重點摘要：
- AI（人工智慧）革命仍依賴實體基礎建設，例如資料中心（集中放置大量伺服器、提供運算與儲存的機房）、供應鏈（把零件與設備從工廠送到使用地的整套運輸與供貨系統）、工業生產。
- 石油對運輸、建設，以及技術製造所需的石化材料（由石油加工得到的化學原料，例如製作塑膠、絕緣材）很關鍵。
- 主要產油區的地緣政治（國與國之間的政治與安全關係）緊張，會影響能源價格，進而推高 AI 建置與運作成本。
- 資料中心耗電極大，使 AI 成長與全球能源市場緊密連動。
- AI 也正在改變石油產業，協助企業提升探勘（找出可能有油氣的地層）、效率與產量。
「完全數位經濟」的錯覺
人工智慧常被視為 21 世紀數位經濟的核心力量。科技公司投入數千億美元發展先進 AI 模型（用大量資料訓練出的運算系統），各國政府也加速建置支撐這波轉型所需的數位基礎建設。
當人工智慧擴展到醫療、金融、物流（把貨物與零件運送到各地的系統）、製造與能源等領域，現代經濟看起來越來越由演算法（解題規則與計算流程）、資料與運算能力推動。
全球資料中心用電需求成長
資料中心耗能構成
重點資料：全球資料中心用電量（2020–2035）。依 IEA（國際能源署）的推估，資料中心能源需求有四種主要情境（不同假設下的推算路徑）：
- Lift-Off（加速成長）：預估 2035 年用電量約 1,750 TWh（太瓦時，1 兆瓦時的 100 萬倍，用來衡量大型用電量）。
- 基準情境：預估 2035 年穩定升至約 1,200 TWh。
- 高效率：若有更好的最佳化（用技術與管理把耗能降到更低），用電量可壓在 1,000 TWh 以下。
- 逆風（停滯）：若成長受限，用電量可能維持在約 700 TWh。
許多人因此以為，經濟正在遠離傳統工業。數位世界看起來像是與過去推動經濟成長的實體系統無關。
但這只是部分真相。
AI 再怎麼「數位」，也無法脫離傳統經濟。每個演算法與智慧系統背後，都有龐大的工業骨幹：能源生產、全球供應鏈、建設與實體基礎設施。
而這套骨幹的核心資源之一仍是：石油。
為何擴大 AI 規模離不開重工業與柴油
人工智慧看似「看不見摸不著」，但支撐它的系統非常實體。先進 AI 模型依賴大量運算基礎設施，包括伺服器（提供運算與存取服務的電腦）、專用處理器（為 AI 設計的晶片，例如 GPU）、大型資料中心。
建一座現代資料中心，規模接近大型工業設施。需要大量水泥、鋼材與專用設備，也需要以柴油為燃料的重型施工機具。硬體零件與半導體設備（製造晶片的機器）還要透過全球物流網運到目的地。
資料中心啟用後，為了讓成千上萬顆處理器 24 小時運作，會消耗大量電力。為維持穩定溫度，還需要先進冷卻系統（把設備產生的熱帶走的空調與冷卻設備），能耗也會增加。隨著全球採用 AI 的速度加快，支撐這些設施的能源需求正快速上升。
AI 的石化底座：用石油打造硬體與半導體
石油仍深植於支撐現代科技的工業體系。負責運送硬體、半導體零件與電子設備的全球運輸網，仍高度依賴化石燃料。同時，由石油衍生的石化產業也提供科技業所需的關鍵材料。
現代電子產品的許多材料來自石化製程（用石油加工成各種化學材料）。裝置用塑膠、保護電纜的絕緣材料，以及伺服器與電腦內部的各種結構零件，都依賴石油衍生物。也因此，再先進的 AI 系統，仍仰賴與傳統能源密切相連的產業網。
地緣政治、石油市場與科技成本
石油對數位經濟的影響不只在基礎建設與製造。全球能源市場的變化，特別是由地緣政治緊張引發的波動，會明顯改變科技系統運作的整體成本環境。
石油市場向來對地緣政治非常敏感，尤其是中東。該區擁有全球最大的油藏（地下可開採的石油），也是全球能源供應的核心地帶。
近期因該區緊張升高，原油價格一度衝破每桶 110 美元。市場快速反應，擔心供應中斷，以及重要能源航道周邊的不穩定。
最關鍵的戰略要道之一是荷姆茲海峽，每天約有 2,000 萬桶石油通過，約占全球石油消耗量的 20%。這是能源海運最重要的航線之一。一旦該航道受到威脅，油價就會加入「地緣政治風險溢價」（因可能斷供而額外上漲的部分），反映供應受阻的機率。
衛星圖：比較 2026 年 2 月 27 日與 3 月 3 日荷姆茲海峽船舶密度，凸顯這個關鍵海上要道
來源：BBC
當能源變貴，科技也會被波及
油價上漲通常不只影響能源業。能源成本變高，會推升運輸費、製造成本與建材價格，影響整體經濟。
而這些正是支撐數位經濟的工業底盤：資料中心要蓋、設備要造並跨洲運送，還要裝設大型供電系統以維持穩定運作。
因此，能源價格波動會間接影響 AI 基礎設施的建置與營運成本，包括資料中心、半導體製造工廠（生產晶片的工廠），以及支撐科技業的全球供應鏈。
即使經濟越來越由資料與演算法主導，能源成本仍是影響科技發展的核心因素。
人工智慧也在改造石油產業
人工智慧與石油不只是單向依賴。近年能源業也開始導入 AI，提升效率並改善資源管理。
油氣公司愈來愈常用 AI 分析地質資料（描述地下岩層結構與成分的資料），找出更有機會的鑽探位置，並強化油藏模型（用來推估油氣分布與可採量的計算模型）。機器學習（讓電腦從資料中學規律的 AI 方法）也用來預測設備故障，讓營運方能減少停機時間，避開昂貴的中斷。
透過提升營運效率與分析能力，人工智慧幫助能源公司更有效管理資源並改善生產流程。
新舊經濟的共生關係
這顯示數位經濟與傳統能源系統彼此加強：石油支撐 AI 所需的工業基礎建設，而 AI 也提供工具，讓能源業運作更有效率。
AI 並非取代傳統工業，而是與之同步演進。
重大科技變革很少憑空出現，通常是建立在多年累積的既有經濟系統與基礎設施之上。因此，AI 的崛起不是與工業過去切割，而是延伸。
未來：科技建立在能源之上
人工智慧是當代最具影響力的技術之一，但它的成長並不代表工業底盤走到終點。
數位浪潮仍由能源系統、全球供應鏈與實體基礎建設支撐。每個 AI 模型、資料中心與智慧系統，最後都離不開這些物質基礎。
關鍵問題
- AI 成長真的會增加全球石油需求嗎？
AI 雖是數位技術，但需要大量實體擴張。建資料中心要靠重工業生產；全球供應鏈運送硬體也高度耗油。AI 規模越大，支撐它的工業系統就越依賴傳統能源。
- 資料中心明明在轉向綠能，為何仍離不開化石燃料？
能源成本是科技「總持有成本」（TCO，包含購買、用電、維護等全部成本）的關鍵。如果中東等地緊張升高，或荷姆茲海峽這類要道出現風險，油價常會跳升。成本上升會擴散到整個經濟，使晶片製造、零件運輸與 AI 所需供電更昂貴。
- AI 是否用來提升石油產業效率？
是雙向關係。能源公司正用機器學習分析地質資料，更精準找鑽探位置；AI 也能提前預測設備故障，降低停機損失，並改善資源管理。
- 在越來越數位的經濟中，為何石油仍重要？
若把數位經濟看成與實體世界分開，就是誤解。石油不只拿來供能，也是科技產業的原料來源：石化材料用來製作塑膠、絕緣材，以及伺服器與電腦內部零件。AI 不是取代舊經濟，而是建立在其之上。
- AI 會增加石油需求嗎？
會。AI 成長需要用鋼材與水泥建資料中心，也需要以柴油為主的運輸系統搬運硬體。
立即開始交易 – 點擊這裡創建您的 VT Markets 真實賬戶
