全球人工智慧(AI)競賽如火如荼，但算力資源的極度短缺正成為產業發展的最大瓶頸。半導體研究機構 SemiAnalysis 創辦人兼執行長Dylan Patel於 Runtime 2026 研討會發表演講時指出，OpenAI 與 Anthropic 等頭部 AI 實驗室正大量預訂全球新增算力，使得市場呈現前所未有的壟斷現象，廣大新創公司與一般企業正面臨「有錢也買不到算力」的困境。

Patel 的分析顯示，全球算力總量成長極為迅速，已從 2024 年底的 60 吉瓦(GW)大幅增至今年底的 100 GW 以上，兩年時間幾乎翻倍。然而，算力增量的主力買家極度集中：OpenAI 與 Anthropic 所擁有的算力總量，已從去年底的 4 GW 飆升至今年的 10 GW，預估明年將突破 20 GW。

以 2027 年為例，全球預計新增約 40 GW 的算力，而這兩家 AI 巨頭就將鎖定其中的 12 GW，佔新增算力總量的 25% 至 40%。Patel 更預估，到了 2028 年，AI 實驗室每年新增的需求將高達 30 GW。

這些龐大算力絕大多數被保留用於模型訓練，而非用於服務使用者的推論。以 Anthropic 為例，在其現有的 4 GW 算力中，僅約 1 GW 用於 Claude Code 的推論服務。Patel 認為，這意味著即使終端使用者需求趨於穩定，AI 巨頭為訓練下一代新模型所投入的預算，仍會持續佔用絕大多數的高階晶片。

算力高度集中引發了嚴重的供需失衡，直接推升了晶片的租賃價格。根據 SemiAnalysis 統計，輝達(NVDA-US)H100 資料中心晶片的一年期合約租金，已從去年 10 月低點的每小時 1.70 美元，一路飆升至目前的 2.40 至 3.20 美元(中間值為 2.80 美元)。

Patel 拆解背後商業邏輯指出，推升租用價位的動力源於賣 Token這門生意本身利潤極高。SemiAnalysis 測算顯示，自建一個 1 百萬瓦(MW)的 B300 叢集，包含建設與五年營運折舊年化成本約 900 萬美元，若向雲端業者租用則需約 1400 萬美元；然而，利用該 1 MW 算力運行開源模型 DeepSeek V4.1 Flash，在 60% 利用率下年收入可達約 7000 萬美元。

即使利用率下降至 30%，利潤依然極為可觀。Patel 預測，若未來 H100 租金突破 3 美元、B300 突破 7 美元也不令人意外，並給出建議：「若能在市場上找到每小時 6 美元的 B300，就應該果斷簽約去賣 Token」。

然而，即使企業租得起算力，雲端服務供應商能否穩定交付又是另一個考驗。

SemiAnalysis 針對全球 323 家雲端業者進行 ClusterMAX 評測，在實際測試的 77 家中僅 19 家獲得肯定標章。評分最高的 CoreWeave 與 NEBIUS 未來半年配額早已售罄，且要求高額預付款；AWS 則因流程繁瑣、網路設定與交付耗時較長遭降評。

更令人擔憂的是安全性與可靠性問題。Patel 透露，測試團隊利用落後於頭部實驗室的開源模型對雲端進行安全測試，竟輕易攻破部分雲端的 Slurm 叢集調度系統權限，直接窺探到某些國家國防與情報機構的作業名稱。在 GPU 故障注入測試中，許多雲端業者無法透過自動監控即時察覺，甚至在接到通知後仍需數天時間回應。

算力擴充背後需要龐大資金支持。Patel 預估至 2029 年底，全球 AI 資本支出將高達 11 兆美元，其中約 7 兆美元依賴債務融資。

然而，隨著美債 10 年期殖利率突破 5%，融資成本大幅增加，依賴借貸建置機房的新興雲端業者(Neocloud)陷入資金困境，被迫將算力轉賣給超大規模雲端業者(Hyperscalers)。這導致明年已簽約的新增算力中，約 65% 至 70% 將進一步向雲端巨頭與 AI 實驗室傾斜。

雖然輝達已透過擔保土地電力(如 SoftBank Energy 在俄亥俄州為 OpenAI 打造的 9 GW 設施)、租賃保底(Firmus 模式)等方式託底約 6.5 GW 算力以維持開放市場流動，但 Patel 坦言這對於龐大的新增需求而言僅是「杯水車薪」。

Patel 於演講結尾沉重警告，新興實驗室與業者正轉向自建叢集與尋求融資，若無法順利取得算力，「我們恐怕終將成為 Anthropic 與 OpenAI 的奴隸」。