SemiAnalysis 資料中心預測突破 50 GW，瓶頸轉向晶片

SemiAnalysis 表示，資料中心營運商將於 2027 年新增超過 50 吉瓦容量，規模大致相當於截至 2024 年的全球已安裝基礎。SemiAnalysis 的資料中心預測建基於可見的建設進度、已簽訂的租約，以及已運抵主要園區的設備。其核心論點不只是人工智能需要更多建築物，而是建築物與電力供應可能不再是最緊迫的限制。

這項基礎設施預測的支持證據，具有異常強烈的實體特徵。SemiAnalysis 識別出 40 個處於後期建設階段的園區，合計超過 24 GW，其中大部分容量預計於 2027 年投入使用。據報不少建築已完成過半。多個地點亦已安裝冷卻系統和電力設備。

這帶來的衝突，比新一輪雄心勃勃的項目公布更為尖銳。超大規模雲端服務商及 AI 開發商，已在需求、融資和晶片供應尚未完全明朗前，承諾數年容量。若園區能如期啟用，業界的短缺將向技術堆疊更深層移動。加速器、記憶體、網絡，以及客戶工作負載，必須以足夠速度到位，才能填滿這些設施。

相反觀點認為，建設活動並不保證能形成具生產力的運算容量。電網接駁可能延誤、設備可能遲到，租約亦可能成為財務負擔。因此，2027 年的擴建將考驗已簽承諾究竟代表持久的 AI 需求，還是一場代價高昂、旨在預留稀缺基礎設施的競賽。

SemiAnalysis 資料中心預測實際計算甚麼

這項預測最有力之處，在於它依賴建設進度，而非僅僅依賴公布項目。

Semianalysis 預測於 2026 年 10 月 19 日發布。作者 Jeremie Eliahou Ontiveros、Reyk Knuhtsen 和 Dylan Patel 認為，2027 年將有超過 50 GW 投入服務。一吉瓦等於十億瓦特的電力容量，但營運商不一定會持續使用所有可用電力。

這個區別十分重要，因為行業預測往往混合計劃中的公用事業容量、已完成建築、已通電容量及已部署的資訊科技設備。這些類別代表項目的不同階段。已完工的建築外殼若沒有電力、冷卻、網絡和伺服器，便無法運行 AI 工作負載。已通電的建築，若機架尚未裝滿，對運算產出同樣貢獻有限。

SemiAnalysis 嘗試透過其資料中心模型追蹤個別園區，以縮窄這個差距。其公開報告重點列出 40 個處於後期建設階段的園區，合計超過 24 GW。該公司稱，大部分相關容量預計將於 2027 年投入使用。

報告指出，許多項目已越過結構工程的中點。多個地點可見外置冷卻及電力設備。與購買土地或初步公布相比，這些指標需要更多資本及營運承諾。

這 40 個園區亦非整條項目管線的全部。SemiAnalysis 表示，正追蹤數百個處於後期建設階段的地點。獲選園區說明了為何該公司相信，即使面對勞動力、電網及供應鏈限制，年度總量仍可超過 50 GW。

其更廣泛的標題數字提到約 60 GW 正在建設中。然而，這個數字不應被視為與 2027 年交付預測完全相同。項目可能跨越數年、分階段啟用，或遭遇調試延誤。24 GW 的樣本提供了更穩固的短期證據，因為它聚焦於配備可見設備的後期項目。

這種方法亦解釋了它與較保守估計之間的分歧。着眼於電網排隊狀況或已公布完工日期的投資者，往往會大幅折減項目。SemiAnalysis 則在園區層面評估建設進度，並在特定地點落後時調整預計交付量。

作者承認存在這些延誤。他們指出勞動力短缺、供應商延遲、融資挑戰及電力基礎設施限制。他們亦表示，當項目層面的證據轉弱時，其模型過往曾下調開發商進取的時間表。

結果仍然是一項預測，而非已完成的量度。然而，這比把每個已公布項目加入試算表再相加，具有更扎實的基礎。隨着建設推進，混凝土、冷卻設備、變電站及已簽訂的租戶令取消項目的成本愈來愈高。

即使作出這些承諾，園區仍可能錯過目標。調試涉及電力系統、液冷、網絡、安全測試及公用事業批准等複雜流程。數個月的延誤，足以把大量容量從一個曆年推至下一個曆年，而不代表項目本身被取消。

這種時間敏感性至關重要。43 GW 與 50 GW 的差異，可能反映項目何時投入營運，而非它最終會否啟用。讀者應把這項預測理解為加速的證據，而非對 2027 年 12 月作出的精確承諾。

因此，重要轉變是可見的動能。預計容量中很大一部分，已由企業意向跨入實體執行階段。這令下一項限制，比最初的公布更重要。

已簽租約把建設計劃轉化為財務壓力

長期租約令擴建更具可信性，但同時把建設樂觀情緒轉化為資產負債表風險。

SemiAnalysis 表示，截至其報告日期，2026 年已簽訂略低於 1 萬億美元具約束力或不可取消的資料中心租約。其標題則提及更廣泛的 1.3 萬億美元量度。這些數字可能涵蓋不同的合約群組，因此在缺乏原始資料集下，不應視為可以互換。

上市公司的披露亦獨立顯示出龐大的承諾管線。一項 Reuters 租約分析發現，Microsoft、Meta、Oracle、Amazon 及 Alphabet 的未來付款總額約為 1.09 萬億美元。這些租約已簽訂，但截至 2026 年 8 月初尚未開始。

據 Reuters 報道，其後的協議令這五家公司已知總額升至約 1.16 萬億美元。Microsoft 披露了 3,291 億美元尚未開始的租賃付款。Meta 在 7 月再簽訂 680 億美元資料中心租約前，已報告 2,789.9 億美元。

Oracle 披露了 2,600 億美元尚未開始的承諾。Alphabet 報告 852 億美元，而 Amazon 則在較廣泛的租賃組合中披露 1,372.1 億美元。Amazon 的數字還包括倉庫、辦公室、飛機及車輛等資產。

尚未開始的租約，是指已簽署但資產尚未可供客戶使用的協議。一般而言，在設施投入服務前，該責任不會確認為租賃負債。公司在此期間會於財務報表附註中披露未來付款。

這種會計處理不代表承諾被隱藏，亦不等同於傳統債務。未來租賃付款可延續多年，通常以未折現金額列示。儘管如此，其規模揭示了有多少支出仍未反映在熟悉的主要負債指標之內。

這些合約亦改變了承擔執行風險的一方。開發商必須根據已承諾的需求融資及興建設施。租戶必須準備在容量可用時接收。雲端客戶和 AI 實驗室其後必須產生足夠使用量，以合理化由此產生的固定成本。

Oracle 說明了期限錯配問題。該公司表示，其租約通常於 2027 財年至 2029 財年之間開始，並持續 15 至 19 年。它亦警告，租約條款未必與客戶協議一致。若客戶不續約，Oracle 可能面對更長期的基礎設施承諾。

這正是本故事的核心對立：已簽約的建設與已實現的運算需求。已簽租約顯示企業相信容量將持續稀缺，但無法證明每一兆瓦的預留容量都能帶來具吸引力的回報。

近期租賃活動支持短期需求的觀點。一份 AI 容量報告引用 TD Cowen 的數據指出，主要雲端服務供應商在一個財政季度內租用了超過 7.4 GW。這超過整個前一年所租用的數量。

據報 Oracle 在該期間取得最多容量，其中大部分用於 OpenAI 工作負載。Google 位列第二，其後為 Fluidstack。Meta、Amazon、CoreWeave 及 Microsoft 亦積極參與。

各方並非可以互換。Microsoft、Amazon 和 Google 可把容量置於多元化的雲端平台之後。Meta 主要支援其自家服務及 AI 模型。Oracle 對較少數大型 AI 客戶的集中風險較高。專門營運商則依賴融資、租戶質素及準時交付。

若 AI 收入增長放緩，這種分布便十分重要。多元化雲端供應商可將部分基礎設施重新用於資料庫、企業運算、儲存及傳統雲端工作負載。極高密度的 AI 園區彈性較低，因為其冷卻、網絡及電力系統均針對加速器叢集而設。

因此，一個已落成的園區會同時向多個群體施壓。開發商需要租戶接受交付。超大規模雲端服務商需要設備和電力。AI 實驗室需要收入或融資。晶片供應商則必須提供足夠的加速器、記憶體及網絡硬件，才能把預留電力轉化為可用運算能力。

租約降低大規模放棄項目的可能性，但亦提高了判斷失誤的成本。因此，SemiAnalysis 的 2027 年預測可以同時既可信又具財務風險。

瓶頸正由建築物轉向矽晶片

若 2027 年有超過 50 GW 啟用，限制性資源將變成把電力轉化為有用 AI 運算的硬件。

資料中心只是 AI 系統的外層。其內部，加速器執行模型計算、高頻寬記憶體為處理器提供資料，而網絡則連接數千部裝置。冷卻設備帶走熱量，變電站和備援系統則維持可靠電力。

SemiAnalysis 認為，邏輯晶片及記憶體短缺，可能於 2027 年及 2028 年超越建築物和電力，成為更主要的限制。這項說法直接源自其建設預測。迅速完工的園區，將爭奪一條無法以與混凝土建設相同速度擴張的半導體供應鏈。

加速器獲得最多公眾注意，但 AI 叢集由多個受限制的組件構成。先進記憶體位於處理器旁，以極高速率供應資料。專用網絡交換器、光學連接及纜線協調各機架之間的工作。電源管理設備則調節密度日益提高的系統。

半導體晶圓廠需要多年時間開發及完成認證。先進封裝必須把處理器與記憶體整合。記憶體供應商需在不同產品世代之間分配產能。網絡供應商則要配合伺服器組裝及園區投運的時間表同步交付。

這帶來了時序問題。營運商可在尚未確定哪一代晶片將進駐建築物前，先預留電力。他們亦可能在公用事業公司完成最終互聯之前便收到伺服器。任何一端延誤，都會令昂貴資產未獲充分利用。

園區設計令轉換過程更為複雜。新一代加速器每個機架的耗電量可高於早期系統。它們可能需要直接液冷，讓冷卻液在更接近晶片的位置帶走熱量。按舊有功率密度假設設計的設施，可能在首輪部署尚未完成前便需要改造。

因此，擴建並非將吉瓦簡單換算成模型效能。兩個電力容量相同的園區，可能產生不同的運算輸出。晶片世代、使用率、網絡效率、冷卻開銷及軟件，均會影響每瓦可交付的有效工作量。

這就是為何不應把 50 GW 直接換算為加速器數量。營運商甚少披露完整硬件配置，而且部署計劃亦會改變。部分容量將用於儲存、網絡、傳統雲端服務及設施開銷，而非 AI 處理器。

即使如此，大幅增加容量仍會加強晶片供應商的議價地位。超大規模雲端服務商無法從空置但已通電的機房外殼中獲得回報。他們需要足夠快地取得加速器，才能開始向客戶收費或運行具價值的內部工作負載。

壓力並不限於 Nvidia。雲端服務供應商持續開發自家處理器，以控制成本、改善供應安全，並為特定模型調校硬件。Google 在張量處理單元方面已有多年經驗。Amazon 提供 Trainium，而 Microsoft 與 Meta 亦一直推進內部晶片計劃。

自訂晶片並不能消除供應鏈需求。它們仍需要製造、封裝、記憶體、電路板、網絡及伺服器組裝。它們可分散加速器供應來源，但也會帶來額外的軟件及部署工作。

2027 年的擴建將考驗這些替代方案能否達到量產規模。成功的自訂加速器不只要能運行基準測試工作負載。它還需要穩定的編譯器、高效的模型實作、可靠的網絡，以及足夠的客戶採用率以維持高使用率。

開發商亦面對等待新晶片還是部署現有硬件的選擇。延遲部署可改善每瓦效能，但會讓租用容量閒置。立即部署可更早開始產生有用工作，儘管設備在長期租約期間可能變得較欠競爭力。

這項取捨將影響整個市場的採購行為。規模最大的公司可把容量分配至多個晶片世代及供應商。較小型雲端服務供應商可能接受效率較低的硬件，因為他們無法等待最受追捧的系統。

晶片瓶頸亦把基建開支與 AI 經濟效益連繫起來。更快的處理器只有在客戶為推論、訓練或雲端存取付費時才會創造價值。若模型效率提升快過使用量增長，營運商可能以較少硬件滿足需求。若使用量透過代理、影片及持續推論擴張，即使 50 GW 亦可能顯得不足。

SemiAnalysis 實際上正押注第二種路徑。其數據中心容量增長預測假設，已簽約需求及建設證據能夠克服眼前限制。下一項考驗是半導體產能及付費工作負載能否跟上其後落成的建築物。

50 GW 數字未能證明甚麼

先進建設可降低取消項目的風險，但未能解答供電可用性、使用率、盈利能力或環境影響的問題。

首個不確定因素涉及衡量方式。業內人士會以兆瓦及吉瓦描述公用事業服務、關鍵資訊科技負載、園區設計上限及分階段容量。當兩個來源計算這條鏈中的不同環節時，預測結果可能看來不一致。

SemiAnalysis 使用詳細的專有模型，但公開文章僅披露其方法及底層園區清單的一部分。讀者無法根據已發布材料，獨立重現完整的 50 GW 總數。可見的 24 GW 樣本支持整體發展方向，但不足以佐證預測的每個部分。

第二個不確定因素是交付時程。建築物看似接近完工，卻可能仍在等待變壓器、開關設備、備用發電設施或公用事業審批。重大建設結束後，調試問題亦可延遲啟用。當預測把容量歸入某一特定年份時，這些延誤尤為重要。

第三個不確定因素是能源供應。IEA power outlook 預測，數據中心的發電用量將由 2024 年的 460 TWh，增至 2030 年超過 1,000 TWh。在其基準情境中，可再生能源供應近半新增需求。

在短期激增期間，化石燃料仍然居於核心位置。IEA 預期，到 2030 年天然氣及煤炭將滿足逾 40% 的新增數據中心電力需求。電網接駁排隊問題可能把更快的增長推向現場發電或既有化石燃料容量。

挑戰尤其集中於美國。Berkeley Lab update 估計，數據中心到 2030 年可能消耗美國 11.8% 的電力。其情境範圍介乎 9.5% 至 15.3%。

這些全國數據可掩蓋更棘手的區域問題。數據中心園區集中於已有光纖、土地、稅務優惠及雲端區域的地方。即使全國發電容量看似充足，地方公用事業公司仍須滿足龐大而相對持續的負載。

美國能源資訊署預期，數據中心發展將推動短期電力需求增長。其電網需求分析指出，ERCOT 及 PJM 將是截至 2027 年增長最快的地區。兩者目前均已有大型基建項目管線。

電網限制不會自動推翻該預測。營運商可確保專用發電、建設表後系統，或分階段啟用園區。當延遲及數據規則容許時，他們亦可在不同地區之間調度工作負載。

然而，每種應對方法都有成本。專用燃氣發電可增加排放。電池在沒有發電支援下無法提供持續供電。新輸電線路面對漫長的規劃流程。調度工作負載則可能帶來網絡延遲，或與客戶要求衝突。

第四個不確定因素是使用率。園區可以啟用、接收伺服器，卻仍以低於其經濟潛力的水平運作。使用率衡量已安裝運算容量中，有多少在進行可收費或具策略價值的工作。

低使用率可能源於軟件問題、客戶延誤、網絡限制，或特定加速器類型供應過剩。若供應商為吸引需求而大幅折讓存取服務，高使用率亦可能掩蓋疲弱的經濟效益。

第五個不確定因素涉及融資。長期租約令建設更有可能進行，但亦會帶來固定承擔。AI 開發商必須在基建承諾壓倒其現金產生能力之前，將使用量轉化為收入。

規模最大的平臺比專門供應商更容易吸收暫時的低效率。他們擁有既有雲端客戶、廣告業務及消費者產品。較小型營運商往往依賴少數租戶、昂貴融資，以及對未來租金水平的樂觀假設。

市場下滑不一定會造成一排排被遺棄的園區。它可能反而表現為較低租金、重新談判的合約、延遲安裝伺服器或回報較弱。容量仍可啟用，但投資者將承擔調整成本。

最後一個不確定因素是技術效率。透過改良演算法、量化、稀疏運算及更佳排程，模型的訓練及服務成本可以降低。這些提升可減少完成固定工作負載所需的硬件。

效率亦可透過令更多用戶負擔得起 AI 服務而增加總需求。這種反彈效應已多次出現在運算市場。較低單位成本會鼓勵新產品、更高使用量及更頻繁的推論。

沒有單一預測能解決這種平衡。50 GW 這個數字顯示，各公司正按強勁需求預期進行建設。它並不能證明這些預期會在每個園區帶來具吸引力的回報。

三項將考驗 2027 年擴建的訊號

預測將由已通電容量、已安裝硬件及持續 AI 需求來評判，而非單靠建設照片。

第一項訊號是把先進園區轉化為已通電的資訊科技容量。營運商必須完成變電站、電網接駁、冷卻系統及調試，建築物才可提供可用運算能力。

公用事業公司及開發商的季度更新，應能顯示項目是否按經修訂的時間表啟用。最有用的披露將區分已完成建築物與已通電容量，亦應分辨園區設計上限與已可供客戶使用的容量。

若大部分 24 GW 先進樣本於 2027 年投入服務，SemiAnalysis 的數據中心預測將獲得實質支持。若普遍延至 2028 年，將削弱其按曆年計算的總數，但不會推翻較長期的基建趨勢。

延誤模式與其規模同樣重要。對這類規模的項目而言，個別挫折屬正常。若多個地區反覆出現變壓器短缺、電網暫停或調試失敗，便會顯示存在結構性限制。

第二項訊號是硬件部署。投資者應留意加速器出貨量、高頻寬記憶體產量、先進封裝產能、網絡收入及伺服器安裝量。這些指標顯示營運商能否以所需速度為新建築配置設備。

晶片短缺將印證 SemiAnalysis 所提出的瓶頸轉移。建築物會落成，但處理器及記憶體將限制可產生效益的容量。雲端服務供應商可能延長舊硬件的使用壽命，或加快採用自訂晶片。

伺服器部署有序增加則支持另一種結論。這意味着半導體供應商預期到建設浪潮並成功擴產。限制屆時可能轉向電價、客戶工作負載或軟件使用率。

硬件組合將提供另一項線索。快速採用內部設計的加速器，將顯示超大規模雲端服務商正減少依賴單一供應商。若仍集中於單一加速器平臺，採購風險將維持高位。

第三項訊號是容量啟用後的持續需求。雲端收入、AI 服務使用量、剩餘履約義務及租約披露，應能顯示客戶是否吸收新增基建。

需求需要超越模型訓練項目。訓練規模龐大但並非持續進行。已部署模型回應用戶及軟件的推論，可在商業應用、搜尋、編程、媒體及自動化代理等範疇帶來持續消耗。

企業採用將尤其重要。消費者應用程式可以產生龐大的請求量，但收入未必穩定。企業客戶則提供合約和可重複的工作負載，不過他們亦要求可靠性、安全性和可量度的回報。

租賃會計將揭示部分結果。隨着設施投入使用，尚未開始的承諾將轉為已確認的負債和開支。屆時，公司必須說明收入及產能利用率如何與這些成本相比。

留意合約期限、續約措辭及開發商融資的變化。較短的承諾期可能表示租戶希望保留彈性。重新談判或延遲接納將削弱需求論點。新的長期協議則會加強這一論點。

這三個訊號為讀者提供了一項實際測試。第一，園區是否獲得供電？第二，營運商是否安裝了足夠的當代硬件？第三，客戶在部署後是否產生了持續的使用量？

若三項答案皆為肯定，2027 年將成為運算供應真正躍進的一年。這亦會印證一種觀點：晶片生產而非數據中心建設，已成為行業最緊絀的限制因素。

結果參差則需要更審慎地解讀。已通電但空置的建築物，將指向硬件或融資問題。已部署但使用不足的叢集，則反映需求疲弱。在電網接駁延誤的情況下仍有強勁需求，將使電力繼續成為故事核心。

對開發者和企業買家而言，這輪建設最終應會影響服務存取、地區供應能力及運算成本。供應增加可以減少稀缺性，但前提是電力和晶片必須同步到位。買家應追蹤實際服務供應情況，而非依賴已公布的吉瓦數字。

SemiAnalysis 的 2027 年預測之所以具說服力，是因為大量建設工程已經展開。其最艱鉅的主張，則始於設施啟用之後。業界必須把前所未有的電力容量，轉化為有用且可收費的運算工作。

未來數季，應比較園區投產進度、硬件出貨量及持續性的雲端需求。若三者同步上升，這輪加速便是真實的。若其中一項落後，便會揭示新的瓶頸，以及哪些承諾作出得過早。