當生成式 AI 每回答一個問題，背後可能消耗一瓶礦泉水的水量時，那些被科技巨頭選中、作為「算力基地」的城市，究竟是迎來黃金發財夢，還是步入資源耗竭的惡夢？加拿大此刻正在上演的，正是這場 AI 繁榮與在地生存權的激烈衝突。當聯邦政府高喊「AI for All」國家戰略，地方小鎮卻因一座比三座足球場還大的資料中心而緊急喊卡——這中間的落差，恐怕不只是政策溝通不足，而是整個 AI 產業「水電成本」被長期漠視的總算帳。
一場從「綠能願景」到「地方噩夢」的失速列車
安大略省奧克維爾市議會在八月中旬投下一枚震撼彈：暫停所有資料中心興建計畫一年。隔壁的密西沙加市也預計在九月跟進表決。原因很直接——某科技企業打算蓋一座超級巨大的資料中心，規模相當於三座美式足球場。這不是特例。Meta 上個月才風光宣布要在亞伯達省史托金郡砸下九十億美元（約新台幣兩千八百九十一億元）蓋大型資料中心，結果亞省政府舉辦的公聽會上，成百上千的民眾擠爆會場，反對聲浪大到幾乎蓋過麥克風。
說真的，過去我們談到資料中心，頂多就是「耗電」兩個字帶過。但這波生成式 AI 催生的「超級算力怪物」，規格完全是另一個次元。特倫特大學教授 Anne Pasek 點出關鍵：新一代 AI 資料中心不只看起來像外星基地，更愛往鄉郊地區鑽——這讓原本寧靜的社區首當其衝，居民當然會跳腳。畢竟，誰能接受自家後院不遠處，冒出一個每天用水量比整個小鎮還多的「吃水巨獸」？
從產業面來看，這波加拿大民眾的反彈，其實是給全球 AI 熱潮的一記警鐘。過去兩年，科技巨頭的軍備競賽把「算力」捧成聖杯，卻沒人認真算過「環境成本」到底該由誰買單。當一座百萬瓦級的資料中心一年喝掉 25 億公升水、足夠八萬人生活用水時，這種資源排擠效應在氣候變遷加劇的此刻，簡直是火上澆油。有趣的是，加拿大政府一邊補貼 AI、一邊承諾減碳，現在這兩條路在地方現場直接撞車——這不是單一國家的矛盾，而是所有想拚 AI 強權的國家接下來都會面對的尷尬。
用電量比一座小城市還大，誰來承擔帳單？
先來看數字。巴塞克教授估算，一座大型 AI 資料中心的用電動輒五十到一百百萬瓦。五十百萬瓦是什麼概念？大概可以養活三萬七千五百戶家庭。這還只是算力運轉的基本盤，更別提那種超大規模設施，每天消耗的冷卻用水可能超過百萬公升。英國政府二○二五年一份報告更驚人：一座一百百萬瓦的資料中心，每年耗水量約二十五億公升，換算下來足以供應八萬人使用。
這些數據背後代表的，不只是「很耗能」三個字而已。根據加拿大民調公司 Leger 七月的調查，高達八成一的受訪者擔心家庭電費會因為資料中心暴增而大漲；七成九的人對環境衝擊感到焦慮。這不是杞人憂天，因為電網的基礎建設成本最終還是會反映在每度電的帳單上——科技巨頭賺走 AI 財，地方居民卻得承擔更貴的水電費，這種「利益私有化、成本社會化」的遊戲規則，才是民怨沸騰的真正核心。
當「AI 國家隊」遇上「庶民不信任感」
渥太華當局其實動作很快。今年六月端出國家 AI 戰略「AI for All」，承諾至少投資二十億加元（約新台幣四百六十億元）要把企業 AI 採用率從慘澹的 12% 拉到二○三四年前的 60%。但政治宣示很豐滿，現實卻很骨感。約克大學的統計讓人倒抽一口氣：截至今年七月，全國真正運轉中的超大資料中心（容量五十百萬瓦以上）只有五座，但正在規劃或興建的竟然高達一百五十九座，其中一百一十六座的預計容量超過一百百萬瓦。
這種「大躍進」式的擴張，搭配 Nanos Research 八月的最新民調——六成四民眾不支持政府拿稅金補貼 AI 資料中心——說明了什麼？說明民眾不是反對 AI，而是反對這種「先蓋再說、配套掛零」的粗暴做法。他們怕的不是科技進步，而是 AI 泡沫一旦破滅，留下來的不是算力遺產，而是被掏空的水資源、超載的電網，以及一堆無法轉型的巨型空殼。
換個角度想，民眾的擔憂其實非常務實：他們不只是在抱怨噪音和耗電，他們真正問的是「這些水電成本誰買單？」以及「萬一 AI 退燒，地方經濟會不會被拖垮？」。約克大學那份「159 座規劃中」的數據，坦白說，不管放在哪個國家都會嚇壞人。這不是反對進步，而是質疑「進步的代價分配是否公平」。當政府補貼的對象是超大規模的資本密集型設施，而回饋給在地的只有噪音和電費帳單時，這種失衡結構不修正，下一波抗議只會更劇烈。
AI 算力的下一步：走向分散化還是更集中？
面對這波龐大的民意海嘯，加拿大地方政府選擇「踩煞車」其實是理性的政治判斷。但這也揭露出一個更深層的結構問題：我們是否過度依賴「超大集中式」的算力思維？如果一座資料中心的能耗等同於一座城市，那它理應被視為「重大基礎建設」來審查，而不是比照一般工業設施。
從全球趨勢來看，未來 AI 資料中心的選址邏輯勢必得重新洗牌。那些擁有豐富水力發電、氣候涼爽（利於自然冷卻）、且政治環境穩定的地區，原本是首選，但現在民眾意識抬頭，「社區同意權」將成為比「水電成本」更稀缺的資源。對台灣來說，這則新聞的啟示尤其尖銳——我們的土地更稠密、水電供應更吃緊，如果連地廣人稀的加拿大都爆發這種衝突，台灣在發展 AI 產業時，對於資料中心的選址、能源效率標準、以及地方回饋機制，必須比現在更細緻、更透明。
換句話說，AI 的競爭不再只是演算法和晶片的競賽，它還包括「社會許可」的經營能力。誰能率先發展出與在地社區共生的資料中心營運模式——可能是導入更先進的液冷技術、承諾百分百綠能搭配儲能、或是設計具體的電費補貼機制——誰就能在下一階段的算力競賽中，走得更穩、更久。
【行動呼籲】
下次當你享受 AI 工具帶來的便利時，不妨多想一秒：你剛剛問的那個問題，消耗了多少水？那個回應背後的伺服器，又壓在誰的家園旁邊？AI 的未來不該只是算力的軍備競賽，更該是一場關於「責任分配」的社會對話。如果你也關心這議題，現在就該開始關注你所在縣市的資料中心建設計畫，問問候選人和民代：我們的電費、水權、和環境品質，準備好被 AI「吃掉」了嗎？
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
AI 資料中心為什麼特別耗水？
AI 資料中心主要耗水在於冷卻系統。高階 GPU 運算時會產生極高熱能，需要大量用水進行散熱，一座超大規模設施每天可能消耗超過百萬公升水，相當於數千個家庭一整天的用水量。
加拿大民眾反彈資料中心的主要原因是什麼？
前三名分別是：擔心家庭電費暴漲（81%民眾憂心）、環境污染與水電資源排擠（79%），以及害怕 AI 泡沫化後拖垮地方經濟。此外，噪音和土地徵收爭議也讓在地居民強烈不滿。
台灣會發生類似的資料中心抗爭嗎？
機率很高。台灣地狹人稠、水電供應本就不寬裕，且夏季高溫不利自然冷卻。若科技巨頭來台設置超大規模 AI 資料中心，類似的「水電之亂」衝突很可能在桃園、彰化等資料中心熱區提前引爆。
AI 資料中心一定要蓋超大規模的嗎？
不一定。超大規模設施能降低平均運算成本，適合訓練大型模型；但邊緣 AI 或推論應用其實可以靠較小型的區域資料中心滿足。未來趨勢可能走向「核心超大 + 邊緣小型」的混合架構，以平衡效率與社會接受度。
民眾該如何監督資料中心的環境影響？
最直接的方式是要求地方政府將資料中心納入「重大環境影響評估」並公開聽證，同時爭取回饋機制如電價補貼、綠能承諾查核。你也可以追蹤環保團體對能源吃緊的倡議動向，在政策討論階段就發出聲音。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
