2026 年達沃斯世界經濟論壇上，微軟執行長 Satya Nadella 提出 Tokens per Dollar per Watt 作為衡量人工智慧經濟效率與國家競爭力的新宏觀指標，我們翻譯為每瓦特美元的AI算力。這項概念的關鍵，在於將過去抽象的算力競賽，轉化為可以被衡量、比較與治理的能源與成本效率問題，也象徵人工智慧正式進入資源約束的現實階段。
在生成式人工智慧體系中，token 已成為最基本的運作與產出單位。無論是文字生成、程式碼撰寫或資料分析，所有工作都被拆解為 token 的處理與輸出。產生的 token 越多，代表完成的有效工作量越高。這種特性，使 token 逐漸扮演起類似工業時代噸鋼或電力時代千瓦時的角色，成為人工智慧產業中可以量化的產出指標。
將 token 與每美元成本結合，反映的是人工智慧系統背後的整體金錢投入。相關成本不只包括 GPU 等硬體設備的採購與租用，也涵蓋雲端服務、人力維運與系統管理費用，但最核心的仍是電力轉化為運算能力所產生的能源支出。當相同預算可以產生更多 token，代表企業或國家在人工智慧部署上的成本結構更具優勢。
進一步把電力消耗納入計算，則直接點出人工智慧發展的真正瓶頸。大型語言模型在訓練與推理階段都高度耗電，單次對話看似微小，但在規模化使用下，資料中心的年耗電量已達數十億度。Nadella 特別指出，未來的限制不再只是晶片數量，而是是否能取得穩定、低價且可長期供應的電力來源。
將這三個面向結合後，Tokens per Dollar per Watt （每瓦特美元的算力單位）所衡量的，其實是人工智慧的綜合資源效率，用最少的金錢與電力，產生最多可用的智慧產出。高數值代表低成本、高效率的競爭優勢，低數值則意味著昂貴且耗能的系統結構，長期將面臨被市場與政策淘汰的風險。
這項指標之所以受到重視，反映人工智慧競賽邏輯已經出現轉變。競爭焦點不再只是模型參數規模或單點效能，而是誰能在現實條件下大規模、可持續地部署人工智慧。能源成本將直接影響企業獲利能力與國家經濟成長潛力，未來各國的 GDP 表現，可能與低成本 token 生產能力高度連動，正如過去石油資源決定工業強國地位。
若無法在效率與能源面向取得突破，人工智慧甚至可能因高耗電、效益集中而失去社會支持。當公眾開始質疑龐大用電是否真正帶來普遍利益，人工智慧的發展將不再只是技術問題，而是治理與正當性的考驗。
從全球布局觀察，能源條件優越、電價相對低廉的地區，正快速成為資料中心投資熱點。美國部分州、冰島的地熱資源，以及中東的大規模太陽能布局，都具備吸引人工智慧基礎建設的結構優勢。相對而言，若歐洲無法有效解決高電價問題，在人工智慧競爭中可能逐步落後。大型科技企業積極投資核融合、再生能源與高效率晶片，本質上都是為了提升這項綜合效率指標。
對投資人而言，瓦特美元算力提供了一個比模型參數量或短期基準測試更具長期預測力的觀察角度。誰能在能源與成本受限的環境下，持續產出高價值智慧內容，誰就更可能成為下一階段的贏家。當瓦特美元算力成為人工智慧時代的能源生產力指標。掌握這項能力的國家與企業，不只是技術領先，更握有未來十年經濟主導權的入場門票。
（文章僅代表作者觀點，不代表Newtalk新聞立場。）
