两份相互独立的研究报告均指出,美国数据中心建设正在向国家中部地区转移,逐步脱离传统的沿海布局。
首份报告来自Synergy Research Group。该机构发现,数据中心规划与建设的重心正在从部分传统沿海地区向内陆转移,电力的可用性与成本是推动这一变化的核心因素。
Synergy首席分析师约翰·丁斯代尔(John Dinsdale)坦言,这一趋势对终端用户影响不大。他通过电子邮件表示:"这关乎底层基础设施的结构与形态,对许多人而言有着多方面的重要意义,但对终端用户来说影响并不明显。"
德克萨斯州是此轮迁移的最大受益者,多个中西部州也吸引了大量投资涌入。在规划中的项目里,德克萨斯州最为突出。在中西部地区,威斯康星州、印第安纳州、密歇根州和密苏里州将迎来快速发展,这些州已吸引亚马逊、谷歌、Meta、微软、OpenAI和CoreWeave等多家科技巨头落地重大项目。
然而,数据中心的增长步伐今年将有所放缓——许多已提出或规划中的项目可能无法按时竣工,甚至面临搁浅的风险。市场情报机构Sightline Climate的研究显示,今年美国计划投入使用的数据中心总计约16吉瓦,但目前实际在建的仅有约5吉瓦,不足三分之一。Sightline预计,其中30%至50%的项目将出现延期。
2027年的情况同样不乐观。当年计划部署的数据中心规模约为25吉瓦,而目前实际在建的基础设施仅约6吉瓦。
展望更长远的未来,前景更加模糊。2028年至2032年间计划投用的数据中心,绝大多数尚未动工,真正进入在建阶段的只是极少数。
延期原因主要体现在两个方面:其一是有据可查的元器件短缺问题。短缺范围不仅涉及内存和存储设备,还涵盖电池、电力变压器和断路器。这些组件的成本加起来不足一座数据中心建设总成本的10%,但正如AI数据中心服务商Crusoe的能源与基础设施负责人安德鲁·利肯斯(Andrew Likens)在接受彭博社采访时所说,没有这些零部件,新数据中心根本无从建起。
"供应链中任何一个环节出现延误,整个项目就会陷入停滞,"利肯斯说,"这是个极其复杂的难题。"
其二是来自民间和政府层面不断升温的抵制情绪。最新的阻力来自美国原住民塞米诺尔族,他们已明令禁止在部落土地上建设数据中心。
从未来数月内即将投用的数据中心来看,领先州份的分布与Synergy关于数据中心向内陆迁移的判断高度吻合:德克萨斯州以22.5吉瓦的在建规模居于首位,新墨西哥州以8.3吉瓦位居第二,正大力争取数据中心落地的宾夕法尼亚州则以7.1吉瓦排名第三。
Q&A
Q1:美国数据中心为什么要向内陆迁移?
A:根据Synergy Research Group的研究,推动数据中心向内陆迁移的核心原因是电力资源的可用性与成本问题。相比沿海地区,德克萨斯州及中西部各州在电力供应方面更具优势,同时也吸引了亚马逊、谷歌、Meta、微软等科技巨头的大规模投资,进一步加速了这一趋势。
Q2:美国数据中心建设项目为什么会大量延期?
A:延期主要源于两方面原因:一是元器件供应短缺,包括电池、变压器、断路器等关键零部件,这些组件缺失会导致整个建设项目停滞;二是来自民间和政府的抵制情绪持续升温,例如塞米诺尔族已禁止在其部落土地上建设数据中心。Sightline Climate预计今年有30%至50%的在建项目将出现延期。
Q3:目前哪些州是美国数据中心建设的主要集中地?
A:根据最新数据,德克萨斯州以22.5吉瓦的规模位居全美首位,是当前数据中心建设最为集中的州。其次是新墨西哥州(8.3吉瓦)和宾夕法尼亚州(7.1吉瓦)。在中西部地区,威斯康星州、印第安纳州、密歇根州和密苏里州也因吸引多个重大项目而快速崛起。
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。