阿里雲 CUBE 5.0 瞄準百日交付，2026 年模組化資料中心產能將翻逾一倍

AI 算力需求快速增加，資料中心建設速度也成為雲端業者競爭的關鍵。阿里雲表示，2026 年將把全球模組化資料中心的生產產能提升逾一倍，以回應 AI 基礎設施需求。相關報導發布於 2026 年 8 月 10 至 11 日，並非原先問題所指的 2025 年初。

阿里雲此次主打的新一代架構是 CUBE 5.0。其核心思路，是把更多供電、冷卻與安全系統提前在工廠完成製造、整合及測試，再運送至現場吊裝組合，讓大型 AI 資料中心的建設不必完全依賴傳統的逐項施工流程。

重點數字一次看

• **全球產能：**2026 年模組化資料中心全球生產產能提升逾一倍。
• **模組化率：**供電、冷卻、安防、智慧管理及消防五大系統的整體模組化率，從約 30% 提高至 90%。
• **交付目標：**大型 AI 資料中心的核心基礎設施最快 100 天完成。
• **冷卻方式：**支援風冷與液冷；阿里雲所稱的 PUE 目標為風冷 不高於 1.15、液冷 不高於 1.10。
• **晶片相容性：**採用高壓直流供電及高彈性架構，目標支援異質晶片與至少 三代晶片。

CUBE 5.0 的「模組化」不只是貨櫃式機房

傳統資料中心工程往往按照順序施工：先完成供配電，再安裝冷卻系統，接著處理安防、管理及消防等環節。只要其中一個階段延遲，後續工作就可能受到牽連。

CUBE 5.0 則把更多工程移到工廠，在現場準備的同時並行生產不同模組。完成預組裝和測試後，模組再運抵資料中心，以類似「搭積木」的方式吊裝、拼接與接駁。

阿里雲表示，CUBE 5.0 涵蓋五大核心系統：

1. 供電
2. 冷卻
3. 安防
4. 智慧管理
5. 消防

這五大系統的整體模組化率，已從早期約 30% 提高至 90%。

這裡的重點不只是「使用模組」，而是改變工程的時間與地點：更多整合、預調校與測試在設備出廠前完成，現場需要依序處理的工作因此減少。

100 天交付，實際涵蓋哪些工作？

阿里雲公布的 100 天流程分成三個階段：

1. **30 天：**工廠生產與現場準備
2. **50 天：**現場安裝
3. **20 天：**系統調試與測試

三個階段合計 100 天。按照相關報導，這段時間是從基礎廠房就緒或模組化單元開始計算，直到供電、冷卻、安防、智慧管理與消防等核心系統完成部署及測試；伺服器與網路設備之後才可進場。

因此，「100 天」需要正確理解。它描述的是資料中心基礎設施與核心系統的交付週期，不能直接解讀為一座從空地開始、已裝滿伺服器並投入生產的 AI 園區，能在 100 天內完全運轉。

作為比較，相關報導稱，同等大型專案的傳統交付週期在中國約為 6 至 12 個月，在美國則約為 12 至 18 個月。

同一架構兼容風冷與液冷

CUBE 5.0 支援風冷和液冷兩種配置，並可按照晶片功耗、機房環境及工作負載需求調整。阿里雲公布的 PUE 指標為：風冷不高於 1.15，液冷不高於 1.10。

PUE（Power Usage Effectiveness，電力使用效率）是衡量資料中心總用電中，有多少用於伺服器以外設備的常見指標；數值越接近 1，通常代表能源使用效率越高。

風冷與液冷可以切換，意味著業者不必在硬體配置尚未完全確定前，就把新機房鎖定在單一散熱方案。隨著 AI 加速器功率密度提高，這種彈性也可能降低日後大幅改造的需求。

高壓直流與多代晶片支援

在供電方面，CUBE 5.0 納入高壓直流系統；在架構方面，則強調高彈性設計。阿里雲表示，這套配置可相容主流異質晶片與不同計算架構，並支援至少三代晶片迭代。

AI 基礎設施的硬體更新速度往往快於一般企業 IT 環境。若資料中心能以模組替換或重新配置的方式因應不同世代的加速器與伺服器，理論上便可減少每次硬體升級所需的大規模土木和機電變更。不過，實際相容程度仍會取決於個別專案的設備組合與部署條件。

除了速度，阿里雲還宣稱哪些改善？

阿里雲及相關報導提出的其他數據包括：與上一代相比，單位面積算力密度提高約 5 至 10 倍，建設成本降低逾 10%，變壓器數量接近減半；產品一次測試通過率則接近 100%。

這些數字目前主要是阿里雲的公司說法及媒體轉述，並非經獨立機構驗證的普遍性基準。因此，較適合將其視為公司公布的成果或目標，實際效益仍需按不同地點、規模、氣候及硬體配置逐案評估。

AI 基礎設施競爭，焦點不再只有晶片

阿里雲擴充模組化資料中心產能，以及 CUBE 5.0 對百日交付的主張，反映 AI 基礎設施競爭正從「能買到什麼晶片」，延伸到「多久能把整套算力底座建起來」。

更值得注意的，不只是 100 天這個標題數字，而是幾項設計同時出現：90% 模組化、工廠並行生產、風液冷切換，以及支援多代硬體。這些安排旨在讓 AI 資料中心更快建置、更高密度，也更容易隨硬體更新而調整。

但成本、測試通過率、算力密度與能源效率等數據，現階段仍主要來自阿里雲及相關報導。CUBE 5.0 能否在不同市場和專案中穩定複製這些表現，仍有待更多實際部署資料驗證。