高盛也给出了一个估算：到 2030 年，美国需要净增跨越 50 万名工人，笼盖制制、扶植、运维以及输配电等各个环节，才能满够数据核心扩张带来的电力摆设需求。

　　第一个是“矫捷负载办理”，说白了就是正在用电高峰期让数据核心自动降低负荷。杜克大学做过一个研究，若是数据核心情愿接管每年 0。25% 的停机时间（也就是 99。75% 的一般运转），美国电网能多承载 76 GW 的新负载；若是能接管 0。5% 的停机（99。5% 一般运转），这个数字能到 98 GW。

　　听起来挺夸姣，但 Monroe 泼了冷水。他说这事儿有两个大妨碍：一是行业生成就怕风险，IT 设备屡次开关机谁都不敢等闲测验考试；二是光靠市场激励还不敷，可能需要监管层面强推才行。所以这个方案理论上能解锁 100 GW 的容量，现实落地还得看。

　　Monroe 说这个体例的成本是电网供电的 5 到 20 倍，听着吓人，但对于那些大型 AI 数据核心来说，考虑到利润空间，这笔账仍是算得过来的。正在短短 4 个月内建成了一个 10 万块 GPU 的集群，摆设了跨越 500MW 的现场电力，OpenAI和 Oracle 已正在德克萨斯州订购了 2。3GW 的现场天然气发电厂 。

　　当然手艺也正在前进。Monroe 提到了芯片级液冷和高温水冷这些新手艺，能正在更多地舆实现高效散热。但他也指出，托管型数据核心（co-location）很难跟进这些新手艺，由于它们客户群体太杂，必需正在扶植晚期就确定冷却架构，没法矫捷调整，所以仍是会用保守的冷水机组。

　　具体来说，保守蒸发冷却系统的PUE（电力利用效率）能做到 1。08，意味着只要 8% 的能源用正在了非计较环节。但换成闭环无水系统之后，PUE 会飙到 1。35-1。40，也就是说能源开销从 8% 跳到了 35%-40%。这个差距可不小。

　　巧的是，SemiAnalysis上个月也出了一篇关于数据核心用水的阐发，SA认为数据核心用水的争议被过度强调，这些会商往往忽略了冷却架构、能源来历、地舆和本地水资本稀缺性等环节变量。Colossus 2做为全球数据核心，Colossus 2 的水耗损仅相当于 2。5 家 In-N-Out 门店，而餐饮行业全体水耗损规模弘远于数据核心。有乐趣的能够看下SemiAnalysis的那篇原文。

　　Monroe 认为，手艺工人欠缺会成为继电力之后的下一个次要束缚。为了应对这个问题，行业组织正正在和手艺院校合做开辟培训项目，以至把触角伸到了中学。

　　Monroe 说得很曲白，电力是当前最要命的近期束缚。云计较和 AI 推理这些营业必需离用户近，响应速度才快，所以都扎堆正在大城市周边。问题是这些处所本来用电就严重，数据核心一来，电网间接吃不用。

　　Monroe 说，现正在的趋向是从高耗水的蒸发冷却转向闭环和无水冷却系统，特别是那些大型云办事商，转得出格快。听起来是功德，但有个价格：能耗大幅上升。

　　星球比来对每天的早报(周内早上9点前更新)做了一个很大的更新，之前的早报次要以头一天海外的旧事总结为从，内容都不是很长。

　　第二个挑和是水。保守数据核心的冷却系统出格耗水，用的是蒸发冷却手艺。但现正在环境变了，社区不干了，监管收紧了，芯片手艺也正在前进，整个行业起头往节水标的目的转型。

　　Monroe 认为，数据核心不是通俗的工业建建，它需要极其专业的电气和机械系统，这意味着电工和管道工是整个扶植过程中的环节脚色。而现正在的问题是，这些手艺工人严沉欠缺。

　　虽然无水冷却的份额正在上升，Monroe 判断冷水机组的需求正在将来十年仍是会大幅增加，缘由很简单——数据核心全体规模正在迸发式增加，即便占比下降，绝对量仍是正在涨。

　　但AI 锻炼就没这个顾虑。锻炼模子对地舆没啥要求，哪儿有电往哪儿搬，所以现正在良多锻炼使命都正在往偏僻地域迁徙。这种分化其实挺较着的：推理要速度，锻炼要电量，各取所需。

　　第二个方案更间接也更贵——Behind-the-Meter（BTM），也就是本人建发电坐。现正在曾经有一小部门数据核心正在这么干了，次要用天然气发电机。