事件總覽：AI算力競賽正在改寫全球資本市場的遊戲規則。根據獨立研究機構SemiAnalysis的最新預測，到2028年，OpenAI與Anthropic兩家前沿實驗室將掌握全球70%至80%的新增AI算力，合計規模突破100吉瓦，這數字大概是什麼概念？大概等於一百座核電廠的發電量全部拿去餵AI模型。
📅 2026年初：算力版圖重新洗牌
在此之前，AI算力市場還被視為一個相對分散的戰場。不過根據SemiAnalysis創辦人兼首席分析師Dylan Patel接受Dwarkesh Podcast專訪時提出的數據，今年初兩家公司各自擁有約2吉瓦或以下的算力規模，這個數字看起來不大，但別忘了，它們的成長曲線簡直是沿著牆壁在爬。到了今年年底，兩家都將超過5吉瓦，光2026年就吃下全球新增算力約三成。這直接導致了一個關鍵轉折：算力不再是「誰想買就能買」的大眾商品，而是少數玩家的專屬武器。
有趣的是，這還只是起點。Patel預測明年兩家公司的新增算力佔比將進一步攀升到40%至50%，到2028年聯手吞下七到八成的全球新增份額。說真的，這種集中度在科技史上恐怕只有早期電信基礎設施的寡占局面可以比擬。
📅 2026年中：晶片效能倍增，算力定義全面改寫
隨後出現的關鍵變數在於新一代晶片的效率革命。GB300、TPUv7及Trainium3這些新世代晶片的每瓦效能是前代產品的三到五倍，這意味著什麼？意味著就算用電規模沒有等比例暴增，實際產出的有效浮點運算能力（FLOPs）也會像開了渦輪一樣瘋狂加速。換句話說，OpenAI和Anthropic拿到的每1瓦電力，都可以碾壓其他競爭者的3到5瓦。這不是公平的賽跑，這是一個開超跑、一個騎腳踏車的差距。
所以當我們討論算力集中時，不能只看吉瓦數字，更要看有效算力的質量。Patel的論點很清楚：這些頂尖實驗室不只買得多，還買得比別人聰明得多。
📅 2024到2029：11兆美元的資本大遷徙
這股算力軍備競賽背後，是一場前所未見的資金黑洞。SemiAnalysis的模型推估，從2024年到2029年，全球AI產業鏈累計資本支出可能超過11兆美元——這個數字已經超過日本一年的GDP。
就算微軟、Google、亞馬遜這些科技巨頭掏空口袋投入大約6兆美元的自有現金流，中間仍然有超過5兆美元的缺口要靠信貸市場來補。Patel在訪談中提到一個關鍵觀點：AI數據中心的高報酬率讓這些公司願意接受8%甚至更高的融資成本。這直接導致了一個骨牌效應——傳統製造業的擴廠計畫、一般民眾的房貸、甚至政府公債的資金供給，都會被這波AI融資需求排擠出去。簡單來說，AI正在跟你的房貸利率拔河。
📅 2027-2028：內部研究優先，算力不外借
Patel在訪談中還拋出一個非主流看法，這個觀點值得我們特別拉出來討論。一般認為，算力建好了就是要賣API、做推論服務來變現，但他認為，隨著模型變現效率持續提高，前沿AI實驗室反而可能把新增資源投入到內部研究跟下一代模型訓練，而不是對外提供推論服務。
這個假設如果成真，對整個AI應用生態系會產生劇烈影響。新創公司跟一般開發者可能面臨算力更難取得、價格更不親民的處境，而OpenAI跟Anthropic則會像兩座蓋了超高圍牆的科技堡壘，把最先進的算力留在城牆內自己用。話說回來，這種策略也意味著它們對「算力變現」的定義，已經從賣服務轉移到「用算力換取技術代差」——這才是最昂貴的商業模式。
AI算力集中化大事紀
編輯觀點：從產業面來看，Patel的預測雖然建立在AI需求持續高速成長的假設上，但最讓我捏冷汗的其實不是算力集中本身，而是那個11兆美元的資金缺口。試想，如果美國聯準會為了壓制通膨而維持高利率，這些AI巨頭的融資成本真的只有8%嗎？萬一拉高到10%或12%，整個算力擴張的數學模型就會被徹底推翻。對一般企業來說，最好的策略不是急著跟風採購算力，而是先盤點自己的應用場景——因為等到算力真的被兩家巨頭鎖死，你唯一能拚的就不是算力大小，而是應用效率的高低。
至今影響與未來展望
回顧這條時間軸，從2026年算力初現集中徵兆，到2028年可能形成的雙寡占格局，中間只有短短三年。這代表什麼？代表AI產業的結構變遷速度，已經比過去任何一個科技世代都快上數倍。
不過Patel自己也承認，這套預測有幾個關鍵變數可能會讓結果大幅修正。首先是監管限制——各國政府會不會對算力出口或集中度施加管制？其次是能源瓶頸——100吉瓦的用電需求，電網真的扛得住嗎？再來是融資成本跟模型商業化進度，如果這些環節不如預期順暢，算力集中跟利率上升的幅度都可能明顯低於目前的推演。
無論如何，有一件事是確定的：AI算力不再是技術問題，而是地緣政治、資本市場跟基礎建設三方角力的綜合賽局。過去我們談AI都在談演算法跟模型架構，但未來五年，真正決定誰能留在牌桌上的，恐怕是誰能搞定電費跟貸款利率。
你的下一步是什麼？如果你是技術決策者，現在就該開始評估「算力效率」而非「算力規模」——因為你永遠買不贏微軟跟亞馬遜，但你可以比它們更聰明地運用每一單位的FLOP。如果你是投資人，也許該把目光從GPU製造商轉移到電網基礎建設、散熱解決方案跟融資服務商身上。至於一般工作者？開始學習怎麼跟AI協作吧，因為算力越集中，AI的能力會越強，而你的不可替代性只會來自於你怎麼用它。
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真的能在2028年掌握全球八成AI算力嗎？
根據SemiAnalysis的預測模型，到2028年兩家公司合計將佔全球新增AI算力的70%至80%，但這個結果建立在AI需求持續高速成長、融資環境穩定的前提上，實際情況仍可能受監管、能源瓶頸等因素影響而變動。
11兆美元的AI資本支出是怎麼算出來的？
SemiAnalysis從2024年到2029年的區間內，將全球AI產業鏈的晶片製造、數據中心建設、電力基礎設施、散熱系統等所有相關資本投入加總後得出的推估值，其中約6兆美元來自科技巨頭自有現金流，其餘超過5兆美元需透過信貸市場融資。
算力集中對一般企業和開發者有什麼影響？
算力集中可能導致中小型企業和獨立開發者取得先進算力的難度提高、成本上升，且如果OpenAI和Anthropic將更多算力投入內部研究而非對外推論服務，市場上的算力租用供給將進一步緊縮，企業應提前轉向提升應用效率而非追求算力規模。
新一代晶片為什麼能讓算力影響力倍增？
GB300、TPUv7及Trainium3等新世代晶片的每瓦效能是前代產品的3到5倍，這意味著就算用電規模沒有大幅增加，實際輸出的有效浮點運算能力（FLOPs）仍會顯著提升，所以算力的實際影響力遠高於單純的用電規模數字。
Patel的預測有什麼風險？
這套預測有四個主要風險變數：監管機構可能出手限制算力集中度、電網基礎設施無法支撐龐大用電需求、融資成本若超過預期將壓縮擴張空間、以及模型商業化進度不如預期時可能導致投資回報率下降，這些都會讓算力集中程度低於其推演結果。
※ 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。