吳碧娥╱北美智權報 編輯部
全球生成式AI引爆算力建置熱潮，但動輒數百兆瓦（MW）甚至十億瓦（GW）級的AI超級資料中心，正由過去單純的「用電大戶」演變為隨時可能癱瘓區域電網的高頻炸彈。工研院專家示警，AI模型訓練特有的微秒級劇烈用電波動與負載集體跳脫風險，對缺乏跨國支援的台灣海島型獨立電網無疑是嚴峻考驗。面對這波算力軍備競賽，台灣的電力解方不能再侷限於「多蓋電廠」的傳統思維，如何透過強制性的併網規範、彈性調度協議與儲能配套，將吃電怪獸轉型為穩定供電的調頻資產，才是兼顧算力擴張與電網韌性的突圍之道。
資料中心「跳脫甩載」成電網高頻炸彈
生成式人工智慧爆發引發全球算力中心建置熱潮，然而動輒數百MW甚至GW級的AI超級資料中心，正由過去的「單純用電大戶」演變為威脅區域電網穩定度的關鍵變數。工業技術研究院綠能與環境研究所副所長梁佩芳在出席「2026台灣工業週」時示警，AI模型訓練過程中伴隨劇烈的「微秒級用電波動」，一旦電網遭遇短暫擾動，敏感的資料中心集體切離離網，將引發電網頻率失控飆高的反向災難。梁佩芳開門見山指出，一座消耗10MW的傳統商業大樓，與一座消耗10MW的資料中心，在電網經營者眼中完全是兩回事。傳統大樓遇停電大多直接停擺，但資料中心要求絕對不中斷，背後配置了1:1的全備援電池與緊急發電機。隨著全球AI軍備競賽加劇，單座資料中心用電規模已從過往的數十MW躍升至數百MW。
然而，資料中心內部正潛藏著電網未曾面臨的動態衝擊。工研院深入機櫃端的實測數據顯示，伺服器在執行AI模型訓練（Training）時，運算指令每秒高達數十次，每20毫秒（ms）用電量就會產生一次顯著的鋸齒狀劇烈震盪。這種高頻率波動若未在內部被儲能元件吸收，將直接傳導至外部電網引發電壓跳動，甚至觸發保護機制導致整個機房跳脫。更嚴峻的風險在於「負載集體跳脫引發的連鎖反應」。梁佩芳回顧美國發生的真實電網事故：一條輸電線路因外物碰觸短路跳脫，斷路器在一秒後執行標準自動復閉，期間電壓短暫跌落至150kV以下（降幅約30%–40%）。結果全區多達60個資料中心併接點因自我保護設定過於靈敏，同時自市電斷開，瞬間造成高達1.5GW的龐大用電負載自電網「蒸發」。
「傳統電網最擔心發電機跳機導致供電不足、頻率驟跌；但大量超大負載同時跳脫離網，卻會瞬間形成嚴重的供過於求，導致電網頻率急遽飆高，引發其他發電機組跳脫的連鎖崩潰。」梁佩芳強調，澳洲等海外電網已正式對資料中心祭出「低電壓／高電壓故障穿越（LVRT／HVRT）」與頻率穿越硬性規範，要求資料中心遭遇電壓跌落時必須在一定秒數內咬住電網「不准跳脫」；同時，自備電源離網後的資料中心重新併回市電時，必須遵守「慢速載入」（緩步加載）規定，禁止一口氣全載灌入市電衝擊電網。
算力延遲換電網容量：將「吃電怪獸」轉型調頻資產
儘管對電網帶來挑戰，資料中心同時也是極具潛力的「彈性負載調節器」。梁佩芳分析，相較於醫療等民生即時服務或推論任務，AI模型的深度訓練本質上具有高度的時間彈性，即便延後數小時甚至數天運算也不致造成實質損失。
國際科技巨頭早已開始利用這項特性切入電力調控。Google在美國與5家電力公司簽署合約，整合高達1GW的資料中心容量，在電力吃緊時暫停非急迫算力，或將運算任務動態搬移至綠電充沛的跨區機房；微軟在愛爾蘭都柏林的資料中心，則將原本純粹用來備援防斷電的高倍率放電鋰電池系統（UPS），投入當地電網的極短秒數調頻輔助服務（Frequency Regulation），其反應速度遠勝傳統燃氣發電機組，在當地市場賺取的調頻收益甚至達建置成本的2至3倍。針對市售伺服器廣泛加裝的機櫃級備援電池（BBU），梁佩芳提醒，若要將原本備而不用、專為數十秒轉換設計的BBU投入常態性的充放電以平抑微秒級電壓波動，電池循環壽命的急遽衰退與維護成本，將是業者必須重新精算的課題。
海島型電網需建立「算力彈性換併網」新機制
面對電網容量飽和、審查排隊冗長與地方民眾反對電廠擴建引發電價上漲的民意阻力，北美大型雲端業者興起「自建電廠」風潮，例如在美國德州Pecos County，Cipher Mining等業者規劃興建高達 5 GW 的天然氣發電廠打造獨立算力園區，AWS與微軟在東岸亦有數GW級專屬發電規劃。
然而，梁佩芳直言，自建發電園區存在無法迴避的工程死角。「大型燃氣渦輪機組與高壓鍋爐每年都需要定期歲修，一次停機檢修長達兩週至一個月，開機起爐甚至需要半個月。一座滿載運作的AI資料中心，不可能因為自備機組歲修而跟著停擺一個月，這意味著「自建電廠」最終仍必須保留重新併回電網（Re-connecttogrid）的連線架構，無法真正孤島運作。此外，美國德州電網（ERCOT）針對大於75MW的超大負載已改採「批次審查（BatchStudy）」，單一批次申請總容量便爆衝至438GW，其中資料中心申請即高達300多GW，顯示電網容量塞車已成全球共通瓶頸。
回顧台灣現況，台灣全島用電尖峰約40 GW，且屬於無跨國電網支援的獨立海島系統。梁佩芳強調，台灣若在短時間內進駐數座百MW級的算力中心，其擾動幅度遠比幅員廣大的歐美大陸電網更加劇烈。對此，梁佩芳向主管機關與產業界提出具體建言：台灣電網除應儘速針對超大型資料中心制定「故障穿越規範」與「平滑加載要求」外，更應探索創新的併網核准機制。「如果算力中心能在申請用電時向台電提出承諾，在電網尖峰或緊急狀態下，主動透過調度調降10%–20%的算力負載，這種彈性是否能作為換取更優先併網容量的籌碼？」梁佩芳認為，透過電力彈性協議與制度化引導，才能在迎接AI龐大算力紅利的同時，守住台灣電網的穩定底線。
有電不代表送得到：台灣真正的瓶頸在哪裡？
電力系統可拆成三個互相牽動的環節：發電端決定能產生多少電，輸電與配電網決定電能能否送到指定地點，用電端則決定需求在何時、何處集中。任何一個環節延誤，都可能讓供電能力無法實際轉化為特定地區可用的電力。
先看發電端。根據經濟部2026年供需報告規劃，2026至2035 年間燃氣機組累計新增量約 26GW，並將新建燃氣機組、民營燃氣發電計畫與再生能源等納入長期供電規劃[1]。台電另表示，未來十年規劃增加25部、總裝置容量約 26GW 的天然氣機組[2]。這些數字代表規劃方向，並不等於所有機組都已完工、能在同一年投入商轉。機組建設涉及環評、土地、工程、燃料供應、設備交期與試運轉，必須逐案追蹤實際進度。再生能源則有不同的時間特性。太陽光電白天發電較多，風力輸出隨天候變動；即使全年發電量增加，也不能單憑總度數判斷它能否在夜間尖峰或無風時段提供同等電力。因此，電力規劃需要把可調度電源、儲能、需求管理與跨區輸電一併考量，而不是只比較各種電源的裝置容量。
第二個環節是輸電與變電。台電規劃15年內新擴建43座變電所、興建1,922公里輸電線路，新增變電容量約52GW，正反映電力建設已不能只用「多蓋幾座電廠」來衡量[3]。變電所與輸電線路需要土地、路權、施工空間，也必須考慮都市既有設施、環境影響與地方溝通。地下化可能減少地面空間衝突，但工程複雜度與成本也可能較高。台電指出，台灣用電密度高，電網建設可用土地及施工空間有限；科學園區用電成長，也讓原本的電網配置需要擴充。以南科為例，台電預估其2031年用電負載將達約4GW，占全國用電約 9%，未來還需要新增南科三號變電所[4]。這是區域負載集中所帶來的具體挑戰：即使全國供電總量足夠，若產業聚落附近的變電容量、線路或接電工程尚未完成，新增產能仍可能受到限制。
第三個環節是用電端。資料中心的特殊性，在於用電密度高、長時間運轉，而且需求常集中在特定園區或都會區。台電以GB200／NVL72AI伺服器機櫃為例，估算單櫃用電需求約120至140kW；若以20座機櫃計算，總功率約2.4至2.8MW。這只是伺服器機櫃的概算，並非完整資料中心的總用電量，因為實際設施還需冷卻、供電轉換、備援設備等系統[5]。
因此，資料中心選址也是能源政策的一部分，若大型用電戶集中在電網已經繁忙的區域，可能需要新增專線、變電設施或其他電網工程；若能在電源與電網條件合適的地點設置，則有機會減少長距離輸電與工程難度。台電曾提出由電廠直接供電給AI資料中心、以專線連接的構想，並表示距離與成本應由市場機制決定[6]，但仍涉及制度、電網安全、費用分攤及供電責任等細節。
儲能、綠電、自建電力：誰能真正解決 AI 用電難題？
面對AI用電成長，常見的解方包括擴建電網、增加再生能源、導入儲能、提高能源效率，以及讓大型用電戶自行建置或採購電力。綠電主要解決電力從何而來、碳排如何降低的問題。台灣再生能源發電量已逐步增加，根據能源署統計，2016年再生能源占全國發電量約4.8%，2025年約13.3%；同期燃氣占比由約31.5%增至47.7%，燃煤則由約45.9%降至35.3%[7]。這顯示台灣電源結構正在變化，但再生能源占比上升並不代表每個時段、每個地區都能取得足量綠電。
企業採購綠電，能協助其達成減碳與供應鏈要求，也可能促進再生能源投資。太陽光電在白天出力，資料中心卻需要全天候供電；若要提升用電與綠電的時間匹配度，還需要儲能、其他可調度低碳電源、需求管理與電網支援。儲能的角色是把電力從一個時間移到另一個時間，或在短時間內提供調節能力。它可以協助吸收白天多餘的太陽光電，在傍晚或尖峰時段放電，也能提供快速反應與電力品質支援。但儲能不是發電來源，充放電會有能量損失，電池可持續供電的時間也受容量限制。若要支撐長時間、數十或數百MW的資料中心負載，必須明確計算所需儲能功率、能量容量、放電時數、補電來源與成本。自建電力或與電廠簽訂長期購電協議，也可以提高大型用電戶的供電可預期性。但若採專線供電，仍須處理線路建設、電網備援、事故時的供電責任、成本分攤及法規問題。大型用電戶即使有自己的電源，也不代表可以完全脫離公共電網；真正的關鍵是釐清其自備電源在正常運轉、維修與故障時如何切換，以及公共電網是否仍須承擔備援責任。
IEA的全球分析指出，未來資料中心新增用電將由多種電源共同供應，再生能源、天然氣及其他可調度電源各有角色；電網與儲能則是整體方案的重要組成[8]。對台灣而言，不能把能源政策簡化為「只要多蓋電廠」或「只要買綠電」。電源要有足夠的發電量與可調度能力，電網要能將電送到負載所在區域，儲能與需求管理則協助處理時間上的落差。另一方面，能源效率同樣不可忽視，更有效率的 AI 晶片、伺服器、冷卻系統與模型運算方式，能降低完成相同工作所需的電力；但效率提升不必然使總用電下降。如果運算成本下降帶動更多AI應用與工作負載，總需求仍可能增加。因此，效率政策最好搭配透明的用電資料、設備效能標準與需求預測，才能判斷技術進步究竟抵銷了多少新增負載。
AI成長的電力帳單：成本、減碳與能源安全如何平衡？
電力建設需要龐大而長期的資本投入。台電 2026 年固定資產投資計畫約 2,611 億元，涵蓋電廠更新、電網、離岸風電併網及綠能等不同項目[9]；此外，台電強化電網韌性建設計畫總投資約 5,645 億元，亦涵蓋既有設備更新、極端氣候應變與再生能源併網等多重目標[10]。AI電力成本涵蓋：發電設施的建置與燃料成本、輸電及配電網投資、儲能系統、備援容量，以及用電戶端的供電設備。不同方案的成本結構不同。碳排與能源安全也存在取捨。增加燃氣機組可以提高可調度電力，但天然氣仍是化石燃料，必須面對排放與進口依賴。再生能源有助降低發電排放與燃料進口風險，卻需要更完整的電網、儲能及調度機制。能源安全不只是裝置容量足夠，也包括燃料來源是否多元、供應鏈是否穩定、電網遭遇極端天候或設備故障時能否復原。
此外，台灣還必須面對電力建設的時間差。根據IEA指出，資料中心可能在兩到三年內投入運作，但能源系統的規劃、設備採購與工程建設往往需要更長時間[11]。 當科技業的投資週期快於電力基礎建設，接電時程便可能成為投資決策的關鍵條件。因此，政府與台電不能只追蹤全國總發電量，還應公布區域負載預測、變電所與輸電線路的工程進度、重要機組商轉時程，以及大型用電申請的實際落地狀況。面對未來十年的電力需求，最有效率的做法不是用單一預測值宣告供電情況，而是建立可以持續更新的情境管理。需求端要有高、中、低情境；供給端要揭露機組與再生能源的實際進度；電網端要追蹤工程瓶頸與區域容量；企業端則要提出可信的投資里程碑、能源效率與備援方案。若需求成長超出預期，制度應能及早調整，而不是等到接電排程延誤才開始處理。
AI 的發展速度很快，電廠、變電所與輸電線路卻無法一夕完成。台電規劃在15年內新擴建43座變電所、興建 1,922公里輸電線路，新增變電容量約52GW[12]，這是一份規模可觀的工程承諾；台灣不只要解決如何生產更多電，還要讓可靠電力在正確的時間抵達正確的地點，同時維持合理成本、產業競爭力與減碳進度。接下來更重要的，是建立每一項工程的明確時程、每一種能源方案都接受成本與排放的完整評估。台灣的電來不來得及，答案不只寫在發電機組的數字裡，而是把電源、電網、儲能、效率與制度，整合成一套可執行、可追蹤的長期策略。
| 關鍵面向 | 核心衝擊與現況挑戰 | 台灣現況與建議解方 |
| 用電規模與特性 | 規模由數十MW躍升至GW級；AI訓練會引發每20毫秒微秒級的劇烈電壓震盪。 | 台灣為海島型獨立電網（尖峰負載約40GW），承受劇烈擾動的能力較大陸型電網更弱。 |
| 電網跳脫風險 | 電網遇短暫擾動時，資料中心易因保護機制集體跳脫，瞬間供過於求將致頻率失控飆高。 | 主管機關應針對超大型資料中心，盡速制定專屬故障穿越規範與平滑加載要求。 |
| 電力調控潛力 | AI深度訓練具備時間彈性，即便延後數小時甚至數天運算，也不致造成實質損失。 | 探索「算力彈性換併網」新機制：業者承諾在尖峰或緊急狀態降載10%–20%以換取優先併網。 |
| 基礎設施瓶頸 | 發電廠、變電所（如南科新增需求）與輸配電線路建設緩不濟急，受限於環評與土地空間。 | 放棄單一預測值，建立高中低需求情境管理；政府須透明公開區域負載預測與各項工程實際進度。 |
表1. AI算力中心對電網衝擊與解方；北美智權報吳碧娥／製表
備註：
[1] 2026/6/18，經濟部能源署：「經濟部公布114年度全國電力資源供需報告 穩健規劃電力資源確保供電無虞」。
[2] 2026/10/14，中央社：「迎戰AI用電平均1年蓋3座 台電規劃15年擴建43座變電所」。
[3] 同註2。
[4] 同註2。
[5] 同註2。
[6] 2026/8/23，中央社：「曾文生：AI資料中心用電擬採電廠直供 成本市場決定」。
[8] 2025/4/10，國際能源總署（IEA）：Energy and AI.
[9] 2026/5/25，經濟日報：「台電大投資 機電、線纜利多 士電、華榮等受惠」。
[10] 台灣電力公司：「強化電網韌性建設計畫是什麼？」（最後查閱時間：2026/10/28）。
[11] 國際能源總署（IEA）：Energy demand from AI. （最後查閱時間：2026/10/28）
[12] 同註2。
資料來源：
- 2026/10/21，台灣工業週「資料中心國內論壇 — AI資料中心建置、升級與能源管理論壇」。
|