全球人工智慧算力正在以驚人速度集中於少數幾家前沿實驗室手中。半導體與算力獨立研究機構SemiAnalysis創辦人暨首席分析師帕特爾（Dylan Patel）近日接受Podcast訪談時拋出一項震撼業界的預測：到2028年，OpenAI與Anthropic這兩家公司，將掌握全球高達70%至80%的新增AI算力。這個數字不只是市佔率的問題，它代表著未來三年內，整個AI產業的遊戲規則可能由兩家美國公司共同書寫。
算力之於AI，就像石油之於工業時代。而帕特爾的估算方式，是從實際的用電規模（吉瓦）與晶片每瓦效能（FLOPs）兩個維度同步推敲。今年初，OpenAI與Anthropic各自擁有約2吉瓦或以下的算力，到年底兩家都將超過5吉瓦，已占今年全球新增算力大約三成。到了2026年，這個占比可能進一步攀升到40%至50%。但真正驚人的在後頭：2028年兩家合計算力規模將突破100吉瓦，吃掉全球八成的新增供給。
數字會說話：11兆美元的資本遊戲
算力集中的背後，是天文數字般的資金堆疊。根據SemiAnalysis的模型推估，2024年到2029年這六年間，全球AI產業鏈累計資本支出可能超過11兆美元。這是什麼概念？即使微軟、Google、亞馬遜、Meta這些大型科技公司全數投入約6兆美元的自有現金流，市場上仍然有超過5兆美元的缺口，必須靠信貸市場來填補。
帕特爾在訪談中點出一個關鍵轉折：AI數據中心的高報酬率，讓這些科技巨頭願意接受8%甚至更高的融資成本。這個數字聽起來不大，但放在全球資本市場的脈絡下，意味著傳統企業的擴廠貸款、中產階級的房貸、甚至各國政府的公債發行，都可能被這股龐大的AI資金需求排擠。說得直接一點，AI正在重新分配全球資本的流向，而這股力量才剛開始發酵。
編輯觀點：從產業面來看，帕特爾的預測其實透露了一個更根本的結構性問題——算力集中不等於技術壟斷，但絕對等於「競賽門檻」的急遽拉高。如果OpenAI與Anthropic在2028年真的掌握八成新增算力，那台灣的AI新創公司未來要訓練自己的大模型，恐怕不是演算法強不強的問題，而是根本租不到足夠的算力。對台灣產業來說，與其追趕模型開發，不如思考如何在「算力即資源」的時代，卡位邊緣運算、高效能散熱或客製化晶片設計等利基市場，這才是務實的突圍路徑。
新一代晶片讓「有效算力」出現跳躍式增長
算力規模不能只看瓦數，更要看效率。帕特爾特別強調，GB300、TPUv7及Trainium3等新一代晶片的每瓦效能，可達前代產品的3到5倍。這意味著，就算用電規模沒有等比例暴增，實際的浮點運算能力（FLOPs）也會出現跳躍式成長。
換句話說，2028年的1吉瓦算力，其「有效產出」可能相當於2024年的3到5吉瓦。這也是為什麼OpenAI與Anthropic即便只掌握八成的新增用電規模，卻可能在「有效FLOPs」的佔比上更為懸殊。算力的品質，跟算力的數量一樣關鍵。
一個非主流的推演：算力可能不賣給外部
帕特爾在訪談中還提出一個值得深思的非主流觀點。他認為，隨著模型變現效率持續提高，前沿AI實驗室未必會把更多算力用於對外的推論服務（也就是賣API給開發者或企業），反而可能將新增的資源投入內部研究與下一代模型的訓練。
這個說法與目前市場的主流預期——算力需求將隨著應用普及而大爆發——存在明顯落差。但如果帕特爾的推演成真，那就代表未來的AI算力市場可能出現「分層」現象：
- 頂尖實驗室的算力將逐漸「內循環」，用於追求AGI（通用人工智慧）的研發，不對外開放
- 一般企業與開發者只能使用次世代或較低規格的算力資源
- 算力的「階級化」將進一步拉大領先者與追趕者的技術差距
當然，帕特爾也坦言，上述所有預測都建立在AI需求、模型能力與資本支出持續高速成長的假設之上。一旦監管政策收緊、能源供給出現瓶頸、融資成本飆升，或者模型的商業化進度不如預期，算力集中的速度與幅度都可能明顯低於這份推演。
展望與影響：台灣產業該如何解讀這份警訊？
這份來自SemiAnalysis的預測，與其說是一份「算力報告」，不如說是一封寫給全球科技產業的警示信。它點出了一個殘酷的現實：AI競賽已經從演算法的比拚，進化到資本與基礎設施的軍備競賽。而台灣作為全球半導體供應鏈的核心，在這場賽局中既擁有晶圓製造與封裝的戰略優勢，也面臨著「算力主權」流失的潛在風險。
當全球七到八成的AI新增算力被兩家美國公司掌握，台灣的學術機構、中小企業與新創團隊，未來要如何取得足夠的運算資源來發展自己的AI應用？這不只是商業競爭問題，更是國家層級的科技戰略課題。或許，我們該思考的不是「要不要跟」，而是「如何在這個新格局中找到自己的位置」。
你認為台灣應該投入國家級AI算力基礎建設，還是專注發展更具差異化的邊緣AI技術？歡迎在社群上分享你的看法。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
OpenAI和Anthropic為什麼能壟斷全球八成AI算力？
主要原因來自於兩家公司在資本市場的強大吸金能力，以及與微軟、亞馬遜、Google等雲端巨頭的深度策略合作。SemiAnalysis預估，到2028年兩家合計算力規模將突破100吉瓦，加上新一代晶片每瓦效能可達前代的3到5倍，使得有效運算能力的集中度比用電規模更為驚人。
算力集中對一般企業開發AI應用有什麼影響？
影響非常直接。算力就像水電一樣是AI開發的基礎資源，一旦被少數幾家實驗室壟斷，中小企業和新創團隊可能面臨「有錢也租不到算力」的困境。未來或許只能使用次世代的運算資源，或者被迫轉向邊緣AI、輕量化模型等替代方案，開發成本與技術門檻都將明顯提高。
帕特爾的預測可信度有多高？
帕特爾是SemiAnalysis的創辦人兼首席分析師，這家機構在半導體與算力領域的產業預測向來具有相當公信力。不過他本人也在訪談中強調，這份預測建立在AI需求、資本支出持續高速成長的假設上，若監管政策、能源瓶頸或融資成本出現變數，實際數字可能明顯低於推估。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
About the Author
