执行摘要
AI为中国台湾数据中心带来的两类收益
中国台湾 · 每年NT$ bn · 建设 = 每年150-250 MW,每MW NT$300-380 mn,不含IT设备
来源:[Kira estimates],基于[Taipei Times Aug 2026];[TechNews May 2026]
当下应切入AI建设需求,并先以千瓦时证明机房内的收益,再按人力节省为AI定价。
DeepMind 2016 · Taipei Times Aug 2026 · TechNews May 2026 · TWM Mar 2026 · Visionbay 2026 · Kira estimates = KIRA analyst triangulation · 完整引文见「研究方法与来源」
GPU云、冷却设备厂商与AI机房运营商位于暴露度最高的象限;Taipower的暴露来自需求端,而非自身运营
按AI对其所售产品的改变程度及对其工作方式的改变程度,为价值链各环节评分。
各价值链环节的AI暴露度
中国台湾数据中心 · 评分1-5 · 外部视角估算 · 2026年10月
来源:[Kira estimates],基于第1章和第2章的证据
两类暴露
需求端: AI租户采购高密度液冷机房,因此GPU云、冷却设备厂商和机房运营商的订单最先发生变化。Taipower感受到的是负荷:用电申请达4,523 MW[Taipei Times Aug 2026]。
工作端: 机房是传感器密集的系统,最早的AI冷却模型就是从传感器既有记录的数据中学习的[DeepMind 2016]。随着维护从定期检修转向状态检修,设施服务变化最大。
说明评分是我们基于公开信号的外部视角判断,并非调查结果[Kira estimates]。
既供应建设需求、又负责控制运行的供应商,可同时受益于两类暴露。
DeepMind 2016 · Taipei Times Aug 2026 · Kira estimates = KIRA analyst triangulation · 完整引文见「研究方法与来源」
三句话结论
当下,AI是租户。 龟山一座机房约7,000颗GB300 GPU在上线前即已基本售罄[TWM Mar 2026],Foxconn首个B300集群出租率超过90%[Visionbay 2026]。
作为工具的AI仍停留在承诺阶段。 机器学习控制曾使Google一处站点的冷却能耗最多降低40%[DeepMind 2016];我们未发现中国台湾机房公布的任何成果。
电力决定节奏。 在申请的4,523 MW中,已运营站点签约的仅303.5 MW[Taipei Times Aug 2026],因此每节省1千瓦的价值都高于其释放的人力。