在人工智能热潮推动下，全球数据中心建设正面临前所未有的扩张需求。然而，电力供应不足、建筑工人短缺以及项目审批周期过长等问题，正在成为制约AI产业发展的关键瓶颈。面对这一局面，美国AI基础设施公司Crusoe提出了一种不同于传统“超大型园区”的解决方案：建设可批量生产、可运输部署的模块化数据中心。
Crusoe近日宣布完成39亿美元融资，公司估值达到约309亿美元。公司表示，新资金除了继续支持大型AI数据中心项目外，还将用于推广名为“Spark”的模块化AI数据中心产品。
Crusoe此前因参与建设位于美国得州阿比林的大型AI数据中心园区而受到关注。该园区由甲骨文运营，并向OpenAI提供计算资源。不过，公司如今认为，未来AI基础设施的发展不应仅依赖超大型集中式数据中心。
按照Crusoe的设想，Spark是一种工厂预制的数据中心单元。这些设施可以提前在制造基地完成组装，然后通过卡车运输到拥有可用电力资源的地区快速部署，从而大幅缩短建设周期。
公司创始人兼首席执行官蔡斯·洛克米勒表示，训练最先进的大模型确实需要数十万颗AI芯片组成的大规模集群，但越来越多的AI推理任务并不一定需要如此庞大的基础设施。
他认为，许多推理工作负载并不需要像阿比林那样的超大型园区。对于这类应用而言，使用分布式部署的小型数据中心反而更具效率，而将所有任务都集中到巨型园区中，某种程度上甚至会造成资源浪费。
这一观点也反映出AI基础设施市场正在形成新的分工模式。超大型园区仍然是训练先进模型不可或缺的核心设施，因为训练过程需要海量GPU、高速网络以及巨大的电力供应能力。而模型完成训练之后，大量面向用户的推理服务则可以分散部署在规模更小的计算节点之中。
相比传统数据中心项目通常需要数年时间进行规划、审批和施工，模块化设施的最大优势在于速度。Crusoe计划提前生产Spark模块，当发现某个地区拥有可用电力资源时，便直接将设施运输过去并快速投入使用。
目前，美国数据中心开发商面临的最大挑战之一正是获取电力资源。许多地区虽然拥有可利用电力，但建设大型数据中心所需的人力资源、土地开发和配套工程却往往难以及时跟进。
Crusoe希望通过制造业模式解决这一问题。公司目前已在丹佛附近建设生产基地，并计划最终达到每年生产相当于1吉瓦计算能力的Spark设施。
除了电力问题之外，模块化方案还有望缓解社区对于大型数据中心项目的抵触情绪。近年来，美国多个地区出现反对建设大型数据中心的声音，争议主要集中在土地占用、噪音、景观影响以及电网负担等方面。相较于占地庞大的超级园区，更小、更灵活的数据中心有望降低这些冲突。
业内人士认为，随着人工智能应用从模型训练逐渐转向大规模商业部署，推理计算需求正快速增长。未来AI基础设施可能不再完全依赖少数几座超级算力中心，而是形成大型训练中心与大量分布式推理节点并存的新格局。
在全球算力竞争持续升温的背景下，Crusoe押注模块化数据中心，实际上是在为AI产业寻找一条更快、更灵活的扩张路径。对于整个行业而言，真正限制人工智能发展的因素或许不再是算法本身，而是电力、土地和基础设施建设能力。而谁能更高效地解决这些现实问题，谁就可能在下一阶段的AI竞赛中占据优势。