當OpenAI與Anthropic在2028年可能掌握全球七到八成新增AI算力的那一刻，我們面對的不只是技術競賽，而是一場總額超過11兆美元的資本重分配遊戲。SemiAnalysis創辦人Dylan Patel最近拋出的這個預測，像是一顆震撼彈，炸開了AI產業溫和發展的假象。

今年初，這兩家前沿AI實驗室各自擁有約2吉瓦算力。年底前，這個數字將雙雙突破5吉瓦。換句話說，光2026年一年，它們就吃下全球新增算力的三成。到了2028年，兩家合計突破100吉瓦，幾乎等於把整個台灣2025年的總發電容量全部拿去餵AI模型——而這，還只是Patel口中「保守估計」。

表象：算力軍備競賽，晶片效能才是關鍵

很多人以為算力戰爭比的是誰蓋更多資料中心、插更多電。但Patel點出一個常被忽略的事實：新一代晶片的每瓦效能，才是真正的勝負手。GB300、TPUv7、Trainium3這幾款晶片，每瓦效能是前代的三到五倍。這意味著，就算用電規模只增加一倍，實際有效浮點運算能力（FLOPs）可能跳升五倍以上。

這就解釋了為什麼OpenAI和Anthropic能在算力占比上迅速拉開差距——不是因為它們有最多的錢，而是因為它們拿得到最新、最頂的晶片，並且把每一瓦電力都壓榨到極致。其他競爭對手就算有錢買電，也買不到同樣的運算效率。

從產業面來看，Patel的預測其實點出了一個殘酷現實：AI賽道正在從「百家爭鳴」走向「雙頭壟斷」。而且這種壟斷不是靠市場機制能打破的——它建立在晶片供應鏈、資本規模和頂尖研究人才的乘數效應之上。對台灣的產業來說，這代表我們在晶片製造端的戰略地位只會更關鍵，但也更脆弱。一旦這兩家巨頭決定扶持自己的供應鏈，台灣廠商的議價空間將被壓縮到前所未有的程度。

真相：11兆美元的資金黑洞，誰來買單？

SemiAnalysis的模型推估，2024年到2029年，全球AI產業鏈累計資本支出可能超過11兆美元。這是什麼概念？就算微軟、Google、Amazon、Meta這幾家科技巨頭把未來五年的自由現金流全部押進去——大約6兆美元——還有超過5兆美元的缺口要靠借錢來補。

Patel在受訪時說了一句很有意思的話：「這些科技公司可能願意接受8％甚至更高的融資成本。」他沒說出口的潛台詞是：這將對傳統企業的借貸需求產生排擠效應——從中小企業的營運週轉金、個人的房貸，到政府發行的公債，全都會被這波AI融資海嘯掃到。

換個角度想，當一家科技巨頭願意用8％的利率去借錢蓋資料中心，銀行的資金當然優先流向它，而不是利率只有3％的傳產擴廠或4％的房貸申請人。全球利率的中樞可能因此被推高，而這還是在AI泡沫沒有破滅的前提下。

說真的，這群矽谷精英搞不好正在做一件金融史上從沒人做過的事——用AI模型的未來收益作為擔保，去借錢蓋基礎設施，再用這些基礎設施去訓練更強的模型，然後用更強的模型去借更多錢。這套循環如果走順了，就是科技版的房地產槓桿；如果走不順，那就是另一個規模更龐大的次級房貸風暴。投資人該問自己的問題是：你現在買的AI概念股，到底是押注技術，還是押注這個融資遊戲能繼續玩下去？

各方角力：融資成本、監管、能源，三條鋼索同時走

Patel自己也承認，這套預測建立在三個大前提上：AI需求持續噴發、模型能力不斷突破、資本支出維持高成長。但現實世界從來不會照著模型走。

先看能源瓶頸。100吉瓦的算力規模，粗估需要超過200億瓦的電力供應——約等於20座核電廠的發電量。美國電網在未來三年內能不能生出這麼多電？各州政府會不會同意這麼大規模的輸配電建設？這些問題沒有答案，只有變數。

再看監管。歐盟的AI法案剛上路，美國商務部對先進晶片的出口管制還在加碼，中國市場的算力缺口只會越來越大。如果監管力道突然收緊，全球算力需求可能瞬間從供不應求變成供過於求——到那時候，所有關於算力集中的預測都得砍掉重練。

Patel在訪談中拋出一個非主流觀點：隨著模型變現效率提高，前沿AI實驗室不見得會把更多算力拿去賣給客戶，反而可能投入內部研究與下一代模型訓練。這背後的邏輯很簡單——如果推論服務的毛利率是40％，但新模型帶來的戰略優勢價值百倍，你會選哪個？這種資源分配邏輯的轉變，將直接影響全球AI服務的供給量與價格結構，而且影響力道可能比算力集中本身更大。

深層影響：這不只是AI的事，是全世界的事

如果Patel的預測成真，全球資金的流向將出現結構性改變。AI數據中心的高報酬率，會像一個巨大磁鐵，把銀行的放款額度、退休基金的投資部位、甚至壽險業的資產配置，全都吸向美國和少數幾個算力重鎮。

對台灣來說，這意味著兩件事。第一，我們的半導體產業將成為這場資金狂潮中的最大受益者——台積電的先進製程、日月光等封測廠的產能，會在這波投資熱潮中持續滿載。第二，台灣本身的算力基礎建設如果跟不上全球節奏，我們在AI應用層的競爭力可能會被邊緣化——因為訓練頂級模型的算力，不會留在沒有能源與資金優勢的地方。

話說回來，2028年其實沒有很遠。再過兩年多，這一切就會見真章。到時候我們回頭看今天，可能會發現Patel的預測不是太誇張，而是太保守——或者相反，會發現整場AI資本盛宴，其實是一場被過度包裝的資金遊戲。

未解之問：當算力不再是瓶頸，什麼才是？

讀到這裡，你大概已經發現：SemiAnalysis的預測之所以值得認真看待，不是因為它告訴我們OpenAI和Anthropic會變得多大，而是因為它逼我們面對一個更根本的問題——當算力供給不再是瓶頸，AI產業的競爭維度會轉移到哪裡？

是數據的所有權？是用戶的使用場景？還是監管機構的態度？Patel沒有給答案，因為這題連他也沒有標準答案。但有一件事是確定的：這場算力集中化的進程，正在重新定義「國家競爭力」和「企業護城河」的內涵。而我們每一個人，無論身處哪個產業，都在這場重新定義的過程中，被動地成為了玩家。

接下來的兩年，請不要把目光只放在哪家公司的股價漲跌上。真正值得追蹤的，是那些能源標案、電網規劃、融資利率的變動，以及監管機關的每一則公告——因為它們才是決定這場算力戰爭結局的真正變數。

本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。

常見問題 FAQ

OpenAI和Anthropic的算力集中對一般企業有什麼影響？

直接影響是AI服務的價格與取得難度。算力被兩大巨頭掌握後，小型企業可能面臨更高的推論成本或更長的排隊時間。間接影響則是融資成本上升，因為科技巨頭大量舉債會排擠一般企業的貸款額度。

全球AI資本支出11兆美元的缺口會由誰來填補？

主要來自信貸市場，包括銀行聯貸、公司債發行與私募債券。科技巨頭可能以未來現金流作為擔保，甚至發行AI基礎設施專屬的金融商品來募資。這種融資模式如果擴大，將影響全球債券市場的利率結構。

台灣在半導體供應鏈中，如何應對AI算力集中的趨勢？

台灣應把握先進製程與封裝的技術優勢，同時加速本地算力基礎建設，避免AI應用層的競爭力被邊緣化。政府與民間需提前布局能源供應與算力分配政策，才能在算力集中化的趨勢中掌握主動權。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。