AI巨头转向小型数据中心，算力布局更趋灵活
TREE NEWS 报道， OpenAI与Anthropic正在将部分算力需求转向20至30兆瓦（MW）级别的数据中心，与此前动辄数百MW乃至吉瓦（GW）级别的超大规模基础设施布局形成鲜明对比。Anthropic已在英国和北欧就20至30MW规模的项目展开接触，OpenAI也在北欧寻找类似机会，双方在美国亦有相关谈判。
这一变化发生之际，AI计算需求正从模型训练逐步向推理服务迁移。小型设施能够更快落地，也更适合分散处理推理任务。Structure Research预计，到2027年，推理工作负载在全球数据中心总容量中的占比将超过训练负载，并于2030年升至37%。
超大项目之外，AI公司开始“多点布局”
过去一年，两家公司均签署了大规模基础设施协议。Anthropic与云计算服务商Nscale达成约450亿美元的云计算协议，将租用其位于美国西弗吉尼亚州数据中心约460 MW的算力。OpenAI的Stargate项目则已超过最初10 GW的承诺目标，并进一步在佐治亚州和俄亥俄州新增3 GW和8 GW的开发计划。
如今，两家公司开始补充更灵活的算力来源。OpenAI回应称，公司正在“构建多元化的算力组合，以满足全球日益增长的AI需求”。不同工作负载需要不同基础设施，公司会综合考虑需求、性能、可靠性、时间节点和成本。
“快”成为算力采购的新考量
Structure Research研究主管Jabez Tan表示，小型项目的核心优势是更快获得可用容量。在已经通电的现有站点获取几MW容量，往往比等待单一地点释放大规模容量更实际；对于能够跨站点运行的工作负载，多个小型设施也可以叠加形成可观的总容量。
大型数据中心建设则面临较长周期。美国及其他市场的大型项目受到当地社区阻力，欧洲不少地区还面临土地和电力资源紧张。对AI公司而言，先获取分散资源，可以在大型项目落地前补充算力。
曾为OpenAI在得州建设大型数据中心园区的Crusoe正在加大对小型数据中心的投入。这类设施建设速度更快、成本更低，有助于降低大型项目延期带来的影响。Crusoe同日宣布完成39亿美元融资，融资后估值达到309亿美元。
推理需求推动算力走向分布式
AI工作负载结构的变化，是这一趋势背后的另一重要驱动。Jabez Tan表示，大模型训练通常需要大量芯片在同一集群内协同运行，而推理任务可以拆分至多个较小集群，分别处理独立请求，因此更适合分布式部署。
JLL数据显示，2025年推理负载占全球数据中心工作负载的9%，训练负载占14%。预计到2027年，推理负载占比将超过训练负载，到2030年进一步升至37%，同期训练负载占比将降至13%。
这一趋势也开始影响数据中心建设模式。今年2月，英伟达宣布将与多家数据中心行业参与方合作，研究面向分布式推理的小型数据中心方案。随着推理需求持续增长，AI基础设施竞争正从单纯追求超大规模，转向同时关注算力的获取速度、部署灵活性和分布式能力。
市场影响分析
- 数据中心REITs与基础设施提供商：小型分布式设施可能利好区域运营商和边缘计算提供商，而传统超大规模REITs可能面临大单管道增长放缓。
- 半导体需求：分布式推理有利于更广泛的芯片组合，可能利好英伟达的推理优化产品及专注于边缘AI的竞争对手。
- 能源与公用事业：小型站点可能缓解单一电网压力，但增加整体分布式电力需求，利好可再生能源提供商和电网基础设施公司。
- 加密与去中心化算力：向分布式推理的转向验证了去中心化GPU网络的逻辑，随着AI公司寻求灵活、位置无关的算力，相关项目可能获得更多关注。
- 房地产与建筑：更快、更便宜的建造方式可能利好模块化数据中心建筑商和改造后的工业用地。
投资者关键要点
- AI基础设施交易正从超大规模项目扩展至小型分布式设施——投资者应关注区域数据中心运营商和边缘计算标的。
- 推理正成为主导工作负载，这改变了芯片需求结构，利好定位于分布式、低延迟算力的公司。
- 获取容量的速度已成为竞争优势，能够快速交付已通电站点的企业可能获得溢价定价。
- 随着AI公司拥抱多站点、灵活的基础设施策略，去中心化算力网络可能从中受益。
