資料中心狂飆時代的三道檻

最近高盛搞了一個線上交流會，請來的嘉賓是微軟資料中心高級開發組的前首席工程師 Mark Monroe，他在數字基礎設施領域幹了 40 多年，算是真正的行業專家。他點出了資料中心擴張的三大死穴：電、水、人。

我們之前的文章中，也提過另外兩個卡點：Memory和台積電的CoWoS產能。

電力：卡在脖子上的第一道檻

關於電力的卡脖子，之前講過非常多，大家應該也都理解。

Monroe 說得很直白，電力是當前最要命的近期約束。雲端運算和 AI 推理這些業務必須離使用者近，響應速度才快，所以都扎堆在大城市周邊。問題是這些地方本來用電就緊張，資料中心一來，電網直接吃不消。

但AI 訓練就沒這個顧慮。訓練模型對地理位置沒啥要求，那兒有電往那兒搬，所以現在很多訓練任務都在往偏遠地區遷移。這種分化其實挺明顯的：推理要速度，訓練要電量，各取所需。

那怎麼辦呢？Monroe 提到了兩個方向。

第一個是“靈活負載管理”，說白了就是在用電高峰期讓資料中心主動降低負荷。杜克大學做過一個研究，如果資料中心願意接受每年 0.25% 的停機時間（也就是 99.75% 的正常運行），美國電網能多承載 76 GW 的新負載；如果能接受 0.5% 的停機（99.5% 正常運行），這個數字能到 98 GW。

聽起來挺美好，但 Monroe 潑了冷水。他說這事兒有兩個大障礙：一是行業天生就怕風險，IT 裝置頻繁開關機誰都不敢輕易嘗試；二是光靠市場激勵還不夠，可能需要監管層面強推才行。所以這個方案理論上能解鎖 100 GW 的容量，實際落地還得看。

第二個方案更直接也更貴——Behind-the-Meter（BTM），也就是自己建發電站。現在已經有一小部分資料中心在這麼幹了，主要用天然氣發電機。

Monroe 說這個方式的成本是電網供電的 5 到 20 倍，聽著嚇人，但對於那些大型 AI 資料中心來說，考慮到利潤空間，這筆帳還是算得過來的。

這個模式之前SemiAnalysis也提到過，BYOG 模式：Bring Your Own Generation。

像馬斯克的 xAI 實驗室通過租用卡車安裝的燃氣渦輪機和引擎，在短短 4 個月內建成了一個 10 萬塊 GPU 的叢集，部署了超過 500MW 的現場電力，OpenAI 和 Oracle 已在德克薩斯州訂購了 2.3GW 的現場天然氣發電廠 。

水資源：省水還是省電，這是個問題

第二個挑戰是水。傳統資料中心的冷卻系統特別耗水，用的是蒸發冷卻技術。但現在情況變了，社區不幹了，監管收緊了，晶片技術也在進步，整個行業開始往節水方向轉型。

Monroe 說，現在的趨勢是從高耗水的蒸發冷卻轉向閉環和無水冷卻系統，尤其是那些大型雲服務商，轉得特別快。聽起來是好事，但有個代價：能耗大幅上升。

具體來說，傳統蒸發冷卻系統的 PUE（電力使用效率）能做到 1.08，意味著只有 8% 的能源用在了非計算環節。但換成閉環無水系統之後，PUE 會飆到 1.35-1.40，也就是說能源開銷從 8% 跳到了 35%-40%。這個差距可不小。

當然技術也在進步。Monroe 提到了晶片級液冷和高溫水冷這些新技術，能在更多地理位置實現高效散熱。但他也指出，託管型資料中心（co-location）很難跟進這些新技術，因為它們客戶群體太雜，必須在建設早期就確定冷卻架構，沒法靈活調整，所以還是會堅持用傳統的冷水機組。

儘管無水冷卻的份額在上升，Monroe 判斷冷水機組的需求在未來十年還是會大幅增長，原因很簡單——資料中心整體規模在爆發式增長，即便佔比下降，絕對量還是在漲。

巧的是，SemiAnalysis上個月也出了一篇關於資料中心用水的分析，SA認為資料中心用水的爭議被過度誇大，這些討論往往忽略了冷卻架構、能源來源、地理位置和當地水資源稀缺性等關鍵變數 。Colossus 2 作為全球頂級資料中心，Colossus 2 的水消耗僅相當於 2.5 家 In-N-Out 門店，而餐飲行業整體水消耗規模遠大於資料中心。有興趣的可以看下SemiAnalysis的那篇原文。

勞動力：下一個即將爆發的瓶頸

第三個挑戰可能是最容易被忽視的：人。

Monroe 認為，資料中心不是普通的工業建築，它需要極其專業的電氣和機械系統，這意味著電工和管道工是整個建設過程中的關鍵角色。而現在的問題是，這些技術工人嚴重短缺。

Monroe 認為，技術工人短缺會成為繼電力之後的下一個主要約束。為了應對這個問題，行業組織正在和技術院校合作開發培訓項目，甚至把觸角伸到了中學，試圖讓更多年輕人把技術工種當成有吸引力的職業選擇。

高盛也給出了一個估算：到 2030 年，美國需要淨增超過 50 萬名工人，覆蓋製造、建設、維運以及輸配電等各個環節，才能滿足資料中心擴張帶來的電力部署需求。 (傅里葉的貓)