SOFC 燃料電池撐資料中心十年？72MW 機房電網只有 1.8MW 的架構解析

 

重點先講：AI 資料中心真正卡住的不是 GPU，而是「電網排隊」。英國 Reading 的 Thames

Valley Park 園區改建案，規劃 72MW IT 負載，電網卻只確保了 1.8MW，於是整座機房的第一期

要靠 固態氧化物燃料電池（SOFC） 發電到 2037 年。這篇用工程角度拆它的數字。

發生了

什麼

Computer Weekly 10/6 報導：開發商（FH Trustees）9 月底向 Wokingham 送出申請，拆

除微軟目前承租的園區，改建約 37,000m² 資料中心。注意：微軟是將在 2027 年 12 月租

約到期後搬離的現租戶，不是這座機房的營運方。

園區電網只有 1.8MW，完工後峰值約 110MW（72MW IT + 冷卻與電力設備）。

解法：42.5MW 有效容量的 SOFC 供應約 32MW 的第一期（2028–2037），33kV／132kV

併網預計 2037 年才完成，屆時再加第二期約 40MW。

同一週美國也有類似案例：T5 在維吉尼亞 Chantilly 送件，48MW 天然氣燃料電池做基載、

電網最多補 27MW；韓國 SK Eternix 也簽了離網燃料電池資料中心 MOU。

快速換算：電網 1.8MW ÷ 峰值 110MW ≈ 1.6%；110MW ÷ 72MW IT ≈ 1.53，代表峰值時每

1MW 運算要再多約 0.5MW 給冷卻與配電；42.5MW ÷ 32MW ≈ 1.33，燃料電池裕度約三

成。

工程重點 1：為什麼裕度要三成？

SOFC 是由很多電堆模組並聯組成，單一模組要停機維護或更換時，其餘模組得補上缺口；電堆

也會隨運轉時間慢慢衰退、輸出下降。42.5MW 對 32MW 的配置，可以理解成「模組級 N+X 備

援 + 衰退預留」。這跟柴油備用發電機只在停電時跑不同，這裡燃料電池是 全年 24 小時的主電

源，可靠度設計邏輯完全不一樣。工程重點 2：SOFC 不擅

長追負載

SOFC 工作溫度高（數百度等級），熱應力限制了它快速升降功率的能力；但 AI 訓練負載會在毫

秒到秒級大幅擺動。實務上通常要搭配 UPS／電池儲能吃掉瞬態，讓燃料電池維持平穩輸出。這

也是為什麼「燃料電池 + 儲能 + 直流配電」常被一起討論。

工程重點 3：沒有 NOx，不等於沒有碳

SOFC 是電化學反應、不是燃燒，所以申請文件說它幾乎不產生 NOx 與懸浮微粒；但只要燒的是

天然氣，CO₂ 就跑不掉。顧問報告自己也承認這會「鎖定高且不會改善的排放」，環評也判定溫

室氣體影響顯著。未來改用生質甲烷或氫氣是選項，但目前只是可能性。

工程重點 4：廢熱與直流，才是加分題

高溫廢熱可以接區域供熱，申請案提到要供應附近醫院、大學與市中心。另一個常被忽略的點：

燃料電池原生輸出是 直流電，如果機房走 800VDC 或固態變壓器（SST）架構，就能少掉幾道

AC/DC 轉換。T5 的案子甚至因為燃料電池而不需要蓋現場變電站。

還缺什麼／待核

申請文件沒公開燃料電池供應商與單位發電成本（$/MWh）。

天然氣供應是否足夠「穩」？十年主電源需要非常高的供氣可靠度。

2037 年併網時程如果再延，第一期要跑更久，電堆更換成本誰吃？

審查預計 2027 年 3 月才有結果，案子仍可能被駁回或修改。

延伸影片（@vkinng）

AI 缺電怎麼救？SOFC 燃料電池 vs SMR 小型核能，終極能源大戰

SST 固態變壓器革命：為何 AI 大廠要淘汰傳統變壓器？

你怎麼看？電網排隊要十年，你覺得 AI 資料中心先靠燃料電池「過渡」合理，還是應該等 SMR

小型核能？留言說說你的理由。

資料來源：Computer Weekly（2026/10/06）、FFXnow：T5 Chantilly 燃料電池資料中心（2026/10/09）、

The Elec：SK Eternix 燃料電池資料中心 MOU（2026/10/09）。

本文發佈於 vkinngworld｜YouTube @vkinng

電動車吃胎原理：兇手不是車重！瞬間扭力、輪胎滑移與胎溫硬核拆解

重點先講：電動車吃胎，車重確實有份，但它只是「乘法」裡的一個因子。真正能讓輪胎壽命差一大截的，是瞬間扭力造成的滑移，加上胎壓、定位、胎溫和駕駛習慣一起疊加。新片 〈電動車為什麼這麼吃胎？〉的結論一句話：扭力 × 駕駛習慣 × 胎壓定位與使用環境。

發生了什麼

• 輪胎廠米其林美國官網：電動車平均比同級燃油車吃胎快約 20%，原因是更重、扭力更多，再加上動能回收。
• 檢測機構Emissions Analytics：新胎整車平均磨耗約 67 mg/km；車重每多 500 kg（大約一顆大電池），輪胎磨耗排放多約 21%。
• ADACADAC 說磨耗與車重成正比，而電動車從靜止就有大扭力，容易讓人開得更衝；但 ADAC 的輪胎磨耗測試到目前都還用燃油車，還沒有電動車的直接對照數據。
• 實車研究Günter Leister 在 Tire Technology International 2024 年刊發表：Mercedes EQA 300 4Matic（2,100 kg、390 Nm）同一條路線，Eco 模式把最大加速度從約 5 降到 3.5 m/s²，行車時間多約 6%，輪胎磨耗少約 30%、能耗少約 20%。

先算一下車重到底佔多少：我們推算Leister 拿來對照的燃油版 GLA 約 1,700 kg，EQA 多了約 400 kg。套用 Emissions Analytics「每 500 kg 多 21%」並假設線性，車重帶來的差距約 17%。同一台車只改駕駛模式就差約 30%，所以「怎麼開」的影響至少跟「多重」同一個量級。兩組數據的測試方法不同，這只是量級比較。

工程重點 1：車重有影響，但不是全部

車越重，每顆輪胎的垂直負荷越大，起步、煞車、過彎需要的力也跟著變大，這部分沒有爭議。但影片裡講的情境很關鍵：兩台一樣重的車，一台平順起步、一台每個紅綠燈都深踩，輪胎的工作環境完全不同。有趣的是，Leister 文中 EQA 的 390 Nm 跟 GLA 的 350 Nm 差不多，差在電動車從零轉就給出來，而且駕駛很容易用到。

工程重點 2：瞬間扭力讓滑移變大，磨耗跟力的平方走

輪胎傳遞驅動力時一定帶著一點滑移。Leister 用的 Schallamach 磨耗式把磨耗寫成 EWR ×（Fx²/cx + Fy²/cs）：Fx 是縱向力，cx 是輪胎縱向剛性。我們推算在同一顆胎、只看加速那一刻的情況下，最大加速度從 5 降到 3.5 m/s²，(3.5/5)² ≈ 0.49，等於那一瞬間的摩擦功約砍半。這也解釋了為什麼不用打滑尖叫，每天幾十次的「小深踩」累積起來就很可觀。

工程重點 3：胎壓、定位、驅動軸，讓磨耗不平均

米其林提醒：胎壓不足會磨胎肩，胎壓過高會磨胎面中央；前驅車前輪磨得快、後驅車後輪磨得快，四驅也會依扭力分配出現不同磨耗型態。影片裡用橡皮擦比喻前束（toe）：定位一偏，輪胎就不是單純滾動，而是一邊滾一邊斜著拖。看到內側磨光、中間還很深，先查定位和外傾角，別只怪電池。米其林加拿大官網建議電動車每 8,000–10,000 km 對調一次（前後尺寸相同且無方向限制時）。

工程重點 4：胎溫、配方與胎面設計

高速、連續加減速和激烈過彎都會讓胎溫上升，橡膠特性、胎壓和抓地表現都跟著變。輪胎廠的對策在胎上：米其林說它在胎面不同區域組合不同配方，對付電動車的扭力；Leister 的結論是提高輪胎縱向剛性與側偏剛性，能同時降低磨耗、改善操控，剛好對應公式裡的 cx 和 cs。至於動能回收，Leister 的實測認為適應期過後對磨耗沒有明顯影響，跟米其林把它列為原因之一的說法不同。

還缺什麼／待核

• ADAC 目前沒有電動車與燃油車同條件的直接磨耗對照，「多 20%」主要來自輪胎廠與 Emissions Analytics。
• Leister 的 30% 只代表那條路線、那種偏積極的開法，作者也說不是盲測。
• 動能回收到底吃不吃胎，兩派說法不一致，需要更多長里程數據。
• 胎溫對磨耗速率的量化數據，這次找到的公開來源沒有給。

影片（@vkinng）

• 新片：電動車為什麼這麼吃胎？真正兇手不是車重！扭力與胎溫硬核拆解
• (實測)關掉這3個設定，你的電動車輪胎壽命直接翻倍！
• 電動車專用胎是騙局？同車重實測數據大公開！
• 燃油車引擎 vs 電動車馬達：扭力輸出大解密！

換你說：你覺得自己的輪胎最常被什麼吃掉？A 紅綠燈起步深踩　B 胎壓很久沒檢查　C 定位沒做、磨耗不平均　D 真的就是車太重。留言告訴我。

來源：Michelin USA EV FAQ、Michelin USA EV 輪胎說明、Michelin Canada 降低 EV 輪胎磨耗、Emissions Analytics〈How tyre emissions hide in plain sight〉、Günter Leister, Tire Technology International Annual Review 2024、ADAC 電動車輪胎、ADAC 輪胎磨耗報告。約 17%、0.49 倍皆為我們依公開數字與假設（線性、同一顆胎、只看加速瞬間）的推算。

vkinngworld｜vkinngworld.blogspot.com｜YouTube @vkinng

AI 機櫃固態電池原理：QuantumScape PowerBlock 宣稱功率密度 4 倍、耐熱破 300°C，怎麼做到？

重點先講：固態電池最先賺錢的地方，可能不是電動車，而是 AI 資料中心的機櫃。QuantumScape（QS）10 月 8 日發表第一個資料中心產品 QS PowerBlock，主打三件事：功率密度、續航時間、不容易燒。

發生了什麼

• 新聞稿QS PowerBlock 是一套模組化的「參考設計」，可以做成模組、層架或整櫃，放進業界標準的電源機櫃，並支援 800VDC 架構，目標是下一代 1 MW 等級的機櫃。
• 新聞稿在模擬 AI 訓練負載的展示中，和 OCP Open Rack V3（ORV3）規格相比：功率密度 4 倍、續航 5 倍。
• 新聞稿電芯在第三方與客戶安全測試中 超過 300°C 仍保持熱穩定；QS 說一般鋰電池約 180°C 會進入災難性熱失控。
• 新聞稿QS 自己註明：成績來自 原型測試加模型化的系統配置，實際表現要看產品設計與現場條件。10/12–15 OCP 全球峰會在 Megmeet 攤位展出。
• 媒體訪談QS 執行長 Siva Sivaram 對 Axios 說，已在和潛在客戶洽談，第一批可能先進大型訓練資料中心。

先看基準線：已確認・OCP 規格ORV3 備援電池（BBU）層架由 6 個 3 kW 模組組成（5+1 備援），要求 15 kW 放電超過 240 秒。換算下來，一個層架至少要放出約 1 kWh（15 kW × 240 s，我們推算）。QS 說的「4 倍、5 倍」就是拿這個規格比。

工程重點 1：機櫃為什麼需要一顆「緩衝電池」

傳統 UPS 放在機房另一頭，負責停電時撐到發電機啟動。AI 訓練不一樣：上萬顆 GPU 同步運算、同步等待，用電會在短時間內大起大落。把儲能直接放進機櫃，可以在 GPU 旁邊吸收這些波動，減少對上游電網與配電的衝擊。QS 新聞稿也說，多出來的續航「讓營運者有更多餘裕平滑功率波動」。這也是為什麼業界同時在看超級電容：它反應快、壽命長，但存的能量少。

工程重點 2：功率密度 4 倍，換算有多大差別

我們推算・假設值以 1 MW 機櫃為例，如果比照 ORV3 的思路要撐 240 秒，需要約 67 kWh（1,000 kW × 240 s）；用 15 kW 的 ORV3 層架去堆，大約要 67 個層架的放電功率。若功率密度真的是 4 倍，同樣功率只要大約四分之一的體積，約 17 個層架當量。這只是用比例估算的示意，QS 沒公布 PowerBlock 的實際尺寸與容量。

工程重點 3：「5 倍續航」要看在什麼條件下

我們推算・假設值如果 5 倍續航是在同樣 15 kW 負載下量的，就是從 240 秒變成約 1,200 秒（20 分鐘），能量約 5 kWh。但新聞稿沒說基準條件，也沒說是同體積還是同功率比較。鋰金屬負極的優勢是能量密度高；要同時做到高功率又長時間，還得看電芯內阻、散熱與放電深度，這些都還沒公開。

工程重點 4：300°C 對 180°C，安全餘裕從哪來

新聞稿數字兩個溫度相差 超過 120°C（我們推算）。一般鋰電池熱失控的源頭之一是易燃的液態電解液與隔離膜失效；QS 用陶瓷固態隔離層加鋰金屬負極，理論上更耐高溫。執行長甚至說，電池更安全可以讓資料中心的保險與許可流程更順。不過我們在 〈誰說固態電池不會燒？〉講過：固態不等於不會燒，鋰金屬本身很活潑，枝晶與機械應力仍是關鍵。目前只有「第三方測試」這句話，還沒看到公開的測試方法與數據。

還缺什麼／待核

• 4 倍功率密度、5 倍續航的比較基準與測試條件（同體積？同功率？哪種負載曲線？）未公開。
• 電芯層級的能量密度、功率能力、循環壽命都沒給；用於功率平滑會有大量淺充放，壽命是關鍵。
• 300°C 熱穩定的測試方法、第三方機構未具名。
• 鋰金屬電池通常需要一定的堆疊壓力，模組機構與成本怎麼處理沒有說明。
• 沒有價格、量產時程與首家客戶。

延伸影片（@vkinng）

• 別被騙了！固態電池 vs 超級電容：那些廠商沒告訴你的「物理真相」
• 誰說固態電池不會燒？揭開完美表象下的致命物理死結與工程夢魘
• AI 缺電怎麼救？SOFC 燃料電池 vs SMR 小型核能
• 三元鋰與磷酸鐵鋰電池的根本差異

換你說：如果你是資料中心工程師，機櫃旁的緩衝儲能你會選哪個？A 固態鋰金屬電池　B 超級電容　C 傳統鋰電池加強消防　D 等量產數據再說。留言告訴我。

來源：QuantumScape 新聞稿（2026/10/8）、Axios 專訪（2026/10/8）、OCP Open Rack V3 BBU Shelf 規格 Rev 1.1。1 kWh、67 kWh、67／17 個層架當量、20 分鐘／5 kWh、120°C 差距皆為我們依公開數字與假設值的推算，不是 QS 公布的數據。

vkinngworld｜vkinngworld.blogspot.com｜YouTube @vkinng