AI 資料中心一天排出 23 顆原子彈的熱？拆解 Utah 9GW 巨型 AI 園區背後的能源物理

「每天 23 顆原子彈」是真的嗎？先把最嚇人的數字拆開

最近社群上流傳一張圖片，聲稱美國猶他州一座 AI 資料中心每天產生的熱能，相當於 23 顆原子彈，而且占地超過 40,000 acres。

第一眼看起來非常像典型的 AI 恐慌文。

但奇妙的是，這個數字並不是完全憑空捏造。

它源自 Utah State University 物理教授 Rob Davies 對 Stratos Project 所做的一份初步熱能分析。

問題在於，社群圖片把幾個非常重要的條件全部拿掉了。

截至 2026 年 9 月，Stratos 還不是一座已經用 9GW 全速運轉的資料中心。

9GW 是長期 full build-out 的規模目標。

原本約 40,000 acres 的 project area，也已在 2026 年 6 月縮減到約 20,000 acres，其中約一半預計保留為 open space，真正可開發區約 10,000 acres。

所以正確的說法應該是：

如果 Stratos 最終達到約 9GW 的滿載規模，並按照 Davies 分析中的天然氣發電效率假設運作，資料中心加上發電系統的總熱負載可能接近 16GW，換算成一天的總能量，大約相當於 20 多顆 Hiroshima 等級原爆釋放的能量。

這是一個 energy-equivalent comparison。

不是核爆。

沒有衝擊波。

沒有核輻射。

也不是瞬間把 23 顆原子彈的能量打進沙漠。

它只是把『持續 24 小時排出的熱能』換算成大家比較有感的能量單位。

但即使把社群標題的戲劇濾鏡拿掉，16GW thermal load 本身還是非常誇張。

---

一、9GW 到底有多大？

資料中心常用 MW 或 GW 來描述電力規模。

1GW 等於 1,000MW。

而 Stratos 的長期 full build-out 目標被描述為約 9GW。

這不是一棟大型機房的規模。

而是能源基礎設施等級。

按照公開資訊，Stratos 的第一階段會比 9GW 小得多，整個開發也會分多年完成。

開發方甚至特別澄清，9GW 是未來滿載目標，不是今天正在消耗的功率。

但如果最終真的達到 9GW，單純資料中心本身就會把大部分電力轉成熱。

這背後有一個很簡單的物理事實：

電腦幾乎就是一台把電變成熱的機器。

GPU 做矩陣運算。

CPU 執行指令。

HBM 傳輸資料。

SSD 讀寫。

網路交換器轉送封包。

最後這些電能幾乎全部都會變成熱。

所以 9GW 的 IT load 最終大致也意味著接近 9GW 的熱必須被排出去。

這還沒算發電本身的效率損失。

---

二、16GW 熱負載是怎麼算出來的？

Davies 的初步分析使用了一個約 55% 天然氣發電效率的假設。

如果要讓資料中心得到 9GW 電力，而發電效率只有 55%，那麼發電端需要投入更多化學能。

概念上：

輸入能源 × 55% ≈ 9GW 電力

剩下的能量不會消失。

它主要會變成熱。

因此除了資料中心最後產生的約 9GW 熱之外，發電過程本身還會額外釋放大量 waste heat。

Davies 的估算把兩者加總後，得到約：

16GW thermal load

如果 16GW 持續 24 小時：

16GW × 86,400 秒

≈ 1.38 × 10^15 joules

而 Hiroshima 原爆的爆炸能量通常估在約 15 kilotons TNT 等級。

因此拿一天的總熱能除以這個能量尺度，就會得到大約 20 多顆 Hiroshima bombs 的 energy equivalent。

這就是『23 顆原子彈』這個數字的來源。

物理換算本身沒有非常荒謬。

荒謬的是社群圖片把：

『假設 full build-out + 特定發電架構下的一天累積熱能等價』

壓縮成：

『這個 AI 資料中心每天產生 23 顆原子彈的熱。』

兩者帶給讀者的直覺完全不同。

---

三、真正值得擔心的不是「像核彈」，而是熱要排去哪裡

資料中心最大的工程問題之一，從來不是熱會不會產生。

熱一定會產生。

真正的問題是：

怎麼把它搬走？

一般資料中心的冷卻方式大致包含：

Air Cooling

Liquid Cooling

Evaporative Cooling

Cooling Tower

Dry Cooling

Direct-to-Chip Cooling

Immersion Cooling

而 Stratos 的相關討論中，dry cooling 成為焦點之一。

如果大量採用 dry cooling，系統會透過大型 radiator 與風扇，把熱直接排到周遭空氣。

好處是可以降低耗水。

壞處是：

熱不會消失，只是從水資源問題變成局部大氣熱負載問題。

這也是 Davies 分析真正關心的核心。

在乾燥、盆地型地形中，如果數 GW 等級的熱持續被排入空氣，可能改變局部夜間冷卻條件與近地表環境。

Davies 的初步研究甚至提出 Hansel Valley 夜間溫度可能因此上升的情境估算。

但這部分目前仍屬初步模型，並不是已經實測發生的環境結果。

真正影響溫升的因素很多，包括：

風速。

地形。

冷卻設備配置。

熱排放高度。

季節。

大氣穩定度。

實際負載率。

能源來源。

所以現在不能直接說：

『Stratos 一定會讓當地升溫 X 度。』

但可以確定的是，一旦 AI campus 進入數 GW 等級，thermal engineering 已經不再只是機房內部問題，而會變成區域尺度的基礎設施問題。

---

四、為什麼 AI 資料中心開始自己蓋電廠？

這才是 Stratos 最值得注意的地方。

傳統資料中心通常是：

資料中心 ↓ 接上公共電網 ↓ 向電力公司買電

但 AI 訓練的功率密度正在把這套模式推向極限。

一個幾十 MW 的資料中心，電網還可以慢慢擴充。

一個 100MW、500MW、甚至 1GW 以上的 AI campus，就完全是另一個世界。

電力公司可能需要：

新變電站。

新高壓輸電線。

新增發電容量。

新的天然氣供應。

甚至重新規劃區域電網。

而 AI 公司沒有辦法等十年。

於是出現另一條路：

Bring Your Own Power。

資料中心自己把能源基礎設施一起蓋進園區。

Stratos 就是這種模式非常極端的例子。

Box Elder County 的官方資料直接把它描述成：

Data Center + On-site Power Plant + AI / Cloud Infrastructure + Defense Infrastructure

它已經不像傳統機房。

更像一座把 GPU、電廠、天然氣、光纖、冷卻與工業設施綁在一起的小型能源城。

---

五、AI 的瓶頸正在從 GPU 數量移向「你到底能不能供電」

過去幾年 AI 產業最常見的問題是：

買不到 GPU。

H100 不夠。

HBM 不夠。

CoWoS 不夠。

但如果 GPU 供應持續改善，下一個瓶頸就開始浮出來：

Power。

你可以買到 100,000 顆 GPU。

但如果沒有地方提供幾百 MW 電力，那些 GPU 就只是非常昂貴的金屬。

這也是為什麼近年的 AI infrastructure 投資越來越常和：

天然氣。

核能。

SMR。

太陽能。

儲能。

輸電網。

發電廠。

直接綁在一起談。

AI Compute 不再只是半導體問題。

它開始變成能源問題。

而能源最後又會變成：

土地問題。

水問題。

空氣問題。

輸電問題。

地方政治問題。

Stratos 就是這條產業鏈一路放大之後，很具代表性的案例。

---

六、40,000 acres 這個數字也需要更新

社群圖片另一個最容易誤導的地方，是直接寫：

『It spans over 40,000 acres.』

這曾經是正確的原始 project area 規模。

2026 年 5 月，Box Elder County 公布的資料顯示，Stratos 原本規劃約 40,000 acres 的私人土地，分成三個區域。

但政治與地方反彈很快出現。

Utah Senate President J. Stuart Adams 在 6 月公開要求大幅縮小計畫範圍。

開發方隨後同意把 project area 從約 40,000 acres 減半至約 20,000 acres。

其中約一半預計保留為 open space，因此可開發土地大約為 10,000 acres。

所以截至 2026 年 9 月，再拿『40,000 acres』當成目前最新 Stratos footprint，就已經過時了。

但這件事還有一個有趣的地方。

土地縮小，不一定等於運算規模同步縮小。

目前公開討論中的 9GW long-term target 並沒有因 project area 縮減而自動消失。

所以真正該觀察的不是 acreage 本身，而是：

最終到底會建多少 GW 的 IT load 與 generation capacity。

這才會真正決定能源、熱與環境影響。

---

七、9GW 也不是今天的 Stratos

另一個必須釐清的地方，是 9GW 很容易被媒體寫成『這座資料中心使用 9GW』。

但開發方目前明確表示，9GW 是 anticipated full build-out target。

整個園區會分多年、分階段開發。

早期 thermal load 會遠低於完整 9GW 情境。

公開資訊曾提到早期階段約 3GW 的電力規模，但項目仍處於環境審查、詳細設計與基礎設施規劃過程中。

而且開發方目前也表示，長期能源組合不預期只依賴天然氣。

這點非常重要。

因為『23 顆原子彈』的熱負載分析，很大程度依賴：

9GW full load + 天然氣發電 + 約 55% efficiency

如果未來部分能源改成：

Solar。

Grid electricity。

Nuclear。

或其他電力來源，

發電端額外的 waste heat profile 就會不同。

但資料中心 IT load 本身最終仍然會把使用掉的電力大部分轉成熱。

所以能源來源可以改變總體熱負載與碳排結構，但無法消除『GPU 最後會變成暖爐』這個基本物理事實。

---

八、一台 GPU 是暖爐，十萬台 GPU 就是一座城市級熱源

這其實可以用非常直覺的方法理解。

假設一張高階 AI GPU 在運算時消耗接近 1kW。

1kW 電力最後大致會變成接近 1kW 熱。

一張：

1kW。

一千張：

約 1MW。

十萬張：

約 100MW。

再加上 CPU、HBM、Network Switch、Storage、Power Conversion 與其他 IT 設備，整座機房功率會再往上增加。

當這種叢集從 100MW 繼續擴張到 1GW、3GW、9GW 時，我們其實已經不該把它想成『很多電腦』。

它比較接近：

一個巨型電熱轉換工業系統，只是產出的有價值產品不是鋼鐵或化學品，而是 Token、模型與推論。

這個視角非常重要。

因為它說明 AI 工業化真正的物理底層：

所有看起來很抽象的模型能力，最後都需要土地、金屬、晶片、電力與散熱。

---

九、AI 資料中心正在從 IT 設施變成能源基礎設施

Stratos 最重要的意義，不是它到底等於幾顆核彈。

而是它讓一件事情變得非常清楚：

AI 基礎設施正在跨過一條線。

以前的 Data Center 是：

IT Infrastructure。

現在最巨型的 AI campus 開始變成：

IT Infrastructure + Energy Infrastructure + Industrial Cooling + Water Management + Gas Infrastructure + Grid Engineering + Land Development + Environmental Engineering

到了這個尺度，你已經不能只問：

『裡面用了幾張 NVIDIA GPU？』

還要問：

電從哪來？

熱去哪裡？

天然氣怎麼送？

需要多少土地？

會不會搶電？

會不會用水？

輸電線怎麼蓋？

地方政府願不願意接受？

這也是為什麼下一階段的 AI 競賽，很可能不只是在 NVIDIA、AMD、Google TPU 或自研 ASIC 之間競爭。

真正的競爭還會發生在：

誰能最快取得幾 GW 的穩定能源。

---

所以，那張社群圖片到底算真還是假？

最準確的答案是：

核心物理數字有來源，但呈現方式高度誤導。

『23 顆原子彈』來自一份真實的 preliminary thermal analysis。

『9GW』也是真實存在於 Stratos full build-out 規劃中的數字。

『40,000 acres』曾經是原始 project area。

但社群圖片沒有告訴你：

23 顆是一天總能量換算，不是核爆效果。

16GW 是特定 full-buildout 能源情境下的估算。

9GW 還沒有真正建成。

項目會分多年開發。

40,000 acres 已經縮減至約 20,000 acres。

未來能源組合也不一定全部由天然氣提供。

所以真正值得驚訝的，不是『AI 等於 23 顆核彈』。

而是我們正在進入一個 單一 AI campus 可以規劃數 GW 電力需求 的時代。

當算力規模大到這種程度，AI 已經不只是軟體產業。

它正在變成一種真正的重工業。

---

Tech English 技術名詞

Thermal Load｜熱負載：設備或系統需要排出的熱功率。資料中心消耗的電力最終幾乎都會轉化為熱，因此 GW 級 IT load 同樣意味著 GW 級散熱需求。

Waste Heat｜廢熱：能源轉換過程中沒有成為目標輸出的能量。天然氣發電無法 100% 把燃料能量轉成電，因此其餘部分主要以熱形式散失。

Dry Cooling｜乾式冷卻：利用空氣與大型散熱器排熱、不依賴大量蒸發水的冷卻方式，可降低水耗，但大量熱會直接排入周遭空氣。

Power Usage Effectiveness, PUE｜電力使用效率：資料中心總耗電量與 IT 設備耗電量的比值。越接近 1.0，代表冷卻與其他基礎設施的額外耗電越低。

Full Build-out｜完全建成規模：大型基礎設施專案經過所有階段後的最終設計容量，不代表目前已經存在或正在運轉的規模。

On-site Generation｜場內發電：資料中心直接在園區內建立電力來源，而不是完全依賴外部公共電網，可縮短供電建設時間，但也把發電、排熱與排放問題帶進資料中心園區。