AI 訓練能耗如「心電圖」急遽波動：設備裂損、電網告急

GPU 集群如何製造毫秒級電力衝擊

進行 AI 模型訓練時，數萬顆 GPU 會同時執行計算步驟。當它們完成一批運算、等待資料寫入檢查點（checkpoint）或啟動下一批任務時，用電量可以在全載與閒置之間瞬間切換 。這種波動模式前所未見：每次起伏的電力增量相當於一座工廠、一個小鎮甚至一座城市的用電量突然出現又消失，反覆衝擊著連結設備 。

前特斯拉高層、現任 Heron Power 創辦人 Drew Baglino 指出，AI 訓練時電力使用量有時會飆升到設計容量的 150%，「也就是說，一座 1 吉瓦（GW）的設施在短短一瞬間可能用到 1.5 吉瓦」。

設備損壞：輪機裂損、電池提前報廢

燃氣渦輪機與機械共振

xAI 的 Colossus 設施在 122 天內快速建成，初期依靠數十台臨時甲烷燃氣輪機供電。由於 GPU 集群反覆且急促的電力跳動，輪機內部產生機械共振，導致葉片與結構出現裂縫 。工程師為此緊急撰寫自訂 GPU 核心，在低負載時命令 GPU 多耗電，雖然達到平滑負載的效果，卻增加整體電力使用 。Elon Musk 後續提議在輪機與 GPU 之間安裝特斯拉 Megapack 電池，完全吸收波動能量 。

備用電池、發電機與冷卻系統

備用電池與不斷電系統（UPS）被超乎設計頻率地反覆充放，造成加速老化與提早失效 。多家設施回報電池、發電機與冷卻系統的故障率與磨損速度遠超過預期 。冷卻基礎設施難以跟上負載的急遽變化，進一步縮短設備使用壽命 。

一份學術調查指出，大型 GPU 集群可在數秒內造成數百百萬瓦的功率波動，對連結系統形成嚴峻考驗 。

財務衝擊：運作時間下降、成本飆升

運作時間降至 80%

部分 AI 數據中心實際運作時間（uptime）已降至約 80%，遠低於企業數據中心標準的 99.99% 。即使只停機數分鐘，對價值數百億美元的設施而言，每分鐘即代表數十萬美元的算力收入損失 。

兆美元資產風險與隱藏成本

《彭博商業周刊》與《財星》雜誌報導指出，加速設備更換、非計畫性停機以及算力損失的累積成本，已對總值兆美元的 AI 基礎建設投資形成壓力 。除了直接停機損失，運營商還需面對更高的維護頻率、更短的輪機與電池更換週期，以及為了平滑負載而編寫特殊軟體所衍生的額外成本 。

電網穩定：NERC 最高級警戒

不到一秒內卸載 1800 MW

北美電力可靠度公司（NERC）記錄到一個新型態的可靠度威脅：當大型 AI 訓練園區的自動保護系統跳脫時，可以在不到一秒內從輸電網絡中卸載 1,800 MW 以上的負載——快過任何人為操作或傳統電網控制系統的反應時間 。美國東部互聯電網與德州電力可靠性委員會（ERCOT）都已經觀測到因數據中心對電壓干擾過於敏感而導致約 1,500 MW 的卸載事件 。

2024 年 7 月，維吉尼亞州北部發生一起正常的電網故障，竟觸發 25–30 個變電站內超過 1,500 MW 的數據中心負載同時脫離系統 。

NERC 史上第三次 Level 3 警報

2026 年中期，NERC 發出最高緊急程度的 Level 3 警報——這是該機構史上第三次發出此等級的警告——明確指出超大規模 AI 數據中心對輸電系統構成「重大風險」。該警報要求輸電規劃者與營運商建立模型化資料要求、收集最小與最大耗電數據，並研究負載組成 。NERC 已成立專案小組處理此風險，未來可能制定新的強制性可靠度標準 。

建設速度遠超電網擴充

NERC《2025年可靠度狀況報告》警告，數據中心的開發速度遠快於配套的發電與輸電基礎建設，形成結構性的可靠度缺口 。報告指出，這些設施對電壓波動敏感、耗電模式快速變化且難以預測，已為營運帶來新的挑戰，「需要更精確的模型」予以因應 。

有何對策

營運商正嘗試在 GPU 這類波動劇烈的負載與敏感的發電設備之間加裝電池緩衝層——例如特斯拉 Megapack——以吸收波動 。xAI 也已開始在曼菲斯的新變電站陸續商轉後，拆除部分臨時燃氣輪機 。

但根本挑戰仍在：AI 工作負載所加諸的用電曲線，是現有電網從未設計來處理的。NERC 已呼籲建立新的建模標準、營運協調機制與法規架構，以因應千兆瓦級且高度不穩定的 AI 負載所帶來的獨特風險 。

（資料來源：Fortune、Bloomberg、arXiv、NERC 官方報告、Reddit、TechTimes、Utility Dive、GridLab 等）