巨大的数据中心正在促使工程师们打破常规。对更智能（历来意味着更大）的 AI 模型以及提高既有模型采用的渴望，推动了数据中心建设项目数量的爆发式增长和规模的空前扩大。这其中最具代表性的，是 Meta 计划于 2025 年 6 月宣布的路易斯安那州 5 吉瓦数据中心“海神星”（Hyperion）。Meta 首席执行官马克·扎克伯格表示，该项目“将覆盖曼哈顿相当大的一部分面积”，首期——2 吉瓦版本——预计将于 2030 年完工。尽管该项目宣称的 5 吉瓦规模在同类项目中最大，但它只是目前进行的数十个类似项目之一。据建筑软件公司 ConstructConnect 的首席经济学家迈克尔·古克斯称，截至 2025 年 7 月，数据中心支出已超过 270 亿美元，一旦全年数据汇总，将轻松突破 400 亿美元。仅 Hyperion 一项就占到了其中的四分之一左右。对于负责将这些项目落地的工程师而言，所涉及的挑战组合代表了一个独特的时刻。全球最大的科技公司正敞开钱袋，为计算、冷却和网络技术的新创新买单，这些技术旨在实现五年前看来荒谬的规模。同时，这种争分夺秒的建设节奏也伴随着严峻问题。现代数据中心建设通常需要大量临时工人涌入，并急剧增加噪音、交通、污染，往往还会推高当地电价。此外，由于 AI 数据中心前所未有的全天候能源需求，即便设施建成多年后，环境代价依然令人担忧。据最近一项研究显示，仅在美国，这些设施每年就可能排放相当于数千万吨的二氧化碳。

尽管存在这些问题，大型 AI 公司及它们雇佣的工程师们仍在全力推动巨型数据中心的建设。那么，建造一个史无前例的大型数据中心究竟需要什么？典型的数据中心建筑建立在钢筋混凝土板地基之上，配有钢结构骨架和浇筑混凝土墙板。竣工后的建筑被称为“外壳”，这一术语暗示结构本身只是次要考虑因素。Meta 甚至曾使用巨型帐篷来搭建临时数据中心。尽管如此，最大规模 AI 数据中心带来的挑战依然独特。“最大的挑战往往在于地表之下。不稳定、腐蚀性或膨胀性土壤可能导致延误并要求严重干预，”建筑咨询公司 Jacobs 的副总裁罗伯特·黑利表示。Stantec 的高级技术主管阿曼达·卡特指出，土壤的热导率也很重要，因为大多数电力基础设施都埋设在地下。“如果土壤的热阻较高，散热将会很困难。”工程师们可能在开工前采集数百甚至数千个土壤样本。然而，2022 年 12 月中旬，工程曾因公司全面审查数据中心基础设施而中途暂停。Meta 决定拆除已建成的结构，从头开始。做出这一决定的原因从未公开，但分析师认为这是因为旧设计无法满足新型高功耗 AI 机架的电力需求。工程于 2023 年恢复。Meta 的替代方案放弃了 H 形建筑，转而采用简单的长矩形结构，两侧各排列一排燃气轮机发电机组。虽然 Meta 的计划可能随时变更，但目前预计 Hyperion 将由 11 座矩形数据中心组成，每座都装满数十万块 GPU，分布在占地 13.6 平方公里的里奇兰教区园区内。

英伟达超密集 AI GPU 机架不仅以其重量和功耗改变着数据中心，还因其强烈的冷却和带宽需求而改变了行业格局。传统数据中心使用风冷，但这种方式已触及极限。“空气作为冷却介质本质上劣于液体，”新加坡国立大学 CoolestLAB 冷却研究小组负责人李柏胜表示。未来，GPU 将依赖液冷。但这增加了一层新的复杂性。“这一直涉及到设施层面，”李柏胜说，“你需要泵，我们称之为冷却液分配单元（CDU）。CDU 将通过复杂的管道网络连接到机架，并且必须设计为具有冗余性。”在机架上，管道连接到安装在每个 GPU 顶部的冷板；在数据中心外壳外，管道则通向蒸发冷却机组。李柏胜表示，改造风冷数据中心是可行的，但成本高昂。AI 数据中心使用的网络也在变化以适应新要求。传统数据中心通常位于网络枢纽附近，以便轻松接入全球互联网。而 AI 数据中心则更关注 GPU 网络。这些连接必须以极高的可靠性维持高带宽。网络基础设施公司 Ciena 的副总裁马克·比伯里希表示，其最新的光纤收发器技术 WaveLogic 6 可提供高达每波长每秒 1.6 太字节的带宽。单根光纤总共可支持 48 个波长，而 Ciena 的最大客户拥有数百对光纤，使总带宽达到每秒数千太比特。

正是在这一点上，Meta 的 Hyperion 及其他大型 AI 数据中心的规模可能具有误导性。它似乎暗示单个数据中心的物理尺寸才是关键。但实际上，Hyperion 并非单一建筑，而是由高速光纤连接的一组建筑群。“互联数据中心绝对至关重要，”比伯里希说，“你可以将其视为一个逻辑上的 AI 训练设施，但由地理上分布的设施组成。”英伟达称之为“跨规模扩展”（scale across），以区别于数据中心必须“向上扩展”至更大单体建筑的观点。面对 Hyperion 及未来其他类似规模 AI 数据中心的全部挑战细节仍不清晰。英伟达尚未推出其将托管的机架级 AI GPU 系统。它将消耗多少电力？需要何种类型的冷却？必须提供多少带宽？这些都只能估算。在没有详情的情况下，AI 数据中心设计的严肃性指向一个确定性：它必须足够大。新一代数据中心设计师正在重写规则书，以处理五年前看来不可思议的规模下的电力、冷却和网络基础设施。这种创新得益于科技巨头的雄厚财力，仅在 2025 年就斥资数百亿美元，从而引发了关于支出是否可持续的疑问。不过，对于身处数据中心设计一线的工程师来说，这被视为将不可能变为可能的机遇。“我告诉我的工程师们，这是巅峰。我们正在履行工程师的职责。我们在被要求回答复杂问题，”Stantec 的卡特说，“我们已经很久没有做过这样的事了。”