Crusoe 正在德州西部扩大业务版图,宣布计划在阿比林建设一座 900 兆瓦的 AI 数据中心设施,专为支持微软大规模工作负载而设计。
此次扩建项目位于 Crusoe 现有阿比林开发区附近,将使总规划容量达到约 2.1 吉瓦,使该站点跻身美国最大的 AI 专用数据中心枢纽之列。
这是全国发展最快速(也是最受关注)的数字基础设施建设项目的最新阶段。项目规模反映了人们期望的快速转变。
"这很重要,但感觉不像 18 个月前那样令人惊讶," JLL 董事总经理 Andy Cvengros 告诉数据中心知识网站。"超大规模服务商和 AI 公司已经完全重置了对园区规模的期望。"
"几年前,100 兆瓦的交易还是头条新闻,"他补充道。"现在我们看到的单一站点项目规模远超过去。"
从 Stargate 锚点到多租户 AI 枢纽
Crusoe 于 2024 年中期在 Lancium 清洁园区开始建设阿比林设施,最初与甲骨文和 OpenAI 的 Stargate 计划相关。然而,最近的报告显示,这些公司已经缩减了扩张计划。
第一阶段包括两栋总计约 200 兆瓦的建筑,从奠基到运营仅用了大约一年时间,这在超大规模项目中是极快的时间线。到 2025 年初,Crusoe 获得数十亿美元融资,将该站点扩展为跨越八栋建筑的 1.2 吉瓦园区,下一阶段建设即将开始。
与此同时,租户需求也在演变。最初与甲骨文和 OpenAI 紧密结合的部署,在容量需求和融资条件变化中不断调整,微软介入并获得大量容量。
这一转变反映了更广泛的趋势——大型 AI 园区越来越多地被设计为灵活的多租户"AI 工厂",而非单一租户部署。
AI 基础设施的"能源优先"蓝图
Crusoe 表示,新园区反映了超大规模设计的根本转变,即电力供应而非仅仅计算能力驱动站点选择。该项目包括一个 900 兆瓦的表后发电厂,配备电池储能,旨在增强可靠性并缓解电网约束。
这种方法与市场上站点选择者所见趋势一致。
"这几乎是我们现在与客户每次对话的起点," Cvengros 说。"土地可得,建筑材料可得,劳动力可控。电力是约束因素。"
阿比林站点体现了这一动态,基于充足的低成本能源获取,包括风能,足以满足 AI 日益增长的能源需求。
"Crusoe 正在阿比林建设新的 AI 工厂园区,专为下一代 AI 量身定制,"首席执行官 Chase Lochmiller 说。"通过整合 900 兆瓦现场发电,我们正以前所未有的速度为美国 AI 奠定工业基础。"
表后发电进入主流
大规模表后发电的纳入标志着超大规模基础设施部署方式的转变。
"当你谈论吉瓦级需求时,电网在大多数市场中根本无法干净地吸收," Cvengros 说。"表后发电让开发商行动更快,给运营商对其电力配置更多控制权。"
这种曾被视为小众的方法,越来越多地被采用来解决互联延迟和电网约束问题。
微软深化 AI 基础设施布局
对微软而言,这笔交易扩大了其不断增长的大规模基础设施合作组合,旨在确保 AI 容量。
"随着客户对 AI 需求的增长,微软专注于确保大规模可靠、负责任基础设施的获取,"云运营和创新总裁 Noelle Walsh 在声明中说。"Crusoe 的阿比林设施体现了下一代 AI 所需的基础设施类型。"
此举突显了更广泛的转变,超大规模服务商越来越多地转向具有综合电力策略的外部开发商,以快速获得容量,特别是在核心市场面临电力和许可约束时。
当地官员强调该项目证明了德州西部作为 AI 基础设施枢纽的崛起。
"德州西部已成为 AI 的硅谷大草原,"众议员 Jodey Arrington 在声明中说。"这一扩建强调了该地区在确保美国而非中国引领信息技术下一个前沿方面的作用。"
分析:电力与合作重塑 AI 基础设施模式
Crusoe 阿比林扩建突显了向电力驱动的站点选择和吉瓦规模园区的更广泛转变。
如最近一个行业论坛所指出,"德州占美国数据中心连接总兆瓦数的 15%",强调了该州在超大规模发展中日益重要的作用。
表后发电正成为核心策略,估计显示"50% 到 65% 的大规模数据中心将在表后运行"。
这些趋势共同指向一种新模式——由能源获取、速度和灵活性而非接近传统网络枢纽所定义的模式。
Q&A
Q1:Crusoe 在阿比林的新 AI 园区规模有多大?
A:Crusoe 在德州阿比林新建的 AI 园区将新增 900 兆瓦容量,与现有设施相结合,总规划容量将达到约 2.1 吉瓦,使其跻身美国最大的 AI 专用数据中心枢纽之列。
Q2:为什么现在 AI 数据中心都选择表后发电?
A:当处理吉瓦级需求时,传统电网在大多数市场无法干净地吸收如此大的电力需求。表后发电让开发商行动更快,给运营商对电力配置更多控制权,能有效解决互联延迟和电网约束问题。
Q3:微软为什么要与 Crusoe 合作建设 AI 基础设施?
A:随着客户对 AI 需求增长,微软需要确保大规模可靠的 AI 基础设施获取。与具有综合电力策略的外部开发商合作,能够快速获得所需容量,特别是在核心市场面临电力和许可约束的情况下。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。