觀點

Anthropic 的 AI 擴張,正撞上電力與電網的硬上限

Better Data Center Project 預測,2028 年 Anthropic 所使用的電力中,87% 將來自天然氣、11% 來自煤炭。這不只是環境議題,也直接牽動 Claude 的 API 擴容、推理價格與服務穩定性。

字級

Anthropic 的 AI 資料中心規模愈來愈大,電費帳單也跟著膨脹。

Better Data Center Project 於 2026 年 11 月 16 日發表的文章〈How AI is powered: A breakdown of BYOP and grid power〉提出一組預測:到了 2028 年,Anthropic 使用的電力預計有 87% 來自天然氣、11% 來自煤炭。

這不是 Anthropic 已公布的能源承諾,也不是既有的用電統計,而是該篇報導建立的預測模型。

但這個模型點出一個容易被忽略的事實:Claude 的擴容路線,正逐步踏入傳統能源與電網基礎設施的領域。

對開發者而言,最實際的問題不是「資料中心究竟有多乾淨」,而是:

  • Claude API 能否如期擴容?
  • 推理價格能否持續下降?
  • 尖峰時段是否可能因電力不足而限流?

87% 天然氣意味著什麼

先釐清這組數字的範圍。

報導稱,到了 2028 年,Anthropic 使用的電力預計有 87% 來自天然氣、11% 來自煤炭。這裡的「使用的電力」是指支撐其 AI 基礎設施的供電,不是 Anthropic 辦公場所的日常用電。

天然氣之所以成為現實選項,並不難理解。

AI 資料中心屬於持續高負載設施。訓練任務可以排隊,但上線後的推理服務通常需要全天運作。它需要的不只是「一度電」,還需要穩定電壓、足夠容量,以及可預期的供電。

天然氣發電具備幾項現實優勢:

  • 機組較容易調度,適合配合波動負載;
  • 與再生能源組合時,可承担調峰任務;
  • 相較於單獨興建燃煤機組,排放通常較低;
  • 對部分電力開發商而言,它仍是可融資、可簽訂長期合約的成熟電源。

但 87% 不是一個輕描淡寫的數字。在報導採用的預測中,Anthropic 大部分供電都與天然氣發電綁定。天然氣價格、管線接入、燃氣渦輪機交付週期,以及當地空氣品質規範,都會成為 Claude 基礎設施的變數。

11% 的煤炭同樣不能輕易忽略。

煤電的碳強度通常高於天然氣,而且設備使用壽命很長。若這部分來自既有機組,便代表 Anthropic 購買的是電網中的混合電源,而不是為每台 GPU 配上一台燃氣渦輪機。

這裡需要區分兩件事:

  1. 電力結構描述的是供電來源。
  2. 並網方式描述的是資料中心如何接入這些電源。

兩者彼此相關,但不是同一項指標。不能看到 87% 天然氣,就推論「87% 的 Anthropic 資料中心由自有天然氣電廠供電」;也不能因為電力來自電網,就忽略煤電對局部電網容量與穩定性的影響。

BYOP 不只是「自備電源」

BYOP 是 Build Your Own Power 的縮寫。更精確地說,它指企業自行興建並營運資料中心及配套電力基礎設施,而非完全依賴公共電網供電。

報導區分了兩種 AI 算力基礎設施模式:

  • BYOP:自行興建並營運資料中心;
  • 依賴電網供電:租用或興建算力設施,電力則由當地公用事業系統供應。

「自建資料中心」聽起來像是買幾排機櫃。實際上,採購電力、選址與並網是三道不同的難關。

採購電力

企業可能與公用事業、IPP 或能源交易商簽訂長期購電協議,也就是 PPA。協議鎖定的是價格、交付量與合約期限,不會把發電機搬進機房。

長期 PPA 可以降低價格波動風險,卻也可能帶來新的風險:專案可能尚未並網、設備交付可能延誤,最低採購量也可能與實際訓練需求錯配。

選址

選址不只要考量土地與電價。

還必須檢查:

  • 當地是否有可接入的發電容量;
  • 高壓線路與變電站是否允許新增負載;
  • 冷卻水源是否充足;
  • 光纖網路能否接入其他訓練叢集;
  • 天然氣管線、燃煤電廠或再生能源專案是否有明確的交付計畫。

Google、Microsoft、Amazon 等大型雲端廠商,可以依靠多年累積的資料中心布局、採購管道與資本規模。創業公司若照搬這套計畫,最先碰到的很可能會是輸電容量,而不是模型程式碼。

並網

這是最容易卡住的一環。

一座 100 MW 的資料中心不是普通商業專案。並網需要電網營運方評估線路、變壓器、保護系統與區域負載。工程團隊提出的建設週期,也可能比電力設備的標準交付期還長。

因此,BYOP 並不等於「自帶電源」。它更接近一種重資產組合:企業必須同時管理 IT、機電、燃料供應、法規遵循與電網關係。

模型成本必須重新估算

過去討論 LLM 成本時,常見的公式是:

總成本 = GPU 採購與折舊 + 機房 + 電力 + 網路 + 維運

這個公式沒有錯,但顆粒度太粗。

若把一次模型服務拆開,可以先寫成:

單位 token 成本 = (GPU 折舊 + 電力 + 機房 + 網路 + 維運) / 有效 token

真正拉開差距的是「有效 token」。

假設機櫃已經採購,但客戶請求只占全天容量的一部分,未使用的 GPU 仍須支付折舊、製冷與維護費用。提高負載率,可以攤薄固定成本;降低負載率,則會讓看似便宜的硬體變得昂貴。

電費也不只是「度數乘以單價」。資料中心的電力成本還包括:

  • 電網容量費與輸配電費用;
  • 備用發電機、燃料與定期試運轉;
  • UPS 造成的電能損耗;
  • 冷卻系統用電;
  • 極端天氣或電網壅塞時的額外成本。

長期購電協議的價值,在於提前鎖定一部分價格與交付風險。但鎖住價格不代表鎖住容量。如果專案延後投產,模型服務仍須臨時購買高價的電網電力。

再往上一層,模型架構也會改變能源帳單。Mixture-of-Experts 模型通常只啟動部分參數;量化可以減少顯存與運算量;快取可以重複使用相同前綴;連續批次處理則能提高 GPU 使用率。

這些技術與商業決策,最終都會反映在基礎設施層:減少閒置算力、降低每個 token 的能耗,或提高併發密度。

這也是為什麼 Claude 的長期單位成本,不能只看 API 標價。

標價是收入端的變數。電力、選址、並網與備用容量,則決定服務能否持續供應,以及企業未來是否還有空間繼續降價。

爭議不只關乎碳排放

Anthropic 的預測數據登上 Hacker News 首頁時,獲得 176 分與 234 則留言。

討論很快超出「AI 是否環保」,轉向幾個更具體的問題:87% 與 11% 是否有足夠的公開資料支撐?煤電為何沒有被完全排除?天然氣價格上漲時該怎麼辦?局部電網壅塞會不會讓擴容計畫失真?

天然氣發電並不天然等同於低碳。

它的排放取決於上游甲烷洩漏、機組效率、燃料來源與運行方式。若當地電網主要由煤電供應,邊際電源與年度平均電源也不是同一個概念。

但對 Anthropic 而言,煤電可能具有一項很現實的價值:提供一定程度的對沖。

天然氣受管線限制與燃料價格影響,煤電則受煤炭供應、機組檢修與冷卻條件影響。不同燃料、不同地區的組合,可能降低單一能源中斷的風險。

真正困難的是局部電網。

某個地區的年度發電量看似充足,不代表目標資料中心所在的變電站有足夠的負載容量。電力即使能在數百公里外生產,也未必能及時送達機櫃。

因此,開發者最終關心的不是抽象的能源口號,而是 Claude 能否穩定擴容:

  • 新區域上線時,會不會被並網流程拖慢?
  • 流量激增時,能否取得額外電力?
  • 天然氣或煤炭價格上漲後,推理價格是否承壓?
  • 電網限電或燃料供應中斷時,服務優先順序如何安排?

這些問題直接對應 API 的可靠性、延遲與價格。

開發者社群為何爭論

Hacker News 上高分的質疑,集中在預測方法是否足夠透明。

目前可確認的關鍵事實包括:報導發布於 2026 年 11 月 16 日,原標題是 〈How AI is powered: A breakdown of BYOP and grid power〉;報導區分了 BYOP 與依賴電網供電兩種基礎設施模式。

但 87% 天然氣、11% 煤炭屬於預測,並非已發生的公開營運數據。讀者需要追問:模型採用了哪些公司揭露、採購協議與區域電網資料?是否存在未公開的能源合約?數字是按發電量、合約容量,還是實際供電量計算?

這些細節會改變結論。

另一類質疑則指向「直接供電」與「向電網採購」的差異。BYOP 模式下,企業可能擁有更清楚的可再生能源合約與選址控制權;電網供電則把建設週期與燃料風險分攤給公用事業,同時也增加區域壅塞與排隊接入的不確定性。

我的看法是,這兩種模式不該被壓縮成「誰比較先進」的排行榜。

對超大規模、負載長期穩定且具備資本運作能力的公司而言,BYOP 可以把電源、資料中心與模型訓練放進同一張時間表。對需求仍在驗證、規模還會快速變化的團隊來說,過早鎖死重資產反而危險。

這場爭論最有價值的地方,在於把三個層次分開:

  • 公開事實:報導的發布日期、標題,以及它區分的兩種基礎設施模式;
  • 模型預測:2028 年天然氣占 87%、煤炭占 11% 的能源結構;
  • 作者推算:電力結構如何對應成本、排放與擴容風險。

如果把這三層混在一起,任何能源結論都會顯得比實際情況更確定。

原始報導:Better Data Center Project,〈How AI is powered: A breakdown of BYOP and grid power〉;Hacker News 討論頁:Item 50597612。

編輯觀察

這組數字之所以重要,不是因為它證明了 Anthropic 的 AI 擴張「不環保」,而是它把模型競爭拉回了電力系統。GPU 可以按季度升級,輸電線路、變電站與燃氣機組卻往往需要數年。Claude 的服務規模越大,基礎設施的時間尺度就越難被軟體迭代掩蓋。AI Agent 若要長期運行,也會承受同一套容量限制。

我更關注 BYOP 相較於過去雲端採購模式的變化:企業不再只是向雲端廠商購買 token,也可能直接參與電源、資料中心與並網安排。模型公司開始像能源密集型製造商一樣管理長期合約。這能提高供給的確定性,也會把燃料價格與監管風險留在模型公司的資產負債表上。

不過,87% 與 11% 仍是預測,並非已揭露的事實。底層模型是否納入未公開 PPA,以及區域電網如何劃分,都可能改變比例。目前能夠確認的是:Claude 的瓶頸清單裡,必須加入「穩定供電」這一項。

來源: https://betterdatacenterproject.com/2026/11/16/how-ai-is-powered-a-breakdown-of-byop-and-grid-power/