一張晶片 1,000 瓦：為什麼科技巨頭開始跑去買核電廠

2026 年 7 月的 AI 新聞裡，有一組看起來彼此無關的消息：微軟與 OpenAI 簽了小型核反應爐（SMR）的購電合約、微軟宣布在日本加碼建置資料中心、Sakura Internet 大手筆採購 NVIDIA 晶片、孫正義在 SoftBank World 上喊出每年 5 兆美元的算力投資。

把它們排在一起看，會發現講的是同一件事：AI 競賽的瓶頸，已經從「買不買得到晶片」變成「插不插得上電」。

這篇用幾個可以自己驗算的數字，說明這個轉折到底是怎麼發生的。

先感受一下 1,000 瓦是多少

NVIDIA Blackwell B200 單顆晶片的功耗約 1,000 瓦。這個數字單獨看沒有感覺，換算一下就有了：

• 一台家用電暖器大約 800～1,200 瓦
• 一支吹風機開強風大約 1,000～1,500 瓦

也就是說，一張 B200 全速運轉，耗電量跟你家一台電暖器全天不關差不多。而資料中心裡不會只有一張。

一個機櫃塞幾十張，整櫃功耗就往數十瓩（kW）走。作為對照，傳統伺服器機櫃多半落在 5～15 瓩之間——同樣一個櫃子的位置，用電量差了一個量級。

再往上推：十萬張晶片，光是晶片本身就是 100 百萬瓦（MW）等級的負載，這還沒算散熱、不斷電系統與其他設備。這個量級已經不是「跟台電申請增加契約容量」可以解決的，而是要問「這個地區的電網撐不撐得住」。

為什麼風扇不夠了：一個高中物理的問題

功耗變成十倍，熱就變成十倍。傳統資料中心靠冷氣加風扇把熱吹走，到了這個功率密度就失效了。原因不是風扇不夠強，是空氣本身「載不動熱」。

水的比熱大約是空氣的四倍，密度大約是空氣的八百倍。兩者相乘，同樣體積的水能帶走的熱量，是空氣的三千倍以上。

所以用風冷去對付一整櫃 B200，物理上就像拿電風扇吹一鍋滾水想讓它降溫——不是效率差，是方法錯了。液冷從「高階選配」變成「基本配備」，是被物理逼出來的，不是廠商想推新產品。

這一段對台灣特別有感：水冷板、CDU（冷卻液分配單元）、快接頭這些零組件，台灣供應鏈本來就有位置。7 月這波出貨潮反映到台廠訂單，是這個物理限制的直接結果。

為什麼是核能，而不是太陽能

這是整件事最容易被誤解的一段。科技巨頭簽核電合約，常被解讀成「為了淨零碳排」。減碳確實是原因之一，但不是主要原因。

關鍵字是基載。

訓練一個超大模型，是連續數週、數千張晶片不能中斷的運算。中間如果斷電或降載，checkpoint 之後的進度就得重跑，成本以百萬美元計。這種負載需要的是一年 8,760 小時、幾乎不波動的穩定電力。

太陽能晚上不發電，風電看天吃飯。它們可以是能源組合的一部分，但要撐住一個不能停的訓練叢集，就必須配上足夠的儲能或備援——而那個規模的儲能，目前成本高得不切實際。

核能剛好落在這個需求的正中間：能穩定輸出、碳排低、而且 SMR 的賣點就是可以蓋在用電端旁邊，不必依賴長距離輸電。科技公司買的不是「電」，是「保證不會中斷的電」。這兩件事的價格完全不同。

為什麼資料中心一直往日本蓋

7 月另一組消息是微軟加碼日本、Sakura Internet 採購晶片主打「主權 AI」。這反映的是另一條軸線：算力的位置，開始被法規決定，而不是被成本決定。

金融、醫療與公務部門的資料通常不允許離開本國境內。對這些客戶來說，海外的雲端服務再便宜、模型再強，只要資料出境就是不能用。所以「在地資料中心」不是服務優化，是准入門檻。

這條邏輯和封測廠選擇地端部署是同一個結構：決定架構的往往不是技術評估，而是合約與法規的邊界。

孫正義的 5 兆美元，該怎麼看

孫正義在 7 月的 SoftBank World 大會上預測，2040 年 AI 將佔全球 GDP 的 20%，全球每年需要投入 5 兆美元建置電網與算力，並重申「AI 泡沫論十分荒謬」。

這段值得完整引用，但也值得放在脈絡裡讀：SoftBank 本身是 OpenAI 的大股東，也是 AI 基礎建設的主要投資方。一個持有大量部位的人說這個市場不是泡沫，是可以理解的立場，但不是中立的評估。

這不代表他講錯。只是在引用這類預測時，把發言者的利害關係一起講出來，讀者才有辦法自己判斷。這也是判斷一則 AI 產業消息可信度時，最實用的一個習慣。

對台灣的意義

台灣在這條鏈上的位置很具體，但也要看清楚邊界在哪。

供應鏈這端是實打實的。液冷零組件、機櫃、電源模組，這些是台灣既有的製造強項，而且需求來自物理限制，不是短期熱潮——只要晶片功耗持續往上，散熱需求就不會消失。

但「在台灣訓練大模型」是另一回事。訓練叢集要的是便宜、穩定、大量的基載電力，這正好是台灣的結構性弱項。與其在這個題目上硬碰，不如把資源放在推論（inference）與應用層——那對電力的需求量級完全不同，也更貼近台灣企業真正的使用場景。

換句話說：賣鏟子的位置台灣站得穩，挖金礦的位置要看電從哪來。

出處與查證狀態

本文彙整以下報導，各項交易與金額請以原始報導為準：

• NVIDIA Blackwell B200 出貨與液冷需求——TechCrunch AI Section
• 微軟與 OpenAI 之 SMR 購電協議——Reuters Technology
• 微軟日本資料中心投資——Reuters Technology
• Sakura Internet 採購 NVIDIA 晶片與主權 AI 雲——Nikkei Asia Tech
• 孫正義 SoftBank World 2026 演說內容——Nikkei Asia Tech

文中的功耗、比熱與機櫃功率密度換算，為公開規格與物理常數的推算，讀者可自行驗算。