为何数据中心越来越大：行业趋势向多吉瓦级大园区发展以优化成本和电力密度。

数据中心曾经被认为体量庞大是指几百兆瓦级别。AI热潮彻底改变了这一切。如今，超大规模云计算商正在建造宽阔的城市级园区，其中包含多个数据中心和庞大的计算能力，配合冷却基础设施和现场发电装置——当现有电网无法满足需求时，这往往是必要的。

这些多吉瓦级设施正在全球范围内激增，以支持AI工作负载。根据美国能源部的数据，单个1吉瓦发电厂产生的电力足以供应约750,000个家庭。为了说明其规模：位于犹他州的一个规划设施，若完全投入运营，其用电量将超过该州目前电力需求的两倍。

驱动力源于AI本身的特性。与提供网页或托管应用程序等较小规模计算任务不同，训练大型语言模型需要在同一屋顶下运行庞大的、不间断的、低延迟的计算集群。戴尔指出，在LLM训练中，"分布式AI工作负载的效率至关重要"，网络性能必不可少——连接不良会成为重大瓶颈，"降低硬件利用率，延长整体训练时间，提高运营成本"。为了高效地训练AI模型，将运营集中在单一庞大设施中可最小化成本。Anthropic创始人兼CEO达里奥·阿莫代在2024年表示，训练"在大多数领域超越人类"的模型可能耗资100亿至1000亿美元。在这场竞争中，对OpenAI、Google、Meta和Anthropic等公司而言，速度和容量至关重要。

除了训练需求外，规模经济推动了扩张。超大规模数据中心的效率远高于传统企业数据中心。国际能源署报告指出，"冷却系统在数据中心总耗能中的占比，高效超大规模数据中心约为7%，而效率较低的企业数据中心则超过30%"。运营全球多个最高效设施的Google证实，"超大规模（即体量非常大的）数据中心的能源效率远超较小的本地服务器"。

大型园区需要充足的土地和强大的电力支持。高昂的城市房地产成本促使超大规模云计算商转向农村地区，那里地价更低，他们可以在周围居民较少的地方建造城市级设施——通常通过承诺创造就业机会来吸引当地兴趣。

大园区时代既带来优势也带来劣势。从经济角度看，缺乏既有数据中心基础设施的农村地区确实获得了实实在在的好处。但同时也存在顾虑：家庭能源成本上升、设施附近生活质量下降以及污染问题。

虽然这些园区计划自主发电并采用高效的闭循环冷却系统，但现场发电的巨大规模带来了环境后果。当多吉瓦级设施燃烧天然气以满足即时需求时，它们释放数百万吨有毒气体。斯坦福大学法学院量化的影响用于对比：625兆瓦工厂每年预计排放90吨细颗粒物（PM 2.5）、83吨氮氧化物（NOx）和16吨硫氧化物（SOx）——这些都是导致呼吸系统和心血管疾病、癌症及不利孕产妇和婴幼儿健康结果的已知因素。对于多吉瓦级设施，这些数值需乘以十倍或更多。

规模的增长令人瞩目：巨额投资、巨大风险与回报、令人印象深刻的效率与沉重的环保成本相互抵消，以及惊人的计算能力。随着AI开发加速，正在建造的基础设施远超传统数据中心，将计算推向前所未有的限度。无论人们如何看待这种AI扩张，巨型城市级超级园区很快将在全球各地的农村城镇拔地而起。