商界评论

David Conn：从一块空地开始，建设一座AI工厂，究竟需要经历怎样的过程？

Chase Locke Miller：我认为，首先我们必须退后一步，审视AI工厂和未来的AI数据中心究竟是什么，以及它们与现有数据中心有何不同。要知道，“数据中心”这个词在某种程度上已经被过度使用了。将20年前仅用于支撑网页浏览的数据中心，与如今管理着10万以上GPU集群的高性能AI数据中心相提并论，就好比将卡丁车和路虎揽胜都称为“交通工具”一样。它们确实都是交通工具，但显然不会将它们用于相同的目的。

审视当今的AI数据中心基础设施及其规模化所需的条件，我们会发现这是一个高度工业化的过程，其能源消耗巨大。

通过一个例子来帮助大家理解：北弗吉尼亚州被许多人视为全球数据中心的枢纽，是互联网大部分流量的发生地，已经建设了几十年。据仲量联行2024年底的报告，北弗吉尼亚州数据中心的总容量约为4.5吉瓦。而Crusoe，一家成立仅7年的初创公司，专注于大型AI基础设施建设，目前在建容量就已达约2吉瓦，另有20吉瓦的项目正在规划中。这意味着，为了实现AI的宏伟蓝图，我们正在彻底改变能源和数据中心行业的格局，因为其所需的基础设施规模是空前的。

当然，建设过程中的瓶颈也在不断变化。

曾经有一段时间，芯片供应是主要障碍，但随着台积电和英伟达等公司产能的提升，这一问题已大为缓解。然而，电力供应、钢铁和数据中心空间已成为新的主要瓶颈，这些都涉及复杂的供应链，难以在短时间内提速。

David Conn：你们是如何说服大型科技公司合作的？亚马逊、谷歌、微软这些公司本身就是数据中心领域的巨头。

Chase Locke Miller：尽管大型科技公司在很多方面都表现出色，但它们天生并非为快速行动而设计。事实上，从组织结构上看，它们的设计往往不利于快速决策，尤其是在涉及巨额采购时。

比如，当我们需要做出购买决策时，我可以直接决定并在当天执行。但在微软这样的公司，一个决策可能需要经过19层审批。因此，从起跑线上看，它们在快速行动方面就存在巨大劣势。

当然，这些巨头也制定了出色的计划，它们通常将大型数据中心项目（如100兆瓦以上）视为一个3～5年的规划。而我们极大地缩短了此类基础设施的上市时间，这对于那些追求大规模、专用AI基础设施的大型科技公司和AI实验室而言，具有核心价值。

David Conn：能否请您更深入地谈谈能源问题？我想大家对AI将面临能源约束仅有一个抽象的概念。

Chase Locke Miller：这是一个有趣的问题。

在美国，公用事业在很长一段时间内都是一个相对沉寂的行业。我们总发电能力并没有显著增长，基本处于持平状态，因为能源效率的提升和电气化趋势在一定程度上抵消了需求增长。然而，AI带来了需求的阶梯式增长，这仿佛唤醒了沉睡的巨人，突然间就需要吉瓦级别的电力，这些电力从何而来？

我们不得不再次采取“第一性原理”的思考方式：如果无法从公用事业公司获得电力，我们能否自己建造发电厂 ？事实上，我们也确实这样做了。我们将AI视为一个巨大的机遇，它能够加速下一代能源技术的发展。我们目前与3家小型模块化反应堆（SMR）公司达成了合作，希望能够推动核能成为未来数据中心电力的关键组成部分。我将此视为整个行业加速诸多先进能源技术发展的巨大契机，将引领我们迈向一个智能和能源都极度充裕的未来。

David Conn：您能谈谈数据中心的设计吗？

未来的数据中心会是什么样？液冷技术又将如何融入其中？我们应如何理解未来数据中心的概念？

Chase Locke Miller：坦白说，这正是我最初投身这个领域的原因。当时Crusoe正在构建一个AI云平台，我研究了未来的技术路线图和不断变化的计算架构，然后意识到随着这些计算架构的演进，支撑它们的数据中心也必须发生根本性的转变。因此，为了打造全球最顶尖的AI云平台，我必须成为AI数据中心建设领域的佼佼者。

我认为，最重要的变化在于整体功率密度的急剧提升。20年前，一个传统数据中心的机柜功率可能只有2千瓦，最多4千瓦。而现在，英伟达的NVL72和GB200机柜的功率大约在120～130千瓦。黄仁勋在GTC大会上发布的Vera Rubin Ultra，其机柜功率更是高达600千瓦。这意味着功率密度实现了数量级的增长。这从根本上改变了数据中心内部的热力学环境，因此我们必须对冷却架构进行重大调整。

走进我们的数据中心，你会看到非常有趣的景象，它看起来像一个自来水厂。巨大的管道在整个数据中心内输送冷却水。每栋建筑大约储存100万加仑的水，这些冷水通过“直接到芯片”（direct-to-chip）的液冷架构注入机架为芯片降温，然后热水流出到冷却塔，将热量排到室外，每栋建筑配备了84个冷却塔。

此外，我们还高度关注数据中心周边的网络设计。因为我们思考的层面不是芯片或服务器，而是集群。数据中心本身就是新的计算单元，这正是AI工厂的本质—数据中心规模的计算机。