一句話總結：AI 算力爆炸讓陸地上的資料中心面臨土地、電力、用水的三重極限，中國、日本、新加坡、韓國與歐美正把戰場拉到海上，用海水冷卻與離岸能源嘗試突圍——但海洋生態的代價才正要開始被算清楚。
核心要點
- 上海海底資料中心已在 2026 年 5 月正式商轉，這座耗資 2.26 億美元的設施宣稱比傳統機房省電至少 30%，並搭配離岸風電。
- 日本在橫濱測試浮動貨櫃式資料中心，結合太陽能板與電池儲能，用海水冷卻來解決狹小國土的土地痛點。
- 新加坡 Keppel 於 2026 年動工興建四層樓高浮動資料中心，預計 2028 年啟用，目標是避開該國極度有限的土地供給。
- 韓國蔚山自 2025 年起規劃海底資料中心，目標容納超過 10 萬台伺服器，同樣瞄準海水冷卻降低 30% 耗電。
- 美國 DeepGreen 與葡萄牙 SIN01 計畫則更進一步，分別嘗試用潮汐渦輪機供電，以及直接抽取大西洋海水冷卻後再排回。
- 不過，海水冷卻不是免費午餐——部分測試點周邊海水已升溫約 1 度，生態熱污染、維修困難與監管審查，正成為下一波爭議焦點。
說真的，AI 這頭怪獸的胃口有多大，看資料中心怎麼長出來就知道。土地不夠、台電變壓器等不到、水冷系統的用水量更是驚人到難以想像——你以為 AI 只吃電？它還吞掉大量淡水。於是把腦筋動到海上，突然間變得極度合理。
中國上海的案子跑得最快，2025 年 6 月啟動、2026 年 5 月直接進入商業營運，這個時程在基礎建設領域堪稱高鐵速度。2.26 億美元換來至少 30% 的電力節省，帳面上確實漂亮。但有趣的是，他們搭配的是離岸風電——這意味著即使在海上的算力設施，最終還是得看老天爺今天給不給風。
日本跟新加坡的選擇則更有「不得不為」的味道。日本在橫濱周邊測試海上浮動貨櫃，新加坡乾脆蓋起四層樓高的浮動資料中心，兩者都緊抓著一個核心邏輯：既然陸地已經塞不下，那就往海面長高、往海面延伸。新加坡 Keppel 的案子預計 2028 年啟用，到時候能不能真的擺脫「處理過淡水」的依賴，會是東南亞很重要的風向球。
韓國的野心更大，蔚山從 2025 年起規劃要放超過 10 萬台伺服器，這規模已經不是「測試」等級，而是直接往大型數據園區的規格在走。同樣喊出 30% 耗電降低的目標，但 10 萬台伺服器同時散熱，海水溫度會升多少？這個問題目前沒人有把握回答。
再把視線拉到歐美。美國緬因州的 DeepGreen 提議在芬迪灣設可潛式 AI 資料中心，用潮汐渦輪機供電——這個想法非常迷人，因為潮汐比太陽能或風力都更可預測。葡萄牙的 SIN01 則走更傳統的「抽海水、冷卻、排回去」路線，但爭議也最直接：你排回去的水，已經不是原來的水了。
話說回來，這些「下海」的解決方案有個共同盲點：它們解決了「陸地上的資源瓶頸」，但沒有解決「AI 本身的能源效率問題」。海水冷卻再厲害，也只是把熱從晶片帶走、再放進海洋裡。部分測試點周邊已經測到水溫上升約 1 度，1 度聽起來不多，但在海洋生態系裡，這個數字足以改變魚類的繁殖週期、覓食路線，甚至造成特定物種的遷徙壓力。
維修更是另一場惡夢。陸地上的機房壞了，工程師半小時內能到場。海面下的密封模組故障了呢？抱歉，你得把它整個吊上來。這種維修成本不是線性增加，是跳躍式暴增。再加上各國對於海底設施的環評、許可、監管，目前幾乎都是邊做邊修法——換句話說，技術進度跑得比法規還快，這在大型基礎建設裡從來不是好事。
編輯觀點： 從產業面來看，資料中心「下海」確實是不得不為的務實選擇，但我們不能把海水冷卻神話化。它是一個「過渡解方」，不是終極解答。真正的問題在於：AI 模型的算力效率有沒有同步提升？如果每兩年算力需求翻倍，那再多的海底機房也不夠用。對一般人來說，與其擔心資料中心會不會破壞海洋，不如關注一件事——你每次叫 ChatGPT 回答問題時，背後的水資源成本其實比你想像的高很多。這不是要你不用 AI，而是希望你在享受便利的同時，知道代價被轉嫁到哪裡去了。未來的資料中心選址，不會只看「有沒有電」，還會看「這片海承受得住嗎」。
回到最核心的命題：這些海上計畫真的能讓 AI 的能源與碳排問題消失嗎？答案顯然是否定的。海水冷卻節省的電力，很快就會被更多、更大的模型吃光。這就像換了一台更省油的車，結果你開的里程數變成原來的三倍——油錢算起來根本沒省到。
還有一層更深的問題：當資料中心開始佔領海洋，誰來決定「哪片海值得被犧牲」？ 這不是科幻小說的劇情，而是各國政府現在就要面對的分配正義。上海、蔚山、橫濱、新加坡、芬迪灣、西尼什——這些地點的共同點是：它們都是海洋生態相對敏感或漁業經濟重要的區域。你要在那邊蓋資料中心，就注定要跟漁民、環保團體、甚至觀光業者對幹。
從這裡往後推演，接下來的幾年我們會看到幾種發展：第一，海底資料中心的環評標準會被拉高到近乎苛刻，尤其在日本與歐盟這些對環境規範較嚴格的市場；第二，海水冷卻技術會進化成「混合式」——可能搭配深層海水、或者只抽取特定溫層的水來減少熱影響；第三，也是最重要的，AI 晶片的能效進步速度必須追上資料中心的擴張速度，否則這場「下海大賽」最終只會變成另一場生態災難的前奏。
所以，下次當你看到 AI 資料中心「下海」的華麗新聞稿時，記得問一句：那片海裡的魚，有人幫它們搬家了嗎？
AI 的未來不能沒有算力，但算力不應該以海洋生態作為代價。這不是科技與環保的二元對立，而是一個必須同時管理技術發展與環境成本的複雜課題。身為使用者，我們至少可以做一件事：當你使用 AI 工具時，問問自己這個問題真的需要 AI 來回答嗎？ 每一次不必要的算力消耗，最終都會被換算成某片海域裡上升的 0.1 度水溫。技術會繼續前進，但我們對代價的認知，也該跟著升級了。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
海底資料中心真的比傳統資料中心省電嗎？
是的，根據目前實際營運的案例，例如上海海底資料中心，利用海水直接散熱可以節省至少 30% 的電力，但這筆節省下來的電，很快就會被持續增長的 AI 算力需求吃掉。
海水冷卻會對海洋生態造成什麼影響？
最主要的影響是「熱污染」。資料中心排出的溫水可能改變周邊海域的含氧量與酸鹼值，目前部分測試點已觀測到海水升溫約 1 度，長期可能影響魚類繁殖與遷徙。
為什麼科技大廠不直接在陸地上蓋更多資料中心就好？
因為陸地面積有限、台電變壓器供應不足、水冷系統消耗大量淡水，再加上環評與地方抗爭，讓傳統陸地機房的擴張成本與難度已經高到難以負荷。
台灣有機會發展海底或海上資料中心嗎？
台灣周邊海域生態敏感且有颱風風險，加上海底電纜與離岸能源基礎建設仍在發展中，短期內商業化的難度極高，但相關技術的導入值得關注。
資料中心「下海」之後，AI 的碳排放問題就解決了嗎？
沒有。海水冷卻降低的是「散熱用電」，但如果這些設施仍仰賴化石燃料發電，碳排放問題並未消失。真正要解決碳排，必須搭配再生能源供電與 AI 模型本身的效率提升。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
