馬斯克說 AI 的瓶頸不是晶片，是電力——為什麼？
你聽過無數次「AI 是算力之爭」。黃仁勳說的、媒體說的、所有科技分析師都說：誰有最多晶片，誰就贏。
但今年一月，馬斯克在世界經濟論壇上說了一句完全相反的話：「AI 部署的限制因素，根本上是電力。」Goldman Sachs 同一個月發了一份報告：中國到 2030 年將擁有 400GW 備用電力，是全球資料中心總需求的三倍。
一邊說「比的是晶片」，一邊說「比的是電力」。哪個對？
馬斯克到底說了什麼？
2026 年 1 月，馬斯克在世界經濟論壇的採訪中說：
「AI 部署的限制因素，根本上是電力。中國在電力上的成長是驚人的。」（來源：Al Jazeera WEF 採訪）
同一年，他在 Peter Diamandis 的 Moonshots podcast 上更直接：
「中國將會在電力上超越所有人，而且很可能也會在晶片上超越。」（來源：Business Insider）
注意，馬斯克不是說「中國比較便宜」，他說的是中國有更多電力。
Goldman Sachs 的報告幫我們量化了這件事：
- 中國到 2030 年預估有 400GW 備用電力
- 全球資料中心的總電力需求，大約是這個數字的三分之一
- 也就是說，中國一個國家的備用電力，就夠餵飽全世界的 AI 資料中心
而美國呢？Goldman Sachs 說得很直白：美國電網的壓力正在增加，但擴建速度跟不上 AI 的需求。
為什麼電力比晶片更重要？
這裡要回到第一性原理。
大家習慣想的是：AI = 模型 = 演算法 = 晶片。這條邏輯鏈看起來很順。但退一步想：AI 到底需要什麼才能運作？
答案是：大量的計算，而計算需要大量的電力。
一個大型 AI 模型的訓練，需要幾千張 GPU 同時運作好幾個月。這些 GPU 不是只有晶片本身在耗電，冷卻系統、網路交換器、儲存裝置，全部都在吃電。一間 AI 資料中心的電力需求，相當於一座小城市。
這就是為什麼電力才是真正的瓶頸：
晶片可以買，但電力不能。 你可以從台積電買到晶片，但你不能從台積電買到電力。電力需要發電廠、電網、基礎設施，這些東西需要十年才能蓋好。
而中國在這件事上有結構性優勢：
- 中國的發電量已經是美國的兩倍以上
- 中國到 2030 年的備用電力，是美國的三倍
- 中國的再生能源擴建速度是美國的六倍
馬斯克說的「中國在電力上的成長是驚人的」，不是隨便講講。
第一性原理怎麼想這件事？
第一性原理的核心是：不要從類比出發，要從基本事實出發。
別人說「AI 是晶片之爭」，這是類比，因為晶片是大家最容易看到的東西。但從基本事實出發：AI 需要計算，計算需要電力，電力需要基礎設施。
這三個東西，哪一個最難複製？
不是晶片。晶片可以買（雖然有出口管制，但黑市和替代方案存在）。不是演算法。開源模型已經證明，好的演算法可以被複製。是電力基礎設施。發電廠需要十年蓋，電網需要幾十年鋪，這是物理限制，不是技術限制。
護城河不在技術層，在基礎設施層。這就是馬斯克真正想說的。
這跟你有什麼關係？
好，國際賽局講完了。但這跟你有什麼關係？
第一，AI 的使用成本不只是 token 價格。 你可能覺得「AI 越來越便宜了」。每個月的 token 單價的確在降。但背後的電力成本呢？當全世界的 AI 資料中心都在搶電力，電力價格會怎麼走？這就是我之前寫過的推論悖論：token 單價跌了，但你的總帳單因為用量增加而暴漲。背後還有一層更深的原因：AI 的基礎設施成本（電力、冷卻、網路）正在上升。
第二，AI 工具的選擇，要考慮背後的基礎設施。 當你選 AI 工具時，你想的可能是「哪個模型比較強」。但從第一性原理想：哪個模型背後的基礎設施最有效率？用開源模型、本地部署的方案，不只省 token 費用，也減少了對大型資料中心的依賴。這不是環保話術，而是成本結構的真實差異。
第三，馬斯克的能源布局，是一個信號。 馬斯克同時掌控 Tesla（電動車/電池）、SpaceX（衛星網路）、xAI（AI 模型）。他在做什麼？他在建一條從能源到 AI 的完整垂直整合鏈。當別人還在比演算法時，他在比誰有電。
你該怎麼調整 AI 使用策略？
知道了這些，有三個可以馬上做的判斷：
第一，下次選 AI 工具時，問自己： 這個工具背後的基礎設施是什麼？用開源模型本地跑，還是用付費 API？
第二，記住這個公式： AI 成本 = token 價格 × 用量 × 基礎設施效率。前兩個你可以控制，第三個你選擇跟誰綁定。
第三，注意馬斯克的動作。 他在建的不是一家 AI 公司，是一條從能源到 AI 的完整鏈。當別人還在比模型性能時，他在比誰有電。
常見問題
電力瓶頸會影響 AI 價格嗎？
短期內不會直接反映在 token 價格上，但長期來看，當資料中心的電力成本上升，這些成本會轉嫁到使用者身上。這就是為什麼「token 變便宜」不等於「你的 AI 帳單會降」。
台灣有電力優勢嗎？
台灣的電力基礎設施相對充足，但 AI 資料中心的需求正在快速成長。台電的供電能力是關鍵變數。對個人使用者來說，影響不大，但對在台灣蓋資料中心的企業來說，這是成本考量。
我該換用開源模型嗎？
不一定。開源模型適合技術能力足夠的使用者，付費 API 適合追求便利性的人。關鍵是知道自己在付什麼錢，而不是盲目選擇。
延伸閱讀
5 個省錢策略，從月費 NT$2,200 → NT$660 👇
🔒 填寫即訂閱雙週報，可隨時退訂。下載連結將寄到你的信箱。