9 月中，全球科技圈曾經歷一波罕見的集體反思——AI 大廠一起喊出「該踩煞車了」。Anthropic 執行長達里奧・阿莫代伊公開呼籲放慢 AI 模型能力提升的腳步，OpenAI 執行長山姆・奧特曼也表態「無法接受人類有10%機率在十年內面臨滅絕風險」，就連向來對監管抱持保留態度的馬斯克，當時也罕見地公開支持放緩開發。核心爭議在於 AI「遞迴自我改進」的能力——用 AI 打造更強的下一代 AI 如果不加約束，可能超出人類理解與控制的範圍。隨後各國領袖齊聚聯合國大會，AI 治理也成為會中焦點議題之一。
這場辯論注定不會有簡單答案。但無論 AI 最終會不會如業界擔心的那樣失控，有一件事是眼前正在發生、不需要等哲學辯論結束的現實：AI 正在吃掉遠超過想像的電力。
「遞迴自我改進」的另一面：模型越大，電力缺口越大
放慢開發速度，技術上代表什麼？代表下一代模型的訓練規模，只會比上一代更龐大——更多 GPU、更長的運轉時間、更密集的資料中心散熱需求。就算業界真的達成共識踩了煞車，現有那些已經蓋好、正在全力運轉的運算叢集，也不會因此停止用電。AI 能力的成長曲線可能被辯論拖慢，但電力需求的成長曲線，幾乎不會跟著減速。
台灣剛好站在這條曲線最陡的位置。半導體先進製程、伺服器組裝、資料中心——全球 AI 供應鏈最關鍵的幾個環節都在這裡，這是台灣的優勢，但也代表台灣的電網，會比其他地方更早、更直接感受到這股用電壓力。
一個容易被忽略的觀察
科技巨頭們在辯論要不要放慢 AI 開發速度時，很少有人同時討論：即使 AI 發展真的放慢，現有的資料中心與運算叢集也不會停止用電。AI 安全辯論會有結束的一天，用電需求的成長不會。
這背後牽涉到的具體現實——用電大戶條款、區域電網容量、2026 碳費——我們在〈能源穩定成擴產勝負手〉這篇有更完整的拆解，這裡不重複展開。
企業能做的，不是等辯論結束，而是提前布局供電韌性
與其等電網擴充或政策明朗，更務實的作法是及早建立自主供電能力，降低對單一電網的依賴。三菱重工燃氣發電機（MGS 系列）能協助企業在尖峰時段自主發電、離峰時段調度台電供電，完整規格可參考產品頁；對資料中心、半導體廠這類供電穩定性要求極高的場域，也可以參考廠房微電網 EMS 指南，了解如何跟儲能、能源管理系統組成更具韌性的配置。
AI 會不會失控，留給哲學家與監管機構去辯論；但 AI 正在改寫台灣的用電版圖，是企業現在就該正視的現實課題。