黃仁勳接受TVBS專訪，強調AI堪比當年電力帶來的工業革命。最令我感興趣的，是他論及生產要素的根本性變革。
一、能源是AI時代的底層語言
首先注意到，黃仁勳在描述AI工廠投資規模時，不以金額或人力，而是以電力為單位，「從20MW開始，未來會擴大到100MW左右」。
這表明AI是極其能源密集的產業，大型AI模型需要龐大算力，算力直接與電力消耗掛勾。在AI時代，電力不再只是投入成本，而是基本限制與生產要素。
來個經濟學隨堂小考。傳統的四大生產要素，包含土地、勞力、資本、企業家精神。AI時代的電力屬於那一類？
產生電力的原始能源，如煤礦、油氣、核能，屬於自然資源，廣義的土地。
電力驅動AI運算的資本設備，如GPU、伺服器、數據中心，輸出為「Tokens」，可視為一種智慧，並已開始取代部分勞動與企業才能。
不只黃仁勳，科技巨頭們一再向各國政府強調能源的重要。因為在AI訓練中，電力已成為比硬體成本或數據獲取更為直接的瓶頸。
黃仁勳更在公開演講時，非常政治不正確地對政府喊話，「台灣絕對應該投資核能，能源不應該被汙名化」。
二、電力作為產權界定的護城河
過去的生產函數是 Q = f(L, C, M)（勞動、資本、原材料），AI時代則演化為 Q_ai = f(P, D, A)（電力、數據、演算法）。
擁有穩定且充足電力供應，對AI基礎設施至關重要。
當企業內部組織生產的交易成本低於市場交易時，企業便會擴大規模。AI工廠正是內部化生產效率的極致體現，其高效運算需求，使得對電力的需求呈指數級增長。
每一瓦特電力都轉化為算力，成為煉製智慧的直接投入。
電力公司提供電力的交易成本，以及電網建設的外部性與公共財屬性，直接影響AI工廠的進入門檻與效率。
若供應不穩定或成本過高，將極大增加交易成本，阻礙產業發展。
這正是產權界定與制度安排，影響資源配置效率的例證（寇斯定理），電力構成AI時代的「基礎設施產權」護城河。
三、從傳統黃金到數位黃金
黃仁勳進一步指出，擁有多餘能源的國家，不如出口「精煉後的能源」。他將AI比作原油提煉，廉價資源（電力）加工，成為高附加價值的智慧（AI服務）。
傳統上，能源豐富的國家主要通過出口天然氣、石油或基礎電力，來獲取收益。
在AI時代，這些國家可投資建設AI數據中心與工廠，將電力轉為AI服務、訓練模型或算力租賃。比較優勢從自然資源，擴展到以資源為基礎的數位生產能力。
例如，擁有豐富水力或地熱的北歐國家，或是日照充沛的中東地區，未來可能成為全球 AI智慧的「生產與出口中心」。
諷刺的是：沒有天然資源又廢核的台灣呢？
四、智慧的邊際成本和邊緣化
過去，人類智慧的交換伴隨高昂的交易成本。AI代理出現，使智慧可被「打包」為可傳輸的數位服務，透過網路低成本跨境流動。
如一國訓練出AI氣象模型，可將其API介面或模型本身「出口」至其他國家，邊際成本極低，對地緣政治與經濟格局產生深遠影響。 （相關報導： 風評：趕走核電．送走台積電─台灣剩下大罷免 ｜ 更多文章 ）
這也引發新的產權問題：出口的「智慧」其知識產權如何保護？數位貿易規則如何制定？這些制度安排，將影響「精煉能源」模式的普及與效率。
