白話科技|HVDC高壓直流電是什麼?台廠概念股有哪些?為何是資料中心配電新解方?
白話科技|HVDC高壓直流電是什麼?台廠概念股有哪些?為何是資料中心配電新解方?

AI需求持續發酵,包括Meta、Google、Amazon、OpenAI等大戶,無不加蓋資料中心,以應付未來的算力需求。

然而,與算力隨之而生的是電力需求,而隨著GPU效能持續增加用電量持續攀升,AI晶片龍頭輝達(NVIDIA)也預告將於2027年導入800伏特 HVDC(高壓直流)架構,用來支援新一代Kyber 1MW機櫃。

目前AI伺服器的電力配置,需將電網的交流電(AC)轉換成直流電(DC)再提供給各機櫃使用,中間需要許多的轉換節點,也造成電力的損耗和熱能產生。

但如果從配電的開始就以直流電來配送電力,就能大大減少能源損失。也因此,高壓直流電(HVDC)就扮演著關鍵角色。

HVDC是什麼?AI時代來了,電力也要升級

到底高壓直流電(HVDC)是什麼?

一般常見的電力裝置使用的是交流電(AC),電流在傳輸過程中會產生熱損,就像油罐車在配送油品至加油站的途中,因為溫度升高而出現的揮發損耗。當油品卸入加油站地下油槽時,氣壓變化也會造成氣化損耗,這就如同電力進入終端設備時因轉換效率而產生的能量損失。

而高壓直流電(HVDC)相較於傳統交流電(AC),就像是將油品透過密閉高壓管線直接輸送,而非使用一車車油罐車運送。密閉管線則能穩定控制壓力與流速,幾乎沒有損耗。HVDC 同樣透過穩定電壓與單一方向流動,大幅降低傳輸損耗、提高效率,特別適合跨區、超長距離的電力傳輸需求。

在現有的AI伺服器配電架構上,採用的是低壓直流匯流排(Busbar)進行供電,電壓僅有48V、54V(伏特),需要更粗的銅線傳輸電力,才能維持伺服器功率,導致能量因電流過大而發熱損耗,但若改成高壓直流電(HVDC),以400V、800V的電壓供電,電流就可以降低,減少熱損耗。

簡單來說,HVDC主要的優點就是可以把大量的電,從很遠的地方、或是從一些特別的地方(像是海上風力發電廠)高效地送過來,而且損耗比較少。對於未來的AI伺服器這種「用電大戶」來說,直接用HVDC供電,就像是把「高速公路」直接接到電腦裡,讓電腦可以直接「吃到」更純淨、更有效率的電,也能更省電。

HVDC可將電源效率從87.6%提升至89.1%,若再簡化透過固態變壓器,電源傳輸能效將增加至92.1%。台達電源及系統事業群副總裁暨總經理陳盈源指出,即使是1%的效率提升,對於一個GW(十億瓦)級別的資料中心來說,也相當於節省了10MW的電力,能顯著節省大量的用電成本。

HVDC常見的應用場域:

1. 跨海或長距離的電力傳輸 :將風力發電或太陽能發電的電,從海上或偏遠地區送到城市。
2. 連接不同國家的電網 :不同系統的國家可以互相支援用電。
3. 大型再生能源發電廠 :如海上風電場,因位置相距遠,用 HVDC 傳輸效率更高。
4. AI資料中心/伺服器 :未來必然會越來越多,HVDC為直流電可減少轉換損失,更省電。

以目前正在量產的輝達GB200 NVL72的機櫃來說,一組機櫃用電量是140kW,其供電的方式已從交流電(AC)轉換成直流電(DC),但現有的資料中心仍然以AC電源供應為主,陳盈源指出,從電網到晶片的電力轉換,傳統AC架構的供電效率僅約87.6%,「每一次電壓轉換都會產生損耗並轉化為熱能,導致大量電力在未使用前就損失掉,」且AI伺服器的負載變化劇烈(例如從120KW增至1.2MW),這會導致電壓不穩定,造成不斷電系統(UPS)異常放電、電池壽命縮短,發電機因無法承受快速負載變動而損壞,甚至可能引發電網跳電。

而一台機櫃中,AI伺服器就佔用了機櫃中四分之三的空間,使得機架式電源、備用電源(BBU)或機架式電容(PCS)等電力設備沒有足夠的額外空間安裝,若轉換成高壓直流 (HVDC) 電源架構,能提升AI資料中心供電效率並簡化電力傳輸路徑。透過減少電力轉換次數來提高效率,能減少30%以上線路損失,橋接50Hz/60Hz電網,也成為全球電網升級的首選技術。

台灣有哪些廠商布局HVDC?

HVDC的配送需要有高壓電纜、電源供應器以及變壓器,以下為各領域台廠布局:

白話科技_HVDC電網概念股.jpg
AI伺服器用電龐大,帶動相關電網零組件廠商需求,台達電也積極布局最新AI伺服器800V電源架構。
圖/ 黃詩媛製圖

高壓電纜

在電力傳輸路徑中,高壓電纜扮演著輸送電力的「血管」。台灣的線纜大廠如華新麗華、大亞等,雖然傳統上主力在AC高壓電纜,但由於HVDC對電纜絕緣與材料有更高要求,這些廠商也正積極投入HVDC專用電纜的研發與製造,未來可望成為HVDC傳輸基礎設施的關鍵供應商。

電源供應器

除了上述重電與線纜廠商,電力電子與電源供應器廠商台達電也在5月宣布投入HVDC電力設備技術開發,預期將加速HVDC在資料中心的普及。根據口袋學堂指出,台達電目前在HVDC相關產品占比總營收24%,設備如資通訊基礎建設、800V HVDC電源櫃、1.8MW動力系統。

台達電指出,針對800V HVDC全新架構,已開發對應的電源產品,預期很快會導入客戶端應用。而台達電也是少數從「電網到晶片(Grid-to-Chip)各個轉換階段都可以提供完整電源和散熱方案的供應商,目前相關產品也已送樣給客戶驗證。

變壓器

華城則是聚焦在HVDC變壓器的訂單,預計占比營收超過30%,並且擁有全台首座500kV HVDC單相400MVA變壓器製造技術,目前訂單能見度滿載到2028年。

士林電機則是啟動變壓器和直流繼電器(HVDC RELAY)新產線,此產品也是HVDC系統中重要的保護元件。

世界經濟論壇2025年年度會議指出,2024年全球資料中心總用電量為2,610億度電,相當於全台灣一年的用電總量(2024年為2,830億度電),他們也預估未來全球資料中心(包括超大型及邊緣運算)2022到2030年用電量將增長300%,預計到2027年,全球AI資料中心的用電量將會增加到5,000億度(kWh)。

陳盈源2025年5月曾於「COMPUTEX系列論壇活動–AI NEXT FORUM」論壇中表示,蓋一個電廠3~5年,以現在資料中心的用電成長幅度,供給根本不夠,如何讓配電更有效率、更節能的被使用,是在AI蓬勃發展下,各個資料中心都需要面對的課題。

而高壓直流電(HVDC)作為一種高效、低損耗的電力傳輸技術,正好回應AI資料中心急遽升溫的用電挑戰,也有助推動電網升級、邁向淨零轉型。而台灣廠商憑藉在電源供應器、重電設備、變壓器以及線纜等領域的技術與全球供應鏈地位,有望在全球AI能源轉型中扮演關鍵角色,為台灣帶來新的產業成長動能。

延伸閱讀:電費愈貴它愈搶手,虛擬電廠是什麼?為何是AI時代穩定供電關鍵?

資料來源:口袋學堂環境資訊中心

責任編輯:李先泰

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓