WIRED 於 2026 年 9 月 13 日刊出能源專欄《AI Agents Are Thirsty for Power》，指出矽谷正從「一問一答聊天框」轉向可長時間自主執行任務的代理式 AI（agentic AI），而這正是超大規模數據中心持續舉債、搶電、建廠的核心原因之一。本文已核對 WIRED 原文論點與引述，並對照官網公開的企業私有 LLM 與雲端安全服務說明；不臆造未披露的用電量數字。
一、聊天框思維過時：代理會自己下幾百次指令
專欄引述 WIRED 撰寫 Model Behavior 的 Maxwell Zeff 解釋：與其向聊天機械人問一句、答一句，代理可依使用者原始目標自行拆成數以百計的小提示。例如「幫我建一個網站」這類請求，代理可能連續跑數小時，反覆自我提示以產生頁面、選單與資料集。
對企業而言，這代表工作負載形態改變：過往可用「單次查詢」粗估成本與碳排放；代理則把推理、工具呼叫、子代理與重試疊加，耗電曲線與對話框時代脫鈎。
二、技術原理：用電與「用戶數」脫鈎
Sustainable AI 共同創辦人 Boris Gamazaychikov 指出，過去技術成長往往受「有多少人開車／看 Netflix」約束；代理式 AI 卻可在背景並行數百、甚至數千個代理，與即時人類用戶數解耦。若業界追求「一家獨角獸只有一名員工」的敘事，背後其實是大量代理在雲端長時運轉。
WIRED 亦提醒：前沿實驗室曾以逾萬代理、數百萬訊息衝擊數學難題，這類極端實驗雖屬少數，但說明「願意砸算力換突破」會直接反映為電力與資本開支。私人 AI 公司對環境指標披露一向挑揀；單次查詢對比「杏仁含水量」之類修辭，難以涵蓋代理長跑的真實足跡。
氣候科學家 Zeke Hausfather 曾試算自身重度使用 Claude／代理工具的用電，粗估單日 session 可達約兩台雪櫃的量級；Gamazaychikov 認為其方法盡力但仍依賴偏舊文獻，並預告團隊稍後將發布更精準的封閉模型代理足跡研究。重點不是個別用戶「有沒有罪惡感」，而是代理把用電變成可持續擴張的新增排放源。
三、日常應用場景
1. 開發者與技術團隊
代理寫碼、修 bug、跑測試、開 PR，可能連續數小時佔用 GPU／CPU。團隊需為「代理工時」另設配額、逾時與沙箱，而不是只看 API 呼叫次數。
2. 企業與私隱敏感行業
Meta 上周推出面向大眾的個人代理 Muse，並稱每位用戶在雲端有「專屬電腦」、離線仍可工作，年底還計劃與 AI 眼鏡整合。企業若跟風導入「永遠在線」的個人代理，必須先釐清數據駐留、工具權限與帳單責任——香港金融、法律、醫療等受規管行業尤甚。
3. 一般用戶
表面是滑眼鏡、叫代理訂餐廳；背後可能是雲端長駐實例。個人碳足跡相對長途飛行仍較小，但若數十億人同時養成代理習慣，基建規模就會被寫進天然氣電廠與超大園區藍圖（文中舉 Meta 路易斯安那 Hyperion、配十座天然氣廠為例）。
4. 香港與亞洲市場視角
香港電費、機櫃與跨境數據合規成本高。企業若把「全民代理」架構直接搬上公有雲，帳單與供應鏈風險會陡升。較穩妥的路徑是：把高敏感推理放在本地或專屬環境，公有雲只跑可外泄工作；並要求供應商提供代理級別（而非單次 token）的能耗與成本報表。
四、專業評價與潛在考量
優勢
- 清楚解釋數據中心熱潮的需求側邏輯，有助 CFO／IT 用「代理工時」重新做容量規劃。
- 點出披露缺口：業界缺代理能耗標準，企業應在採購合約加入計量條款。
需要留意的地方
- 專欄屬能源評論，不是實驗室技術白皮書；個別用電估算存在方法爭議，不宜當審計數字。
- 小型模組化核電（SMR）被視為長遠低碳選項，但美國尚無商業運轉機組，短期仍多靠燃氣輪機「先上馬」——企業 ESG 敘事要對齊實際併網時程。
- 代理逃逸、亂連外部系統的資安事件近期頻傳，能耗討論應與權限隔離一併處理。
結語
對話框時代用「一粒杏仁」衡量查詢足跡已經不夠用；代理式 AI 把算力需求從「人問一句」變成「機器自己問幾百句」。香港企業若要導入代理工作流，宜同步做三件事：限制工具與網路出口、計量代理級能耗與費用、以及把核心模型與數據放在可控環境。若需在香港部署數據不出境的企業私有 LLM 全託管，可參考 YSK Limited（年費 HK$88,000 起，Dataset → QLoRA/LoRA → 私有 API）：https://ysk.hk/services/ai-automation
參考來源