英国AI数据中心容量可能正在从伦敦向外迁移。电力短缺、规划限制,以及对金融机构低延迟连接依赖的减少,正使其他地区对数据中心运营商越来越具有吸引力。
长期以来,英国最大城市伦敦一直是数据中心的聚集地,全国超过80%的总容量分布在大伦敦周边地区。然而,电力供应问题已开始凸显——数据中心与住宅项目正在争夺有限的电力资源。
据云计算与托管服务商Pulsant介绍,伦敦西部尤其"开始接近饱和点",可用土地和电网容量均十分有限。据报道,斯劳区拥有多达35座数据中心,附近的希思罗机场周边也是热门选址区域。
Pulsant在英国各地运营多个通过私有网络互联的数据中心,因此该公司在推动伦敦以外地区市场扩展方面存在一定商业利益。
"许多AI应用场景并不需要与伦敦金融城之间的低延迟连接,这正是土地可用性和电网接入能力开始超越地理位置优势的原因,越来越多的运营商在布局AI基础设施时更看重这些因素。"Pulsant首席营销官马克·刘易斯表示,"很多企业在规划初期仍默认选择伦敦,随后才遭遇落地阻力。AI的出现使电力问题变得无法回避。明智的做法是从工作负载、延迟容忍度和功耗特征出发,再选择能够满足这些条件的地理位置。"
英国政府推出的《AI机遇行动计划》也为这一趋势提供了政策推动力。该计划旨在通过将英国定位于AI发展前沿来推动经济复苏,其中包括围绕数据中心园区设立AI增长区,提供简化的规划审批流程和优先电网接入资格。
然而,优先接入电网的前提是电力供应充足。为此,英国科学、创新与技术部(DSIT)制定了定向电价支持方案,即向运营商提供电价优惠,引导其前往电力容量充裕的地区落地建设。
DSIT指出,英国部分地区的发电能力与电网的传输能力之间存在失衡。以苏格兰的风力发电为例,当地发电量往往超出输电能力。政策文件明确表示:"当数据中心落地苏格兰和英格兰北部时,可以直接消纳当地发电量,从而降低整体电力系统的成本。"
Pulsant强调,鼓励运营商在英国其他地区布局,并非意味着放弃伦敦,而是认识到将基础设施过度集中在单一地区是一种风险——尤其是在电力资源日趋紧张、AI计算需求持续扩张的背景下。
与此同时,英国科学、创新与技术委员会已启动一项调查,探讨新兴低能耗计算架构能否遏制当前AI发展趋势所带来的螺旋式增长的电力需求。
就在本月,ChatGPT开发商OpenAI宣布暂停在英国建设"星际之门"数据中心的计划,该项目在宣布后仅数月便告搁置,理由是能源成本高昂以及监管环境欠佳。
根据经济事务研究所(IEA)的数据,英国电价位居全球最高之列,此前有报告指出,英国电价约为美国的四倍。
Q&A
Q1:英国AI数据中心为什么要从伦敦迁移到其他地区?
A:主要原因有三点:一是伦敦及周边地区电力资源日趋紧张,数据中心与住宅项目争夺有限电力;二是土地资源稀缺,伦敦西部已接近饱和;三是许多AI应用场景不需要低延迟连接,地理位置的重要性下降。而苏格兰、英格兰北部等地拥有丰富的风力发电资源,加上政府提供电价优惠政策,使这些地区对数据中心运营商更具吸引力。
Q2:英国政府的AI增长区政策具体有哪些支持措施?
A:英国政府在《AI机遇行动计划》中推出了AI增长区,主要围绕数据中心园区建设,提供两项核心支持:一是简化规划审批流程,减少落地阻力;二是提供优先电网接入资格。此外,科学、创新与技术部还制定了定向电价支持方案,向前往电力容量充裕地区建设的运营商提供电价优惠,引导算力基础设施向电力资源丰富的地区布局。
Q3:OpenAI为何暂停在英国建设星际之门数据中心?
A:OpenAI暂停英国星际之门数据中心计划,主要原因是两方面:一是英国能源成本过高,根据经济事务研究所数据,英国电价约为美国的四倍,位居全球最高之列;二是英国监管环境存在不确定性。这一决定也从侧面印证了英国电力成本高企已成为吸引大型AI基础设施投资的重大障碍。
好文章,需要你的鼓励
谷歌发布Project Genie新功能,将其世界生成模型与Google街景视图相结合,使AI智能体能够在基于真实地点的虚拟环境中导航与交互。用户可选择美国任意地点,结合"沙漠""石器时代"等风格,生成富有创意的沉浸式世界。该功能目前已向全球符合条件的Google AI Ultra订阅用户(200美元/月)逐步开放,未来计划扩展至更多地区。
新加坡国立大学构建了首个视频隐喻理解基准ViMU,含588段视频与2352道题,测试16个主流AI模型均未超过50%,揭示AI在视频潜台词理解上的系统性短板。
保加利亚国家系统集成商BIS已部署谷歌云Cybershield服务,成为欧洲首批落地该方案的国家之一。项目获欧盟资金支持,旨在整合网络情报与遥测数据,覆盖54个政府及公共部门实体,将威胁检测与响应从被动转为主动。BIS将借助谷歌云安全运营平台及Mandiant威胁情报,构建联邦化跨机构安全运营中心,以AI驱动的防御能力应对日益复杂的网络威胁。
浙江大学等机构联合提出PanoWorld,通过球面空间交叉注意力和57万张全景图训练数据,让AI能直接理解360度全景图的空间结构,在导航和视觉搜索任务中大幅超越现有方法。