美国国内反对新建数据中心的抗议活动不断升级，可能推高建设成本，让AI（人工智能）部署工作变得更加复杂。

图源：Luis Santana/Tampa Bay Times/ZUMA Press Wire/Shutterstock

7月中旬，美国42个州都组织了反对新建数据中心的抗议活动，参与者担心新设施会推高电力和水资源成本，并占用大量土地。

据datacenterbans.com数据，截至7月中旬，包括佛罗里达州、佐治亚州和弗吉尼亚州在内的10个州已出台数据中心建设暂停令，另有8个州的相关立法正在推进中。

此外，可持续发展咨询公司Gasilov Group自然资源与建筑环境部门合伙人Arif Gasilov（阿里夫·加西洛夫）表示，截至5月，已有23个州批准了大容量用电专项电价机制，要求数据中心为其设施支付全部基础设施成本。

他表示，IT领导者需要将这股反对浪潮纳入整体算力规划评估维度，以便预估新数据中心将满足的计算和其他IT基础设施需求。

Gasilov（加西洛夫）说：“这对CIO意味着，2023年制定的电力成本测算基准，在近半数州已完全失效。任何计划在上述任一州部署AI、依赖主机托管或云算力资源的CIO，都应该向供应商了解新电价下的费率结构，并重新核算项目经济性。”

他指出，在某些情况下，可以通过缩小规模来规避针对大型数据中心的暂停令或电价政策，但部分州法规管控对象为连片数据中心集群，而非独立单体机房，只要集群总规模达标就会触发限制条款。

一、部署挑战

光纤网络提供商FiberLight的CTO（首席技术官）Chuck Girt（查克·格特）表示，如果反对浪潮持续，IT领导者可能需要重新思考AI的部署方式。

他认为，AI可供选择的算力机房资源持续缩减后，企业在AI工作负载部署位置上的灵活性也会降低。

他说：“我不认为数据中心建设速度会改变AI的发展方向，但它可能影响组织大规模部署和访问AI的方式。大多数企业不会自己建设这些基础设施，他们会依赖云和数据中心环境来提供AI所需的算力。”

生物识别安全厂商TokenCore的CEO（首席执行官）Kevin Surace（凯文·苏拉斯）表示，数据中心选择匮乏可能让许多组织面临落地实施难题。

他说：“算力资源的战略价值，已等同于电力、芯片、网络通信带宽。数据中心减少意味着可用容量下降、异地多活容灾冗余降低、资源交付周期拉长，以及对少数云供应商和地点的依赖加深。”

他指出，尚未锁定容量的组织可能会发现，其AI方案技术层面完全可行，但受算力供给约束，无法按期落地实施。

Surace（苏拉斯）同时也是一位AI和绿色能源专家，他担心对老旧数据中心设计的普遍恐惧正在演变为一刀切抵制所有新建数据中心项目。他指出，现代设施已大幅削减了老旧数据中心庞大的用水量，部分设施还在使用可再生能源发电。他补充说，核能很快也将成为一种电力选择。

二、成本压力加剧

Surace（苏拉斯）表示，与此同时，IT领导者应为数据中心提供的计算和其他IT基础设施成本上升做好准备。

他补充道：“AI算力需求正在加速增长，因此限制设施、电力和高密度容量的供应，将对云定价、托管服务、AI算力加速卡获取和长期容量合同造成上行压力。”

他建议，已有容量的组织可以通过多年期协议和专用基础设施来保护自己。而规模较小的组织、初创公司和大学可能面临最大比例的成本上涨，甚至可能因价格过高而无法落地前沿AI业务。

因此，Surace（苏拉斯）建议CIO将算力和能源视为战略性供应链风险。他建议组织尽早锁定容量，避免对单一云或单一地理区域的依赖，并在适当情况下使用更小、更高效的AI模型。

他还建议CIO向数据中心供应商质询以下关键问题：

1.用水来源是什么？

2.水循环冷却系统是否闭环？

3.新电网基础设施由谁买单？

4.场内发电量占比多少？

5.有哪些环境监测数据向公众公开？

他表示，数据中心可以缓解部分社区担忧。他补充道：“保持信息透明、提前联动社区，付出的成本远低于诉讼赔偿、项目废止与官方建设暂停禁令带来的损失。”

三、对低效的反对

虽然抗议活动可能持续，但一些人并不认为对数据中心的担忧是对AI的否定。相反，问题根源出在低效的AI部署上，智能体AI平台提供商Airrived联合创始人兼CEO Anurag Gurtu（阿努拉格·古尔图）表示。

他指出：“企业真正想要的不是更多数据中心，他们想要的是每瓦功耗、每个GPU（图形处理器）、和每单位资金投入能创造更多业务智能价值。行业胜出者并非算力基础设施体量最大的企业，而是那些从每单位算力中榨取最大价值的企业。”

他补充说，只有当企业的AI战略依赖于近乎无限的基础设施时，数据中心的限制才会对其产生影响。

Gurtu（古尔图）说：“下一代AI发展将同时受算力供给、电力资源、投入成本三重条件制约。那些优化模型、部署领域专用大模型并采用云边混合算力架构的组织将继续创新，而那些单纯依靠硬件堆叠扩容的组织将面临算力扩容边际收益持续递减。”

他补充道，虽然算力选择有限可能导致价格上涨，但解决方案是聚焦效率。

Gurtu（古尔图）说：“基础设施成本上升也会加速模型优化、推理效率和AI工作负载智能调度编排方面的创新。历史表明，资源供给约束，往往会催生新一轮技术创新突破。”