2026年AIDC能源市场改革政策未来走向与市场解决方案白皮书-RECCESSARY

AIDC能源市場改革、政策未來走向與市場解决方案0-1AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書序｜AI要持續發展，能源必須跟上隨著全球AI應用持續增加，各國AIDC建置需求快速擴張。過去幾年，市場關注的焦點主要集中在晶片供給與算力建設，但當更多資料中心開始進入規劃與建置階段，電網容量、能源成開始成為限制條件。AI要持續發展，下一個問題可能不只是有多少晶片與過去資料中心主要關注土地、設備、網路與建置速度，現在接電時程、能源成本、供電穩定與低碳要求，也直接影響資料中心能否上線與持續營運。RECCESSARY長期關注亞洲能源與低碳市場，研究範圍涵蓋再生能源、電力市場、儲能與企業減碳。我們也持續觀察政策、能源供給與企業需求之間的變化這份白皮書從全球政策、接電條件、能源架構、儲能、備援、安全驗證與市場解決方案等面向，整理AIDC發展與能源系統之間的關係。要討論的不只是未來AI會增加多少用電，而是當算力持續成長，電力來源、儲能與整體能源系統要怎麼規劃與調整，開發商、能源業者與政府現在應該準備什麼。AI的發展速度很快，但能源基礎建設需要時間。當晶片與算力持續增加，能源能不能跟上，可能會成為AI下一階段更大的挑戰。黃公暉JASONHUANG0-2AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書電力，正從AI擴張的成本項目，成為能否如期上線的條件 基準情境下，2030年全球AI資料中心用電， 基準情境下，2030年全球AI資料中心用電，用電規模：成長方向明確，差異在於幅度500TWh。本研究以AI晶片出貨為起點建立由下而上模型，推估2030年全球AI）；挑戰不止於用電量：能源系統正從五個層次改變更長時間。改變因此同時發生在能源供給、併網制度、資料中心設施、能源營運與算力調度五個層次2-32-32-42-4第二章｜各地為AIDC設下的四類用電條件歐洲運轉彈性平均4.50分、承接彈性僅2.50分；亞洲兩項同為2.取決於基地瓶頸，而非國家平均（2-4、2-5）。整程度約23.3分（2-8）。不同的量測條件（2-12、2-13）。2026年約35.8萬美元增至2035年約215.5萬美元（2-14、2-0-3AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書第三章｜八種能源設計與三個案例自主發電、再生能源配置、設施級儲能、UPS／BBU與供配以及模組化擴充，各有優勢與取捨；競爭力來自設計之間的組合（3-2）。讓算力分階段上線（3-3）。供應範圍已從儲能延伸至電源、配電、備援與控制的建置，規劃於2027年第四季商轉（3-11～3-13）。9.84%（3-17）。第四章｜高頻調度下的安全與驗證風險升高（4-1）。儲能安全須涵蓋電池、變流器、容器、電網規須分別確認（4-2、4-16）。第五章｜三類參與者的行動路徑證明用電可被管理入投運計畫（5-2、5-3）。讓用電條件清楚、可預期先讓容量與時程透明，再讓儲能與分期接電可計價，最後降低交付（5-4、5-5）。交付可驗證的服務承諾先診斷電力缺口型態，以AI負載情境測試值驗收（5-6、5-7）。結論｜結論｜在電網擴建難以追上算力成長的情況下，AIDC能源轉型的核心，是讓用電成為可以被預測、被調度、被驗證的對象；能更早、更確定取得電力的專案，將取得市場先機。0-4AIDC能源市場改革、政策未來走向與市場解决方案白皮書InfoLinkConsultingxRECCESSARYxTUV研究團隊本白皮書由RECCESSARY、InfoLinkConsulting舆德國莱因TÜV集围(TÜVRheinlandGroup)共同撰寫。研究围隊具備储能市場研究舆能源市場顧問經驗·研究範圉涵蓋台灣舆亞洲、歐洲及美加墨市場;第四章由TÜVRheinland以獨立第三方立場撰寫。研究顧問InfoLinkConsulting創辦人0-5AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書01AI如何迫使能源系統改革1-102從政策訊號到有條件用電2-103AIDC能源架構與長期營運競爭力3-104高頻調度下的安全與可信度4-105AIDC能源轉型行動路徑5-10-6AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書圖目錄（1／3）編號標題頁碼資料中心IT設備用電：Masanet推估與IEA後續歷史估計資料中心總用電：Masanet推估與IEA後續歷史估計從IT設備用電到資料中心總用電（2018年，TWh）資料中心用電：2024–2025年IT設備用電與總用電全球AI加速晶片帶動的資料中心年用電（2022–2030）2030年AI晶片帶動的全球資料中心年用電：本模型與三家機構預測對照AI資料中心能源系統的五個改革層次資料中心用電臨界線2-2各洲DataCenter建設容量2-2各地區運轉與承接彈性2-3各地區UPS強制程度與完整程度2-6各地區BESS強制程度與完整程度2-6各地區BBU強制程度與完整程度2-6四個可用性等級與配電概念對照2-720座資料中心案例的備援電力標準分布2-10各地區PUE制度門檻分布與平均2-11圖2-10各地區年度匹配與長期PPA2-14圖目錄（2／3）0-7AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書編號標題頁碼圖2-11各國再生能源電力Premium2-15圖2-12碳定價成本影響：2026–2035年度預估2-16圖2-13各地區整合比較｜彈性與設備制度2-19圖2-14各地區整合比較｜能源與碳成本2-20AIDC能源配置的八項設計選擇3-1儲能系統與電芯價格趨勢3-4AIDC儲能的三層控制架構3-6切換異常時的處置順序3-6從名目容量到可調度電量（MWh）3-7在50MW取電上限下，以儲能吸收一日兩次短時尖峰（示意）3-8導入與驗證流程3-10熙特爾AIDC電力架構（示意）3-11熙特爾AIDC業務的推進時程3-13圖3-10天然冷源到機房的完整路徑（示意）3-16圖3-11三種運轉模式的全場功率與功率比（示範）3-17AIDC儲能面對的兩類壓力示意圖4-1AIDC儲能的系統安全邊界示意圖4-2圖目錄（3／3）0-8AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書編號標題頁碼兩類儲能的典型配置示意圖4-3併網與孤島模式的切換示意圖4-7熱失控由電芯向整櫃蔓延示意圖4-8製造商執行風險評估的五個步驟4-12儲能系統的九大評估面向4-13驗證的專業領域與流程4-13三類參與者的角色與相互依賴5-1開發商的五步行動路徑5-2政府政策推進的三個步驟5-5能源業者的五步行動路徑5-6前文所列制度的已知時間點5-80-9AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書表目錄（1／3）編號標題頁碼表1-1台積電法說會指引的演變（2025年1月至2026年7月）1-4表1-2五個改革層次與各章回應表2-1分數量表註記2-3表2-2資料中心效率的配套指標2-13表2-3再生能源電力的時間匹配層級2-18表2-4三大區域的AIDC能源部署優勢與風險一覽表2-21表3-1AIDC八項能源設計的優勢與取捨3-2表3-2依時間尺度的設備分工3-5表3-3多項用途競用電池時的優先順序3-5表3-4觸發訊號與系統反應3-6表3-5備援時數、保留SOC與可調度電量3-7表3-6電力缺口型態與儲能適用範圍3-8表3-7計算步驟3-9表3-8備援規格與故障條件對年毛效益的影響（萬元／年；以未四捨五入參數計算）3-9表3-9五類驗收指標3-10表3-10電力架構對應的四個時間尺度3-11表3-11依案址條件的三種導入模式3-12表3-12熙特爾AIDC電力架構的能力現況3-120-10AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書表目錄（2／3）編號標題頁碼表3-13兩個AIDC案場的分工對照3-13表3-14熙特爾AIDC解決方案與實績進展3-14表3-15溫度篩選示範（各列互相獨立，非Aruba或特定AI設備規格）3-16表3-1610MWth水路的流量與抽水功率示範（清水物性；泵浦總效率75%；未含二次側泵浦與風扇）3-16表3-17全年混合冷卻模式的能源效益試算3-17表3-18Aruba案例的公開證據與移植檢核3-18表4-1工商業型與電力系統型儲能的發展重點4-3表4-2不同規模PCS的應用條件與維運要求4-4表4-3PCS的十類安全風險4-5表4-4主要儲能技術的功率、時長與應用場合4-6表4-5併離網切換的工程挑戰4-7表4-6儲能系統火災的特點4-8表4-7熱失控與火災的六個風險層級及防護設計4-9表4-8系統運轉前就要處理的四類風險4-11表4-9電磁相容的兩大類測試4-12表4-10各市場的電芯標準4-14表4-11各市場的電池系統（含BMS）標準4-140-11AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書表目錄（3／3）編號標題頁碼表4-12各市場的變流器（PCS）標準4-15表4-13各市場的完整儲能系統（ESS）標準4-16表5-1前四章的主要發現，與其對行動的意涵5-1表5-2開發商行動路徑與檢核問題5-2表5-3三類接電風險與開發商的對策5-3表5-4缺口型態決定儲能的角色（沿用3-8的示範系統）5-3表5-5政府的六項政策方向5-4表5-6能源業者行動路徑與對應發現5-6表5-7四項產業缺口與能源業者的切入點5-7表5-8三類參與者的近期準備5-8表A-1研究樣本｜20國A-1表A-2第二章的五個研究模型A-1表A-3第三章｜案例與示範模型A-1表B-1資料中心與效率名詞表B-2備援與儲能名詞表B-3低碳電力與採購名詞表B-4碳政策與成本名詞—AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書1回顧往昔預測落差，推估用電規模，看見系統改革1-1AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書AI讓資料中心用電偏離過去軌跡，挑戰也不止於用電量01過去：用電平穩成長，研究預期將延續此一趨勢2010年代，資料中心的運算量雖大幅成長，用電卻因能源效率提升而僅溫和增加。因此，在當時，研究者傾向認為未來數年的用電將延續平穩的軌跡。為什麼從過去的預測談起？也難以預見用電將急遽上升。這是因為，過去的推估多以既有至未來，隱含用電的驅動因素將與過往相同。然而，當AI成為新的驅動力，延續舊有趨勢將大幅低估用電。因此，本01過去：用電平穩成長，研究預期將延續此一趨勢2010年代，資料中心的運算量雖大幅成長，用電卻因能源效率提升而僅溫和增加。因此，在當時，研究者傾向認為未來數年的用電將延續平穩的軌跡。為什麼從過去的預測談起？也難以預見用電將急遽上升。這是因為，過去的推估多以既有至未來，隱含用電的驅動因素將與過往相同。然而，當AI成為新的驅動力，延續舊有趨勢將大幅低估用電。因此，本品質、接電時程與調度能力的要求，同樣是推動能源系統改革的重要因素。02現在：實際用電大幅偏離過去的預測去，僅依歷史趨勢規劃電力的做法早已不敷使用。03現在進行式：用電持續攀升，上游指引一再上修2024與2025年，資料中心用電仍持續攀升。作為主要AI晶片修，顯示需求擴張的速度，仍快於供應鏈所能即時因應的步調。04未來：2030年用電規模的推估與對照本研究以AI晶片出貨為起點，建立由下模，並與其他機構的預測對照，檢視推估的合理性。05用電量之外：重塑能源系統的五個層次AIDC除了用電量大，也需要穩定、高品質的電力。本施、能源營運與算力調度五個層次，說明能源系統正在發生的改變。資料中心IT設備歷史用電:過去推估舆後續實際值的落差2010-2018CAGR:4.4%實際值50歷史實際值過去預測值0歷史背景推估舆實際值比較近年AI資料中心(AIDataCenter·AIDC)的大規模投資·成為各大媒體與研究機構所關注的焦點。不過除了在資金挹注方面,於此刻我們開啟電腦、點亮電燈,並翻閱這份報告時·支撐AI運作的資料中心也正日夜不息地消耗電力。電,不只影響著企業,其與人們的生活也密不可分。因此,本報告將以「電」為主軸·探討AIDC所帶來的各項議題。站在今天的視角回頭看·AI帶動資料中心用電大幅增加·似乎已成理所應當的事實·然而，這其實是一種後見之明，這就像是带著今天的答案搭上時光機,回頭評斷過去的判斷。在AI崛起之前,即使是具公信力的研究,亦未能預見用電將急遽上升。而預期與現實之間的落差,正是各國開始以政策加以規範的背景。因此,讓我們先回到過去,檢視當時研究者如何評估資料中心的用電·以及現今的實際情況舆之相差多少。過去的預期：IT用電平穩缓增2020年刊登於《Science》的Masanet等人研究·以由下而上的方法巢整伺服器、儲存舆網路設備資料，其估計值亦曾為國際能源署所採用。研究指出·資料中心IT設備用電多年來僅溫和成長·並據此推估未來五年將延續相同趨勢。以當時的觀點而言,資料中心的用電需求具可預期性。現在的實際值：成長速度遠超預期然而,隨後的研究顯示·2023年IT設備用電較當年推估高出逾六成·成長速度亦約為過去的三倍。用電已明顯偏離過去平缓的軌跡·僅依歷史趨勢規劃電力的做法，早已不敷使用·1-3AIDC能源市場改革、政策未來走向與市場解决方案白皮書InfoLinkConsultingxRECCESSARYxTUV資料中心歷史總用電:過去推估舆後續實際值的落差Masanet超勢情境推估顯示·PUE持續改善可望抵銷部分IT設備用電增長·甚至抑制資料中心用電量實際值250實際值歷史實際值歷史實際值過去預測值500Masanet歷史測算□Masanet過去推估未來預測值IEA歷史測算實際值註:IEA數值中·2020、2023年為IEA公布之歷史估計值·2019、2021-2022年由RECCESSARY依IEA已公布數據估·非IEA直接公布值·用電範圍涵蓋IT設備及冷卻、供配電等基礎設施。圄1-3|從IT設備用電到資料中心總用電(2018年，TWh)總用電=IT設備用電×PUE(205≈130×1.58)除IT設備之外·資料中心亦需冷卻與供配電系統方能運作·兩者合計即為總用電。總用電與IT設備用電的比值稱為電力使用效率(PowerUsageEffectiveness·PUE)·數值愈接近1·代表愈多電力用於運算本身·當年的判断：效率可望讓用電持平研究發現·2010至2018年間運算量大幅增加·資料中心總用電卻無顯著成長,這是因為伺服器能效持續提升·運算亦大量移往PUE較低的雲端與超大型資料中心。而這也使過去的研究傾向認為,若效率持續進步,未來數年的總用電可望大致持平。因此,在當時,效率被視為抑制用電的主要力量之一。回頭檢視:用電成長之快，鮮少有人預見然而·隨後的研究顯示·2023年資料中心總用電較當年推估高出逾七成·冷卻與供配電用電亦未如預期下降。有鑑於此,在AI崛起之前,鮮少有人能預料用電將成長得如此迅速。如何理解並因應這股突如其來的用電需求、如何在資料中心高頻調度下維持其安全性·正是本白皮書撰寫的出發1-4AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書現今用電量持續攀升，上游龍頭台積電營收預測一再上修圖1-4｜資料中心用電：2024–2025年IT設備用電與總用電202420252954163524850100200300400500用電量（TWh）IT設備用電資料中心總用電（含冷卻與供配電）表1-1｜台積電法說會指引的演變（2025年1月至2026年7月）初始指引發布時間後續修正發布時間AI加速器營收五年年複合成長率45%上修至55%–59%2025年全年營收成長率25%實際達35.9%整體營收五年年複合成長率20%上修至25%2026年全年營收成長率30%上修至略高於40%2026年7月AI加速器營收成長展望55%–59%雖未更新數值，但表示將越來越強2026年7月資料來源：IEA《EnergyandAI》、《KeyQuestionsonEnergyandAI》及〈Datacentreelectricitycons年第四季、2025年第四季、2026年第二季法說會逐字稿；RECCESSARY整理。註：表中初始指引與上修後的數值，台積電原文皆以「接近」（approach／closeto）表述，故為約略值，其中AI加速器營收五年年複合成長率原文分別為mid-40s%與mid-to-high-50s%。營收成長率包含非AI業務。前兩頁比較的是過去推估與2023年以前的實際值。然而2023年止步，此一成長趨勢至今仍在持續。2025年總用電已接近500TWh，較實際值之間的落差並非短期偏離，而是持續擴大的結構性趨勢。對中心已從過去成長平穩的用電類別，轉變為需優先納入規劃的新增負載。再上修，主因在於AI需求擴張極快，先進製程、封裝產能上。對此，台積電亦持續與客戶共同規劃並擴充產能，積極跟進需求。難以掌握。對資料中心業主而言，若低估用電，可能面延宕，進而影響建置時程與算力交付。對電力公司與電離實際，輸配電投資與電源開發便可能追不上需求。而時到位，亦逐漸成為評估專案可行性的關鍵條件。有鑑於此，合理評估未來的用電規模，需要一套能直接推估方法，而非僅依賴歷史趨勢外推。因此，本研究建立由下而上的用電模型，自1-5AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書全球AI資料中心用電預測：2030年預估成長約十倍圖1-5｜全球AI加速晶片帶動的資料中心年用電（2022–2030）用電量（TWh）900800700600500400300900800700600500400300200基準情境746供給受限6110202220232024202520262027202820292030出貨實際值推算情境推估基準情境（實線為實際值推算，虛線為推估）情境範圍（供給受限至供給充裕）資料來源：EpochAI《DataonAIChipSales》；各雲端業者財報與法說會；各伺服器與機櫃系統功耗倍數參考其原廠規格書；經濟部能源署能源統計；RECCESSARY由下而上用電模型。註：由EpochAI逐季、逐型號的AI加速晶片出貨資料（2022年至2026年上半年）作為起點，以晶片的熱設計功耗（TDP，即晶片的額定最大功率）加總，涵蓋13個晶片系列。2026年下半年以後的出貨成長，則以AI加速器營收五年展望為主軸，扣除已實現的成長與每GW晶片價格變動後，換算為出貨量。出貨量依雲端業者財報與法說揭露的「到貨至上線」時間，加上伺服器代工廠財報推得的存貨週轉天數（DSI）推得，最終得到年用電量。延續前頁的討論，RECCESSARY所建立的由下而上而是以AI晶片出貨量作為起點，逐步推模型依序納入晶片功率、實際上線比例、設備使用年限、平損耗等因素，逐步換算全球AI資料中心的年用電量。本研究涵蓋NVIDIA、Googl台積電等廠商對AI加速器營收的展望。由於晶片出貨是資料中心用電最直接的前端指此方法使用電預測得以直接對應實際的硬體供給，也能較早反映需求的變化。TWh，約為十倍。以台灣2025年全國電力消費約283TWh為參照，72.6個台灣一年的用電量。即使採用較保守的情境，2030年用電仍將於超過2個台灣的年用電量。用電規模的快速擴大，將使電力從過去的營運成的關鍵條件。對資料中心業主而言，電力取得與併網時程將直及早評估電源、備援與儲能的配置。對電網與政策制定者而域，將對輸配電容量與供電穩定帶來壓力，這也是各國開始研之一。此外，基準與兩個情境之間的差距，主要反映對晶片出貨來用電仍存在相當的不確定性。為檢視此一推估的合理性，本測加以對照。1-6AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書與其他機構預測對照：2030年估值上看高位區間，整體用電指向大幅成長圖1-6｜2030年AI晶片帶動的全球資料中心年用電：本模型與三家機構預測對照6559–791本模型（RECCESSARY）BloombergNEFMcKinsey02004006008001,0001,2002030年用電量（TWh）本模型情境範圍（直線為基準情境）資料來源：RECCESSARY由下而上用電模型；LBNL《UnitedStatesDataCenterEnergyUsageReport:2025Update》；BloombergNEF〈USDataCenterCapacityOutlook〉摘要；McKinsey〈Datacenterdemands〉；RECCESSARY換算整理。註：2026年上半年全球AI晶片出貨（以功率計）保守估計較前一年同期成長近一半，係依EpochAI資料集計算，以晶片熱設計功耗加總。部分廠商2026年資料尚未完整，未予補齊估算，故為保守估計。任何預測皆存在不確定性，因此本研究亦將其他機構公開的預測與本模型加以對照。域。本研究將其統一換算為全球、含冷卻與供電損耗的年用電。118GW、其中過半用於AI，與本模型依晶片出貨推估的規模屬同一量級。模型不採個別業者的目標，而是參考各業者的參照，取指引區間的偏低值並扣除晶片單價上漲，推得2025至IEA與晶片業者的看法之間。2025年的150TWh增至2030年的465TWh，成長約三倍。於現階段，不確而非是否增加，故於電力規劃上應以大幅成長為前提，及早布建供電能力並保留調整彈性。1-7AIDC能源市場改革、政策未來走向與市場解決方案白皮書InfoLinkConsultingxRECCESSARYxTÜV德國萊因聯合發表白皮書除用電規模之外，AI資料中心正從五個層次重塑能源系統圖1-7｜AI資料中心能源系統的五個改革層次2345123451能源管理系統能源管理系統電網併網點再生能源廠內發電設施級儲能UPS機房（機櫃與冷卻）資料來源：RECCESSARY整理繪製。註：綠色為儲能，包括設施級儲能、UPS電池與機櫃備援電池（BBU）。實線為電力，虛線為控制與調度訊號。電量大，也需要穩定、高品質的電力才能持續