新闻 
下一座AI数据中心,可能就挂在你家墙上
下一座AI数据中心,可能就挂在你家墙上下一座AI数据中心,可能就挂在你家墙上
Sightline Climate 的数据显示，美国 2026 年原计划上线约 12 GW 的数据中心容量，目前真正进入施工阶段的只有 5 GW 左右，剩下三分之二卡在土地、电力或社区审批环节。覆盖 13 个州、服务 6,500 万人的美国最大电网运营商 PJM Interconnection 预测 2027 年其可靠性容量将短缺 6 GW。高压变压器的交付周期从 12-18 个月被拉长到 36-48 个月。
据彭博社报道，OpenAI 和软银的 Stargate 项目至今没有显著的物理建设进展。不是因为没钱，是因为电力、变压器、电网容量这些钱无法立刻解决的事。
Nvidia 全球能源行业高级董事总经理 Marc Spieler 向 CNBC 坦言：要在单一地点搞出大型数据中心需要的负载，已经“很难”。XFRA 选择的反方向是利用每户住宅“已经接入电网但没用满的那部分容量”。美国住宅 200 安培的服务等级，日常实际占用可能只有三分之一到一半。
把每户分散的几千瓦闲置容量乘以数千户，加起来就是一个中型数据中心。Span 自报的数字是装 8,000 个 XFRA 单元相当于一座 100 兆瓦数据中心，部署速度快 6 倍、成本低 5 倍。这些数字目前没有第三方验证，但方向上的吸引力对买电求不得的云厂商来说足够明确。
其实“分布式算力”不是什么新概念。过去几年加密行业孵化出了一整套 DePIN（Decentralized Physical Infrastructure Networks，去中心化物理基础设施网络）方向的项目，包括 Akash Network、io.net、Render Network、Prime Intellect、Gensyn 等。
它们的思路是把世界各地散户和小型机房手里的 GPU 通过代币激励聚拢起来，组成共享算力池。Akash 网络目前管理约 736 块 GPU，io.net 整合数据中心、加密矿工和社区贡献者的多种来源算力，Prime Intellect 早在 2024 年用分布式 GPU 完成了 100 亿参数模型 INTELLECT-1 的训练。
但 DePIN 路线的痛点也非常明显：硬件高度异构（消费级 RTX 3090 到企业级 H100 都有）、可靠性参差、依赖代币经济模型保持流动性、企业级 SLA（服务等级协议）难以承诺。它适合对成本极度敏感、对延迟和稳定性容忍度高的工作负载，比如批处理任务、模型训练、渲染，而不是需要稳定低延迟的实时推理。
Span 加 Nvidia 的方案在几个维度上做了相反的选择：一是硬件标准化，统一是液冷 Blackwell；二是分发渠道机构化，绑定大型住宅建筑商；三是客户对象明确瞄准 hyperscalers 和企业级 AI 云厂商；最好，它也不依赖任何代币激励层。它真正利用的也不是“个人闲置 GPU”，而是“住宅电网接入端的未用满容量”，再加自家硬件去消费这部分容量。
这是过去 DePIN 项目从未真正涉及的资源。Span 的智能电板提供定位和调度这类资源的工具，Nvidia 提供把它转化为 AI 算力的硬件。两边凑在一起，像是给“边缘推理”这个概念配上了第一个标准化的物理形态。
但能不能跑通仍是未知的问题。
和其他分布式算力一样，XFRA 节点之间通过普通住宅宽带互联，要让分散在数千户家庭的算力池稳定支撑企业级 SLA 的推理服务，调度和容错的工程量远超 Span 此前做智能电板的范畴。从单户实测到 100 户概念验证再到 8,000 户的中型数据中心当量，每跨一个数量级，实现难度也会不断上升。
而更根本的问题是这条路的吸引力建立在“传统数据中心找不到电”的前提上。如果电网扩容提速、SMR（小型模块化反应堆）和现有核电重启给集中式方案提供新的电源选项，分布式方案的相对优势会被稀释。Span 押的是电力短缺会持续到 2030 年代。
Marc Spieler 在接受采访时点到了这件事的核心诉求：低延迟、靠近终端用户、能快速规模化。前两点确实是 XFRA 方案的优势，最后一点目前还只是 Span 的承诺。
PulteGroup 计划年内完成的 100 户概念验证，是这套设想能不能从 PPT 走出来的第一个真实测试。在那之前，挂在美国新建住宅外墙上的那些白盒子，对眼下的算力紧缺还帮不上什么忙。
[物价飞涨的时候 这样省钱购物很爽]
还没人说话啊，我想来说几句
据彭博社报道，OpenAI 和软银的 Stargate 项目至今没有显著的物理建设进展。不是因为没钱，是因为电力、变压器、电网容量这些钱无法立刻解决的事。
Nvidia 全球能源行业高级董事总经理 Marc Spieler 向 CNBC 坦言：要在单一地点搞出大型数据中心需要的负载，已经“很难”。XFRA 选择的反方向是利用每户住宅“已经接入电网但没用满的那部分容量”。美国住宅 200 安培的服务等级，日常实际占用可能只有三分之一到一半。
把每户分散的几千瓦闲置容量乘以数千户，加起来就是一个中型数据中心。Span 自报的数字是装 8,000 个 XFRA 单元相当于一座 100 兆瓦数据中心，部署速度快 6 倍、成本低 5 倍。这些数字目前没有第三方验证，但方向上的吸引力对买电求不得的云厂商来说足够明确。
其实“分布式算力”不是什么新概念。过去几年加密行业孵化出了一整套 DePIN（Decentralized Physical Infrastructure Networks，去中心化物理基础设施网络）方向的项目，包括 Akash Network、io.net、Render Network、Prime Intellect、Gensyn 等。
它们的思路是把世界各地散户和小型机房手里的 GPU 通过代币激励聚拢起来，组成共享算力池。Akash 网络目前管理约 736 块 GPU，io.net 整合数据中心、加密矿工和社区贡献者的多种来源算力，Prime Intellect 早在 2024 年用分布式 GPU 完成了 100 亿参数模型 INTELLECT-1 的训练。
但 DePIN 路线的痛点也非常明显：硬件高度异构（消费级 RTX 3090 到企业级 H100 都有）、可靠性参差、依赖代币经济模型保持流动性、企业级 SLA（服务等级协议）难以承诺。它适合对成本极度敏感、对延迟和稳定性容忍度高的工作负载，比如批处理任务、模型训练、渲染，而不是需要稳定低延迟的实时推理。
Span 加 Nvidia 的方案在几个维度上做了相反的选择：一是硬件标准化，统一是液冷 Blackwell；二是分发渠道机构化，绑定大型住宅建筑商；三是客户对象明确瞄准 hyperscalers 和企业级 AI 云厂商；最好，它也不依赖任何代币激励层。它真正利用的也不是“个人闲置 GPU”，而是“住宅电网接入端的未用满容量”，再加自家硬件去消费这部分容量。
这是过去 DePIN 项目从未真正涉及的资源。Span 的智能电板提供定位和调度这类资源的工具，Nvidia 提供把它转化为 AI 算力的硬件。两边凑在一起，像是给“边缘推理”这个概念配上了第一个标准化的物理形态。
但能不能跑通仍是未知的问题。
和其他分布式算力一样，XFRA 节点之间通过普通住宅宽带互联，要让分散在数千户家庭的算力池稳定支撑企业级 SLA 的推理服务，调度和容错的工程量远超 Span 此前做智能电板的范畴。从单户实测到 100 户概念验证再到 8,000 户的中型数据中心当量，每跨一个数量级，实现难度也会不断上升。
而更根本的问题是这条路的吸引力建立在“传统数据中心找不到电”的前提上。如果电网扩容提速、SMR（小型模块化反应堆）和现有核电重启给集中式方案提供新的电源选项，分布式方案的相对优势会被稀释。Span 押的是电力短缺会持续到 2030 年代。
Marc Spieler 在接受采访时点到了这件事的核心诉求：低延迟、靠近终端用户、能快速规模化。前两点确实是 XFRA 方案的优势，最后一点目前还只是 Span 的承诺。
PulteGroup 计划年内完成的 100 户概念验证，是这套设想能不能从 PPT 走出来的第一个真实测试。在那之前，挂在美国新建住宅外墙上的那些白盒子，对眼下的算力紧缺还帮不上什么忙。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: