SLB 攜手 NVIDIA 擴大 AI 合作：能源資料基礎設施如何成為減碳與效率革命的新戰場

圖靈學院內的文章包含三大主題：ESG浄零實驗室、AI實驗室及精實管理實驗室，我們會不定期分享相關主題之文章，也歡迎並對前述主題有興趣的學員投稿分享您的見解 (我要投稿)

圖靈學院創辦人科楠老師的願景

SLB 攜手 NVIDIA 擴大 AI 合作：能源資料基礎設施如何成為減碳與效率革命的新戰場

圖靈學院編輯部
2026-3-27

能源產業正在進入一個非常關鍵的新階段：競爭不再只看誰擁有更多油氣資源、更多設備或更大的發電能力，而是看誰能更快把龐雜的營運資料轉化成可執行的決策。3 月 25 日，SLB 宣布擴大與 NVIDIA 的技術合作，雙方將共同設計並部署能源產業所需的關鍵 AI 基礎設施與模型，核心包括模組化 DSX AI 資料中心、專屬能源產業的「AI Factory for Energy」，以及在 SLB 數位平台上優化大型資料集與 AI 模型運算能力。

這則消息之所以重要，不只是因為兩家公司知名，而是它清楚揭示了一件事：AI 在能源產業的角色，正從工具升級為基礎設施。根據 SLB 公布的內容，這次合作並非短期實驗，而是建立在雙方自 2008 年以來的長期合作基礎上；2024 年雙方已經把 NVIDIA 軟體整合進 SLB 的 Delfi 與 Lumi 平台，發展能源領域的生成式 AI，如今則進一步推向企業級與工業級規模部署。

從新聞表面來看，這像是一樁科技與能源公司的合作案；但若從產業結構觀察，它其實反映出三個正在同步發生的轉折。

第一，能源業的資料密度已經高到傳統系統無法有效消化。SLB 與 NVIDIA 都指出，能源企業每天要面對大量來自地層、井下、產線、設備、基礎設施與電力系統的資料，而這些資料長期處於分散、孤立、難以即時整合的狀態，導致決策速度慢、跨部門協作困難。這也是為何雙方此次要把重點放在「把大量能源資料轉成可執行洞察」上。

第二，能源公司追求的不只是自動化，而是效率、可靠性與減碳的同時提升。Reuters 的報導點出，當前能源產業一面要降低成本、提升可靠性，一面又承受減排壓力；在這種背景下，AI 被視為能加快資料處理、優化營運與改善排放表現的關鍵手段。ESG News 也把此次合作定義為面向油氣與電力領域的效率提升、成本下降與排放改善。

第三，AI 基礎建設本身，正在變成能源企業的新競爭力來源。SLB 將擔任模組化 DSX AI 資料中心的設計合作夥伴，透過模組化、場外製造與可擴展部署方式，縮短建置時間、降低勞動與成本壓力，同時讓客戶能更快擴充容量。這顯示未來能源企業若要大規模導入 AI，不只要有模型與資料，還要有能承載這些模型的算力、資料中心與整體架構。

這次合作最值得注意的，不是「AI 能不能幫能源業做點事」，而是 AI 已經被重新定義成能源公司的營運中樞。過去能源數位轉型多半停留在單點應用，例如預測性維護、井場最佳化、生產監控或排程改善；現在 SLB 與 NVIDIA 企圖打造的是一種「參考環境」，也就是能把生成式 AI、agentic AI、資料平台、模組化資料中心與產業模型整合起來的工業化架構。

這對 ESG 與減碳來說有什麼意義？答案是：它讓減碳從揭露問題，走向即時管理問題。能源企業面臨的困境從來不是完全不知道排放在哪裡，而是很難在龐大且複雜的營運流程中，即時辨識低效率環節、模擬不同調度方案、預測設備異常對能耗與排放的影響。若 AI 可以更有效整合生產、設備、基建與能耗資料，就有機會把「碳管理」從事後報表，變成事前決策與事中優化。這也是 NVIDIA 高層所說的，AI Factory 基礎設施與領域模型有助於把大量能源資料轉為行動洞察，並加速更有效率、更永續的能源系統。市場不應把這類新聞浪漫化。原因在於，AI 與減碳之間並不是自動畫上等號。AI 需要龐大算力，而算力背後是資料中心、電力、冷卻與基礎設施投資。NVIDIA 在 3 月 23 日另一份新聞稿中就強調，AI factories 已經成為「智慧時代的引擎」，而其設計必須把能源、運算、網路與冷卻視為同一套架構來整合；甚至開始強調 AI 工廠需具備與電網互動的彈性，以減少尖峰壓力、加快上線與支援電網可靠度。

今天談「AI 幫能源業減碳」，不能只看應用層，而要同時看AI 本身的能源足跡是否被更聰明地管理。若沒有更高效率的資料中心架構、更好的用電調度，以及更成熟的工業資料治理，AI 也可能只是把一部分低效率轉移到另一個地方。這是企業在規劃 AI for ESG 時最容易忽略的盲點。從商業模式看，SLB 的動作也很有意思。Reuters 指出，在部分市場鑽井需求放緩之際，油服公司正試圖透過資料解決方案、電力設備與 AI 基建相關業務尋找新成長動能。這代表 SLB 不再只是傳統油服公司，而是在往「能源科技基礎設施供應商」轉型。也就是說，未來能源業的高毛利價值，不一定只來自設備施工或油田服務，而可能來自誰掌握資料平台、AI 模型、模組化資料中心與跨場域整合能力。

這樣的轉變，對台灣與亞洲企業其實也有很大啟發。很多企業談 ESG，仍把 AI 視為報告生成工具，或只把它放在客服、文書與流程自動化上；但 SLB 與 NVIDIA 這次釋放出的訊號更進一步：真正有價值的 AI，不只是替白領省時間，而是能深入高耗能、高資產、高風險的核心營運現場。當 AI 開始連接生產、設備、電力、維護、碳排與決策流程，它才會從「加分項」變成「競爭門檻」。

總結來說，SLB 與 NVIDIA 的合作，不只是一次能源科技新聞，而是能源轉型邏輯的一次升級。它說明未來能源企業的競爭將建立在三層能力之上：第一是資料是否可用，第二是模型是否懂產業，第三是基礎設施是否足以支撐大規模部署。若這三者能整合，AI 才可能真正幫助企業同步實現效率、可靠性與減碳目標。對投資人、企業決策者與 ESG 管理者而言，真正該問的問題已經不是「要不要導入 AI」，而是「我們是否已經具備把 AI 工業化的資料基礎建設」。因為下一輪能源產業的勝負，拼的恐怕不是誰最早喊出 AI，而是誰最先把 AI 變成可規模化、可治理、可衡量減排成效的營運能力。