最近，相信唔少關注科技新聞，特別係AI新聞嘅朋友，經常會見到一個術語：某啲大廠合作搞1GW或幾GW嘅算力中心，投資數百億甚至數千億美元。咁，1GW算力究竟係指乜嘢？本文嘗試用通俗語言同大家講清楚。
喺人工智能（AI）同數據中心範疇，「1GW嘅算力」並唔係直接講計算效能（例如FLOPS，浮點運算每秒），而係電力容量單位——吉瓦（Gigawatt，簡稱GW），用嚟衡量數據中心所需嘅電力供應規模。呢個係一種「間接算力」指標，因為現代AI訓練同推理高度倚賴高性能計算硬件（例如GPU或TPU），而呢啲硬件嘅耗電量好大，直接決定咗數據中心嘅電力需求。
具體嚟講：
- 1GW = 1,000MW（兆瓦） = 1,000,000kW（千瓦），相當於一個中等規模城市嘅總用電負荷，能為約75萬至100萬戶美國家庭供電。
- 喺AI語境下，1GW電力能夠支持運行數萬張NVIDIA H100等高端GPU集群。例如，訓練一個似GPT‑5咁嘅大型語言模型，可能需要數千兆瓦時計（gigawatt‑hours）嘅累計電力，而持續運行就要求GW級嘅持續供電。
- 呢個唔係「純計算」指標，而係基礎設施瓶頸嘅體現：AI「算力」已經被電力同冷卻系統限制，數據中心好似「AI工廠」，GW級電力就係佢嘅「燃料」。全球數據中心電力容量由2015年嘅26GW增長到2024年嘅81GW，AI係主要驅動力。
簡單比喻：如果CPU/GPU係「引擎」，GW就係「油缸容量」——冇足夠電力，算力再勁都無法全速運行。
點解而家大廠合作成日講幾GW算力？
AI產業爆炸式增長令計算需求由「TB級」（10^12）跳到「EB級」（艾字節，10^18），訓練一個前沿模型可能需數百萬GPU小時，呢啲直接轉化為GW級電力嘅飢渴。科技巨頭（例如Meta、OpenAI、Google、Microsoft）難以單打獨鬥，於是頻繁同能源公司、芯片廠商同基礎設施供應商合作，目標係幾GW甚至10GW規模嘅項目。
主要原因：
- 需求規模化：AI模型參數由億級增至萬億級，能耗呈指數增長。Deloitte預測，到2035年美國AI數據中心電力需求將達123GW（增長超過30倍），全球中位情景下年增長33%。單一公司建1GW數據中心已屬極限，幾GW需跨界合作。
- 成本與資源分擔：建GW級數據中心需數百億美元投資（例如土地、電網升級、冷卻系統）。合作可以分攤風險，例如OpenAI嘅「Stargate」項目同Oracle同SoftBank聯手，投資3000億美元擴容4.5GW，創造2.5萬個就業。NVIDIA同ABB合作開發800VDC電源，優化GW級AI工廠效率。
- 基礎設施瓶頸：電網老化、電力短缺係痛點。美國電力公司需要同科技巨頭協作升級變電站同輸電線，否則AI項目會延誤。例如，亞馬遜同Dominion能源合作建1GW數據中心，以紓緩弗吉尼亞州嘅電力壓力。
- 經濟規模效應：GW級集群可以降低單位算力成本，推動AI民主化。McKinsey估算，到2030年需新增數百GW AI容量，相關市場價值達7萬億美元。
下表簡要比較近期大廠GW級合作項目：
呢啲合作「動不動幾GW」，本質係AI「軍備競賽」嘅基礎設施賽道——邊個先攞到電力，邊個就有優勢。
咁樣合理嗎？
短期合理，但長遠要進行可持續轉型。GW級AI數據中心係AI經濟不可或缺嘅「引擎」，但佢嘅能耗同環境影響引起爭議。NPR報道指，美國AI產業面臨「巨大能源同環境風險」，數據中心到2030年可能佔全國電力8%（由2022年嘅3%飆升）。
合理嘅一面：
- 經濟必要性：AI驅動GDP增長，Deloitte調查顯示，基礎設施投資可以填補電網缺口，支持就業同創新。到2030年，領先嘅AI實驗室需要「城市級」嘅電力，否則會落後。
- 效率進步：例如Google嘅Gemini模型，每次查詢嘅能耗已獲優化，碳足跡降低。McKinsey建議透過「智能設計」可以加快項目進度、降低成本。
- 可持續潛力：轉向可再生能源（例如太陽能加儲能），Generation Investment估計訓練同推理嘅碳排放可以透過綠色電力中和。
唔合理嘅一面：
- 環境壓力：高耗水（冷卻需用數億加侖水）同碳排放，Reddit工程師形容「瘋狂且不可持續」。CNET亦警告，AI數據中心正「搶奪土地、用水同電力」，加劇氣候變化。
- 電網風險：美國基礎設施跟唔上，Yahoo Finance指出，消費者電價上升，對天然氣依賴加劇。
- 倫理考量：AI嘅好處（例如醫療、金融）需要同成本取得平衡，HiveMQ強調數據中心要做到「AI原生＋可持續」。
總括而言，GW級合作喺2025年係一個「不得不為」嘅現實選擇，但如果冇監管同綠色投資（例如McKinsey所講嘅「能源—AI協同」），咁樣嘅擴張將唔可持續。未來，核能同小型模組化反應爐（SMR）可能成為其中一個解決方案。