從晶片荒到鋼材荒：AI 基建的瓶頸大遷移

本文整理自《No Priors》2026 年 2 月播出的單集。

{{< youtube WSxVh5WvWZ4 >}}

{{< spotify "episode/4W3bpytsNMIHMLmiCvoszB" >}}

{{< apple-podcast "tw/podcast/how-capital-is-powering-the-ai-infrastructure/id1668002688?i=1000751732256" >}}

---

你以為 AI 建設最缺的是晶片？

如果你在 2023 年或 2024 年問任何一家 AI 公司「現在最大的瓶頸是什麼」，答案幾乎一致：晶片。所有人都在搶 NVIDIA 的 GPU，交貨等待期動輒數月，整個產業瀰漫著一種「有錢也買不到」的焦慮。No Priors 主持人 Sarah Guo 自己也親身經歷過這段搶晶片的日子：「對，我們買了晶片。」

快轉到 2026 年，情況出現了意料之外的轉變：晶片供應雖然仍然緊繃，但真正讓 AI 基建放慢腳步的，已經不是那些晶片本身。Magnetar Capital 常務董事 Neil Tiwari 在《No Priors》節目中，從第一線融資和建設 AI 基礎設施的經驗出發，揭露了一個讓人意外的現實。「快轉到 2026 年，我們看到的是，晶片確實有了更多供應，但要建設和營運這些資料中心，需要人力、電力、基礎設施。實際上，把這些晶片轉化為可以產生營收的有用資產，才是現在真正的瓶頸。」

這個瓶頸轉移的邏輯並不難理解。2023 到 2024 年，整個產業的注意力集中在取得 GPU 上面。各家公司砸重金搶晶片，供應鏈被推到極限。但 NVIDIA 和台積電的產能持續擴張之後，晶片供應逐步改善。問題是，光有晶片不等於有算力。一張 GPU 要變成可以賣出去的運算服務，需要一連串的配套：資料中心空間、電力供應、冷卻系統、網路連接。而這些環節所依賴的實體建設，天生就有比半導體製造更長的準備週期。

鋼材和電工：最「低科技」的 AI 瓶頸

聽到 AI 產業的瓶頸是「鋼材」和「電工」，很多人的第一反應是不相信。但 Neil Tiwari 描述的正是這個看似不可能的現實。

「我不想用太簡單這個詞，但真正的短期瓶頸，在未來六到十二個月，就是結構鋼材。就是找到電工來建設電力基礎設施。」變電站、變壓器、空氣冷卻機，這些都是在一塊空地上蓋出「有電力供應的外殼」所需的基本設備，而它們全都缺。

主持人 Sarah Guo 的反應很能代表多數人的驚訝：「你說鋼材不夠？這是我之前完全不知道的事。」Neil Tiwari 的回應更直接：「鋼材不夠。電工不夠。」

需要這些資源的不只有 AI 產業。美國的電網基礎設施本身就面臨老化和升級的壓力，變壓器的全球供應鏈在疫情後仍未完全恢復，電工等專業人力的短缺更是長期結構性問題。AI 的爆發式需求等於是在一個本來就吃緊的市場上，又加了一大塊需求。一座晶圓廠可能需要兩三年建造，但一座大型資料中心園區從取得土地、拿到電力許可、到完成建設，時間可能更長，而且卡關的環節完全不在科技公司的能力範圍內。你可以設計出全世界最好的 GPU 叢集架構，但如果找不到足夠的電工來拉線，一切都只是紙上談兵。

電力問題比報導的更微妙

電力不足是 AI 基建最常被討論的挑戰，但 Neil Tiwari 認為實際情況比多數媒體呈現的要更細緻。

「我們確實有電力問題，但我認為它比很多報導描述的要更微妙。我認為電網上其實有相當多的擱置電力，遍布整個國家。」他所說的擱置電力（stranded power），指的是電力系統為了應對尖峰需求而保留的發電能力。美國的電力公司在設計系統時，主要考量的是尖峰用電量，所以會配置天然氣尖峰發電機等設備，但這些設備一年中真正全力運轉的天數可能只有幾天。其餘時間，這些發電資產基本上是閒置的。

問題不在於發電能力不足，而在於如何把這些分散且間歇性的電力，轉化為 AI 資料中心能穩定使用的供電。Neil Tiwari 把這拆解為兩個層面：第一是如何讓現有電網上的電力「可用」，這主要涉及彈性調度和儲能；第二是長期的發電擴容，包括新建天然氣、太陽能、甚至核能電廠。他認為短期內更迫切的是第一個層面。

為此，Magnetar 投資了一家叫 Torus 的公司。Torus 正在建構一種分散式的電力基礎設施，概念類似一個電力調度網格，能夠從不同來源收集多餘的電力容量，儲存起來，在需要的時候配送出去。「這幾乎像是一個分散式公用事業層，一種網狀基礎設施，」Neil Tiwari 形容，「用來儲存多餘容量或從各種來源收集容量，然後在需要的時候分配出去。」2025 年 9 月，Magnetar 領投了 Torus 的 2 億美元融資輪，顯示他們對這個方向的信心。

這代表的是一個更大的趨勢：AI 基建的挑戰正在催生一整個配套的能源新創生態系。儲能、配電、尖峰管理這些聽起來和 AI 毫無關係的領域，反而成了 AI 擴張的關鍵瓶頸，也因此成了新的投資熱區。

「自帶電力」：AI 建設的務實解法

在發電端，法規是另一個重大障礙。新建發電設施需要各種許可和環境評估，流程漫長。面對這個現實，AI 基建業者正在採用一種「自帶容量」（bring your own capacity）的務實做法。

一個具體的場景是這樣的：某個站點的電網連線容量可能只有 10 百萬瓦，遠遠不夠一座中型資料中心所需。但如果在這個基礎上，加裝太陽能板、天然氣發電機、渦輪機等自有發電設備，就有可能把站點的實際可用電力擴展到 50 甚至 100 百萬瓦。這種拼湊式的做法不是長期最佳解，但在目前的瓶頸期，它讓很多原本不可行的站點變成了可行。

Sarah Guo 提到了一個經典案例：Crusoe Energy 最初利用油田的伴生天然氣（flare gas）來為加密貨幣挖礦提供電力，後來轉向 AI 算力。油田燃燒掉的天然氣本來就是被浪費的能源，把它導入發電機來驅動 GPU，在經濟和環保上都說得通。這個例子說明了一個更大的道理：能源不是不存在，只是需要用創意的方式把它變得可用。

在電力的討論脈絡下，分散式推論的興起也有了額外的意義。大型訓練叢集可能需要 50 到 150 百萬瓦集中在一處，電力取得難度極高。但推論叢集可以拆成 4 到 5 百萬瓦的小單位，分散在多個地點。電力越小越容易取得，這也是為什麼 Sarah Guo 認為「只要有可用的推論算力，就一定找得到買家」。電力的限制反而推動了基礎設施型態的演化。

主權 AI：國家安全的新戰場

在實體瓶頸之外，Neil Tiwari 還觀察到一個快速升溫的趨勢：各國政府開始把 AI 算力視為國家安全議題，並投入主權資本建設自己的 AI 基礎設施。

「你看到了上週印度的新聞，顯然中東、東南亞也有很多動態，」他指出。主權 AI 的建設和私人叢集有著根本不同的資金邏輯，因為政府資本可以直接投入，不需要走商業融資的路線。但挑戰在兩個面向：第一是找到有能力在該國快速擴張算力的合作夥伴，很多國家缺乏建設和管理大規模 GPU 叢集的專業能力；第二是資安環境的建立，確保主權叢集在網路安全上是可靠的。

「我認為這是美國一個很好的切入機會，可以協助建立全球的主權 AI 生態系統，」Neil Tiwari 表示。但他也坦言，在資安面向還有大量工作要做，「特別是在擴展主權 AI 的過程中」。這意味著 AI 基建不只是技術和金融問題，更是地緣政治的角力場。每一座主權 AI 叢集背後，都牽涉著技術標準、資料主權、供應鏈安全等複雜的國際關係議題。

我的觀察

聽完這段訪談，最深的感觸是：AI 產業的進程正在被最「不 AI」的東西所限制。全世界最先進的晶片，最終要安裝在用鋼材和螺絲蓋起來的建築物裡，由電工拉線接上電。這聽起來像是一個笑話，但它精確地描述了 2026 年 AI 基建的現實。

對臺灣來說，這個瓶頸遷移有一個重要的含義。過去兩年，AI 產業的擴張速度在很大程度上取決於台積電能多快生產出先進晶片。但現在，即使晶片供應充足，美國的建設能量才是真正的速限因子。鋼材、電工、變壓器這些東西，不是台積電或 NVIDIA 能解決的。它們需要的是完全不同領域的供應鏈和人力。

不過反過來看，這對產業的長期健康可能是好事。物理世界的建設速度會自然節制算力的擴張，讓成長曲線更接近需求的實際軌跡，而不是靠金融槓桿催出來的虛胖。有時候，慢一點才走得穩。