一座規模相當於三座足球場的資料中心預定地，點燃了加拿大民眾對AI熱潮的質疑之火。安大略省奧克維爾市議會在8月中旬通過決議，暫停資料中心興建計畫一年；鄰近的密西沙加市也預計在9月表決類似措施。從地方到聯邦，加拿大正經歷一場AI基礎設施與民眾信任之間的激烈拔河。

看不見的資源消耗：一座資料中心等於三萬戶家庭的用電

AI資料中心到底有多「吃」資源？數字會說話。加拿大特倫特大學教授巴塞克點出關鍵差異：新一代AI資料中心和傳統的雲端機房根本不是同一個等級的產物。她提供的數據讓人心裡有個底——一座50百萬瓦的AI資料中心，用電量足以供應3萬7,500戶家庭；用水量更是驚人，小型資料中心每天消耗數萬公升水，超大規模設施的每日用水量動輒超過百萬公升。

英國政府2025年的報告進一步推估，一座100百萬瓦的超大資料中心，每年耗水量約25億公升，大概夠8萬人用一整年。把這些數字擺在一起看，你會發現——這不只是在蓋機房，簡直是在蓋一座小型城市。

從鄉村到都市，反對聲浪遍地開花

Meta上個月宣布在亞伯達省史托金郡投資90億美元（約新台幣2,891億元）興建大型資料中心，消息一出，亞省政府舉辦的公聽會湧入上百位民眾。他們擔心的不只是電費和水費，還包括噪音、溫室氣體排放，以及更長遠的問題——AI會不會讓工作機會消失？個人資料會不會被濫用？甚至，如果AI泡沫破滅，地方經濟該何去何從？

巴塞克教授觀察到一個有趣的現象：以往的資料中心多半躲在城市角落，大家無感；但新一代AI資料中心規模太龐大，加上多數選址在鄉郊地區，居民對社區變化的感受變得非常直接。換句話說，AI的「存在感」太強，反而成了引爆點。

【編輯觀點】從產業面來看，加拿大這次的AI資料中心爭議並不是單一事件，而是全球AI基礎設施建設的共同縮影。民眾對資源消耗的擔憂固然合理，但更值得關注的是「信任赤字」——當政府大力推動AI戰略，民間卻有六成四的人不支持用納稅錢補貼資料中心，這種落差已經不是溝通就能解決的。我認為，接下來企業和政府必須拿出更具體的承諾，包括再生能源比例、水資源回收機制，甚至是在地回饋方案，否則再多的投資案只會換來更多抗爭。

聯邦力推AI強國，民眾卻不買單

渥太華當局的態度其實相當積極。今年6月公布的國家AI戰略「AI for All」，承諾至少投入20億加元（約新台幣460億元），目標在2034年前將企業AI採用率從12%拉升到60%。從政策面來看，加拿大確實想把AI當成下一波經濟成長的火車頭。

不過，民調數字狠狠澆了一盆冷水。Nanos Research在8月的最新調查顯示，64%的民眾不支持政府用稅金鼓勵興建AI資料中心；Leger在7月的報告更進一步揭露具體擔憂——81%的受訪者擔心電費會因此大漲，79%的人憂心環境衝擊。這些數據說明了什麼？說白了，民眾不是反對AI發展，而是反對「用我的錢、用我的水電，來幫科技巨頭賺錢」。

159座資料中心正在規畫，是真需求還是泡沫前兆？

根據約克大學的研究，截至今年7月，加拿大目前只有5座容量超過50百萬瓦的超大資料中心。但接下來，全國竟然有159座資料中心正在規畫或興建中，其中116座的預計容量更超過100百萬瓦。這個數字意味著什麼？它意味著加拿大資料中心產業將迎來前所未有的擴張規模，也意味著民眾的擔憂絕對不是空穴來風。

話說回來，AI市場的成長動能確實存在，但基礎建設的腳步能不能踩得穩，考驗的不只是企業的財力，更是政府與民間社會的溝通智慧。當一座資料中心的用水量足以供應八萬人，當一座資料中心的用電量等於三萬多戶家庭，這些成本終究要由誰來埋單？這道題，沒有那麼好算。

我們該用什麼態度看待AI資料中心？

AI的發展不會停下腳步，但我們每一個人都有權利知道——這些巨大的機房到底蓋在哪裡、消耗了多少資源、產生了多少碳排。下次當你看到AI資料中心的新聞時，不妨問自己幾個問題：這座資料中心用的是綠電還是化石燃料？冷卻系統有沒有回收設計？開發商有沒有和當地社區坐下來好好談？你的關注和提問，就是推動改變的開始。把這篇文章分享出去，讓更多人一起監督AI時代的基礎建設，別讓我們的資源在不知不覺中被消耗殆盡。

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

AI資料中心為什麼特別耗電？

AI訓練和推論需要大量高效能GPU持續運作，產生的熱能也更多，導致用電量和散熱需求遠超過傳統雲端機房。

加拿大民眾主要反對AI資料中心的理由是什麼？

前三大擔憂依序為：電費上漲（81%）、環境污染與水電消耗（79%）、以及AI可能導致失業和資料濫用等社會問題。

台灣有沒有類似AI資料中心的爭議？

目前台灣尚未出現大規模反彈，但隨著國際業者來台設置資料中心，未來水電資源分配問題很可能會浮上檯面。

AI資料中心一定只能用大量水資源降溫嗎？

不一定。部分業者已開始採用液體冷卻或循環水系統來降低用水量，但這些技術的成本較高，尚未全面普及。

※ 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。