数据中心狂飙时代的三道坎
发布时间：2026-02-20 09:29:50| 浏览次数：
Monroe 说得很直白，电力是当前最要命的近期约束。云计算和 AI 推理这些业务必须离用户近，响应速度才快，所以都扎堆在大城市周边。问题是这些地方本来用电就紧张，数据中心一来，电网直接吃不消。
但AI 训练就没这个顾虑。训练模型对地理位置没啥要求，哪儿有电往哪儿搬，所以现在很多训练任务都在往偏远地区迁移。这种分化其实挺明显的：推理要速度，训练要电量，各取所需。
第一个是“灵活负载管理”，说白了就是在用电高峰期让数据中心主动降低负荷。杜克大学做过一个研究，如果数据中心愿意接受每年 0.25% 的停机时间（也就是 99.75% 的正常运行），美国电网能多承载 76 GW 的新负载；如果能接受 0.5% 的停机（99.5% 正常运行），这个数字能到 98 GW。
听起来挺美好，但 Monroe 泼了冷水。他说这事儿有两个大障碍：一是行业天生就怕风险，IT 设备频繁开关机谁都不敢轻易尝试；二是光靠市场激励还不够，可能需要监管层面强推才行。所以这个方案理论上能解锁 100 GW 的容量，实际落地还得看。
第二个方案更直接也更贵——Behind-the-Meter（BTM），也就是自己建发电站。现在已经有一小部分数据中心在这么干了，主要用天然气发电机。
Monroe 说这个方式的成本是电网供电的 5 到 20 倍，听着吓人，但对于那些大型 AI 数据中心来说，考虑到利润空间，这笔账还是算得过来的。
像马斯克的 xAI 实验室通过租用卡车安装的燃气涡轮机和引擎，在短短 4 个月内建成了一个 10 万块 GPU 的集群，部署了超过 500MW 的现场电力，OpenAI和 Oracle 已在德克萨斯州订购了 2.3GW 的现场天然气发电厂 。
第二个挑战是水。传统数据中心的冷却系统特别耗水，用的是蒸发冷却技术。但现在情况变了，社区不干了，监管收紧了，芯片技术也在进步，整个行业开始往节水方向转型。
Monroe 说，现在的趋势是从高耗水的蒸发冷却转向闭环和无水冷却系统，尤其是那些大型云服务商，转得特别快。听起来是好事，但有个代价：能耗大幅上升。
具体来说，传统蒸发冷却系统的PUE（电力使用效率）能做到 1.08，意味着只有 8% 的能源用在了非计算环节。但换成闭环无水系统之后，PUE 会飙到 1.35-1.40，也就是说能源开销从 8% 跳到了 35%-40%。这个差距可不小。
当然技术也在进步。Monroe 提到了芯片级液冷和高温水冷这些新技术，能在更多地理位置实现高效散热。但他也指出，托管型数据中心（co-location）很难跟进这些新技术，因为它们客户群体太杂，必须在建设早期就确定冷却架构，没法灵活调整，所以还是会坚持用传统的冷水机组。
尽管无水冷却的份额在上升，Monroe 判断冷水机组的需求在未来十年还是会大幅增长，原因很简单——数据中心整体规模在爆发式增长，即便占比下降，绝对量还是在涨。
巧的是，SemiAnalysis上个月也出了一篇关于数据中心用水的分析，SA认为数据中心用水的争议被过度夸大，这些讨论往往忽略了冷却架构、能源来源、地理位置和当地水资源稀缺性等关键变量。Colossus 2作为全球顶级数据中心，Colossus 2 的水消耗仅相当于 2.5 家 In-N-Out 门店，而餐饮行业整体水消耗规模远大于数据中心。有兴趣的可以看下SemiAnalysis的那篇原文。
Monroe 认为，数据中心不是普通的工业建筑，它需要极其专业的电气和机械系统，这意味着电工和管道工是整个建设过程中的关键角色。而现在的问题是，这些技术工人严重短缺。
Monroe 认为，技术工人短缺会成为继电力之后的下一个主要约束。为了应对这个问题，行业组织正在和技术院校合作开发培训项目，甚至把触角伸到了中学，试图让更多年轻人把技术工种当成有吸引力的职业选择。
高盛也给出了一个估算：到 2030 年，美国需要净增超过 50 万名工人，覆盖制造、建设、运维以及输配电等各个环节，才能满足数据中心扩张带来的电力部署需求。
星球最近对每天的早报(周内早上9点前更新)做了一个很大的更新，之前的早报主要以头一天海外媒体的新闻总结为主，内容都不是很长。
最近我们对早报做了很大的升级，除了Physical AI、机器人、AI算力、AI电力、光、PCB、液冷、AI应用，内容比较全，都是最新的分析师观点和新闻，欢迎大家进星球查看。
