（Tokens）。全球指標性電信商紛紛展開布局，例如SoftBank透過人工智慧無線接取網路（AI-RAN）承載機器人控制服務；NTT DOCOMO將算力延伸至邊緣與工廠，由網路直接控制推論位置；T-Mobile強調設備、邊緣與雲端的動態資源調度；SK telecom則積極推動人工智慧原生的融合傳輸網路。這些發展表明，掌握算力交付與任務保障的控制點，已成為電信營運商在新時代的核心競爭力。
台灣AI運力生態與算網融合
在全球算網融合的浪潮中，台灣電信業者也憑藉各自的資產優勢積極切入。鍾曉君指出，中華電信以算力與網路全端型營運為發展主軸，透過部署高階運算雲並結合IOWN全光網路與海地星空網路資源，專注於將分散算力聯成網的聯算布局；台灣大哥大則聚焦於算力即服務（GPUaaS）與智慧連結的商業化，藉由自建高容量資料中心與企業專線，將算力與網路打包成完整的企業解決方案；遠傳電信則將重心放在可程式化連結與垂直產業的智慧交付，透過雲網整合與網路切片技術，將網路能力轉化為可隨時呼叫的靈活服務，全力發展送智應用。
綜合而言，通訊運力正在徹底解鎖可用算力，人工智慧的競爭已從名目上的算力硬體建置，全面轉向具備跨域協同、動態調度與服務保障的算網融合體系。未來的產業核心價值不再僅侷限於誰擁有最多的晶片，而在於誰能精準決定算力的部署位置、規畫最高效的傳輸路徑，並確保最終智慧應用的完美交付。對於台灣產業而言，下一波商機將不僅限於硬體零組件的代工製造，更將廣泛延伸至光通訊、行動網路、算網協同設備等通訊運力關聯生態系，共同建構出具備高度韌性與全球競爭力的智慧基礎設施。
資料來源：
- 2026/9/9，【2026 MIC FORUM Fall】「躍進 AI Leap」，陳奕伶、鄭兆倫、鍾曉君簡報
|