影片筆記：為何亞洲正大舉興建AI數據中心？馬來西亞成主要樞紐－ BBC News 中文

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

馬來西亞憑藉鄰近新加坡的地理優勢及數據主權法規，成為東南亞 AI 數據中心樞紐，但引發當地居民對水資源消耗、電力需求及就業貢獻的強烈反對，同時全球對 AI 發展的態度在中西方呈現顯著差異。

核心重點

• 馬來西亞成為樞紐的原因：
• 新加坡禁令：新加坡 2019 年實施臨時禁令（moratorium），迫使開發商轉向鄰近的馬來西亞柔佛州。目前馬來西亞 85% 的數據中心位於柔佛州。
• 數據主權法：2019 至 2023 年間，東南亞國家（如馬來西亞、印尼）實施數據主權法，要求數據在當地託管，迫使大型科技公司（Hyperscalers）在當地設立數據中心。
• 地緣政治：2024 年後美國禁止中國獲取 NVIDIA 晶片，導致中國科技公司尋找其他算力來源，進一步推動外資進入馬來西亞。
• 經濟與政府激勵：
• IMF 預測馬來西亞當年 GDP 增長至少 4.7%。
• 政府提供所得稅豁免（income tax exemptions）及投資補貼（investment allowances），目標成為 AI 革命先驅。
• 馬來西亞總理宣布年輕人可免費獲得某些 AI 模型三個月訂閱，以提升數字技能。
• 社會與環境爭議：
• 居民反對：當地居民（如英語教師 Itha Malayana）發起請願，擔憂環境破壞、社區干擾及技能轉移不足。引用名言：「當最後一棵樹倒下，人們會意識到他們不能吃錢。」
• 資源消耗：部分數據中心每日耗水 5000 萬公升（相當於 2500 萬人的日常飲水需求）。柔佛州政府已禁止一級（Tier one）和二級（Tier two）數據中心建設。
• 能源效率：新加坡強制 PUE（電力使用效率）低於 1.25，馬來西亞約為 1.4。若實際使用量未達申報量 85%，將對運營商處罰。
• 能源來源：馬來西亞擁有石油和碳氫化合物資源，但過度依賴碳能源會加劇氣候變化；面臨混合能源來源挑戰。
• 就業與經濟價值爭議：
• 建設期 vs 運營期：建設期創造建築工作，但運營期由大型科技公司接管，僅需極少數人員處理異常情況。
• 技能轉移質疑：居民質疑 AI 用於日常決策（如午餐、關係問題）的必要性，認為數據中心並非真正的技能轉移或產業發展。
• 數字經濟：數據中心真正目的是推動「數字經濟」，可能創造知識型工作或新 AI 相關工作，但目前處於過渡階段，擔憂「就業取代」大於「就業創造」。
• 全球 AI 態度差異：
• 中國：能源基礎設施完善，可再生能源組合已建立，但晶片和 AI 模型落後約 3 到 6 個月。調查顯示 80% 的中國人對 AI 未來持樂觀態度。
• 美國：調查中僅有 31% 的人持樂觀態度。
• 差異原因：在於是否樂觀於 AI 能帶來新經濟體系的增長。
• 人類價值：即使 AI 自動化大部分工作，人類的創造力及其需求是無限的，人類仍有事可做。

詳細大綱

A. 馬來西亞成為 AI 數據中心樞紐的背景

• 地理位置與新加坡因素：
• 馬來西亞（特別是柔佛州）因鄰近新加坡，成為新加坡 2019 年實施「臨時禁令」（moratorium）後的替代地點。
• 目前馬來西亞 85% 的數據中心位於柔佛州。
• 法規驅動（數據主權）：
• 2019 至 2023 年間，東南亞國家（馬來西亞、印尼等）實施「數據主權法」（Data Sovereignty Laws），要求數據必須在當地託管。
• 這迫使大型科技公司（Hyperscalers）在當地建立數據中心以開展業務。
• 外部地緣政治因素：
• 2024 年後，美國禁止中國獲取 NVIDIA 晶片，導致中國科技創始人尋找其他算力來源，進一步推動外資進入馬來西亞。

B. 經濟影響與政府激勵

• 經濟增長：
• 國際貨幣基金組織（IMF）預測馬來西亞當年 GDP 增長至少 4.7%。
• 數十億美元投入馬來西亞經濟。
• 政府激勵措施：
• 提供所得稅豁免（income tax exemptions）。
• 提供投資補貼（investment allowances）。
• 目標是成為 AI 革命的先驅。
• 年輕一代 AI 普及：馬來西亞總理宣布，年輕人可免費獲得某些 AI 模型的三個月訂閱，目的：讓年輕人探索 AI、發揮創意、提升數字技能。

C. 社會反彈與居民擔憂

• 居民案例：
• 26 歲英語教師 Itha Malayana 在社區發現數據中心提案後發起請願。
• 引用名言：「當最後一棵樹倒下，人們會意識到他們不能吃錢。」
• 擔憂點：環境影響、社區干擾、技能轉移不足。
• 技能轉移質疑：
• 居民認為數據中心僅需極少數人管理伺服器，並非真正的技能轉移或產業發展。
• 質疑 AI 用於日常決策（如午餐、關係問題）的必要性。
• 專家觀點與社會反彈：
• 引用 Ether 的觀點：部分民眾質疑 AI 和數據中心對社會的相關性或重要性。
• 擔憂馬來西亞可能像美國一樣，民眾積極推動反對數據中心。
• 預計會有更多人產生類似 Ether 的擔憂。
• 政府可能在更嚴格的法規下繼續建設數據中心，因為民眾的擔憂是合理的。

D. 專家觀點：就業與經濟價值

• 就業結構變化：
• 建設期：創造建築工作。
• 運營期：由大型科技公司（Hyperscalers）接管，僅需極少數人員處理異常情況。
• 數字經濟與就業創造：
• 數據中心的真正目的是推動「數字經濟」（Digital Economy），可能創造知識型工作或新 AI 相關工作。
• 目前處於過渡階段，擔憂「就業取代」大於「就業創造」。
• 歷史技術變革通常最終創造更多工作，但短期內價值創造對本地經濟的貢獻尚不明確。
• 數據主權與穩定性：
• 即使數據來自全球，企業仍需投資當地以維持「可持續持有」（sustainable holding）。
• 政府需平衡居民反對情緒（如抗議、破壞設施風險）與發展願景。

E. 環境挑戰與技術解決方案

• 水資源消耗：
• 部分數據中心每日耗水 5000 萬公升，相當於 2500 萬人的日常飲水需求。
• 柔佛州政府已禁止一級（Tier one）和二級（Tier two）數據中心建設。
• 能源效率與指標：
• PUE 指標：電力使用效率。新加坡強制要求低於 1.25，馬來西亞約為 1.4。
• 電力罰則：若實際使用量未達申報量的 85%，將對運營商進行處罰。
• 技術與能源來源：
• 冷卻技術：提及「StatePoint Liquid Cooling」，涉及水回流與回收技術。
• 能源結構：馬來西亞擁有石油和碳氫化合物資源，但過度依賴碳能源會加劇氣候變化。
• 可再生能源：新加坡要求部分能源來自可再生資源，馬來西亞面臨混合能源來源的挑戰。
• 電力預測：AI 使用量指數級增長導致電力需求激增，存在電力需求預測不足的問題。

F. 全球 AI 發展現狀與態度調查

• 中國現狀：
• 優勢：能源基礎設施完善，可再生能源組合已建立。
• 劣勢：晶片和 AI 模型落後約 3 到 6 個月（視來源而定）。
• 民意：80% 的中國人對 AI 未來感到充滿希望。
• 美國現狀：
• 民意：僅 31% 的人對 AI 未來感到充滿希望。
• 態度差異根源：是否相信 AI 能促進新經濟體系的增長。
• 人類在 AI 時代的定位：
• 針對「AI 自動化一切後人類價值何在」的討論。
• 核心觀點：人類的創造力是無限的，對人類創造力的需求也是無限的。
• 結論：即使 AI 自動化大部分工作，人類仍有其存在的空間和任務。

工具 / 模型 / 名詞整理

• NVIDIA 晶片 (NVIDIA chips)
• ChatGPT
• IMF (International Monetary Fund / 國際貨幣基金組織)
• PUE (Power Usage Effectiveness / 電力使用效率指標)
• StatePoint Liquid Cooling (StatePoint 液體冷卻技術)
• Tier one / Tier two (一級/二級數據中心分類)
• Hyperscalers (大型科技公司/超規模計算提供商)
• Data Sovereignty Laws (數據主權法)
• moratorium (臨時禁令/暫停令)
• Ether (人名/專有名詞，用於引用民眾觀點)
• neocloud (非標準術語，逐字稿中提及 "whether it's a neocloud or hyperscaler")

操作流程整理

• 數據中心建設流程：

1. 法規驅動（數據主權法）或地緣政治因素（晶片禁令）導致需求。
2. 大型科技公司（Hyperscalers）或新創公司（neocloud）評估地點（如馬來西亞柔佛州）。
3. 申請政府激勵措施（所得稅豁免、投資補貼）。
4. 建設階段（創造建築就業）。
5. 運營階段（由大型科技公司接管，僅需極少數人員管理，依賴特定冷卻技術如 StatePoint Liquid Cooling）。
6. 面臨當地居民反對（請願、抗議）及政府監管（PUE 指標、電力罰則、建設禁令）。

值得注意的限制或風險

• 水資源風險：部分數據中心每日耗水量極大（5000 萬公升），可能影響當地居民飲水需求。
• 電力供應風險：AI 使用量指數級增長導致電力需求激增，存在預測不足風險；過度依賴碳能源加劇氣候變化。
• 社會穩定風險：當地居民反對情緒可能導致抗議或破壞設施，政府需平衡發展願景與居民反對。
• 就業結構風險：運營期所需人員極少，可能導致「就業取代」大於「就業創造」，引發技能轉移不足的擔憂。
• 法規監管風險：柔佛州政府已禁止一級和二級數據中心建設；若實際電力使用量未達申報量 85%，將面臨處罰。

逐字稿辨識疑點

• Itha Malayana：逐字稿中提到的居民姓名，聽起來可能為音譯或特定人名，需查證是否為正確拼寫。
• Aoife：在討論居民觀點時，講者提到 "what Aoife said"，但前文提到的居民是 "Itha Malayana"，此處人名不一致，疑點。
• neocloud：逐字稿中提到 "whether it's a neocloud or hyperscaler"，"neocloud" 為非標準術語或聽寫錯誤，需查證。
• 80 to 85%：講者先說 "85%"，後又說 "about 80 to 85%"，數據表述略有出入。
• 50 million litres：逐字稿中提及 "50 million litres of water a day"，此數值極大，需查證是否為特定大型數據中心的數據或聽寫錯誤（如是否為 50,000 或其他單位）。
• 25 million people：對應 5000 萬公升水的飲用需求人數，此換算關係需查證。
• 1.25 PUE / 1.4 PUE：新加坡與馬來西亞的 PUE 數值，需查證當前官方標準是否準確。
• StatePoint Liquid Cooling：此名稱在業界較少見，可能為特定公司名稱或聽寫錯誤，需查證。
• Ether：逐字稿中出現 "you heard from Ether herself"，此處可能為人名或特定稱呼，聽起來較像 "AI" 或特定專有名詞的聽誤，但依規則保留原樣。
• Bernad：結尾處感謝對象為 "Bernad"，此名稱較不常見，可能為聽寫錯誤或特定人名。
• 3 to 6 months：關於中國 AI 模型落後時間的描述，聽起來較短，可能為口誤或特定語境，依規則保留。
• 80% / 31%：調查數據來源未明確標註，僅提及 "survey done"。

可延伸追問

• 馬來西亞政府如何具體執行對一級和二級數據中心的禁令？是否有例外情況？
• StatePoint Liquid Cooling 技術的具體運作原理及其在馬來西亞數據中心的實際應用案例為何？
• 中國 AI 模型落後 3 到 6 個月是基於哪些具體指標或比較對象？
• 馬來西亞總理提供的免費 AI 模型訂閱具體包含哪些服務？如何評估其對數字技能的實際提升效果？
• 數據主權法在東南亞各國的具體執行細節有何差異？對跨國科技公司的合規成本影響為何？