在 AI 的大部分週期中，焦點都集中在處理器上：更快的 GPU、先進節點晶片以及連接它們所需的封裝。但隨著運算密度的提升，另一層硬體變得越來越重要——能夠高效輸送電力以維持這些處理器運作的基礎設施。
這一轉變開始將電力半導體、轉換系統及高壓資料中心架構更深地納入人工智慧供應鏈。2026年9月，台灣經濟部強調為AI資料中心轉向800伏直流電力而設計的技術，包括碳化矽電力模組與氮化鎷技術。其意義不僅止於另一項元件升級。人工智慧基礎設施正開始改變資料中心內部電力傳輸的架構。
人工智慧運算正在造成電力轉換問題
AI 伺服器在每個機架中集中了比傳統資料中心系統更多的運算資源。更多處理器以更高功率密度運作，意味著電力必須經過越來越嚴格的轉換階段才能到達晶片。
每次轉換都可能帶來效率損失、熱量及基礎設施複雜度。隨著計算需求增加，反覆透過低壓架構傳輸大量電力效率降低。
這也是為什麼高壓直流系統受到關注。以較高電壓傳輸電流可以在相同功率下減少電流，降低轉換損耗，並促進在日益密集的人工智慧基礎設施間更有效率的分配。
因此，這種轉變改變了 AI 硬體的方程式。處理器效能依然重要，但能夠有效供應這些處理器電力的能力，也正逐漸成為系統效能的一部分。
台灣已經在配置約800伏直流電
這項技術變革對台灣尤為重要，因為台灣在人工智慧硬體中的角色遠超過晶片製造。
在SEMICON Taiwan 2026大會上，經濟部特別指出800V直流架構的AI資料中心需求為新興技術需求。台灣支持的開發項目現包括碳化矽電力裝置與模組，以及嵌入式氮化鎵封裝，應用於固態變壓器與儲能系統等。
這在台灣的人工智慧生態系統中創造了新的層次。
碳化矽與氮化鎵是寬能隙半導體材料，適合高壓、高效率的電力轉換。其日益重要的角色意味著人工智慧基礎設施的需求不再僅透過先進邏輯、記憶體、封裝及伺服器組裝流動。它能越來越多地觸及涉及電力裝置、模組、轉換設備及支援電氣系統的公司。
供應鏈的擴大是評估更廣泛 AI 供應鏈風險與機會的重要發展。
電力需求使轉型更加迫切
隨著人工智慧基礎設施的電力需求加速，電力需求正朝向更高效的電力架構發展。
國際能源署報告指出，2025年全球數據中心電力消耗增長17%，而以AI為核心的數據中心用電量則約增加了50%。其最新中央預測預計，整體數據中心用電量將從2025年的約485太瓦時增至2030年的約950太瓦時，且AI相關設施的成長速度明顯加快。
台灣正面臨來自不同方向的結構性壓力。
經濟部現預測台灣電力需求在2026年至2035年間年均成長約2.5%，並納入半導體擴張、AI技術及新資料中心需求。台電另預估，台灣半導體與AI產業的擴張，到2030年將增加超過5吉瓦的電力需求。
這使得 AI 基礎設施內的效率在經濟上變得越來越重要，而不僅僅是技術規格。
資料中心正成為產業政策的議題
台灣也在改變大型資料中心專案的評估方式。
根據針對大型設施的規定，新建或擴建的超大規模及共置資料中心，若需至少5兆瓦，預計在規劃時將採用最佳的節能技術。2026年7月，政府提議擴大審查框架，考量電力供應可行性、產業效益、供應鏈影響及對國內AI生態系統的貢獻。
這顯示出人工智慧的發展與實體基礎設施的緊密連結。
資料中心可以確保最新的加速器和伺服器安全，但部署仍取決於可用的電網容量、高效的電力轉換以及管理日益集中的電力負載的能力。
AI 供應鏈正從處理器下方擴展
因此，AI 硬體競爭的下一階段可能不如追求更快晶片的競賽更顯眼。
產業正逐漸從只問能製造多少運算能力，轉向探討運算能力能多有效率地部署。
對台灣而言，800伏直流架構的出現，為其現有半導體與伺服器優勢創造了另一層潛在產業層。電力半導體、矽晶體模組、氮化鎵技術、儲能與高壓轉換系統，可能日益成為同一AI基礎設施週期的一部分。
重要的訊號不是晶片變得不重要。而是人工智慧硬體的定義正在擴大。
能夠有效將電力輸送到日益密集計算系統的公司與技術，可能與消費電力的處理器一樣，成為下一階段AI基礎設施不可或缺的存在。
