被用了幾千年的銅，怎麼突然成了AI時代的新寵？
銅，這種人類最早掌握的金屬之一，從青銅時代就開始被廣泛用於兵器、錢幣與日常器具，數千年來始終是工業與文明的基礎材料。然而近年在 AI 技術爆發的浪潮中，銅的地位不但沒有被取代，反而迎來全新的需求高峰。從數據中心到伺服器機房，再到電動車與再生能源系統，銅的導電性、導熱性與可靠性讓它從傳統金屬一躍成為 AI 時代戰略物資。背後原因並不複雜。AI 運算需要極大量伺服器與 GPU 晶片密集運作，這些設備需要穩定且高效的電力傳輸與熱管理。銅正是電纜與散熱元件的關鍵材料。以一座大型數據中心為例，內部電力配線、接地系統、冷卻管路幾乎都以銅為核心材料。
隨著 OpenAI、Google、微軟等科技巨頭持續擴建算力基礎設施，全球銅的需求量正在快速攀升。除了數據中心內部的配線，AI 伺服器的電源供應器與連接器也大量使用銅合金。這些元件需要承受高頻電流並維持低阻抗，銅的導電率遠優於鋁，也遠比金、銀等貴金屬更具成本效益。業界統計顯示，一台高階 AI 伺服器使用的銅重量可達數十公斤，遠超過傳統伺服器。不只是基礎設施，AI 晶片本身的封裝與散熱也開始依賴銅。先進封裝技術如 CoWoS 或 3D 堆疊中，銅導線與銅柱扮演訊號傳輸與散熱通道的角色。台積電與英特爾在開發下一代晶片時，都在研究更高純度的銅金屬與電鍍技術，以應對 AI 晶片愈來愈高的運算密度。
與此同時，銅的環境永續性也成為 AI 產業關注的焦點。銅可以無限回收再生，且回收過程耗能僅為開採新礦的 10% 左右。這讓大型雲端服務供應商在採購銅材時開始傾向使用回收銅，以符合自身的碳中和目標。亞馬遜、微軟等公司已宣布將在數據中心建設中優先採用回收銅線纜。不過銅的供應鏈也面臨挑戰。全球銅礦主要分布在智利、秘魯、剛果等地，開採成本持續上升，且礦場擴產週期長達五到十年。AI 需求的爆發性成長讓銅市出現供需缺口，倫敦金屬交易所的銅價在過去兩年內波動幅度超過 40%，部分分析師認為銅可能出現結構性短缺。此外，銅的替代材料也在研發中，例如石墨烯、碳納米管等，但這些材料目前成本過高且量產技術尚未成熟。
短期內銅仍是最具性價比的導體選擇。就連電信業者在鋪設 5G 與光纖網路時，最後一哩的連線也必須依賴銅線，因為光纖無法直接傳輸電力給終端設備。中國作為全球最大的銅消費國，在 AI 時代的銅需求同樣快速增長。國內電線電纜廠商如金龍電纜、遠東電纜等已擴產銅線產能，並開發專為 AI 數據中心設計的高頻銅纜。同時，電動車產業也與 AI 算力競相爭搶銅資源，一台電動車平均用銅量約 80 公斤，是燃油車的四倍。從更宏觀的角度看，銅的價格波動已經開始影響 AI 企業的建置成本。一個大型 AI 訓練集群的建置成本中，電力與散熱基礎設施約占 30% 至 40%，而這部分成本與銅價高度相關。
部分新創公司為了降低成本，開始嘗試用鋁或銅鋁複合材料取代部分銅線，但在高頻訊號傳輸與可靠性上仍有落差。銅在 AI 時代的復興也反映在資本市場上。全球主要銅礦商如 Codelco、Freeport-McMoRan 的股價在 2024 年以來漲幅超過 50%，多家投資銀行將銅列為「AI 金屬」首選。與此同時，回收銅企業也受到關注，美國的以及美國的 Aurubis、中國的再生銅業者都獲得大量資金投入。令人玩味的是，人類使用銅的歷史長達數千年，從青銅劍到銅錢，再到電線電纜，如今卻因為 AI 而再次站上舞台中央。這表明技術的演進往往不是簡單的「新取代舊」，而是新需求會重新賦予傳統材料的價值。
未來隨著 AI 滲透到更多應用場景，從智慧電網到邊緣運算，銅的地位恐怕只會更加穩固。當然，銅並非沒有被挑戰的可能。科學家正在探索用高溫超導材料取代銅，若技術突破，將徹底改變電力傳輸方式。不過目前超導體仍需極低溫運作，成本極高，離商用化還很遙遠。在這段過渡期內，銅仍將是 AI 時代不可或缺的關鍵金屬。總結來看，銅從古代貨幣與兵器的原料，蛻變為 AI 基礎設施的核心材料，背後是導電性、導熱性、可回收性與成本優勢的綜合體現。當各大雲端業者與晶片廠持續擴張算力規模時，銅的戰略地位只會愈來愈重要。這也提醒我們，在科技最前線的發展中，最古老的材料有時反而是最可靠的解決方案。
Related
相關文章
Transformers Model Integration Contracts
Back to Articles Transformers Model Integration Contracts Published November 3, 2026 Update on GitHub Upvote - Tarek Ziadé tarekziade Follow On July 30, 2026, Transformers enabled PyTorch's scaled dot-product attention (SDPA) for T5.
NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
Back to Articles NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required Enterprise + Article Published October 21, 2026 Upvote 1 Joshua Przybylko jprzybylko Follow nvidia Jure Leskovec profjure Follow nvidia Matthias Fey rusty1s Follow nvidia Federico Lopez flopeznv Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia Ramona Bendias RBendiasN Follow nvidia TL;DR NVIDIA Kumo Relational is a pre-trained relational foundation model that makes predictions directly on enterprise databases.
NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability
Back to Articles NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability Enterprise + Article Published October 21, 2026 Upvote - Saira Qureshi sairaq Follow nvidia Aditi Gautam adgautam Follow nvidia Manikandan Ravikiran mravikirannvidia Follow nvidia Sena Ekiz neptunel1 Follow nvidia Viraj P Modak vmodak Follow nvidia Highlights (TL;DR) NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model that combines a pretrained Transformer backbone with Domain-Aware Representation and Retrieval (DARR), a context-enhanced forecasting mode that blends direct model predictions with patterns retrieved from historical data.
Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories
Back to Articles Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories Enterprise + Article Published October 21, 2026 Upvote 1 John Kosnik jkosnik Follow nvidia Frank DeLise delisef Follow nvidia Pomi Lee pomilee Follow nvidia Building robotics simulations and high-fidelity AI factory digital twins takes more than 3D models.
NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation
Back to Articles NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation Enterprise + Article Published October 20, 2026 Upvote - Lukas Zbinden lzbinden Follow nvidia Javier Gamazo javirk1 Follow nvidia Nigel Nelson nigeln Follow nvidia Mostafa Toloui mtoloui Follow nvidia Sean Huver shuver Follow nvidia Picture moving the Cadiere grasper, grasping the gallbladder, and lifting it, all within a generated surgical scene that responds in real time.
擴展印度語言預訓練：2.8兆詞元與開放資料生成管線
本文介紹了針對22種印度語言的預訓練擴展計畫，使用了2.8兆詞元，並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA，開發了一套可重用的GPU加速管線，用於翻譯、品質評估與修復，以支援這些語言的模型訓練。