有趣的事

大型AI算力中心没实际需求,收入少,全巨额亏损。烧钱维持?如何看美国民众大面积反对新建AI算力中心?

大型 AI 算力中心的矛盾,核心是“需求增长很快”不等于“每个项目都能赚钱”。训练和推理确实需要大量计算资源,但需求会集中在少数有客户、模型和软件生态的运营商手里;新建机房还要经历并网、设备交付和客户爬坡。若按乐观预测一次性建得过多,折旧、利息、电力和维护成本先发生,收入却未必跟得上,利用率不足时亏损会很重。

因此,持续烧钱不应成为默认答案。项目要看可验证的长期订单、实际利用率、单位算力收入与电价、融资成本、设备迭代带来的资产减值风险,以及不建或分期建设的机会成本。若客户承诺可靠、边际成本可控且有明确的现金流路径,前期亏损可能是扩张投入;若主要依据远期需求预测、靠不断融资续命,缩减、延期或退出反而更理性。行业总需求可以增长,同时部分企业和具体园区仍然过度投资。

民众反对新建也不宜简单归为“反科技”。大型数据中心会占用电网容量,可能推高当地电力和基础设施压力,还涉及用水、噪声、土地及排放;收益若主要归企业、成本却由居民和公共系统承担,反对是正常的利益表达。另一方面,选址合适、使用新增或低碳电源、公开水电影响并承担配套成本的项目,也可能带来建设投资和就业,但这些收益要用具体方案证明,不能只靠宣传。

比较稳妥的做法是把审批和投资都做成有条件、可分期的决定:先核实客户与电力来源,公开用水、排放和电网影响,评估对居民账单及可靠性的影响;要求开发方承担必要的电网和环境成本,设置监测、信息公开和社区协商机制。需求兑现后再扩建,未达利用率、成本或环境条件就暂停后续阶段。反对某个选址或项目,不必等同于反对 AI;支持技术发展,也不意味着任何规模、任何地点的算力中心都值得建。

相关阅读