Chip Insight 資料庫
#AI Data Center
找到 11 篇文章
晶片沒進中國，算力進去了：ByteDance 如何透過挪威取得 2,304 顆 NVIDIA B200 算力
Nscale 的美國 IPO 文件揭露，一項位於挪威 Glomfjord 的 AI 基礎建設融資案涵蓋 2,304 顆 NVIDIA B200 GPU，主要客戶之一為新加坡公司 Spring。Financial Times 進一步報導 Spring 與 ByteDance 有關，而該客戶更曾貢獻 Nscale 2025 年約 73% 的營收。這起事件真正重要的地方，不只是中國企業如何取得先進 AI 算力，而是它暴露出出口管制的一個根本問題：當晶片沒有跨境，只有計算工作跨境時，傳統以硬體流向為核心的管制制度要如何定義『取得先進晶片能力』？
GPU 到底都拿去做什麼了？AI 吃掉最貴的產能，遊戲玩家真的只拿到剩下的嗎？
2026 年全球仍在大量生產遊戲 GPU，光第二季桌面獨立顯卡就出貨約 1,250 萬張，因此「NVIDIA 已經不想做遊戲卡」並不正確。但如果看的不是晶片顆數，而是最先進晶圓、HBM、CoWoS、封裝材料、資本支出與供應鏈議價權，答案便完全不同。NVIDIA 單季 Data Center 營收已達 890 億美元，而 Compute & Networking 營收超過 Graphics 十倍。玩家不是拿 AI GPU 的剩料做成 RTX，但在今日半導體產業最稀缺資源的配置順位裡，Gaming 確實已不再坐頭等艙。
NAND 漲太兇連原廠都怕了：Kioxia 主動踩煞車，擔心高價反而殺死 AI 需求
NAND Flash 缺貨與 AI 儲存需求把記憶體價格推上高檔，但 Kioxia CEO Hiroo Ota 卻罕見表態，價格已經漲得夠多，現在更重要的是避免進一步急漲傷害資料中心客戶的長期 AI 投資。這不是 NAND 景氣突然反轉，而是供應商開始面對另一個風險：當零組件價格漲到客戶必須重新設計系統、削減容量甚至延後投資時，供應商自己的超級週期也可能被需求破壞終結。
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
一張瘋傳的社群圖片聲稱，美國猶他州一座 AI 資料中心每天產生相當於 23 顆原子彈的熱能，還占地超過 40,000 acres。這個說法並非完全虛構，但省略了最重要的條件：它指的是 Stratos Project 在未來達到 9GW 滿載、並以特定天然氣發電效率假設運作時的熱能等價估算，不是目前已經存在的運轉狀態。更值得關注的是，AI 基礎設施正在從一棟機房進化成自帶數 GW 發電、散熱、天然氣、光纖與工業基礎設施的能源園區。
DeepSeek 傳下單 16 萬顆華為 Ascend 950DT：NVIDIA 在中國 AI 市場面臨更深的國產替代壓力
DeepSeek 據報將為內蒙古一座 1GW 級 AI 資料中心採購約 16 萬顆華為 Ascend 950DT，訂單估值可能達 25.6 億美元。更值得注意的不是單一晶片性能，而是中國大型 AI 業者開始願意用更多晶片、更大的叢集與更高系統複雜度，換取降低對 NVIDIA 的依賴。
38,000 次 ChatGPT 查詢才等於一顆杏仁？Sam Altman 再戰 AI 資料中心用水爭議
OpenAI CEO Sam Altman 宣稱，大約 38,000 次 ChatGPT 查詢所消耗的水，才相當於在加州生產一顆杏仁，並表示現代大型資料中心的直接用水量已可降到接近一般辦公大樓。然而這個說法與 Altman 2025 年自己公布的數字並不完全一致，也再次凸顯 AI 用水爭論最大的問題：不同研究計算的系統邊界、冷卻方式與基礎設施世代完全不同。
AI 晶片展裡最容易被忽略的公司：沒有電，再多 GPU 也只是昂貴的金屬盒
SEMICON Taiwan 2026 聚光燈大多落在先進製程、AI 晶片與封裝，但 Eaton 展出的卻是另一個正在快速成為 AI 基礎設施瓶頸的領域：電力。從 MW 級 UPS、800V 直流供電、Busway 到液冷，AI 資料中心正在迫使電力架構跟著 GPU 功耗一起重新設計。Eaton 同時宣布未來四年再投入新台幣 3 億元擴大台灣布局，背後反映的是一個簡單現實：AI 算力競賽走到最後，首先得回答電從哪裡來、怎麼送進機櫃，以及產生的熱要怎麼帶走。
一櫃吃掉 74.7TB 記憶體：NVIDIA Vera Rubin 記憶體成本暴增 2.5 倍，AI 正把 DRAM 推向新戰場
NVIDIA 下一代 Vera Rubin NVL72 不只是 GPU 性能升級，更把 AI 伺服器的記憶體需求推向新的量級。根據 UBS 成本估算，一組 Vera Rubin Superchip 約需 38,902 美元，其中 HBM4 與 SOCAMM2 LPDDR5X 記憶體合計約 24,297 美元，占比高達 62%，高於 Grace Blackwell 世代約 53%。整體平台成本相較前代增加約 2.1 倍，但記憶體成本卻增加約 2.5 倍。完整 NVL72 機櫃更配置約 20.7TB HBM4 與 54TB LPDDR5X，總記憶體容量達 74.7TB，約相當於 4,500 支智慧型手機的 DRAM 用量。隨 NVIDIA、AMD 與其他 AI 業者持續提高單一系統記憶體配置，AI 基礎建設競爭正在從 GPU 供應進一步擴散至 HBM、LPDDR 與整體 DRAM 產能。
美國 AI 資料中心禁令突破 500 項：地方反彈升溫，電力、水資源與噪音成擴張新障礙
美國 AI 資料中心擴張正遭遇快速升高的地方政治阻力。根據 The Information 分析，全美針對新資料中心開發的禁令、暫停令與限制措施，已從 6 月底約 300 項增加至 7 月超過 500 項，其中超過 400 項集中於美國中西部與南部。從德州電網、新 York 大型資料中心審批，到科羅拉多州的水資源與環境疑慮，地方政府開始把 AI 基礎建設帶來的電力、水、噪音與公共服務壓力轉化為實際政策限制。AI 資料中心競賽正從晶片與資本支出問題，進一步演變成能源、土地與地方政治問題。