機器人產業的下一個瓶頸在於柔佛州的電力網,而非晶圓廠

機器人基礎模型的訓練運行於 GPU 叢集上,這些叢集需要實際的電力網和用水許可證;而馬來西亞柔佛走廊的情況顯示,這場爭論已成為公眾焦點,其預留的資料中心電力需求與實際需求之間存在十四倍的差距。

martti
4分鐘閱讀Posted: 2026年9月2日
機器人產業的下一個瓶頸在於柔佛州的電力網,而非晶圓廠

柔佛州政府過去一年來一直要求資料中心開發商放緩步伐,原因並非設施尚未準備好投入營運,而是因為供應數十萬戶家庭用水的水網,已無法再撥出更多水量供冷卻塔使用。 2025年底,監管機構要求該州新的水冷式專案至少推遲十八個月的擴建計畫,將產能決策延後至2027年中。這並非一個關於伺服器的故事。 這是一則關於機器人產業的故事:該產業過去一年來忙於為晶片和致動器編列預算,而真正的瓶頸資源——電網連接與用水許可證——卻在幾乎沒有任何機器人產業記者關注的地方,成為各方爭奪的焦點。

今年關於類人型機器人供應鏈的討論,一直聚焦於諧波減速器、行星滾子螺桿,以及一台價值 4 萬美元的機器人內部所含的物料清單。這些確實是真實的限制因素,值得單獨追蹤。 但由這些零件組裝而成的機器並不會自行行走或摺疊衣物;它們是運行在由龐大、專為此目的打造的 GPU 叢集所訓練的基礎模型上,而這些叢集的實體佈局,如今正與同一種地方政治衝突——正是這種政治因素,在其他地方已使價值數十億美元的人工智慧基礎設施陷入停滯。 馬來西亞新山——這個該國成長最迅速的資料中心走廊——正是亞洲地區這場衝突最為激烈的地點,它值得在機器人專欄中佔據與任何致動器供應商同等的篇幅。

預算中未曾計入的運算資源

訓練通用型機器人政策絕非靠筆記型電腦就能完成的任務。NVIDIA 的「物理人工智慧資料工廠藍圖」(Physical AI Data Factory Blueprint)以 Cosmos 世界模型和 OSMO 調度層為核心,其存在目的正是將原始運算能力轉化為機器人基礎模型所需的合成訓練資料,因為單靠現實世界的遙控操作資料,根本無法滿足這些模型所需的龐大資料量。 今年三月,雲端服務供應商 Nebius 宣布將為開發者提供持續存取 NVIDIA RTX PRO 6000 大型叢集的權限

Blackwell 伺服器版 GPU 正是為此類工作負載而設計。其中一家早期客戶——戶外機器人開發商 RoboForce——表示,該解決方案將其設定時間縮短了 70%。這確實是實質性的效能提升。不過,這也意味著該 GPU 叢集必須設置在某處的實體建築內,接入實際的電網,並透過實際的水冷系統進行冷卻。

矽谷和北京通常可以將那個「某處」視為次要考量,因為儘管當地電力市場已相當吃緊,但仍足夠成熟,足以吸收新的負載,而不會讓任何單一設施成為攸關大局的試金石。東南亞目前尚不具備這種餘裕,而柔佛州正是最明顯的例證。

GPU 實際所在之處

柔佛州的轉型是近期才發生且進展迅猛的。該州的資料中心容量從 2021 年的約 10 兆瓦,增長至 2024 年的約 1.3 吉瓦,且預計到 2027 年還將有另外 2.7 吉瓦投入運作, 根據新加坡ISEAS-Yusof Ishak研究所基於馬來西亞投資與公用事業披露資料所做的2025年分析。僅此建設計畫就佔了該國現有IT容量的近80%。 2021年至2024年間,柔佛州已承諾的數據中心總投資額達1,847億馬幣,約合436億美元, 若非鄰國新加坡長期實施的數據中心建設禁令,這筆資金根本不會存在。新加坡多年來一直推動超大規模科技企業越過新柔長堤,前往土地、電力及水資源被認為更便宜且更易取得的柔佛州進行建設。

這些資源確實更便宜。但事實證明,供應量並非更充足,而這正是投資分析中被低估的部分。

預留容量達十四倍之多的電網

以下這個數字,應該會讓任何試圖預測五年後機器人運算成本的人感到擔憂:截至 2024 年 12 月, 馬來西亞電網營運商 Tenaga Nasional Berhad(TNB)已簽署電力供應協議,承諾為數據中心提供 5.9 吉瓦的峰值需求,佔 TNB 總供應量的 43%;而數據中心在電網上的實際負載僅為 405 百萬瓦,約

3%。馬來西亞為資料中心預留的電力,約為其目前實際用電量的十四倍。

這種差距有利有弊。這意味著該國有空間逐步實現其承諾,且不會立即面臨供電能力危機;但也意味著 TNB 正將輸電與發電能力作為籌碼,押注於這波運算熱潮必須大致如預測般到來——否則,將有人被迫承擔為根本未出現的需求所進行的投資。 TNB 於 2024 年 12 月提議調漲電費 14.2%,無論資料中心營運商自身的設施是否曾接近滿載運作,這筆成本都將由他們分攤。 馬來西亞國家投資委員會於同月回應,建議對新設施設定 1.4 的電力使用效率上限;作為監管機構,其正試圖為一個實際用電量仍難以可靠預測的產業制定效率規範。

預計到2035年,馬來西亞的資料中心用電需求將超過5,000百萬瓦,約佔馬來西亞半島目前總發電容量的40%。目前,機器人基礎模型的訓練在該數字中僅佔微不足道的比例。但這種情況不會持續下去。

這股反彈浪潮已有專有名稱,而且不僅限於美國

過去一年來,柔佛州鄰近新建數據中心的社區居民——包括格蘭帕塔(Gelang Patah)和努薩巴尤(Nusa Bayu)——發起了示威活動。他們抗議的重點並非伺服器本身,而是當單一超大規模設施的用水量可能相當於數千戶家庭時,究竟該優先供應哪一方用水。 這是一種規模較小、聲勢較弱的現象,但與當前在美國工業層面已顯現的趨勢如出一轍: 追蹤當地反對聲浪的組織「Data Center Watch」統計,僅在2026年第一季,就有至少75個總值約1,300億美元的美國資料中心計畫遭到阻撓或延遲,這與前一整年的進展速度相當;全國範圍內活躍的反對團體數量更翻了一倍多,超過800個。

馬來西亞的情況尚未達到該規模,其運作機制則是

雖然形式不同——是行政層面的水資源配給,而非分區規劃之爭——但方向是一致的。那些承載著人工智慧所依賴實體基礎設施的社區,已不再接受「基礎設施是無形的」這種論調;而監管機構則正運用其實際掌握的工具做出回應:收費、暫停許可、能效強制規定。
這對任何規劃機器人公司運算預算的人意味著什麼

這一切並不會讓機器人基礎模型變得無法建構。但若假設運算資源是一種商品——總能按時、以可預測的價格購買更多——這種想法,就如同假設任何其他投入資源都是無限的,同樣顯得天真。 一家從未簽署購電協議、從未協商水權、從未與州級公用事業公司面對面交涉的機器人公司,即將領悟超大規模雲端服務商早已明白的事實:這是一項專業技能,且必須由公司內部某位員工負責掌握。 機器人產業今年一直擔心誰掌控著諧波減速機;明年則應將部分精力用來思考,誰掌控著其訓練運行所依賴的電網連接權——因為這場爭奪戰早已展開,且已公開化;從我身處菲律賓的視角來看,這場戰役正發生在兩個時區之外,而非加州某個實驗室裡。

人形機器人學習新技能的速度將面臨的下一項限制,不會在產品發布會上公布。它將在吉隆坡某家公用事業公司的董事會會議室,或柔佛州某個市政廳中決定,而幾乎沒有任何報導機器人領域的記者正在關注這兩處場所。

免責聲明:本文僅供一般資訊參考,不構成投資、法律或採購建議。讀者應在做出商業決策前,向原始來源核實相關細節。首圖:NVIDIA 2U RTX PRO 伺服器,NVIDIA 官方新聞圖片。

robotics computephysical AIdata centersMalaysiaJohorNVIDIArobot foundation modelsSoutheast Asia