關鍵數字：全球AI算力正以驚人速度向兩家公司集中——SemiAnalysis最新預測顯示，OpenAI與Anthropic到2028年可能掌握全球70%至80%的新增AI算力，合計規模有機會突破100吉瓦。這個數字有多大？差不多是台灣2025年夏季尖峰用電量的兩倍多。
這不是科幻小說的情節，而是半導體與算力獨立研究機構SemiAnalysis創辦人Dylan Patel給出的具體估算。他在接受Dwarkesh Podcast訪問時，用一連串數字描繪了AI算力集中化的未來圖景。
📊 數據總覽
先看時間軸上的數字變化。Patel估計，OpenAI與Anthropic在今年初各自擁有約2吉瓦或以下的算力規模，但到了今年底，兩家公司都將超過5吉瓦，光是這兩家就占了今年全球新增算力的30%左右。
這股集中化的趨勢還在加速。SemiAnalysis的模型推估，明年這個占比將進一步攀升至40%至50%，而到了2028年，數字將達到驚人的70%至80%。算力不是分散在全球各地，而是被兩家公司牢牢握在手中。
不過，單純看吉瓦數字其實會低估實際影響。Patel特別點出一個關鍵：GB300、TPUv7及Trainium3等新一代晶片的每瓦效能可達前代的3至5倍。這意味著，同樣一瓦電力，能跑的運算任務數量暴增，有效浮點運算能力（FLOPs）的集中度，會比用電規模的集中度更驚人。
錢從哪裡來？11兆美元的資本遊戲
算力的背後永遠是錢。SemiAnalysis的模型推估了一個驚人的數字：2024年至2029年，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？就算微軟、Google、亞馬遜、Meta這些科技巨頭把過去幾年累積的自有現金流——大約6兆美元——全數投入，仍然有超過5兆美元的缺口需要從信貸市場融資。
Patel認為，AI數據中心的高報酬率讓這些科技巨頭有能力也願意接受8%甚至更高的融資成本。但這背後的代價是：大量資金湧入AI基礎建設，將排擠傳統企業擴產、房貸市場、甚至政府公債的資金需求。換句話說，AI熱潮推高全球長期利率的劇本，並不是沒有可能。
一個非主流的觀點：算力不一定賣給你
Patel在訪談中提出一個值得深思的非主流看法。多數人直覺認為，AI實驗室蓋愈多算力，就會釋出愈多API給外部使用、賺取推論服務收入。但Patel認為，隨著模型變現效率提高，這些前沿AI實驗室反而可能把新增的算力資源投入內部研究及下一代模型訓練。
算力不賣給你，而是用來打造更強的模型，再用更強的模型拉開競爭差距。這個邏輯如果成立，那市場上能買到的頂級算力供給，可能比表面數字顯示的更有限——價格自然也更難跌。
編輯觀點：這份報告最值得注意的，其實不是「兩家公司壟斷八成算力」這個數字本身，而是SemiAnalysis點出的資金缺口問題。5兆美元的融資需求，加上8%的資金成本，對全球資本市場的衝擊遠比算力集中更具現實意義。如果AI投資真的推高長期利率，那不只是科技股要重新估值，連你我的房貸利率、政府的舉債成本都會被拖下水。Patel的非主流觀點也提醒我們：算力軍備競賽的終局不是對外服務，而是模型自主進化。對投資人來說，追蹤算力規模之外，更該看的是這些算力究竟被用在「對外變現」還是「內部練功」——兩者的商業模式與估值邏輯完全不同。
但這些預測有一個很大的「如果」
SemiAnalysis的推估建立在一個強烈的前提上：AI需求、模型能力、資本支出都將持續高速成長。但Patel本人也沒有迴避風險——他明確點出了幾項可能讓預測失準的變數。
監管政策可能踩煞車、能源瓶頸可能卡住機房擴建、融資成本可能高到讓計畫延後、模型商業化的進度也可能不如預期。任何一個環節脫鉤，算力集中的幅度以及全球利率上升的壓力，都會明顯低於目前的推演。
說到底，這份預測與其說是神諭，不如說是一份精心推演的「情境分析」。它畫出了如果一切順利、AI熱潮不減速，世界會長什麼樣子——而那個樣子，確實讓人有點既期待又害怕。
數據告訴我們什麼？
把SemiAnalysis的數字攤開來看，三件事值得記下來：
第一，算力集中不是未來式，是現在進行式。今年兩家公司就占了30%新增算力，這個數字還在快速爬升。中小型AI團隊要拿到頂級算力只會愈來愈難，不是價格問題，是根本沒有貨。
第二，晶片效率的提升比規模擴張更有殺傷力。3到5倍的每瓦效能提升，代表算力霸主不是靠「蓋比較多間機房」取勝，而是靠「每一間機房都比你強好幾倍」——這是一種結構性的競爭優勢，不是多砸錢就能追上的。
第三，資金不會從天上掉下來。5兆美元的融資缺口意味著，接下來的AI競賽不只是技術戰，還是金融戰。誰能拿到便宜資金、誰能撐過利率波動，可能比誰的模型比較準更重要。
對台灣讀者來說，這份報告還藏了一個在地視角：如果AI算力大規模集中，台灣的半導體供應鏈——特別是台積電的先進製程——將更加成為全球戰略資源。GB300、TPUv7這些晶片，沒有一顆離得開台灣的晶圓廠。算力戰爭的背後，台灣的角色比多數人想像的更關鍵。
你的下一步
這份數據讀完，與其焦慮算力被誰壟斷，不如問自己一個實際的問題：在AI算力愈來愈集中的趨勢下，你或你的團隊該如何調整策略？如果你是開發者，該不該提前卡位特定AI平台的生態系？如果你是投資人，該如何看待算力供應鏈中不同環節的投資價值？如果你是企業決策者，當頂級算力愈來愈難取得，你的AI轉型路徑該怎麼重新規劃？把這篇文章存下來，明年底回頭對照這些數字——你會發現，趨勢的種子早就埋好了。
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
SemiAnalysis預測OpenAI和Anthropic到2028年掌握多少新增AI算力？
根據SemiAnalysis的預測，到2028年OpenAI與Anthropic可能掌握全球70%至80%的新增AI算力，兩家公司合計規模有機會突破100吉瓦。
AI產業的資本支出缺口有多大？
SemiAnalysis模型推估2024年至2029年全球AI產業鏈累計資本支出可能超過11兆美元，扣除大型科技公司約6兆美元的自有現金流後，仍有逾5兆美元的缺口需要透過信貸市場融資。
新一代AI晶片的每瓦效能提升多少？
GB300、TPUv7及Trainium3等新一代晶片的每瓦效能可達前代的3至5倍，這代表同樣的用電規模能產生遠高於以往的實際運算能力。
這份預測有什麼風險或變數？
Patel明確點出幾項可能讓預測失準的變數，包括監管政策限制、能源供給瓶頸、融資成本過高，以及模型商業化進度不如預期，任何一個環節脫鉤都可能使算力集中與利率上升的幅度明顯低於推演。
※ 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。
