AI 数据中心如何运作：电力、冷却与社区权衡

当你向 ChatGPT 提交提示词时，回答来自实体计算基础设施。数据中心将服务器、供电设备和冷却系统安置在建筑中，而不是存在于抽象的云里。它们的规模和配置各不相同，但最大的 AI 设施可能需要大量投资和电力。

投资计划展示了建设规模。[OpenAI 于 2025 年 1 月发布的 Stargate 公告](https://openai.com/index/announcing-the-stargate-project/)称，项目计划在四年内投资 5000 亿美元，其中初期投入 1000 亿美元；公告并没有宣布数万亿美元的 Stargate 承诺。2025 年 9 月，NVIDIA 表示计划随着系统部署，逐步向 OpenAI 投资最多 1000 亿美元，而不是已经支付了全部金额。

可以把数据中心想成计算工厂。服务器机架里有 CPU、GPU 或其他加速器，高速网络连接机器，存储设备保存数据。设施还需要配电、备用系统、冷却以及实体和数字安全。它的基本组成与计算机相似，但规模扩大后工程挑战会发生巨大变化。

AI 发展增加了对加速器和高密度设施的需求。矩阵乘法是许多模型中的重要运算，需要以巨大规模执行，但 AI 也使用其他运算，并能在不同硬件上运行。大型生成式模型所需计算量可能远超某些专用应用，但比例取决于任务和配置。

我引用了这样的估计：一次 ChatGPT 查询耗电 2.9 瓦时，一次传统搜索耗电 0.3 瓦时，并比较了生成图片与给手机充电的能耗。这些只是说明性估计，并非普遍不变的数字：模型大小、回答长度、硬件、利用率和核算方法都会影响结果。后来的 [IEA 分析](https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary)指出，简单查询的效率已有提升，而推理和视频任务可能消耗多得多的能源。本视频包含 Dell Technologies 的赞助。

训练是构建和改进模型的密集计算过程；一次训练运行有开始和结束。推理则发生在部署后的模型处理请求并生成输出时。服务可能全天运行，但负载会变化，硬件和电力需求取决于每种工作负载的服务方式。

电力是核心约束。[美国能源部 2024 年的报告](https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers)估计，数据中心在 2023 年消耗了美国电力的 4.4%，并在不同情景下预测 2028 年占比为 6.7% 至 12%。这些数字涵盖所有数据中心，并非仅限 AI；情景范围也不是对未来结果的实测。

我引用 PJM 的一项预测：到 2030 年，峰值需求将增加约 30 吉瓦，并将其规模与数千万户家庭或约 30 座 1 吉瓦电厂比较。这些只是粗略的容量比较，不能直接换算为全年耗电量：需求会随时间变化，电厂也并非总以额定功率运行。

AI 集群可能使高密度负载集中在特定变电站附近。因此，选址需要与公用事业公司协调发电、输电、接入时间和当地容量。需求增长可能给可靠性和成本带来挑战；规划可以降低风险，但无法保证任何社区都绝不会受到干扰。

机架是容纳服务器和加速器的框架。我介绍了约 80 至 120 千瓦的高端 AI 机架，并讨论未来可能出现的 600 千瓦机架；这些是例子和预测，并非通用规格。随着电力密度增加，设施可能需要更强的配电、结构支撑和不同的维护方式。

更多电力会产生更多必须排出的热量。一些高密度系统让液体在芯片附近循环，再将热量转移到更大的冷却系统。如果冷却失效，自动热保护可以降低设备运行速度或关闭设备；硅芯片立刻熔化并不是预期的直接结果。视频包含参观 Cerebras 设施的画面。

冷却需要权衡，不存在单一的最佳设计。液冷能够高效地从高密度设备带走热量，而在适当条件下，风冷和干式散热可以减少现场直接用水。闭环系统会循环使用冷却液，但散热或电力供应链的其他环节仍可能消耗水；表现取决于气候和系统设计。

我引用每千瓦时 1.9 升的典型用水效率数字，以及 Google 位于 Council Bluffs 的设施在 2023 年用水约 10 亿加仑的例子。这类数字取决于统计边界、气候和地点，不应套用到所有数据中心。选择设计时，当地水资源、社区意见和透明报告都很重要。

建设从土地、电力和光纤接入开始，然后经过工程设计、许可、施工、测试和调试。我提出超大规模项目可能需要 18 至 30 个月，各阶段可以重叠；实际工期差异很大。xAI 的 Colossus 初期快速部署是一个特殊例子，不应把它视作能与所有设施从头到尾直接比较的工期。

大型园区可能占地数百英亩，需要大量基础设施、设备和冷却系统。安全措施可能包括外围屏障、出入管制、证件、摄像头和受限服务器机房。具体措施与人员配置因运营商和地点而异，并不存在一套普遍适用的清单。

北弗吉尼亚是主要的数据中心市场。我引用 Loudoun County 报告的数据中心税收对一般基金的贡献，并指出其他市场包括凤凰城、芝加哥、俄勒冈州和俄亥俄州。税收、电网接入、土地、水资源和地方政策都很重要。建设可以创造许多临时岗位，而长期运营岗位可能少得多，且因设施而异。

许多大型设施使用柴油发电机作为备用电源，参观 Cerebras 时展示的设备就是例子。它们不仅在紧急情况下运行，也会在例行测试和维护时启动，排放会影响当地空气质量。运营商正在探索电池、燃气轮机和氢等替代方案；核电也可以成为更广泛供电策略的一部分。

我认为好的项目应从电力规划开始，与公用事业公司合作，披露用水情况并让当地社区参与。热量再利用也有帮助：我举了 Meta 丹麦数据中心向区域供热系统输送热量的例子。结合当地条件评估后，闭环冷却、干式冷却和可再生电力都可能是有用的选择。

Amazon、Microsoft 和 Google 等主要云服务商运营庞大的数据中心网络，Oracle 和 CoreWeave 等公司也参与其中。我引用 2025 年的市场份额和投资计划来说明其规模；市场份额取决于定义和统计时期，企业资本支出也不一定全部用于 AI 数据中心。

电网运营商会为大量新增负载进行规划，但说数据中心不可能促成停电或社区受到干扰过于绝对。结果取决于系统容量、时间安排和当地条件。同样，备用发电机通常不以持续运行为目的，但会进行测试；用水量则因设计而异，从低用水方案到蒸发冷却都有。实际挑战是在扩充容量的同时，处理当地电力、空气和水资源影响。