从吉瓦到兆瓦：AI算力需求转向催生小型部署新趋势

　　人工智能算力基础设施的布局逻辑正在经历一轮值得关注的调整。头部企业在持续推进超大规模数据中心建设的同时，开始将部分注意力转向规模更小的算力设施，这一变化折射出AI产业需求结构与供给约束条件的深层变动。

　　AI巨头转向小型算力部署

　　艾媒网（iiMedia.cn）获悉，全球人工智能算力市场正经历一场结构性调整。相关报道显示，美国AI领军企业Anthropic与OpenAI在持续推动数百兆瓦乃至吉瓦级超大规模数据中心建设的同时，正悄然将战略目光投向规模仅为20至30兆瓦的小型算力设施。

　　多名知情人士透露，Anthropic在英国及北欧地区就上述规模的算力部署展开深入接洽，OpenAI亦在北欧积极寻求类似的小型部署机会，且两家公司在美国本土同样进行着同等规模算力资源的谈判。

来源：CNBC

　　这一动向标志着AI算力基础设施建设逻辑正在发生转变——从追求单体规模的极致扩张，转向更加灵活、分散、快速响应实际应用需求的部署模式。过去一年间，这两家公司均签署了涉及数百兆瓦乃至吉瓦级的巨型基础设施协议，OpenAI的星际之门项目承诺容量更是超过10吉瓦，但如今却同步转向小而快的策略，引发市场高度关注。

　　OpenAI发言人在回应中明确表示，公司正在构建多元化的算力组合以满足全球不断增长的AI需求，不同的工作负载需要不同的基础设施，因此会根据自身需求、性能、可靠性、时间安排和成本综合评估各类合作机会。

　　业内观察人士指出，这种顶级AI企业同时布局超级基地与前沿哨站的策略，凸显出市场对算力供给的紧迫性与多样性要求。在AI应用落地提速的背景下，能够快速启用、灵活扩展的小型算力单元，正在成为弥补巨型设施交付周期过长、地域覆盖不足的重要补充。

　　这一战略转向也侧面印证了行业共识：单一规模的数据中心难以满足AI工作负载的多样化需求，算力供给的多元化配置正成为头部企业争夺市场份额的核心竞争力。

　　从训练到推理：算力需求结构性转移

　　此轮小型化部署浪潮的背后，是AI产业核心需求从模型训练向推理应用的重大迁移。长期以来，AI算力竞争聚焦于训练超大规模模型所需的巨量集中算力，由此催生了动辄吉瓦级别的数据中心项目，科技巨头们围绕参数量与算力集群规模展开激烈军备竞赛。

　　然而，随着大模型技术逐步成熟并广泛嵌入搜索、内容生成、企业服务等商业场景，推理需求呈现爆发式增长。房地产及投资管理公司仲量联行（JLL）发布预测指出，到2030年，推理工作负载将占据全球数据中心37%的容量，而用于模型训练的容量比例则将跌落至13%。

　　这种由训练向推理迁移的趋势在市场规模层面得到印证。iiMedia Research（艾媒咨询）发布的《2024-2025年中国AI大模型市场现状及发展趋势研究报告》显示，2025年中国AI大模型市场规模约495.39亿元，预计2026年将突破700亿元，行业规模保持持续扩张趋势，未来将向更精准、更高效、更普惠的方向发展。市场需求的持续扩张，也驱动了底层算力部署模式的变革。

　　这一数据清晰揭示了AI算力消费结构的深刻变化：未来算力消耗的主体不再是少数科技巨头训练基座模型，而是全球数十亿用户和企业持续调用AI服务所产生的分布式推理请求。

　　Structure Research研究主管Jabez Tan分析称，推理工作负载具有典型的分散化、高频次和低延迟特征，更适合通过多个小型节点就近部署以服务终端用户，而非全部集中于少数超大规模中心进行远程响应。

　　行业专家指出，当AI技术从实验室走向千行百业，算力基础设施必须随之从集中供电转向分布式供给，以匹配应用场景对响应速度、数据主权、隐私合规和成本控制的多元诉求。这种需求侧的根本性转向，正在重新定义数据中心的投资逻辑、选址标准与建设范式，也为中小型数据中心运营商打开了新的生存空间。

　　大型项目遇阻，小型化部署优势凸显

　　除需求端的变化外，供给侧的硬约束亦在加速倒逼算力部署模式的转型。尽管OpenAI的星际之门（Stargate）项目承诺超过10吉瓦的装机容量，并计划在佐治亚州和俄亥俄州分别追加3吉瓦与8吉瓦的设施，Anthropic亦与云服务商Nscale签署了涉及450亿美元、租用460兆瓦容量的长期协议，但超大型数据中心在全球范围内正面临日益严峻的外部阻力。

　　在美国本土，多个大型项目因地方社区反对噪音与能耗、严格的环境评估及电网改造压力而推进缓慢；在欧洲，可供开发的土地与电力资源本就紧张，审批流程漫长且环保标准严苛，使得吉瓦级项目的落地周期往往以年甚至数年计算。

　　相比之下，20至30兆瓦级别的小型算力交易具备更快获得可用算力的优势。Jabez Tan指出，与其等待某一地点释放大规模算力区块，在具备电力供应的现有场地获取数兆瓦容量显然更为现实，交付周期可从数年缩短至数月。

　　对于可跨不同地点运行的工作负载而言，多处小规模部署累加后同样能形成可观的算力池，且具备更强的地理冗余性。此外，小型设施在选址灵活性、液冷与风冷方案适配、可再生能源获取及合规审批方面均更具弹性，能够更快适应技术迭代带来的硬件更新需求。

　　Anthropic在坐拥大规模长期协议的同时仍积极寻求小型部署，说明头部企业正在采用大小兼顾的组合策略，以平衡长期战略储备与短期业务扩张的矛盾。在争夺AI基础设施的激烈竞争中，时间成本成为与资金成本同等关键的决策变量。

　　算力格局重构：分布式部署成行业新常态

　　综合来看，从吉瓦到兆瓦的算力部署逻辑之变，不仅是技术路径的调整，更是AI产业从资本密集型竞赛转向价值导向型服务的标志。

　　当行业焦点从谁能训练最大的模型转向谁能最高效地服务最广泛的用户时，算力基础设施的衡量标准也从单纯的规模指标，扩展至部署速度、地理覆盖、能效比与总拥有成本等多维体系。小型算力设施的兴起，有望在缓解区域电力与土地瓶颈的同时，推动AI能力更均匀地渗透至边缘节点，降低单一设施故障带来的系统性风险，并提升终端用户的服务体验。

　　然而，这并不意味着超大规模数据中心将退出历史舞台——基座模型的训练与迭代仍需要海量集中算力支撑，未来更可能形成核心训练枢纽加分布式推理节点的混合架构，两者互为补充而非相互替代。

　　对于产业链上下游而言，数据中心运营商、设备供应商及能源服务商需重新审视自身产品组合，提升模块化、标准化交付能力，以捕捉碎片化算力需求中的新增长极。同时，政策制定者亦需为不同规模的算力设施建立差异化的审批与支持机制，避免一刀切的监管思路阻碍产业创新。

　　在AI技术加速商业化的关键节点，对算力格局重构的适应能力，将在很大程度上影响企业的竞争位势。未来的AI基础设施版图，预计将由大中小型节点共同构成，形成全球化、智能化的算力网络，而非仅依赖少数超级据点。