30 秒看重點
- 事件：台科大校長指出，大學研發 AI 面臨電網老舊與電費高昂的實質物理限制。
- 意義：這揭示了台灣高教在追求 AI 轉型時，基礎設施與經費的嚴重脫節。
- 影響：若不解決，大學將難以自主訓練模型，導致台灣 AI 研發與人才出現斷層。
台灣要當「AI 矽島」，但大學實驗室可能先面臨跳電危機！台科大校長近日指出，高階 AI 伺服器耗電量極大，大學若要自主研發 AI，不僅電費無法負擔，校園老舊電網更難以承受，這場「搶電與搶預算」的隱形戰爭，正考驗著台灣高教的科技研發實力。
關鍵數據：台科大校長顏家鈺指出，跑高階 AI 運算的電力與冷氣消秏驚人，高教預算根本難以長期支應。
為什麼頂尖大學蓋不起自己的「AI 算力中心」？
跑 AI 模型就像在老舊公寓裡同時開啟十台氣炸鍋與微波爐，脆弱的校園電網根本無法承受如此龐大的瞬間電流。台科大校長顏家鈺指出，現在大學要發展 AI，硬體「買得起卻養不起」已成為公開的秘密。一台搭載高階 GPU（如 NVIDIA H100）的伺服器，運作時的耗電量與發熱量極其驚人，學校不僅要支付高額的運算電費，還必須斥巨資升級實驗室的冷氣散熱系統與電力配線，否則隨時有跳電走火的風險。
除了電力這隻「吃電怪獸」，「經費」則是另一個殘酷的現實。政府雖然鼓勵大學發展 AI，但補助通常只夠買設備（資本門），後續維護、電費等（經常門）卻要學校自理。在電價調漲、高教經費凍結的現狀下，學校根本無力負擔一年動輒數百萬的電費，導致許多昂貴的 AI 伺服器只能「省省地用」，無法發揮最大效益。
- 2023-05：生成式 AI 在全球爆發，台灣各大專院校紛紛成立 AI 研究中心、搶購 GPU 設備。
- 近期：台科大校長等高教領袖公開示警，校園電網老化與運算電費已成為大學研發 AI 的最大物理瓶頸。
台灣怎麼看這件事？
台灣雖然身為半導體硬體強國，但如果高教端因為「怕跳電、付不起電費」而無法訓練模型，台灣未來的 AI 高階人才將會出現斷層。學生如果只能透過 API 調用國外的現成模型（如 OpenAI），而無法親手從底層訓練模型，台灣將失去培養「架構級 AI 人才」的機會，未來在軟體與演算法的競爭中恐落後他國。
編輯觀點
AI 研發不是只靠熱血，而是現實的基礎建設與資源戰。政府在編列 AI 教育預算時，不應只盲目補助學校「買硬體」，更該針對「校園電網升級」與「營運電費」進行專案補貼，或由國家主導建立「綠能學術算力池」讓學校共享，才能避免台灣的 AI 夢碎在電費單前。
常見問題
- Q1：為什麼大學研發 AI 這麼耗電？
- 因為訓練 AI 模型需要成千上萬顆 GPU 同時進行高強度運算，這些晶片發熱量極高，需要強大的冷氣系統持續散熱，兩者相加產生極高耗電量。
- Q2：大學不能用雲端算力避開用電問題嗎？
- 雲端算力（如 AWS、Azure）租用費用極其昂貴，對於需要長期、反覆測試的研究團隊來說，長期租用的經費甚至高於自己買設備，學校同樣難以負擔。
- Q3：電價上漲對大學 AI 研發有什麼影響？
- 電價上漲會直接壓縮學校的學術預算，導致實驗室必須限制 AI 伺服器的運轉時間，進而拉長研究週期，減緩科研成果的產出。
- Q4：老舊校園電網對 AI 設備有何風險？
- 高階 AI 伺服器需要穩定的高功率電流，老舊電網容易因負載過重而跳電，這不僅會中斷數天甚至數周的訓練進度，更可能燒毀價值數百萬的昂貴晶片。
- Q5：政府目前有什麼解決方案嗎？
- 目前政府主要提供設備採購補助，但高教界呼籲應進一步放寬經費流用限制，並由國家建置共享的學術算力中心，以減輕各校電力與維護負擔。
名詞小教室
- 算力（Computing Power）
- 就像大腦的運算速度。算力越高，AI 思考和學習的速度就越快，能處理的問題也越複雜。