AI × AEC · 情報整理
亞灣超算與耐能探討 AI 算力配置：電力瓶頸下的雲地分工與晶片架構
前沿 AI 模型 · 企業 AI 導入
鴻海科技日期間，亞灣超算姚延宗與耐能智慧劉峻誠對談，探討 AI 資料中心電力限制與算力配置。面對資料中心用電攀升，姚延宗指出供應鏈需先備妥電力與外殼再進 GPU，並評估高壓直流與液冷架構；劉峻誠則主張以低功耗 NPU 分攤端側運算以降低雲端負載與成本。企業受資安與法規影響，傾向於地端處理敏感資料並將大規模運算上雲。
在 2026 鴻海科技日現場，亞灣超算執行長姚延宗與耐能智慧執行長劉峻誠接受訪談，針對 AI 基礎設施的電力挑戰與算力配置展開對話。姚延宗指出，AI 資料中心（AIDC）建設的關鍵在於部署節奏與供應鏈協調，必須依序先取得電力、備妥土地與建物外殼，最後才進駐 GPU 以避免龐大資金損失。他表示，單一機櫃功耗近年顯著攀升，亞灣超算已導入液冷技術應對，並以每瓦產出 Token（Token-per-Watt）作為效率指標；此外，NVIDIA 規劃於 2027 年起以 800VDC 架構支援百萬瓦級機櫃。耐能智慧劉峻誠則從晶片端提出，除了 CPU 與 GPU，可加入低功耗 NPU 於端側分攤運算，耐能並宣稱其搭配方案能大幅降低功耗，但節目未提供完整測試細節。在雲地混合架構上，姚延宗觀察企業多因資安與法規將敏感工作或概念驗證留於地端，複雜訓練與推論則仰賴雲端。
值得帶走的重點
- 亞灣超算姚延宗指出 AIDC 部署須依序落實電力、空間外殼與 GPU 進駐，並採用液冷及評估 Token-per-Watt 效率指標。
- 耐能智慧劉峻誠主張導入端側 NPU 分攤運算需求以降低能耗，惟耐能宣稱可大幅取代高階 GPU 之測試細節未於節目詳列。
- 企業與政府受到資安、資料治理及法規遵循約束，促成將敏感或測試工作留於地端、複雜流程交由雲端的混合算力配置。
來源：科技報橘 閱讀原文 ↗
本篇由 AI 整理、核對並自動發布，未經逐篇人工審核。