我们将拥有大量AI工厂

红杉对即将到来的“数据中心建设”热潮的五大预测，及其对能源和经济的影响。

很多人爱说，“人工智能是第四次工业革命”。口号听得多了，有些隐藏价值好像更容易被忽视。

当AI2C还充斥着喧嚣和泡沫的时候，更多的资本还是悄悄流向了医疗医药、制造业、硬科技、新材料、新能源……

看到红杉中国、高瓴等几个国内机构上半年的投资事件，人工智能占比很小。纯AI应用、To C产品的被投数量，几乎可以忽略不计。

然而再仔细一看，很多拿了大钱的制造业、新能源等等公司，背后都有不可忽视的AI的影子。甚至往深了扒，钱，都用在了数据、算力相关基础设施的建设上。

看到红杉最新发布的预测文章，对AI时代的“水电煤”，以及相关成本问题做了详细探讨。

新技术诞生后，最开始、最热闹的一定是“炒作周期”里的纷纷扰扰，紧接着稍稍降温以后，必然需要向“工业驱动建设周期”去过渡，再之后可能才是多点开花、全面繁荣的“广泛应用周期”。

本文将重点讨论成本问题。特别是将重点关注数据中心的建设、“人工智能工厂”的崛起，及其对能源、建筑和工业供应链的影响。

我们认为 2025 年将是“数据中心之年”，我们正处于从炒作周期向工业驱动建设周期过渡的风口浪尖。

以下是5点预测，然后我们进入详细讨论：

1. 人工智能将催化“能源转型”。新的太阳能建筑、电池创新、核能复苏——这些将是人工智能浪潮的长期影响。

2. 一些超大规模企业会发现，他们不够灵活，无法满足快速变化的数据中心需求——新的“工业人工智能”参与者将出现来填补这一空白。

3. 从未来 6 个月开始，由于液体冷却、集群规模和电源接入问题，“数据中心建设”将出现大量延迟。

4. 建设新的人工智能数据中心所需的工业能力，将起到刺激经济的作用，并在实体经济中创造就业机会：钢铁、能源、卡车运输和建筑。

5. 当新的数据中心容量上线时，AWS、Azure 和 GCP 提供的训练和推理成本将会下降，这对初创公司有利。

与人工智能未来的重大技术未知数相比，这里有一线清晰的迹象：我们可以开始规划 2～3 年的工业扩张期。我们已准备好预期的达成，看到各大公司开始动工。

以下是去年宣布的新数据中心项目的摘要——我们认为这些项目的建设现在将会加速：

• 亚马逊：2024 年上半年，AWS 宣布了 500 亿美元的新数据中心项目，其中包括216 栋新建筑。总体而言，亚马逊已承诺在未来 15 年内投资1000～1500 亿美元。最近的承诺包括：在印第安纳州投资 110 亿美元建设园区，在密西西比州投资 100 亿美元建设两个园区，在沙特阿拉伯投资 53 亿美元建设新数据中心，在宾夕法尼亚州塞勒姆附近建设新的核动力数据中心，在德克萨斯州朗德罗克附近规划建设新的数据中心，以及在日本投资 150 亿美元。德国、新加坡也在考虑建设新项目。

• 微软：微软目前拥有 5GW 的能源容量，据报道，2024 年新数据中心建设将增加一倍。最近宣布的包括：威斯康星州芒特普莱森特33 亿美元、印第安纳州西北部10 亿美元、乔治亚州弗洛伊德县10 亿美元、法国43 亿美元、德国35 亿美元、英国32 亿美元、瑞典32 亿美元、西班牙21 亿美元、马来西亚22 亿美元、印度尼西亚17 亿美元、肯尼亚10 亿美元以及墨西哥的新数据中心。有报道称，星际之门数据中心的投资额为 1000 亿美元，但尚未得到证实。

• 谷歌：谷歌是三家云提供商中规模最小的，而且差距很大。GCP 长期以来一直宣称它更适合 AI 公司。现在，这一说法正在接受考验。谷歌正在印第安纳州建设一个价值 20 亿美元的新数据中心，在密苏里州堪萨斯城建设一个价值 10 亿美元的数据中心，在芬兰建设一个价值 11 亿美元的数据中心，在爱荷华州锡达拉皮兹建设一个价值 5.76 亿美元的数据中心。谷歌还面临着在某些站点扩展自己的 TPU 集群的额外挑战。 

• Meta：Meta 不经营云业务，但一直在扩大其数据中心容量以支持 Llama 和其他内部 AI 计划。Meta 最近宣布，它已积累了35 万个 H100 GPU，而其总 H100 数量为 60 万个。该公司还宣布了两个专门用于Llama 3 训练的 24k GPU 集群。Meta 正在筹建四个新的数据中心，包括爱达荷州库纳、德克萨斯州坦普尔、爱荷华州达文波特和怀俄明州夏延。 

正在发生的事情的工业规模是巨大的。这些声明代表了每代人都会发生一次或两次的工业规模扩大。重要的是要了解即将到来的挑战有多么独特，以及有多么紧迫。

有大量能源项目需要接入电网。即使有了更快的互连，我们也需要更多的电力来支持所有这些新的数据中心。需要增加发电能力，主要是太阳能和风能，我们需要创造性地利用现有的能源资源。

这些电力限制在弗吉尼亚州、内华达州和加利福尼亚州等“主要”数据中心市场尤其严重。因此，许多较新的发展都发生在怀俄明州、印第安纳州、爱荷华州和伊利诺伊州等“次要”市场。在人工智能出现之前，对更多电力和更好运行的电网的需求就已经很明显了。现在，它变得迫在眉睫。

其他技术问题也比比皆是：下一代 Nvidia 芯片将需要液体冷却，而目前液体冷却供应链出现短缺。柴油发电机需要等待两年。集群规模达到前所未有的水平：埃隆·马斯克宣布了一个300k GPU 集群。模型变得如此之大，它们最终可能需要在跨多个数据中心的分布式集群上进行训练。锂离子电池已成为新数据中心建设的主要材料；人们正在考虑采用新方法来进一步降低成本并增加容量。

超大规模数据中心运营商以在建设数据中心时严谨的运营而闻名，但这一波新建设浪潮将考验他们最好的团队。预计超大规模数据中心运营商之间的结果将有所分布——这里会有赢家和输家。

新的工业人工智能参与者将有机会填补任何运营空白。Equinix、Digital Realty 和 CyrusOne 等现有市场参与者正在经历“需求冲击”——他们要么会加快步伐并从中受益，要么会将市场份额拱手让给新进入者。 

预计 2025 年会出现很多关于数据中心建设延迟的头条新闻。同时，也会出现一些意想不到的重大成功。当我们离开比特领域进入原子领域时，一套新的技能就会发挥作用，而严谨的运营就变得至关重要。

正如我们在 SpaceX 和特斯拉身上看到的那样，在这些混乱、快速变化的环境中蓬勃发展的公司类型并不总是现有的公司。强大的领导力和敏捷性在复杂变化的时刻会带来最大的回报。 

人工智能工业化阶段应该会产生真正的经济刺激效应，特别是在经济中急需它的领域。受益者将包括工业供应链中的零部件制造商、建设太阳能和风能等新一代资产的能源公司、核反应堆运营商等。

例如，我们参观了西弗吉尼亚州的一家电池厂，该工厂正在一座旧煤电厂的旧址上建设。在短期内，与硅谷一小群设计模型的研究人员相比，建筑和工业劳动力可能会带来更多的就业增长。

所有这些增长是如何融资的？大多数情况下，大型科技公司都在资产负债表外部署资本。七巨头目前约占标准普尔 500 指数的 30%，它们部署资本的规模和速度令人惊叹。

金融公司也参与其中，产生额外的杠杆。许多私募股权公司乐于为建设和 GPU 购买提供前期资本，以换取微软的欠条和合理的收益。

归根结底，我们将拥有大量 AI 工厂。

至于是否有足够的需求来满足这些需求，我们目前还不知道。至少，训练和推理成本应该会继续下降，这对初创公司来说是一个福音。

原文链接：https://www.sequoiacap.com/article/ai-data-center-buildout/

本文来自微信公众号：AI异类弗兰克，作者：FrankGPT