Eric Schmidt：限制AI發展的真正因素，已從電力轉向資本

他估算，僅美國就可能需要額外約92GW（吉瓦）電力來支撐AI的快速成長。

這個數字相當驚人。92GW大致相當於建造數十座大型核電廠，或同等規模的能源基礎設施，主要為資料中心供電。

然而在最新的說法中，Schmidt進一步指出：真正的限制其實是資金。

他直言：「AI真正的限制不是能源，而是現金。」

換句話說，電力問題理論上可以透過建設解決，但是否有人願意投入巨額資本，才是決定AI擴張速度的核心因素。

建造AI基礎設施到底有多貴

Schmidt提出的一個估算，顯示AI擴張所需的投資規模極為龐大。

他指出，每1GW的AI資料中心算力容量，可能需要約500億美元的投資。

按照這個估算：

• 建設 10GW AI算力基礎設施，可能需要約 5000億美元。
• 若擴展到 100GW，總投資可能接近 5兆美元。

這些成本並不只是購買AI晶片，而是整個運算與能源體系，包括：

• 超大型資料中心（hyperscale data centers）
• 高階AI晶片與高速網路
• 冷卻系統
• 發電與電網連接
• 土地、建築與工程

因此，大規模AI建設越來越像國家級基礎建設工程，而不再只是軟體或網路服務產業。

為何美國與中國更有優勢

如果AI發展真的需要數兆美元級投資，Schmidt認為全球能參與競爭的玩家其實不多。

在他的分析中，美國與中國最具優勢。

美國的優勢主要來自產業生態系：

• Amazon、Microsoft、Google 等超大型雲端公司
• OpenAI、Anthropic 等前沿AI研究機構
• 深厚的創投與資本市場
• 成熟的大型資料中心產業

這些因素讓美國能夠動員巨額私人資金，同時也可能獲得政府支持。

中國則採取另一種模式：國家主導的產業政策。政府能夠協調資金、能源建設與AI部署，在全國尺度推動AI基礎設施發展。

兩種模式不同，但都具備動員巨額資本與快速建設基礎設施的能力。

歐洲為何可能落後

相較之下，Schmidt對歐洲的前景較為保留。

他曾公開表示，歐洲目前其實沒有真正明確的AI戰略，如果不大幅投資本土模型與基礎設施，未來可能不得不依賴外國AI系統。

他甚至警告，若投資不足，歐洲可能最終會大量使用中國的AI模型。

在他的觀點中，歐洲面臨的問題不只一個，包括：

• 資本市場分散
• 超大型雲端企業較少
• 部分地區能源成本較高
• 基礎建設建設速度較慢

這些因素使得歐洲在籌措AI所需的巨額投資方面相對困難。

電力與資本其實是同一個問題

Schmidt的新說法並不是推翻過去的「能源瓶頸論」，而是補充其背後的經濟邏輯。

AI確實需要大量電力，而這仍然是實體世界的硬限制。

但要解決電力問題，就必須建造新的電廠、電網與資料中心，而這些都需要巨額資金。

因此，在Schmidt的最新框架中，AI競賽最終可能取決於：

誰能最快動員資本，建造最大規模的AI基礎設施。

AI競賽正變成一場基礎設施競賽

如果這些預測成真，未來的AI競爭可能會更像歷史上的大型產業競賽，例如：

• 鐵路建設
• 電信網路
• 太空競賽

成功不只取決於演算法或模型能力，也取決於能否協調：

• 資本市場
• 能源系統
• 半導體供應鏈
• 建設與審批流程

在這樣的格局下，AI的未來或許不只是科技突破，而是一場誰能建得更快、投資更多的全球基礎設施競賽。