Latitude Media 旗下播客 Open Circuit 最新一期把焦点放在一个正在升温的争论上:AI 数据中心是否一定要越建越大。节目由执行主编 Stephen Lacey 主持,嘉宾包括 Ad Hoc Group 创始人兼 CEO Jim Kapsis、Multiplier 联合管理合伙人 Jigar Shah 以及 NRG 首席增长与政策官 Caroline Golin。讨论的核心并非否定大模型对算力的巨大需求,而是质疑「更大即更好」这一被广泛接受的叙事是否唯一可行。
节目回溯了这一叙事的起点:2017 年,当时还在 OpenAI 的 Dario Amodei 写了一份题为「The Big Blob of Compute」的备忘录,主张通往通用人工智能的路径是更大的模型、更多的数据与更长的训练,而非精巧的小模型。这一研究假设后来成为头部 AI 公司的运营哲学,并逐步实体化为吉瓦级园区、核电站重启、燃气电厂与大型电池,建设规模以万亿美元计。
但大型数据中心正遭遇越来越多的现实约束。节目提到,并网排队、电网升级成本、地方社区反对以及土地与水资源限制,都在拖慢超大规模园区的落地。于是,一个替代思路获得关注:把算力分散到更小的仓库、闲置办公楼甚至住宅,形成分布式计算节点。支持者认为,这可以避开昂贵的电网扩容、降低邻避阻力、盘活空置办公空间,甚至让家庭用户从 AI 算力中获得经济收益。
节目列举了正在探索这一方向的公司:Span、Sunrun、Arcadia 和 Generate Capital 在尝试将住宅与商业算力节点与光伏和电池配对;Perimeter 则把旧办公楼改造成数据中心。不过节目也明确,这一市场目前规模还非常小,距离规模化仍有距离。讨论因此转向几个关键问题:这些模式要扩张需要什么条件?分布式算力对电网是否隐藏着新的影响?
从产业视角看,这一讨论把 AI 基础设施问题部分转化为分布式能源问题。若算力节点与光伏、储能结合,其选址逻辑将不再单纯围绕输电容量,而更依赖配电网承载力与本地灵活性资源。这对储能、逆变器、虚拟电厂与电力设备环节意味着潜在增量,但也带来配电网管理复杂度上升、节点利用率与网络时延等新挑战。节目并未给出结论,而是把「集中式超大规模」与「分布式小型化」并置为两种需要权衡的路径。
节目后半段还涉及美国中期选举后的政策走向,以及英伟达 CEO 黄仁勋离开公司一事引发的后续讨论。需要说明的是,上述内容为播客嘉宾的观点与讨论,不代表本站判断。