根据 AFCOM 最新发布的数据中心状况报告,AI 正在改变数据中心的设计、建设和运营方式,标志着人类与信息交互方式发生了"根本性变革"。
这份于上周发布的报告 (需要注册) 深入探讨了这些变革对数据中心行业的深远影响,涉及从劳动力、供应链和安全挑战,到水资源节约措施以及核能、太阳能等无碳能源解决方案日益普及所带来的可持续发展创新机遇。
新数据中心建设采用混合方式 根据 AFCOM 2025 数据中心状况报告,运营商计划在未来三年内将数据中心建设规模扩大六倍,平均设施规模为 32 兆瓦。这些数据中心将如何建设?三分之一的受访者选择采用混合方式,将传统建设方法与预制模块化数据中心解决方案相结合。
超过 80% 的受访者计划使用 IT 模块作为预制设计组件(相比去年的 39% 有大幅增长),同样数量的受访者也在考虑使用预制冷却模块。
报告作者兼数据中心世界项目总监 Bill Kleyman 表示:"这些创新加快了部署速度,提高了可扩展性,并最大限度地减少了浪费——同时满足了快速上市需求和环境保护要求。"
二线市场成为新兴趋势 随着一线市场趋于饱和,数据中心开发商正increasingly 向二线地区扩张,在现有技术走廊附近和已具备充足土地和电力基础设施的地区建立枢纽。
JLL 美国数据中心市场联合负责人 Andy Cvengros 最近告诉《数据中心知识》,该公司在二线市场持续增长,包括弗吉尼亚州里士满、达拉斯南部、芝加哥西部、亚特兰大、俄亥俄州、印第安纳州北部等地区。
他说:"这主要是由于这些地区的电力和土地成本比核心市场更低。"
关键基础设施面临的物理威胁日益增加 在最紧迫的安全和基础设施威胁中,勒索软件连续第九年位居榜首,60% 的受访者(高于去年的 54%)将其列为首要担忧。但 AFCOM 的安全威胁评估中有一个数字格外引人注目:57% 的受访者强调了物理安全威胁,比去年增加了 17%。78% 的数据中心领导者报告称在过去 12-24 个月内对数据中心的物理安全要求进行了调整,包括监控系统(48%)和加强供应商及承包商审查流程(48%),凸显了持续更新物理基础设施安全协议的重要性。
供应链和劳动力短缺问题持续存在 报告强调了数据中心行业面临的另一个尚未解决的挑战:85% 的数据中心领导者表示人才短缺影响了运营。另一个增长挑战是:74% 的受访者报告持续存在供应链限制,其中 16% 表示这些短缺导致了设施停机。
报告指出:"信息很明确:适应性和前瞻性思维至关重要。"
可持续发展是"面向未来数据中心的基石" 数据中心面临的"惊人"需求规模导致对可持续发展实践的审查加强,以及可再生能源的采用增加。
AFCOM 发现,71% 的受访者已经实施或计划实施项目来管理水资源和能源消耗,近四分之三的数据中心领导者正在寻求利用可再生能源。
在这些举措中,Kleyman 称节水措施的推进"令人鼓舞",他指出了直接芯片冷却和后门散热器等解决方案。此外还有核能。尽管 Kleyman 提醒说这项技术在经济可行性方面尚未得到证实,但 33% 的受访者认为小型模块化反应堆和核能将成为其可再生能源战略的核心,比去年增加了 12%,仅次于太阳能(55%)。
可持续发展不能仅仅是事后考虑。Kleyman 告诉《数据中心知识》:"数据中心的未来不仅仅是满足需求,而是要将行业转变为创新和责任的典范。"他强调了数据中心与能源供应商、监管机构和当地社区之间需要开展合作。
他表达了乐观态度:"从混合预制到更智能的材料,可能性是无限的。"
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。