硅谷正向规模不断扩大的AI数据中心投入数千亿美元,这些设施的用电量相当于数十万美国家庭的总和。然而,这场大规模建设浪潮正面临严峻的施工挑战、电力瓶颈以及日益强烈的地方阻力。卫星图像显示,美国近40%的数据中心项目可能无法按计划在今年内完工。
英国《金融时报》援引地理空间数据分析公司SynMax提供的卫星图像,评估了各数据中心项目在土地清理和地基铺设方面的进展情况,并对照行业研究机构IIR Energy整理的公开声明及许可文件进行了交叉核实。分析结果显示,微软、甲骨文、OpenAI等科技巨头的重大项目"完工日期很可能推迟三个月以上"。
《金融时报》采访了十余位行业高管,受访者指出数据中心延期的主要原因包括"劳动力、电力和设备的长期短缺",以及获取必要许可证的繁琐流程。参与OpenAI项目的建设高管特别提到,电工、管道安装工等技术工种人手严重不足,难以同时支撑多个数据中心项目的推进。
计划中的数据中心大规模建设对电力的巨大需求,形成了严重的能源瓶颈,尤其是在公用事业公司努力扩大发电能力、完善电力基础设施之际。与此同时,美国对变压器等中国进口设备加征关税,进一步加重了硅谷AI扩张计划的压力。
许多科技公司甚至开始自建园区配套发电设施,重度依赖天然气涡轮机。市场情报平台Cleanview的分析指出,部分数据中心开发商正在使用搭载于半挂卡车上的移动燃气发电机,以及最初为飞机和军舰设计的涡轮发动机。
与此同时,美国各地社区对数据中心的抵制情绪也在持续升温。素有"全球数据中心之都"之称的弗吉尼亚州,民众对新建数据中心的态度已急剧转向。一项近期民调显示,多数弗吉尼亚居民对数据中心的土地占用和环境影响表示担忧,同时也对电费上涨的潜在影响感到忧虑。有据可查的是,数据中心的大规模建设确实会向公用事业公司施压,导致当地乃至区域用户的电费普遍上涨。
特朗普政府于2026年3月就数据中心引发的能源成本问题作出回应,宣布多家大型科技公司签署了《电费用户保护承诺》,但该协议缺乏实质性的法律约束力和可操作的执行机制。微软已单独承诺承担旗下数据中心的全部电力成本,以避免对当地社区造成更广泛的电费压力。
然而,这些举措并未能阻止地方立法者考虑在全州范围内禁止数据中心建设。缅因州议员近日率先通过了一项法案,对用电需求超过20兆瓦的新建数据中心的审批实施长达18个月的暂停,但最终是否生效,还需等待缅因州州长珍妮特·米尔斯决定是否动用否决权。
Q&A
Q1:美国数据中心建设延期的主要原因是什么?
A:根据《金融时报》对十余位行业高管的采访,造成数据中心建设延期的主要因素包括三方面:一是劳动力短缺,尤其是电工、管道安装工等技术工种严重不足;二是电力供应紧张,公用事业公司难以满足大规模数据中心的用电需求;三是设备短缺叠加关税压力,美国对中国进口变压器等设备加征关税,进一步推高了建设成本和采购难度。此外,审批许可流程繁琐也是重要原因之一。
Q2:数据中心建设对普通居民的电费有什么影响?
A:数据中心对电力需求极大,其大规模建设会向公用事业公司施压,导致当地乃至区域内普通用户的电费上涨。弗吉尼亚州的民调显示,多数居民已对电费上涨问题表示担忧。为应对这一问题,微软承诺自行承担旗下数据中心的全部电费,而特朗普政府也推动多家科技公司签署了《电费用户保护承诺》,但该承诺目前缺乏法律约束力。
Q3:缅因州针对数据中心通过的法案具体内容是什么?
A:缅因州议员近日率先通过了一项议案,对用电需求超过20兆瓦的新建数据中心审批实施18个月的暂停。这是美国首个通过此类法案的州。不过,该法案尚未正式生效,仍需等待缅因州州长珍妮特·米尔斯作出最终决定——她可以选择签署、否决,或让其自动生效成为法律。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。