纽约时报揭秘揭秘AI时代背后的“超级工厂”，一座耗电超 60 万户家庭用电！
当今推动人工智能（A.I.）发展的“发动机”，是一种叫做GPU的小型硅芯片（图形处理器）。它最初是为了视频游戏而设计的。
现在，各大科技公司正把 GPU（因非常适合运行 A.I. 所需的大量计算）密集地装进专用计算机里。
由此诞生了一种新型“超级计算机”——在被称为数据中心的大型建筑里，部署多达 10 万块以上的芯片，通过连接在一起的方式，全力训练和运行功能强大的人工智能系统。
所有这些计算能力都伴随着巨大的能耗成本。ChatGPT 的开发者 OpenAI 希望建造大约 5 座设施，这些设施加在一起所消耗的电量，将超过马萨诸塞州约 300 万户家庭的用电量。
随着科技公司不断追逐 A.I. 的梦想，这些数据中心已在美国各地涌现……
……并且还在向全球扩散，迫使科技巨头到处寻找电力和水源，用于为数据中心供电与冷却，以防这些芯片因自身产生的热量而烧毁。
对计算机的这种根本性变革，是自万维网早期以来最重大的一次。正如 20 世纪 90 年代公司为适应新兴的互联网商业模式而彻底重塑计算机系统一样，如今从微小元器件到大型机房与能源供应的方式，也都在为适应人工智能而重新构建。
其实，大型科技公司在过去二十多年里，就已经在全世界各地建造数据中心，用来容纳处理海量网络流量的计算机，比如搜索引擎、电子邮件服务和电商网站。
但与正在到来的这一波 A.I. 数据中心相比，之前的那些显得“轻量”得多。2006 年，谷歌在俄勒冈州达尔斯（The Dalles）建立了它的首个数据中心，当时估计花费了 6 亿美元。而 2025 年 1 月，OpenAI 和几个合作伙伴宣布计划投资大约 1000 亿美元建设新的数据中心，首批在德克萨斯州选址。随后还将陆续在美国各地投入额外 4000 亿美元兴建更多设施。
这场计算革命所影响的远不止科技本身，也包括金融、能源以及各地社区。私募股权公司正将资金大量投入数据中心企业；电工也在蜂拥前往这些数据中心项目所在地寻求工作机会；而在某些地方，当地居民对于这些项目感到抵触，担心弊大于利。
目前，科技公司需要的计算能力和电力几乎超过了世界所能供应的水平。OpenAI 希望筹集数千亿美元，在中东建设芯片制造工厂。谷歌和亚马逊最近达成协议，计划建造并部署新一代核反应堆。而且他们希望一切都能尽快完成。
谷歌的 A.I. 芯片与电路板。为构建旗下聊天机器人和其他 A.I. 技术，谷歌需要大量此类芯片。 在 2024 年 12 月，一家名叫 DeepSeek 的中国小公司声称，利用远少于业界预期数量的芯片，就打造出了世界上最强大的 A.I. 系统之一，颠覆了人们对硅谷疯狂投入是否物有所值的质疑。
然而，美国科技巨头们似乎并不为所动。他们的远大目标是打造“通用人工智能”（A.G.I.）——即能完成任何人类大脑可胜任任务的机器。他们依然相信，为了达到这一点，庞大的计算能力必不可少。
亚马逊、Meta、微软以及谷歌母公司 Alphabet 近期透露，他们今年的资本开支（主要用于建设数据中心）合计可超过 3200 亿美元，几乎是两年前的一倍多。
《纽约时报》记者前往加利福尼亚州、犹他州、德克萨斯州和俄克拉何马州的五处新建数据中心园区，并采访了 50 多位高管、工程师、企业家和电工，来呈现科技行业对这类全新计算方式的巨大渴求。
“原本可能需要十年才能完成的事，如今在两年内就压缩完成了。”谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）在接受《纽约时报》采访时说，“A.I. 就像催化剂。”
为 A.I. 而生的新型计算机芯片
推动这次计算机飞跃的核心，是一种极小的要素：名为图形处理器（GPU）的专用芯片。
像英伟达（Nvidia）这样的硅谷芯片制造商，最初为视频游戏设计了 GPU。然而，GPU 在执行神经网络所需的大规模数学运算方面非常在行。神经网络可以通过分析海量数据来“学习技能”，这也是当今聊天机器人和各种先进 A.I. 技术的基础。
A.I. 模型是如何被“训练”的
神经网络通过分析海量数据学会区分信息，这个过程也被称为机器学习。下面这个示例展示了 A.I. 模型如何基于大量花朵图片，学习识别一朵花的图像。
1. 提供参考素材A.I. 模型的训练需要分析大量参考数据——这是一个既耗时又需要巨大计算量的过程。
2. 映射数据将图片分解成像素，并按照不同标签进行分组，便于模型在后续识别时调用。
3. 对比并预测模型能在数百万张图片中找出共同模式，从而可以自主识别不同对象。
过去，计算机主要依赖被称为中央处理器（CPU）的芯片。CPU 什么都能做，包括运行神经网络所需的简单数学计算。
但 GPU 更能干同样的工作——而且速度更快。在同一时刻，传统芯片只能做一次计算，而 GPU 却可以同时进行成千上万次。计算机科学家把这种能力称为“并行处理（parallel processing）”，这使神经网络能处理更多数据。
“它们跟用来提供网页的芯片有非常大区别。”Together AI（一家科技咨询公司）的首席执行官 Vipul Ved Prakash 说，“GPU 能在同一时间完成数百万次运算，从而让机器有‘思考’问题的能力。”
因此，科技公司开始使用越来越多的 GPU 来训练功能越来越强的 A.I.。
CPU 与 GPU 的差异
传统 CPU 计算
GPU 并行计算
数据按顺序依次处理，前一个任务完成后才进行下一个任务。
通过多处理器并行把任务切分成更小的部分，同时执行多个计算，从而大幅加快速度。
随着使用需求的提升，英伟达也在对其 GPU 进行改造，使其更适合 A.I.，在每块芯片中塞进更多晶体管，以便在每秒进行更多计算。2013 年，谷歌也开始自行研制 A.I. 芯片。
这些谷歌与英伟达的芯片，并非用于运行操作系统，也不能在像 Windows 笔记本或 iPhone 上承担各种应用功能。但它们与其他硬件协同工作时，却能极大加速 A.I. 的发展。
“过去的模式大概延续了 50 年左右。”负责谷歌 A.I. 芯片项目的工程师 Norm Jouppi 表示，“如今，我们有了完全不同的做事方式。”
芯片放得越近，速度就越快
不仅仅是芯片本身发生了变化。为了让 GPU 发挥最大的性能，科技公司必须想方设法加快数据在各个芯片之间的传输速度。
“每块 GPU 都需要和其他所有 GPU 之间进行高速通信。”Cirrascale Cloud Services 的首席技术官 Dave Driggers 如此描述。这家公司在德克萨斯州奥斯汀运营一家数据中心，为知名 A.I. 研究机构艾伦人工智能研究所（Allen Institute for Artificial Intelligence）提供计算服务。
芯片彼此之间距离越近，数据传输就越快。所以各公司都在同一个数据中心里塞进尽可能多的芯片，并且研发新的硬件和线缆，来加快芯片与芯片之间的数据流。
Meta 的 Eagle Mountain 数据中心，位于盐湖城以南的一个山谷中。这栋大楼是在 A.I. 热潮爆发后破土动工的。 这也改变了数据中心的运作方式——传统上，它们就是大型厂房，里面整齐摆放着一排排的服务器机架。
2021 年，在 A.I. 热潮到来之前，Meta 曾在盐湖城以南约一个小时车程的地方新建了两座数据中心，并正在那里建设另外三座。这些设施——每栋建筑的占地面积相当于把帝国大厦横放在沙漠上——最初是为支撑该公司社交媒体应用（如 Facebook、Instagram）所需的网络服务。
但是在 2022 年OpenAI 推出 ChatGPT后，Meta 重新审视了它的 A.I. 计划。公司需要在一座全新的数据中心里塞进数千块 GPU，才能支撑训练单个神经网络可能长达数周甚至数月的计算需求，进而推进 A.I. 的研发。
“所有设备必须像一个‘数据中心级超级计算机’那样统一协作。”Meta 数据中心副总裁 Rachel Peterson 说，“这对基础设计是全新的挑战。”
几个月内，Meta 又动工兴建了第六座与第七座犹他州数据中心，规模均达 70 万平方英尺。在这些数据中心里，技术人员把专门用于训练 A.I. 的硬件（里面装满 GPU 的设备）一台台装到机架上，而这些 GPU 服务器每台价格就可能高达数万美元。
2023 年，Meta计入了 42 亿美元的重组费用，部分原因就是要调整未来许多数据中心项目的设计，以迎接 A.I. 需求。事实上，不止 Meta，一股行业大潮正在兴起。
A.I. 机器需要更多电力——多得多
把新的数据中心装满 GPU 意味着新的电力需求——而且需求量极大。
2023 年 12 月，Cirrascale 租下了奥斯汀一处占地 13.9 万平方英尺的传统数据中心。原本，这里可用约 5 兆瓦电力，足以为约 3600 户美国家庭供电。那时，里面有 80 行左右的机架，用来放置常规的 CPU 服务器。
现在，为了满足 A.I. 需要，Cirrascale 拆掉了旧设备，用 GPU 系统来替换。结果，原先给整幢建筑供电的 5 兆瓦，如今只够带动其中大约 8 到 10 行装满 GPU 的机架。
该数据中心可以向当地电网申请升级到约 50 兆瓦，但即便如此，也无法全部换成 GPU。而即使有 50 兆瓦的负荷能力，对 A.I. 数据中心来说仍算小规模。相比之下，OpenAI 的目标是建设约 5 座数据中心，总耗电量将超过大约 300 万户美国家庭的总和。
Cirrascale 在德州奥斯汀的这个数据中心，最大可从电网获取 5 兆瓦电力，但这只能为 8 到 10 行 GPU 服务器供电。 这不仅因为数据中心里服务器更密集，还因为支撑 A.I. 的芯片本身需要更多电力。普通 CPU 功率大约在 250 到 500 瓦之间，而 GPU 则可以高达 1000 瓦。
建设数据中心时最终要与当地电力公司“谈判”：它能提供多少电力？电费多少？如果需要投入巨资升级电网设备，又由谁出钱？
2023 年，美国数据中心的用电量约占全国总耗电的 4.4%，超过了加密货币“挖矿”中心用电量的两倍。根据美国能源部 2023 年 12 月发布的报告，这一数字到 2028 年可能会增加三倍。
A.I. 数据中心的用电量
能源部下属的劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）推算，专门用于 A.I. 的数据中心，到 2028 年的用电量可能高达 326 太瓦时（TWh），几乎是 2023 年用电量的 8 倍。
数据来源：劳伦斯伯克利国家实验室，美国能源部
“时间才是现在行业里最宝贵的资源。”负责这份报告的研究员 Arman Shehabi 说，“大家都在抢着建，我短期内看不到放缓的迹象。”
在美国的部分地区，数据中心运营商正遭遇电力短缺。比如全球最大数据中心聚集地北弗吉尼亚州（这里有通往欧洲的海底电缆），可供调用的电力几乎被消耗殆尽。
一些 A.I. 巨头转而寻求核能。微软正在重启位于宾夕法尼亚州的三里岛（Three Mile Island）核电站。
也有公司另辟蹊径。埃隆·马斯克（Elon Musk）和他的 A.I. 创企 xAI 最近在孟菲斯自己安装了燃气轮机，没有追求清洁能源，只求更快落地。
“现在我的对话主题已经不是‘要到哪里搞到最先进的芯片’，而是‘哪儿能弄到足够的电力’。”A.I. 风险投资机构 Radical Ventures 的合伙人 David Katz 说。
A.I. 散热太高，只有水才能降温
这些密度极高的 A.I. 系统还带来了另一场变革：全新的冷却方式。
A.I. 系统运转时会产生大量热量。当空气从服务器机架的前方经过，横穿计算芯片后，就会变得很热。在 Cirrascale 奥斯汀的数据中心，一台机架前侧温度约 71.2 华氏度（约 21.8 摄氏度），后方则达到了 96.9 华氏度（约 36 摄氏度）。
如果机架无法及时降温，整台机器，甚至整个数据中心都可能面临起火危险。
在俄克拉何马州东北角的普赖尔镇（Pryor）附近，谷歌大规模地解决了这个问题。
这里宽阔平坦的草地上矗立着 13 座谷歌数据中心大楼。整个园区容纳数以万计的服务器机架，电力从一座座金属铁塔和电缆输送站大量涌入，功率以百兆瓦计。为了防止机架过热，谷歌在 13 座大楼里都安装了冷却水管。
过去，谷歌的数据中心通常把水管敷设在机架之间的通道里，让冷水流经管道，吸收四周空气中的热量。然而，当机架里布满 A.I. 芯片后，水管距离芯片太远，不足以吸走多余热量。
传统数据中心
现在，谷歌让水管直接贴近芯片。只有这样，水才能真正吸走热量，保证芯片安全运行。
A.I. 数据中心
在装满电子设备的地方跑水管有风险：一旦漏水，就可能造成重大损失。为降低风险，谷歌会给水中添加不导电的化学物质，减少芯片的损坏可能性。
水吸收完热量后，还得再冷却下来。通常做法是在数据中心屋顶加装巨大冷却塔。部分水在此蒸发，带走热量，就像人出汗后汗液蒸发带走热量一样。
“我们把它称作‘自然免费冷却’，在清晨干燥、温度较低的环境下，水会自然蒸发降温。”谷歌数据中心副总裁 Joe Kava 介绍。
谷歌数据中心内部，堆满了使用谷歌自研 A.I. 芯片的服务器。 但这也意味着需要源源不断地补充新水来维持循环，对当地供水造成压力。2023 年，谷歌数据中心消耗了 61 亿加仑的水，比前一年增长 17%。在经常面临干旱的加利福尼亚州，有超过 250 个数据中心每年会消耗大量水，当地官员已对此发出警示。
一些公司，比如 Cirrascale，会采用大型冷水机（本质上是空调）来冷却循环水，从而几乎可以 100% 回收冷却水，不会大量消耗当地水资源，但这样会耗费更多电力。
目前，这一切都还只是开端。去年，谷歌在南卡罗来纳州、印第安纳州、密苏里州等地又开工兴建了 11 座新数据中心。Meta 也宣布在路易斯安那州 Richland Parish 建造新的数据中心，面积之大足以覆盖纽约中央公园、中城曼哈顿、格林威治村和下东区等区域的总和。
“这是 A.I. 决定性的一年，”Meta 首席执行官马克·扎克伯格（Mark Zuckerberg）在今年 1 月的一则Facebook 帖子中写道，“让我们投入建设吧！”