人工智慧驅動下的資料中心能耗激增　　
生成式AI的興起正以前所未有的速度推高資料中心的需求。據高盛預計，到2027年全球資料中心用電量將從目前的約55GW增加到84GW，其中AI相關負載佔比將從14%提升至27%。
到本世紀末，相較於2023年的水平，整體數據需求可望成長165%。在數位經濟時代，資料中心已與水、電、網路一樣，成為支撐社會運作的關鍵基礎設施。在中國，這趨勢尤其明顯。
隨著「東數西算」工程和AI大模型應用的快速落地，資料中心不僅承載傳統業務，也成為人工智慧訓練和推理的主戰場。
問題隨之而來：如果一個資料中心突然斷電，會發生什麼事？
斷電風險遠不止「停機」　　
對於一般網站來說，斷電可能意味著存取中斷，但對於依賴即時運算和資料處理的關鍵產業，後果會更嚴重。
金融支付、醫療診斷、AI驅動的物流和能源調度，都需要資料中心7×24小時不間斷運作。
尤其是在AI場景下，風險被放大。大模型訓練往往需要數千塊GPU連續運作數週，一旦中途掉電，可能導致訓練資料損壞，整個過程需要從頭再來。
即時推理任務如推薦系統、聊天機器人、反詐騙引擎等，更是容不得半點停頓，否則使用者體驗和業務穩定性都會立即受損。
即便短時斷電也可能造成資料一致性問題。分散式資料庫依賴節點間的同步複製，一旦不同機架或可用區在不同時間掉電，就可能造成嚴重的業務風險。
雖然大多數資料中心配備UPS與柴油發電機，但UPS電池老化、切換延遲、油料不足等問題，在長時間電網故障時仍可能導致宕機。
超越電池與發電機:電阻器的關鍵作用　　
隨著負載複雜度和停機風險不斷增加，電氣系統的可靠性已成為資料中心設計的重中之重。在這一點上，電阻器類元件正在發揮關鍵作用。
中性點接地電阻（NER）被廣泛應用於限制接地故障電流，避免變壓器、開關櫃等昂貴設備的損壞。
當發生接地故障時，NER可以控制故障電流在安全範圍內，並將其隔離，從而確保資料中心其他部分仍能正常運作。負載電阻（LoadBank）則主要用於測試與驗證備用電源系統。
透過模擬真實負載環境，維運團隊可以提前發現燃油供應、UPS電池衰減或發電機負載分配異常等隱患。定期的負載測試不僅支援預測性維護，還能滿足監管要求，提高系統韌性。
客製化設計與選型考量　　
當然，並非所有電阻方案都適用於資料中心。
隨著資料中心規模的擴張，營運商必須綜合考慮故障電流等級、電壓等級、空間與散熱條件、以及國際/國家標準。例如，NER需要合理選擇電阻值與耐受時間，以確保既能有效限制故障電流，又不影響系統運作；負載電阻則需能夠模擬真實業務功率需求，並與UPS和發電機系統無縫對接。
這也意味著，資料中心在設計階段就必須引進專業廠商進行客製化工程設計。無論是超大規模資料中心，或是模組化、邊緣運算節點，電阻系統都必須根據機房空間、氣流設計和運維可達性量身打造，而非事後「補丁式」安裝。
以AI時代的可靠性設計　　
在AI驅動的數位經濟背景下，資料中心已成為新型公共基礎設施。停機的代價將隨著業務數位化程度的提高而水漲船高。
為了避免因供電問題而帶來業務中斷，必須在UPS和柴油引擎之外，建構更完善的保護機制。電阻器雖然不像UPS或柴油引擎那樣直觀，卻是確保電氣系統穩定性、驗證備用電源可靠性和保障AI算力不中斷的重要屏障。
對資料中心營運商而言，在「雙碳」目標與AI算力需求雙重驅動下，主動將NER與LoadBank納入設計與維運體系，不僅是對設備的保護，更是對業務連續性與產業信譽的守護。