AI資料中心建設進入下一階段的競爭態勢。隨AI伺服器機櫃功率密度快速提高，資料中心面臨兩項更基礎的物理限制：電從哪裡來，以及數百kW等級熱量如何排出去，因此帶動電網、再生能源與液冷同步成為AI基礎設施的新戰場。
韓國政府近日邀集Samsung Electronics、SK hynix、Google與ASML等企業，討論半導體與AI產業的再生能源採購問題，並提出2030年再生能源裝置容量達100GW目標，同時規畫改革直接購電（PPA）市場與擴充國家電網。
背後原因在於晶圓廠與AI資料中心同屬高耗能基礎設施，但全球CSP及半導體企業又面臨RE100與減碳要求，因此「能不能取得穩定且價格合理的低碳電力」，正在與土地、網路及人才一起成為科技投資選址條件。
此外，散熱則是另一道瓶頸。GPU與AI ASIC功耗提高後，傳統氣冷逐漸難以處理高熱通量，產業技術路徑因而向Direct-to-Chip冷板、CDU冷卻液分配單元，以及浸沒式冷卻發展。產業研究估計，2026年Direct-to-Chip架構已占AI資料中心局部熱點冷卻的重要比重。
AI資料中心下一個瓶頸不是GPU，由於AI機櫃功率密度攀升，韓國擴綠電、亞洲加速液冷部署。
|
中國廠商也開始從單一CDU走向系統整合，例如格力近期推出1,200kW一體式CDU方案，把冷源、換熱、循環及控制整合，並依GPU負載動態調整冷量，反映液冷正從零組件走向「算冷協同」架構。
對台灣供應鏈而言，下一波AI基礎建設機會不只在伺服器ODM，而將延伸到冷板、CDU、泵浦、快接頭、冷卻液、HVDC、UPS、ESS與能源管理系統等。AI資料中心的競爭，正從「算力設備」升級為電力、熱管理與算力協同設計的系統工程。
