隨著 AI 模型訓練與推論需求快速擴張，全球科技企業持續投入巨額資本支出，建設大型資料中心及相關運算基礎設施。然而，美國 2026 年期中選舉後，地方政府對資料中心開發的態度逐漸成為市場關注焦點。除了 GPU 與伺服器設備供給外，土地開發許可、電力接入能力，以及地方社區支持程度，正成為影響 AI 算力擴張的重要因素。

Meta 總裁 Dina Powell McCormick 近期表示，期中選舉結果可能使美國新建資料中心面臨更嚴格的審查，相較之下，既有設施擴建可能更具優勢。與此同時，Anthropic 據報斥資 34 億美元取得 1.7 GW 天然氣發電設備訂單及相關工程能力，反映 AI 業者正從單純採購運算設備，逐漸深入能源基礎設施的投資與建設。

對投資人而言，AI 基礎設施的競爭正從 GPU 採購能力，延伸至土地許可、電力資源及算力實際部署效率。未來科技企業的資本支出規模，未必能直接反映其可投入營運的 AI 算力，專案開發進度與能源相關成本將成為評估投資回報的重要變數。

美國期中選舉後，AI 資料中心面臨新的地方監管挑戰

Meta 警告新建資料中心將更加困難

美國 2026 年期中選舉於 11 月 3 日舉行，資料中心開發所衍生的能源、土地與社區問題，成為部分地方選戰的重要議題。Meta 總裁 Dina Powell McCormick 於 11 月 4 日出席《華爾街日報》科技論壇時指出，選舉後的新建資料中心專案，可能面臨更嚴格的地方政府審查。部分候任地方首長在競選期間，已對大型資料中心開發提出限制或暫緩立場，使科技企業未來取得開發許可的不確定性上升。

不過，Meta 認為既有資料中心擴建相對具有優勢。對於已營運多年的資料中心，地方政府與社區通常較熟悉其就業、稅收及基礎設施影響，企業也可能已取得部分土地開發許可，並建立電力及水資源供應安排，因而降低擴建過程中的協商成本。

這意味著，未來資料中心開發的核心競爭條件，可能不再只是土地取得成本或地理位置，而是企業能否同時確保地方政府支持、電網接入容量，以及可預期的建設時程。 然而，期中選舉結果並不代表全美各州將同步限制資料中心開發。相關政策仍須經過地方議會、州政府及監管機構的正式程序，競選主張與實際生效的開發限制之間仍存在差異。

從維吉尼亞到德州：資料中心監管風險逐漸分化

美國資料中心產業主要集中於具備成熟電網、光纖網路及雲端服務基礎的地區，但隨著 AI 資料中心規模擴大，部分成熟市場正面臨土地及電網容量限制，開發活動也逐漸向其他州擴散。

值得注意的是，各州面臨的監管問題並不相同。維吉尼亞州等成熟市場的開發限制，更多來自土地、電網及既有社區的資源競爭；相較之下，德州、俄亥俄州及其他新興市場，則須同時評估大型用電需求、基礎設施建設與地方政府政策變化。

因此，未來資料中心的選址策略，可能從優先考量低廉土地與能源成本，逐漸轉向電力可取得性、許可確定性與實際部署速度的綜合評估。

地方政府陸續實施開發暫緩令，資料中心建設時程面臨不確定性

多地已通過資料中心開發暫緩措施

美國地方政府對大型資料中心的限制並非選舉後才出現。2026 年以來，多個地方政府已透過開發暫緩令（Moratorium），暫停受理或核准特定類型的資料中心開發申請，以重新檢討土地使用、能源及環境相關規範。

上述措施適用的資料中心類型、土地範圍及既有專案豁免條件並不相同，因此不能直接視為全面禁止資料中心建設。不過，這些政策反映出地方政府對資料中心開發的態度，已從傳統的招商引資與稅務優惠，轉向更重視能源使用、環境影響及社區利益的審查模式。

地方政府為何反對大型 AI 資料中心？

大型 AI 資料中心雖然能帶動建設投資、稅收與部分就業機會，但相較於傳統產業，其龐大的能源與基礎設施需求，也可能使地方居民承擔額外成本。

目前爭議主要集中在以下幾個面向：

過去資料中心開發商主要透過公用事業公司取得電力，相關輸配電基礎設施通常由電力公司負責規劃與建設。然而，當大型 AI 資料中心的需求迅速增加時，電網升級、變電站與新增發電容量所需的成本，究竟應由科技企業或一般電力用戶承擔，已逐漸成為政策爭議焦點。

另一方面，資料中心在施工階段雖能創造大量工作機會，但正式營運後的人力需求相對有限，使部分地方政府更加重視稅收、社區投資及長期公共效益。

地方監管的核心問題並非是否支持 AI 發展，而是如何分配大型基礎設施投資所帶來的經濟利益與社會成本。

AI 巨頭開始直接承擔能源成本，電力成為新一輪資本支出重點

除了透過電力公司取得供電，部分 AI 企業也開始直接介入發電設備採購。根據《金融時報》報導，Anthropic 已與美國設備供應商 OnePWR Solutions 達成約 34 億美元的交易，取得總容量約 1.7GW 的大型燃氣發電機組承諾，並包含後續工程與建置能力，以確保旗下 AI 資料中心的電力供應。

相關設備原由 OnePWR 向 Caterpillar 訂購。由於天然氣發電機組的需求快速增加，新設備交付時間可能長達數年，Anthropic 透過取得既有訂單，降低重新排隊採購設備的時間風險。

這筆交易反映了 AI 產業的重要轉變：企業不再僅關注 GPU 的採購與交期，也開始直接掌握發電設備及能源基礎設施，以確保未來算力擴張計畫能順利推進。然而，能源設備投資也意味著更高的前期資本需求，以及後續燃料、維護、排放與設備折舊等成本。

對市場而言，未來評估 AI 基礎設施投資時，除了 GPU 與伺服器支出，也需要將發電設備、變電站、輸配電及冷卻系統納入完整的資本支出分析。

海外資料中心布局升溫，科技企業開始分散美國開發風險

Meta 評估增加海外投資，降低地方監管不確定性

在美國地方開發限制可能增加的背景下，Meta 開始重新評估大型資料中心的地理布局。目前 Meta 在美國路易斯安那州、俄亥俄州及德州等地均有大型資料中心計畫，但隨著地方審批與基礎設施建設的不確定性增加，企業可能需要在既有設施擴建、新建園區及海外投資之間重新分配資本。

Meta 管理層近期指出，大型雲端服務業者正考慮是否增加美國以外的資料中心投資，以降低單一市場開發限制帶來的影響。海外布局雖可分散地方監管風險，但也涉及新的建設與營運挑戰，包括跨境資料規範、能源供應穩定性、網路延遲、稅務制度及營運成本。因此，海外投資未必能直接降低資料中心的總建設成本，其主要價值可能在於提供額外的算力部署選擇。

ByteDance 評估擴建巴西資料中心

與此同時，ByteDance 據報正考慮擴大位於巴西東北部 Ceará 州的資料中心專案。根據 Bloomberg 報導，ByteDance 正評估該專案的第二階段擴建，並尋找相關開發合作方。當地既有專案涉及約 100 億美元投資及 300 MW 規模，後續擴建可能超過第一階段，但尚未公布確定的投資金額、容量與完工時間。

值得注意的是，ByteDance 的巴西擴建規劃不能直接歸因於美國地方監管政策。當地稅務誘因、能源條件及區域市場需求，也可能是其主要考量因素。 不過，Meta 與 ByteDance 的相關動向顯示，全球 AI 基礎設施布局正更加重視能源供應、政策環境及投資條件的差異。未來能提供穩定電力、較明確開發程序及具競爭力能源成本的市場，可能在全球資料中心投資競爭中取得優勢。

產業分析：監管與電力瓶頸將如何改變 AI 基礎設施的投資邏輯？

開發許可與電力容量將成為稀缺資源，提高產業進入門檻

過去 AI 資料中心的競爭主要集中於 GPU 採購能力、資金規模及資料中心建設效率。然而，隨著地方政府加強審查，已取得開發許可及電力接入條件的土地與設施，可能具備更高的經濟價值。尤其在成熟資料中心聚落，新建專案往往需要重新取得土地分區核准、電網容量及地方政府支持，而既有設施可能已具備相關基礎條件，因此享有一定的擴張優勢。

這也意味著，具備既有資料中心園區、大型電力接入權益及成熟地方政府合作關係的企業，可能在後續算力擴張中取得競爭優勢。 不過，既有資料中心並非能夠無限制擴建。即使土地許可較為完整，企業仍可能受到電力接入上限、冷卻容量及設備配置限制。因此，真正具有競爭價值的資源，不僅是已取得的土地與建築許可，更包括具備可擴充條件、且能在合理時間內實際供電的資料中心容量。 若未來新建專案持續受到限制，具備上述資源的業者可能享有更高的資產稀缺性，進一步提高新進業者的市場進入門檻。

能源基礎設施投資增加，可能推升 AI 資本支出與長期營運成本

過去市場討論科技巨頭的 AI CapEx，主要聚焦於 GPU、伺服器、網路設備及資料中心建築。然而，隨著電力接入瓶頸逐漸浮現，新增發電設備、變電站、輸配電系統及相關工程支出，可能占據更高的資本預算。 對企業而言，這類投資雖有助於提高能源供應的可控性，卻也增加前期資金需求與後續維運負擔。尤其天然氣發電設備除了建設成本外，仍涉及燃料採購、維修、環境法規及資產折舊，可能使 AI 算力的實際總持有成本高於原先預期。

因此，科技企業增加能源投資，未必代表其投入 AI 算力的最終資本效率同步提升。未來應進一步比較企業新增電力容量所需的資本支出、單位算力建設成本，以及新增產能投入營運後的收入與現金流表現。

AI 資本支出與實際可用算力可能進一步脫鉤

大型資料中心建設涉及多個相互依賴的環節，包括土地取得、開發許可、建築施工、能源供應、GPU 設備交付及系統測試。即使企業已完成 GPU 採購或簽訂長期算力合約，若資料中心因土地審查、電網接入或地方反對而延後啟用，相關資本投入仍可能無法立即創造營收。

這類延遲可能導致企業提前承擔資金成本、設備採購款項及其他固定支出，同時延後後續收入與現金流的實現時間。對高度依賴新建產能與外部融資的 AI 基礎設施業者而言，專案延遲可能造成更明顯的財務壓力。

因此，未來分析 AI 基礎設施投資時，承諾投資極難直接轉化為未來算力。從簽約電力容量、規劃中資料中心容量到實際已投入營運的 IT 負載，這些環節都將影響到最終的算力轉換。 唯有觀察實際投入營運的算力及其收入貢獻，才能更準確衡量企業的資本效率。

美股投資影響：哪些企業對資料中心開發限制最敏感？

監管與能源瓶頸對不同類型企業的影響並不一致，主要取決於其商業模式、資本結構、既有資料中心資源及新增產能依賴程度。整體而言，專案開發與租賃業者、新興 AI 雲端服務商，可能比既有大型雲端平台更容易受到單一專案延遲的影響。

註：潛在影響程度為基於企業商業模式的定性研究判斷，並非對股價跌幅或個別專案延遲機率的量化預測。

AI 資料中心開發商：關注容量交付與資金成本

對 IREN、Applied Digital、CoreWeave、Nebius 及 Core Scientific 等業者而言，新增資料中心容量往往與未來收入成長高度相關。如果地方監管導致專案延遲，可能使原訂租賃收入或算力服務收入遞延，增加建設期間的資金占用及利息負擔。

此外，若部分企業已提前採購 GPU 或簽訂長期設備合約，則可能面臨硬體交付時程與資料中心啟用進度不一致的問題。 因此，投資人應特別關注已簽訂客戶合約的容量是否能按照預定時程交付，以及專案延遲對企業流動性與自由現金流的影響。

科技巨頭：資金優勢可能擴大，但投資效率仍面臨挑戰

Meta、Microsoft、Amazon 與 Alphabet 擁有較成熟的資料中心網路、能源合作關係及資金來源，可能更有能力透過既有設施擴建、海外布局及直接能源投資來降低單一專案風險。

不過，大型科技企業也可能因此需要投入更多資金確保電力與建設資源，使 AI 基礎設施的整體投資成本持續增加。尤其在 AI 商業化收入尚未完全抵銷相關資本支出的階段，新增能源投資可能對自由現金流形成進一步壓力。

Nvidia：需求不一定消失，但 GPU 訂單認列與部署時程可能受到影響

對 Nvidia 而言，資料中心開發受限未必代表 AI 運算需求下降，但可能影響客戶 GPU 的採購、交付及實際部署節奏。若科技企業已規劃的資料中心無法如期供電，可能重新安排硬體採購時間，或調整不同地區之間的算力部署順序。

因此，分析 Nvidia 後續資料中心業務時，除了觀察 AI 模型需求與客戶資本支出，也需要追蹤終端資料中心的電力供應能力、建設進度，以及大型客戶是否調整 GPU 交付計畫。

後續研究重點：從資本支出規模轉向實際部署效率

隨著資料中心開發逐漸受到能源與地方監管限制，投資人需要從過去聚焦 AI 資本支出成長率，轉向更全面的基礎設施投資效率分析。

其中，最值得關注的是已承諾投資金額與實際可營運容量之間的差距是否持續擴大。

當科技企業持續提高 AI 資本支出，但實際接電與部署進度未能同步提升時，可能意味著新增資金逐漸流向非直接運算的基礎設施，例如能源供應、土地許可與工程建設。這類投資雖然仍有長期必要性，卻可能延長資本回收期間，並降低短期投入資本報酬率。

相反地，能夠以較低建設成本、較短審批時間取得穩定電力，並快速完成算力商業化的企業，可能具備更高的資本效率與競爭優勢。