我們每天用 ChatGPT、Gemini、Claude，
看到的只是螢幕上一個聊天視窗。
所以 AI 很容易讓人產生一種錯覺：
它好像只是一套軟體。
但你每問一次問題的背後，
其實都有：
晶片，
伺服器，
冷卻設備，
變電站，
輸電線，
以及真正的發電廠。
現在，這個看不見的物理世界正在快速變大。
Financial Times 最新分析 Amazon、Microsoft、Google 與 Meta 在美國規劃中的 60 個大型資料中心專案後估算，如果這些設施全部投入營運，並按照目前美國電力結構供電，每年相關二氧化碳排放可能達到約 1.015 億噸。
這個數字有多大？
FT 換算後表示，
大約相當於：
27 座燃煤電廠一年的排放量，
或者約 2,400 萬輛汽油車一年的排放。
也大約等於美國 2025 年電力部門排放量的 7%。
聽起來很驚人。
但這裡第一件事就要先講清楚。
美國不是準備替 AI 再蓋 27 座燃煤電廠
「27 座燃煤電廠」是排放量的等量比較。
不是說：
Amazon 蓋 7 座，
Microsoft 蓋 7 座，
Google 再蓋幾座煤電廠。
也不是說這 1.015 億噸一定會發生。
FT 是根據這 60 個規劃中大型資料中心的電力需求，再套用最近的美國發電結構做估算。
如果未來：
更多再生能源上線，
核能增加，
儲能變便宜，
輸電線擴建，
資料中心效率提高，
實際排放都可能不同。
而且這些大型設施通常同時服務 AI 與雲端工作，
不能把裡面的每一度電都說成「ChatGPT 用掉的」。
所以真正值得看的，
不是「27 座燃煤電廠」這個嚇人的數字。
而是：
AI 的成長速度，開始快到電力系統必須重新決定要蓋什麼電廠。
科技公司不是明明都說要用綠能嗎？
沒錯。
而且不是只說說而已。
Google 表示，光是 2025 年就簽下超過 12 GW 的新增清潔能源協議；同一年，在用電需求持續大幅成長的情況下，公司的營運排放仍下降 2%。
Amazon 也表示，2025 年公司使用的電力已連續第三年以再生能源來源做 100% 匹配。
Microsoft 則一直維持 2030 年「碳負排」等環境目標，並持續投資新的無碳電力與資料中心改善。
所以這篇不能簡單寫成：
科技公司一邊喊環保，一邊偷偷燒煤。
事情沒有這麼簡單。
真正的問題是另一個：
清潔能源增加得很快，但 AI 用電可能增加得更快。
一座大型 AI 資料中心不是普通辦公室
一般辦公室到了晚上，
燈可以關，
冷氣可以降，
員工也回家了。
大型資料中心不同。
它必須：
24 小時運算，
24 小時冷卻，
24 小時保持網路，
而且不能因為今天沒風，
就跟使用者說：
「Claude 晚點再回答。」
這種「隨時都要有電」的需求，
讓問題變得很現實。
太陽能很好，
但是晚上沒有太陽。
風力很好，
但是風不會按照資料中心需要的時間吹。
電池可以幫忙，
但要支撐超大型、全天候用電需求，需要非常大的儲能規模。
核能、地熱、長時儲能與新的輸電網路都有可能提供解法，
但每一種都需要時間、資金、審批與建設。
資料中心卻可能比這些基礎設施蓋得更快。
所以最容易先補上來的是什麼？
在美國很多地區，
答案正在變成：
天然氣。
FT 分析發現，
替這 60 個大型資料中心供電的電力公司中，
大約四分之三正在規劃或興建新的燃氣發電能力。
更值得注意的是：
在仍然營運燃煤電廠的相關電力公司中，
大約三分之一正在延後部分煤電機組退休。
另外，有 17% 的相關電力公司甚至已經直接向監管機關表示，
新的天然氣發電計畫是為了滿足特定超大型資料中心新增的電力需求。
這才是整個故事最關鍵的地方。
不是 AI 公司自己跑去蓋燃煤電廠。
而是：
AI 把需求突然推高以後，地方電力公司必須想辦法在真正的電網裡把電生出來。
把它想成一間突然爆紅的餐廳
假設你開了一家餐廳。
原本每天只有 100 個客人。
你也宣布：
五年內，
廚房要全面改成更節能、更乾淨的設備。
結果某一天，
你的餐廳突然爆紅。
每天變成 1,000 個客人。
問題來了。
新的節能廚房設備要半年才到，
但今天晚上 1,000 個客人就要吃飯。
你有兩個選擇：
第一個，
跟 900 個人說：
半年後再來。
第二個，
先把原本準備淘汰的舊設備重新開起來。
電網現在面對 AI 資料中心，
有一點像這種情況。
科技公司不是完全沒有準備清潔能源。
而是：
新的用電需求可能跑在新電源前面。
更有意思的是：有些公司買了更多綠電，排放還是上升
這是 AI 時代很容易讓人搞混的一件事。
Amazon 的 2025 永續報告顯示，
公司因購買電力產生的間接排放增加了 34%，官方說明的原因包括資料中心用電增加、配送電氣化與建築電氣化。
Microsoft 則公開表示，
2025 年 Scope 1、2、3 總排放年增 25%，主要原因之一就是資料中心基礎設施擴張；另外，公司停止使用部分沒有帶來新增清潔電力的非附加型再生能源憑證，也使帳面排放增加。
但另一方面，
Google 又能在用電需求持續成長時，
靠效率改善與新增清潔能源讓營運排放下降 2%。
所以不能把不同公司的數字全部混成一張排行榜。
每家公司：
業務不同，
計算方法不同，
減碳方法也不同。
真正共同的難題只有一個：
AI 需要的實體基礎設施正在快速變大。
為什麼「買到綠電」還不一定代表每一小時都是綠電？
這也是很多人第一次接觸企業減碳時最容易搞錯的地方。
假設一家資料中心一年使用 100 度電。
公司也投資了足以產生 100 度再生能源的計畫。
從年度總量來看，
兩邊可以匹配。
可是現實世界不會這麼整齊。
可能中午太陽能發了很多電，
晚上資料中心還是繼續運算。
如果當地晚上主要依靠天然氣，
那資料中心晚上實際從電網取得的電，
仍然可能包含天然氣發電。
這就是為什麼現在能源產業開始從：
「一年總共買了多少綠電？」
慢慢進一步問：
「你需要用電的那個時間、那個地點，到底有沒有乾淨電力？」
這比單純買一張再生能源憑證難得多。
所以真正的問題不是「一次問 AI 用多少電」
我們常看到一種討論：
問 ChatGPT 一個問題，
到底用多少電？
這當然可以研究。
但如果只盯著一個 Prompt，
很容易錯過更大的事情。
真正改變世界的，
不是你今天多問了一題。
而是幾億人都開始使用 AI 之後，
科技公司必須提前蓋足夠的基礎設施，
確保：
你晚上 2 點問，
AI 也能回答。
一家公司同時跑幾萬個 Agent，
也不會沒電。
於是問題從：
「一個 AI 回答耗多少能源？」
升級成：
「整個電力系統要為 AI 多準備多少發電能力？」
這已經不是軟體問題了。
而是能源政策。
對普通人有什麼關係？
就算你不是科技公司，
這件事也可能慢慢走到你的生活附近。
因為一座大型資料中心要進入某個地區，
真正要一起準備的通常不只有伺服器。
還有：
變電站，
輸電線，
新的發電能力，
土地，
水，
以及電網長期規劃。
所以未來一個城市在討論 AI 投資時，
問題可能不能只問：
「這裡會不會多很多科技工作？」
還得一起問：
這些電從哪裡來？
新的電力設備誰來蓋？
乾淨能源能不能跟得上？
這才是 AI 從聊天工具走向基礎設施後，
真正會碰到的現實世界。
這不是「AI 和環保只能選一個」
如果只看到今天的排放增加，
很容易走到另一個極端：
「那乾脆不要發展 AI。」
但這也不是完整答案。
資料中心本身還有很多改善空間：
更省電的晶片，
更有效率的網路，
更好的冷卻，
更高效率的軟體，
更多核能與再生能源，
更大的儲能，
更靈活的工作負載，
甚至讓某些可以延後的 AI 計算，
改到電網比較乾淨的時間再執行。
真正需要比較的，
不是：
AI 要不要存在。
而是：
我們能不能讓支撐 AI 的能源系統，進步得和 AI 本身一樣快。
AI 下一場真正的大考，可能不在模型排行榜
過去兩年，
大家一直比：
誰參數更多，
誰 Benchmark 更高，
誰回答比較聰明。
但如果模型後面的資料中心沒有足夠電力，
再強的模型也只是規格表上的數字。
所以 AI 下一階段的競爭，
可能會慢慢出現另一個能力：
誰能用更少的電完成同樣的工作？
誰能拿到真正新增的乾淨能源？
誰能把資料中心蓋在電網撐得住的地方？
誰能讓 AI 成長，
卻不用一直增加化石燃料？
這些問題，
看起來不像 AI。
但它們最後可能決定，
AI 到底能擴張多快。
今天這 60 個資料中心真正提醒我們的，
不是 AI 一定會製造相當於 27 座燃煤電廠的排放。
而是：
AI 真正的環境考驗，不只是它耗多少電，而是乾淨能源能不能增加得和 AI 一樣快。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 晚報｜2026/08/11：Anthropic 聯手 GIC、Macquarie 蓋 Claude 資料中心，承諾居民不替 AI 電力成本買單
