TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
a16z 圖表：美國電力設備產能縮 9%，AI 資料中心瓶頸不止晶片
a16z 圖表週刊以 2019 年 12 月為基準檢視美國 AI 擴建四類關鍵製造業，電腦、通訊設備、半導體產能都在增加，唯獨電力設備產能縮 9%、價格漲 69%，缺口由進口補上。本文回到 FRED 與 BLS 原始序列核對圖表數字，拆解變壓器與開關設備為什麼成為資料中心擴建最硬的瓶頸。
用 AI 摘要這篇文章：
創投 a16z 在 2026 年 10 月 23 日的圖表週刊《Charts of the Week: Attention is All You Need》裡，用一張圖把 AI 擴建的美國製造端攤開：以 2019 年 12 月為基準、取到 2026 年第三季的季度平均，四類 AI 資本支出的關鍵製造業裡，通訊設備產能增加 110%、半導體增加 77%、電腦與周邊增加 16%，唯獨電力設備減少 9%。隔天 10 月 24 日，a16z 官方 X 帳號從整份刊物裡單獨挑出這張圖發文，一天累積四百多個讚，第一句寫得直白：電力是 AI 建設最大的瓶頸之一，而美國製造電力設備的產能正在萎縮。
更反常的是價格那一條線。同期電力設備的生產者價格上漲 69%，是四類裡漲最多的；但產能不增反減，國內產量減少 7%，工廠只是把利用率拉高 13%。價格訊號喊了將近七年，供給的屋頂反而變矮。
這篇文章把圖上的關鍵數字，回到 FRED（聖路易聯邦準備銀行經濟資料庫）與 BLS（美國勞工統計局）的原始序列重算核對過，全部對得上。以下拆解這組數字量的是什麼、沒量到什麼，以及對追蹤 AI 擴建新聞的讀者代表什麼。
電力設備量的是工廠產能，不是發電量
先把口徑講清楚，因為這是最容易誤讀的地方。圖表量的是電力設備製造業的工廠產能，在美國官方產業分類裡對應 NAICS 3353（Electrical Equipment Manufacturing），產能與利用率指標用的是上一層的 NAICS 335（電氣設備與家電類）；同張圖的其他三類則分別對應 3341 電腦與周邊、3342 通訊設備、3344 半導體。講白話，這是在量美國工廠一個月最多能生產多少套開關設備（switchgear）與配電產品，不是電廠的發電量，也不是全美電力供給。a16z 在原文點名的正是電網升級需要的開關設備等環節，也就是電從電網走進資料中心機房之前，必須先買到、裝好的那一層。
這些序列都是指數形式，把基準期的值固定在 100，之後的數字表達相對變化，不涉及台數或噸數這種實體單位。a16z 取的是季度平均，也就是把 7、8、9 三個月的值平均後再與基準期比，這種取法可以壓掉單月的雜訊，代價是反轉訊號會晚一季出現。看懂這一點，之後自己上 FRED 更新數字時才知道自己在看什麼。
產能、利用率、產量是三個不同的指標，這張圖四條線都畫了。產能是工廠理論上最多能生產多少；利用率是實際動用了其中多少比例；產量是最終真的做出多少。電力設備的組合因此特別刺眼：產能減 9%，屋頂變矮；利用率增加 13%，屋頂底下開得更滿；產量仍減 7%，開到滿也補不回屋頂的高度。價格上漲 69%，就是需求擠在變矮的屋頂下面的結果。
四類設備的成績單：只有電力設備往反方向走
| 設備類別 | 產能 | 國內產量 | 生產者價格 | 利用率 |
|---|---|---|---|---|
| 通訊設備 | +110% | +87% | +19% | −11% |
| 半導體 | +77% | +76% | +34% | 約 0% |
| 電腦與周邊 | +16% | +46% | +33% | +26% |
| 電力設備 | −9% | −7% | +69% | +13% |
期間與基準同前：2019 年 12 月等於 100，比較到 2026 年第三季的季度平均，來源為 FRED 的 G.17 工業生產與產能統計，加上 BLS 的生產者價格指數，由 a16z 整理成圖。
四類設備說了同一個故事的三種版本。通訊設備是最健康的版本：產能擴了一倍多，代價是利用率掉 11%，產量大增 87%，價格只漲 19%。半導體是蓋新廠的版本：產能增加 77%，利用率幾乎不動，產量增幅 76% 全部來自新產能。電腦與周邊是擠既有產能的版本：產能只增加 16%，靠利用率拉高 26% 把產量推上 46%。電力設備則完全站到另一邊：四類裡唯一產能萎縮、唯一產量負成長，同時價格漲幅逼近七成。
換句話說，伺服器、網路交換器、晶片這三類，美國製造端多多少少都對需求潮做出了擴張回應；把電送進機房的那一層，供給能力反而比 2019 年底還小。對照 Pichai 在專訪裡說雲端把算力優先留給前沿模型的脈絡，帳面上的算力擴張能不能如期變成可用的服務，供電設備這層成了新的檢查點。這組數字影響的讀者很明確：在看雲端容量合約、在看資料中心投資新聞、在評估供應鏈基本面的人，多了一個可核對的公開指標；在 ChatGPT 或其他服務上刷卡付費的一般使用者，則不需要為此做任何事，短期內它不會反映成服務斷線，只會慢慢反映成擴建時程與定價。
四個數字回原始序列重算，全部對得上
圖是別人畫的，數字可以自己算。把電力設備子圖的四個值，抓 FRED 與 BLS 的原始序列照圖註口徑重算一次（2019 年 12 月為基準，2026 年 7 到 9 月平均代表第三季）：
| 指標 | a16z 圖表值 | 原始序列重算 | 序列 |
|---|---|---|---|
| 產能 | −9% | −9.2% | FRED CAPG335S |
| 國內產量 | −7% | −6.4% | FRED IPG3353S |
| 利用率 | +13% | +12.1% | FRED CAPUTLG335S |
| 生產者價格 | +69% | +69.3% | FRED PCU3353133531（BLS PPI） |
四個數字全部對上，差距都在 1 個百分點內，利用率與產量的小差異來自月平均與季度平均的取法。價格那條對得最準：電力設備製造業的生產者價格指數從 2019 年 12 月的 150.0 漲到 2026 年第三季平均的 253.9，漲幅 69.3%。其他三類的產能我也用同一組序列驗過：電腦與周邊增加 16.0%、通訊設備 108.1%、半導體 76.8%，與圖上標示的 16%、110%、77% 相符，通訊設備不到兩個百分點的差距來自資料修訂與取法細節。
有兩個細節值得放進雷達。產能與利用率用 NAICS 335（電氣設備與家電），產量與價格用 NAICS 3353（電力設備製造），上層口徑把家電類也算進來，所以產能縮 9% 嚴格說是整個電氣設備與家電大類的產能萎縮；但產量與價格兩條（都用 3353）同時呈現負成長與大漲，方向一致，瓶頸定位不會因為口徑而翻盤。a16z 把這兩層口徑並列在圖註裡，算是誠實的作法。另外，生產者價格指數量的是工廠出廠收到的價格，不含運輸與安裝；資料中心買變電設備最終付出的成本，漲幅只會比 69% 這個數字更陡。外界常把變壓器交期以年計當成常識，這份圖表本身沒有提供任何交期資料，本文也不引用無法核對的交期傳聞。
缺口往哪去：進口補位，既有的人做更多
國內產量補不上，需求去哪了？同一節的另一張圖給出答案：進口。按美國普查局 FT900 進口統計（依最終用途代碼分類，電力設備掛在 electric apparatus 這個代碼下），a16z 再用 BLS 進口物價指數把漲價剝掉，得出實質進口的變化，也就是真正多買了多少量、而不是多付了多少錢。2019 到 2026 年間，電腦實質進口增加 366%、通訊設備 175%、半導體 131%，電網與電力設備增加 69%。四類的進口增幅全部遠高於國內產量增幅，差距最小的半導體也有 131% 對 76%，最極端的電腦是 366% 對 46%，電力設備則是國內減 7%、國外買 69%，方向完全相反的組合。美國 AI 擴建的設備帳單，越來越多付給海外工廠；至於哪些國家補上這個缺口，圖表沒有拆，台灣供應鏈吃到的份額有多少，這份資料回答不了。
人力那一面也是同一個形狀。按 ADP 資料，電力設備、家電與零組件類的每週工時年增 3.8%，BLS 的僱用人數年增 4.0%；整體製造業的模式是工時增幅普遍高於人數增幅，最極端的組合出現在非金屬礦物製品業，工時增加 4.7%、人數只增加 0.4%，幾乎全靠加班。a16z 讀成缺工訊號：跳槽者的薪資成長約 10%，全製造業平均約 5.5%，跳槽溢價接近 5 個百分點，是典型的人力爭搶。原文那句總結很直白：加速算力革命的瓶頸之一，竟然是缺人來做這些工作。
為什麼產能不擴：a16z 給的是假說，還不是答案
價格漲 69%，教科書的預期是供給跟上，實際卻是產能縮減。a16z 在原文把供給調整拆成兩個槓桿：蓋更多產能，或者把既有工廠開得更滿，也可以兩者混搭。蓋產能要建廠房、等設備、請人，回收以年計；拉利用率只需要排加班與增加班次，幾週就見效。風險偏好低的廠商在看不清需求週期時，傾向選後者，而 AI 需求潮能持續多久，對設備廠來說正是最難估的一題。對這個反常現象，a16z 給了兩個可能解釋：擴產的成本與風險高到壓過這波需求潮，或者美國廠商自認打不贏海外競爭者。這兩句在原文裡都帶著保留措辭，屬於作者假說，資料本身沒有回答哪一個對。它把這波建設稱為鐵路時代以來最大的建設潮，同樣是作者修辭。對想引用這份圖表的人，正確的姿勢是把數字當事實、把原因層標成待解。
對台灣讀者來說，這份圖表的價值在於換一組眼睛看 AI 擴建新聞。看到某雲端巨頭投資幾百億美元蓋資料中心的標題時，可以多問一句：把電送進機房那層的供給跟上了嗎？OpenGridWorks 把電廠與資料中心畫進同一張電網地圖，看的正是同一個交會點。同一份圖表週刊的另一節還顯示，GPU 租金指數到 10 月中旬仍明顯高於年初，連 H100、A100 這些上個世代的卡都沒有跌回去；算力端與供電端同時偏緊，擴建時程的變數比 GPU 出貨量一個數字能表達的多。a16z 這個圖表單元過去也出現過 NBER 的 App 出貨研究，把它當成固定追蹤的訊號源是合理的。
接下來追蹤什麼，以及這份資料的邊界
追蹤 AI 擴建進度的人，可以把三個免費指標加進觀察清單：FRED 上的電氣設備產能序列（CAPG335S，每月中旬隨 G.17 工業生產報告更新）、BLS 的電力設備製造業生產者價格指數（PCU3353133531），以及普查局 FT900 的電力設備進口額。前兩者在 FRED 網站輸入序列代碼就能看到整條歷史線，不需要註冊。產能指數何時止跌回升，是判斷美國本土供給鏈有沒有開始擴張的最直接訊號；利用率若在產能不變下繼續攀高，代表瓶頸還在收緊；進口額若持續放大而國內產量不動，代表缺口繼續往外移。
這份資料的邊界也要列清楚。它只涵蓋美國製造業資料，沒有台灣的設備交期，沒有專案層級的延後證據，也沒有拆進口來源國；它量的是設備製造產能，不能拿來推論美國發電量或全美電力供需；產能為何不擴的原因層，a16z 給的兩個假說都未經證實。資料期間到 2026 年第三季，FRED 的 G.17 每月更新，11 月中旬發布 10 月資料時，圖上的值就可能小幅移動；本文數字以 2026 年第三季為止，屆時值得回查一次。
