一项由《金融时报》主导的深度调查显示,预计今年开放的数据中心项目中,近一半将至少延期三个月,部分项目甚至可能无法如期完成。
调查方法与数据来源
《金融时报》此次调查综合运用了地理空间数据分析公司SynMax提供的卫星图像,并与行业研究机构IIR Energy整理的公开声明及许可文件进行交叉比对。调查重点评估了各数据中心项目在土地清理和建筑地基铺设方面的实际进展情况。
主要科技公司项目受影响
调查结果令人担忧。分析显示,微软、甲骨文、OpenAI等科技巨头的重大项目"极有可能延误超过三个月"。参与OpenAI项目的建筑业高管明确指出,电气技术人员、管道安装工等专业工种严重短缺,难以同时支撑多个数据中心项目的并行推进。
2026年前景同样堪忧
展望明年,形势并不乐观。SynMax估计,计划于明年动工的项目中,超过60%尚未开始建设。《金融时报》采访了逾十位行业高管,他们普遍表示,建设延期的核心原因在于"劳动力、电力供应和设备的长期短缺",以及繁琐的审批流程。
多重挑战叠加
除上述因素外,零部件与关键元器件短缺问题同样不容忽视。与此同时,数据中心选址周边居民的抵制情绪持续升温,地方和州级政府的监管阻力也在不断增加。
面对外界质疑,OpenAI向《金融时报》回应称:"我们的历史性数据中心建设计划正按计划推进,并将持续加速。我们与甲骨文、SB Energy及更广泛的合作伙伴生态携手,正在德克萨斯州阿比林、沙克尔福德县和米兰县快速推进项目建设。"甲骨文方面也表示:"我们为OpenAI开发的每一个数据中心项目均在按时推进,施工进度符合计划安排。"
AI硬件需求引发资源紧张
AI数据中心对硬件的高度依赖,导致GPU、内存和存储设备的短缺问题急剧恶化。硬盘制造商的订单已排至今年年底乃至明年,内存价格更是飙升至数百甚至数千美元。电力供应同样面临巨大压力,GPU本身极为耗电,数据中心整体用电需求急剧攀升。由于现有电网难以承载这一需求,各大数据中心运营商正积极寻求自主供电方案,模块化核电站因此重回视野,核能在沉寂多年后再度受到广泛关注。
政策阻力与投资回报质疑
与此同时,来自公众和政府层面的阻力也在持续累积。最初只是城市和州内的零散反对声音,如今已演变为更大范围的政策行动——缅因州已宣布暂停所有数据中心的建设审批,期限延续至明年,另有11个州正在考虑推行类似限制措施。
在所有挑战之上,AI能否真正带来可观回报的疑问也日趋强烈。IBM首席执行官阿文德·克里希纳曾公开质疑,这些规模庞大的超大规模数据中心究竟能否实现投资回收,而持有同样观点的业界人士并非少数。
Q&A
Q1:《金融时报》此次数据中心调查是如何进行的?
A:《金融时报》综合运用了地理空间数据分析公司SynMax提供的卫星图像,并与行业研究机构IIR Energy整理的公开声明及许可文件进行交叉比对,重点评估各项目在土地清理和建筑地基铺设方面的实际进展,从而判断项目是否存在延期风险。
Q2:数据中心建设延期的主要原因有哪些?
A:根据业内高管的反馈,建设延期主要由以下几个因素叠加造成:专业技术工人(如电气工程师、管道工)严重短缺;GPU、内存、存储等关键硬件供不应求;电力基础设施无法满足数据中心用电需求;审批流程繁琐复杂;以及周边居民和地方政府的抵制与监管限制。
Q3:缅因州为什么要暂停数据中心建设?其他州有类似行动吗?
A:缅因州已宣布暂停所有数据中心建设审批,期限延续至明年,主要原因是公众对数据中心选址的持续抵制以及地方政府对相关影响的担忧。目前已有另外11个州正在考虑推行类似的限制或禁止措施,反映出地方层面对大规模数据中心建设的监管阻力正在全面升级。
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%。