缅因州即将成为美国首个在全州范围内对大型数据中心建设实施暂停令的州,该州立法机构已通过相关法案,目前等待州长珍妮特·米尔斯签署生效。
一旦法案获批,该法律将禁止州政府及地方机构向用电量达20兆瓦及以上的数据中心发放许可证或审批,期限持续至2027年10月前后。这一监管变化将直接影响企业基础设施规划,而此时恰逢AI驱动的数据中心需求正加速升温。
法案发起人、州众议员梅拉妮·萨克斯在4月6日众议院推进该法案时发表声明表示:"AI数据中心越来越青睐土地充裕、网络连接稳定的地区,缅因州在这方面颇具优势。但如果这些中心缺乏周全规划和统筹协调,将给电力基础设施、周边环境以及所在社区带来极大压力。"
根据2026年1月美国国会研究服务局的报告,新建超大规模数据中心的容量区间在100兆瓦至1000兆瓦之间,大致相当于8万至80万户家庭的用电负荷。此次暂停令设定的20兆瓦门槛,几乎覆盖了该行业目前规划或在建的所有大型设施。
除暂停发放许可证外,法案还设立了缅因州数据中心协调委员会,该委员会由13名成员组成,由能源资源委员主持,须于2027年2月1日前向州长提交战略报告。根据法案修正文本,其职责涵盖保护电费缴纳者利益、维护电网稳定、降低环境影响,以及推动立法所称的"负责任且选址合理的经济发展"。
米尔斯此前曾推动为杰伊市原安德罗斯科金造纸厂旧址上一个拟投资5.5亿美元的项目设立豁免条款,理由是该项目将复用现有基础设施,不会加重电网负担。但立法机构否决了这一豁免请求。米尔斯办公室未立即回应置评请求。
据立法追踪机构MultiState统计,缅因州是目前至少12个正在审议暂停令或限制性立法的州之一,与此同时,在本届会议中已有超过300项数据中心相关法案在30多个州提出。各方共同的关切焦点是能源成本。美国能源部预测,数据中心到2028年可能消耗全美高达12%的电力。
今年3月25日,参议员伯尼·桑德斯与亚历山德里亚·奥卡西奥-科尔特斯在国会联合提出《AI数据中心暂停法案》,该法案将对所有新建数据中心实施全国性冻结,直至国会通过AI安全立法。
特朗普政府则走了一条与各州立法不同的路径。3月4日,亚马逊、谷歌、Meta、微软、OpenAI、甲骨文和xAI共同签署了白宫发起的《电费缴纳者保护承诺》,这是超大规模云计算企业自愿承诺自行承担发电成本、不将电网费用转嫁给用户的协议。该承诺于3月9日刊登于《联邦公报》,但不含任何违约处罚或审计要求。
电力供应能力已成为数据中心选址的决定性因素,缅因州的暂停令进一步收紧了这一约束。
灰狗研究首席分析师桑奇特·维尔·戈贾表示:"缅因州的做法体现了一种不同的思维方式——它没有依赖企业的承诺,而是主动创造空间,暂停下来认真审视现状。"他还指出,自愿承诺不太可能阻挡监管的推进势头。"自愿承诺只说明企业打算做什么,但无法提供任何保证。既没有执行机制,也没有统一的结果核查方式,更没有明确的问责机制。对于政策制定者而言,这留下了太多悬而未决的问题。"
戈贾认为,这一立法反映出数据中心选址方式正在经历结构性转变。他说:"仅仅问'哪里有电'已经不够了,真正的问题是'能否在需要时保障供电'。数据中心选址不再只是技术或成本决策,它与能源体系和政策现实紧密相连。"
对于负责管理长期托管合同或AI基础设施建设的首席信息官(CIO),戈贾提醒切勿低估潜在风险。"容量或许还能签约获取,但能否如期交付可能取决于多个仍在变化中的因素——电网升级、审批进程、设备时间表,这些都不完全由服务商或客户掌控。"他建议CIO们在当前的基础设施规划中纳入地理分散布局和合同灵活性。
若米尔斯签署法案,缅因州将成为全美首个实施此类限制的州。若她选择否决,法案将退回立法机构,而此前的投票差距显示,法案有望在覆议中得以通过。她的决定预计将在未来数日内揭晓。
Q&A
Q1:缅因州数据中心暂停令的具体内容是什么?
A:缅因州法案规定,禁止州政府及地方机构向用电量达20兆瓦及以上的数据中心发放许可证,期限持续至2027年10月前后。同时设立由13名成员组成的缅因州数据中心协调委员会,负责制定相关战略规划,涵盖保护电费缴纳者利益、维护电网稳定、降低环境影响等方面。
Q2:美国数据中心耗电量有多大?为什么各州开始限制建设?
A:根据美国能源部预测,数据中心到2028年可能消耗全美高达12%的总电力。新建超大规模数据中心容量在100至1000兆瓦之间,相当于8万至80万户家庭用电量。高能耗带来的电费成本、电网压力和环境影响,是各州推动立法限制的主要原因。目前已有至少12个州正在审议类似的暂停令或限制性立法。
Q3:白宫的《电费缴纳者保护承诺》和各州立法有什么区别?
A:两者思路不同。白宫承诺是由亚马逊、谷歌、微软等科技巨头自愿签署,承诺自行承担发电成本而非转嫁给用户,但该承诺不含任何违约处罚或审计要求。各州立法则是强制性的监管措施,对数据中心建设设置硬性门槛。分析人士指出,自愿承诺缺乏执行机制和问责安排,难以对政策制定者形成足够保障。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。