被問到「我們的機房能不能放 AI 伺服器」時,我們不會直接回答能或不能。因為真正該問的是:要花多少代價才能承接,以及這個代價值不值得。
四道關卡,順序不能顛倒
我們把評估拆成四關,並且刻意按這個順序走——因為越前面的關卡,一旦不通過就越難用錢解決。
- 結構承重 高密度機櫃加上液冷設備與冷卻液,單櫃重量可能是原設計的數倍。樓板不足幾乎沒有便宜的補救方式,所以先看這關。
- 電力容量與末端配電 不只看契約容量,要看末端能穩定供到機櫃的實際值。這關通常可以用改造解決,但要算進停電作業的時程。
- 冷卻與氣流路徑 噸數夠不代表送得到。這關要靠模擬驗證,不能只看設備規格表。
- 空間與維護動線 液冷需要 CDU、管路與維護空間。很多機房卡在「設備放得下,但人進不去維護」。
四道關卡的改造難度與成本彈性
越往下越有改造手段可以處理;越往上越可能需要換場地
結構承重最難處理
空間與動線受限於既有格局
電力配電可改造,需停機
冷卻氣流彈性最大
什麼情況下我們會建議「不要改」
這一段我們通常會講得很直接,因為它牽涉客戶的資本配置:
- 樓板承重不足且無法補強 改造費用會逼近新建,卻仍受既有格局限制。
- 電力引入端已達上限 末端怎麼改都沒用,瓶頸在外面。
- 建物剩餘使用年限短 投入的改造成本攤不完。
- 只為了少數幾櫃 如果 AI 需求只有三五櫃,用代管或雲端資源通常更划算。
一個我們常給的替代方案:與其把整座機房翻新,不如切出一個高密度專區。集中改造局部區域承接 AI 負載,其餘維持原配置。預算級距與停機衝擊都小得多,而且保留了日後擴充的彈性。
評估要準備哪些資料
| 類別 | 需要的文件或數據 | 用途 |
|---|---|---|
| 結構 | 原始結構圖說、樓板設計荷重 | 計算目標配置下的荷重是否超標 |
| 電力 | 單線圖、契約容量、近一年用電曲線 | 判斷實際可用餘裕與尖峰行為 |
| 冷卻 | 空調配置圖、冰水系統規格、分區溫度紀錄 | 建立熱流模型的輸入條件 |
| 現況 | 機櫃佈局、既有負載清單 | 確認可調整空間與遷移順序 |
經驗上,資料越完整,評估結論的可信度越高、預算抓得越準。如果缺乏近一年的用電與溫度紀錄,我們會建議先補量測再評估,因為靠假設值算出來的結果,往往會在施作階段被推翻。
我們的觀點
AIDC 導入最貴的不是設備,而是方向判斷錯誤所導致的重做。四道關卡的目的不是把客戶擋在門外,而是讓投資決策建立在可驗證的條件上。
如果評估結果是「不建議改」,我們也會把理由與替代路徑一併說明。宏輝資電寧可在評估階段講清楚,也不願意讓客戶在施作到一半時才發現要換方向。
資料來源與引用說明
- Schneider Electric Blog — Data center power density: planning liquid-cooled AI data centers around grid and power constraints — https://blog.se.com/datacenter/2026/07/28/data-center-power-density-planning-liquid-cooled-ai-data-centers-around-grid-and-power-constraints/
- Network World — Why AI rack densities make liquid cooling nonnegotiable — https://www.networkworld.com/article/4149069/why-ai-rack-densities-make-liquid-cooling-nonnegotiable.html
- Adam Silva Consulting — Data Center Cooling Economics 2026: Liquid vs Air vs Immersion — https://www.adamsilvaconsulting.com/insights/data-center-cooling-economics-2026
本文為宏輝資電團隊依據上述公開資料所做的整理與觀點分析,數據引用自各來源之公開報導,文中觀點為本公司立場,不代表原始來源之意見。若內容有誤或需要更正,歡迎來信 service@honghui.com.tw 指正。