「我們正處於一個非常不可思議的技術時代。」摩根大通執行長Jamie Dimon近期談到AI投資時表示，AI支出熱潮目前仍沒有明顯放緩的跡象。

數字更加直接。

Dimon預估，2027年超大規模雲端業者及相關生態系的AI支出可能達到1兆美元，相比2025年約3000億美元、2026年約7000億美元，仍在快速擴張。

而在台灣，這場算力競賽已經落到非常具體的基礎設施建設。

9月21日，台灣微軟總經理卞志祥在DevDays Asia 2026表示，未來2至3年AI算力需求仍可能大於供給，微軟正在擴建台灣資料中心，整體架構將從原本2座增加至4座。

這不是單純多蓋幾座機房的問題。

它背後反映的是AI產業正在從「模型競爭」，進一步走向電力、伺服器、網路、散熱與資料中心的全面競賽。

2座變4座，微軟為何要在台灣加碼？

卞志祥指出，目前AI算力供應不足，並不只是GPU或CPU數量不夠，電力供應、新機櫃進駐空間以及既有資料中心的配置，同樣會成為限制因素。

這個變化非常重要。

過去市場談AI算力，第一反應通常是NVIDIA GPU、先進製程或AI伺服器。但當模型推論需求快速增加之後，一張GPU能不能真正投入運作，還取決於機房有沒有電、有沒有足夠空間，以及網路與其他基礎設備是否跟得上。

換句話說，AI算力已經不再只是「買多少晶片」的問題。

微軟目前在台灣的資料中心服務已從早期70多項增加至200多項，並被定位為全球架構中的Hero Site，連接亞太及全球其他資料中心。客戶則包括政府、醫療、金融等對資料與合規要求較高的產業。

AI資料中心真正稀缺的，可能不只是GPU

看到這裡，很多人會問：既然GPU持續增加，為什麼算力還是不夠？

答案可能藏在「基礎設施瓶頸」四個字裡。

一座大型AI資料中心需要的不只是運算設備，還包括穩定電力供應、冷卻系統、高速網路、機櫃空間以及資料中心本身的建置能力。

因此，當AI需求快速成長時，新增GPU並不一定等於新增同等規模的有效算力。

微軟此次在台灣從2座擴充到4座，本質上就是在增加可用的雲端基礎設施容量。更值得注意的是，微軟並未公開資料中心具體位置。台灣微軟表示，相關設施涉及安全與資料中心規劃等因素。

這也說明，AI基礎設施正在從科技公司的IT資產，逐漸變成需要長期規劃的戰略性資源。

1兆美元AI支出，市場到底在買什麼？

如果說微軟擴建資料中心是一個局部案例，那麼Dimon提出的1兆美元，則提供了更大的全球背景。

按照目前公開報導，超大規模雲端業者相關AI支出，已經從2025年的約3000億美元增加至2026年的約7000億美元，Dimon預期2027年可能進一步達到1兆美元。

這筆錢並不只是拿來買GPU。

AI資本支出還會流向伺服器、記憶體、網路設備、光通訊、電力設備、散熱系統以及資料中心建設。也就是說，AI投資正在向整個硬體與能源基礎設施產業鏈擴散。

這也是為什麼台灣供應鏈受到市場關注。

卞志祥指出，從AI伺服器、運算、儲存到網通設備，台灣供應鏈在全球算力建設中扮演重要角色，目前短期內尚未看到相關需求明顯外移。

算力需求越來越大，AI產業也開始面對另一個問題

真正的問題來了。

如果AI支出從7000億美元走向1兆美元，企業到底能不能把這些投入轉化成相應的商業價值？

Dimon本人也提醒，目前仍難以判斷AI投資最終會由哪些企業成為長期贏家。他以網路泡沫時期為例指出，當年一些知名企業最終失敗，也有一些當時並不起眼的公司後來成為市場的重要參與者。

這個提醒其實很關鍵。

因為資料中心本身可以產生容量，但容量並不自動等於收入。企業需要讓AI服務真正被使用，才能逐步驗證這些巨額資本支出的回報。

因此，接下來市場可能同時關注兩條線：一條是AI基礎設施還要擴張多少，另一條則是新增算力究竟能產生多少實際需求。

從聊天機器人到AI Agent，算力需求可能正在換一種方式

值得注意的是，AI應用本身也正在發生變化。

台灣微軟表示，今年AI已逐漸從單純的虛擬聊天走向實際應用，部署範圍也從雲端延伸到終端裝置。微軟同時強調，Copilot與Microsoft 365等服務需要大規模的前端推論能力，因此部分高度可預測的工作負載適合透過專用ASIC提高效率。

這意味著未來的算力需求未必只是「模型越大越好」。

模型推理效率、AI Agent工作量、企業部署規模以及終端設備的使用頻率，都可能成為新的算力需求來源。

台灣數位發展部近期也在推動AI Agent可信任治理，討論代理人的能力邊界、授權範圍與風險責任。

換句話說，AI產業正在同時解決兩個問題：怎麼提供更多算力，以及怎麼讓更多算力進入真正的工作流程。

AI競賽下一階段，拼的不只是晶片

說實話，微軟把台灣資料中心從2座擴充到4座，真正值得關注的並不是「數字翻倍」本身。

更重要的是，這件事與全球AI資本支出正在形成呼應。

一端是雲端巨頭持續增加資料中心容量；另一端則是企業、政府、金融與醫療等產業逐漸把AI導入實際業務。兩股力量疊加後，GPU、電力、網路、機房與資料主權等問題，都會變成AI產業必須面對的基礎條件。

而1兆美元究竟能否帶來相應的生產力與商業回報，目前仍沒有答案。

可以確定的是，AI產業的競爭已經不只發生在模型排行榜上。

誰能取得足夠算力、電力與資料中心容量，誰能把新增基礎設施轉化成真正的AI服務需求，可能才是下一階段市場持續觀察的重點。

FAQ

Q1：為什麼微軟要把台灣資料中心從2座擴充到4座？

台灣微軟表示，未來2至3年AI算力需求仍可能大於供給，而算力瓶頸不只是GPU、CPU供應，也涉及電力、機櫃空間及資料中心配置，因此微軟正在增加台灣雲端基礎設施容量。

Q2：Jamie Dimon所說的1兆美元AI支出是什麼？

這是摩根大通執行長Jamie Dimon對2027年超大規模雲端業者AI支出的預估，公開報導顯示，他認為相關支出可能達到1兆美元，較2025年約3000億美元及2026年約7000億美元持續增加。

Q3：AI算力短缺為什麼不只是GPU問題？

AI資料中心需要同時具備晶片、電力、機櫃、冷卻與高速網路等條件。即使GPU供應增加，如果電力或資料中心容量無法同步擴張，也可能限制實際可用算力，因此資料中心建設本身已成為AI基礎設施競爭的重要一環。