超大规模数据中心企业会和托管服务提供商合作,以满足需求并解决他们的需求。但随着超大规模数据中心的规模越来越大,他们也开始转向自建数据中心了。
来自Structure Research的一份关于全球超大规模数据中心的最新报告指出:“规模是选择自建的一个关键决定性因素,但其他变量也出现了,包括减少供应商、定制和控制设计、以及获取可再生能源的需求。”
Structure Research在其报告中估计,到2022年全球超大规模自建数据中心总容量将达到13177兆瓦(MW)。全球四大超大规模数据中心平台——AWS、谷歌云、Meta和微软Azure——约占该容量的78%。
从地理上看,北美拥有最大的运营自建能力,美国超大规模数据中心企业占到其中的77%。其次是亚太地区,其中中国超大规模数据中心企业占到其中的24%,然后是EMEA和拉丁美洲。不出所料,在除拉丁美洲以外的所有地区,占主导地位的超大规模数据中心企业仍然是亚马逊、谷歌、Meta和微软,苹果、Oracle和法国公司OVH紧随其后。
在中国,本土企业阿里巴巴、华为、百度、腾讯和金山云都是领先的超大规模数据中心企业,同时亚马逊和苹果等国际公司也在努力进入该国的排名中。
以下是全球12个最大的超大规模数据中心企业,根据自建关键电源容量排名:

位于荷兰埃姆斯哈文的谷歌数据中心的入口视图
2022年运营数据中心容量:3024 MW
未来容量(开发中和土地储备):2905 MW
2、微软

2023年1月8日在荷兰克朗拍摄的微软Agriport云数据中心的无人机视图
2022年运营数据中心容量:2176 MW
未来容量(开发中和土地储备):3344 MW
3、亚马逊

亚马逊西雅图总部独有的球体建筑
2022年运营数据中心容量:2480 MW
未来容量(开发中和土地储备):2533 MW
4、Meta

现场经理Tony Perea在Meta位于洛斯卢纳斯的数据中心主数据框架室
2022年运营数据中心容量:1790 MW
未来容量(开发中和土地储备):2595 MW
5、苹果

2022年5月24日的航拍照片,显示了位于中国西南部贵州省贵安新区的苹果数据中心
2022年运营数据中心容量:600 MW
未来容量(开发中和土地储备):1403 MW
6、阿里巴巴

一名技术人员在位于中国北方河北省张北县的阿里巴巴数据中心检查管道
2022 年运营数据中心容量:1350 MW
未来容量(开发中和土地储备):487 MW
7、华为

2022年5月24日的航拍照片,显示了位于中国西南部贵州省贵安新区的“华为云”数据中心(右)和腾讯启星数据中心(左)
2022年运营数据中心容量:494 MW
未来容量(开发中和土地储备):192 MW
8、百度

百度总部大厅
2022年运营数据中心容量:608 MW
未来容量(开发中和土地储备):36 MW
9、腾讯

2020年9月27日,在政府组织的媒体参观中国广东省深圳市腾讯总部期间,一名工作人员介绍了腾讯的互联网数据中心(IDC)云计算服务
2022年运营数据中心容量:487 MW
未来容量(开发中和土地储备):125 MW
10、OVH

法国斯特拉斯堡大型数据中心OVH Cloud附近的消防员
2022年运营数据中心容量:52 MW
未来容量(开发中和土地储备):6 MW
11、金山云

金山软件首席执行官、微软高级技术中心(ATC)前董事总经理张宏江博士出席在中国北京举行的第十四届中国互联网大会(CIC)
2022年运营数据中心容量:36 MW
未来容量(开发中和土地储备):0 MW
12、Oracle

德克萨斯州奥斯汀公司总部的Oracle标牌
2022年运营数据中心容量:21 MW
未来容量(开发中和土地储备):0 MW
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。