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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。