鴻海談AI資料中心營運　液冷、800V電力與供應鏈排程成三大門檻

鴻海科技日第二天，旗下亞灣超算執行長姚延宗表示，人工智慧資料中心AIDC的投資可能從數億到數十億美元，營運難點不只取得高階晶片，也包括電力、液冷、網路、關鍵零組件交期與整體供應鏈排程。任何一項延誤，都可能讓昂貴設備無法按期產生可出售的算力。

新一代AI機櫃功耗快速增加，傳統氣冷逐漸難以有效帶走熱量。亞灣超算指出，鴻海近期部署的AI資料中心基本採用液冷技術，讓冷卻液靠近發熱元件，提高散熱效率並降低風扇耗能。液冷不是裝上水管就完成，還牽涉漏液偵測、水質、備援泵浦、維修流程與建築承重。

電力架構也是關鍵。業者提到800V高壓直流方案，希望減少電力從電網經多次轉換後送到GPU的損耗。轉換效率只要提高少數百分點，在數十兆瓦規模下就可能省下大量電力與冷卻成本；相對地，高電壓設備的安全、維護能力與供應商認證也要同步到位。

亞灣超算7月宣布5MW NVIDIA HGX B300 AI集群上線，採用水冷與2N高可用架構，並稱首批長期租賃客戶使使用率超過9成。這些數字來自公司公告，外界評估商業成效時仍應觀察合約期限、實際上線率、客戶集中度及每單位算力收入，而不是把機櫃數量直接當成獲利。

資料中心選址會直接影響地方電網、水資源、噪音與備援發電。企業強調用電效率時，也應公開PUE、水使用效率、再生能源來源與尖峰負載管理。若只把高耗能設施包裝成AI產業象徵，地方居民承擔基礎建設壓力，公共討論就會失去完整成本。

鴻海認為台灣供應鏈可在晶片、伺服器、機櫃、電力與散熱之間維持中立，服務全球客戶。真正優勢在於把多個零組件同步交付，而不只是單一硬體製造。當AI晶片架構快速分化，業者需要能替換加速器、網路與軟體堆疊，否則一座資料中心可能在建成前就被新一代產品拉開差距。

所謂主權AI基礎設施，也不只是把伺服器放在台灣。政府與企業還要說明資料由誰控制、模型如何治理、敏感資訊能否跨境、算力如何分配給研究與中小企業。若公共資源投入電力與土地，採購與服務條件也應可被檢驗，避免算力集中少數大型客戶。

機房可靠度也要看停電、冷卻故障與網路中斷時能否維持服務。2N架構表示關鍵系統配置兩套獨立路徑，但備援只有在定期演練與切換成功時才有價值。企業可公布服務可用率、事故時間與修復表現，讓客戶以營運紀錄比較，而非只依硬體規格選擇。

地方就業效益同樣需要具體化。資料中心建設期需要大量工程人力，營運後的長期職缺數量與技能結構卻可能不同。高雄若投入土地與基礎設施，應追蹤本地供應商占比、技術職薪資與培訓成果，確認AI投資不只增加用電，也能形成可持續的產業能力。

AI資料中心的競爭已從買到GPU，轉成能否穩定供電、散熱、連網並長期維護。液冷與800V架構提供效率工具，卻不能取代透明的能源與財務數據。台灣要把供應鏈優勢變成持續收入，必須同時證明機房可靠、能源代價可控，且算力需求不是短期投資熱潮。