資料中心霸權動搖？業界探討AI運算小型化趨勢

Perplexity 執行長 Aravind Srinivas 在近期一場播客中表示，有朝一日，強大的資料中心可能會被平凡的智慧型手機推翻，陷入過時的命運。 在與主持人 Prakhar Gupta 的對話中，這位人工智慧負責人認為，人們最終將使用強大的、個人化的 AI 工具，這些工具能夠在設備內已有的硬體上運行。 這將取代目前普遍的做法，即人工智慧依賴於向龐大的資料中心傳輸數據，並使用遠端電腦來運作。 Apple 的人工智慧系統 Apple Intelligence 已在其最新產品系列中的一些專用晶片上運行部分功能。這家科技巨頭表示，這意味著其 AI 工具可以更快地運作，並更好地保護私人數據。 微軟的 Copilot+ 筆記型電腦也包含裝置內的人工智慧處理。 但這些都是高價位的裝置。一般來說，目前大多數設備並不具備此能力。人工智慧需要強大的處理能力，這超出了標準設備的範圍。 「這是一個長期的『是否以及何時』問題，強大且高效的人工智慧能否在本地裝置上運行，」諮詢公司 Total Data Centre Solutions 的總經理 Jonathan Evans 表示。 資料中心產業在需求方面當然沒有萎縮。但它是否在其他方面變得更小？ 資料中心傳統上是巨大的建築物，裡面滿是強大的電腦，除了推動人工智慧外，還執行大量數位任務，從視頻串流和線上銀行，到 AI 處理和數據存儲。 你可能使用的任何需要線上登入的服務，都使用了世界上某處的資料中心。大公司擁有它們，較小的公司則租用其內部容量。 然而，幾年前，我聽說在英國德文郡 operates 了一個洗衣機大小的微型資料中心。除了其運算能力外，它釋放的熱量還在為公共游泳池加熱。 這是我第一次遇到不是巨大倉庫的資料中心，一開始我對整個事情非常懷疑。 自那以後，我聽說了許多其他例子。2025 年 11 月，一對英國夫婦透露，他們正在通過花園棚屋中的一個小型資料中心為家裡供暖。 一個月後，我與一位大學教授共進晚餐，他告訴我他的桌子下有一個 GPU——一種用於驅動人工智慧的強大電腦處理器——當它運作時，同時也在為辦公室供暖。 與此同時，科技公司正在全球範圍內投資數十億美元建設龐大的資料中心。僅在英國，就有約 100 個新項目正在進行中。資料中心耗電量大，對其環境影響有重大擔憂。 Nvidia 執行長 Jensen Huang 稱資料中心為「AI 工廠」。支持它們的論點是，我們需要它們來推動快速發展的人工智慧技術。 很長一段時間以來，人工智慧產業堅持認為存在一個明顯指數級的「擴展」規則，即你投入人工智慧的運算能力越多，它就越好——儘管這似乎已經放緩。 但我越來越聽到科技產業中有人質疑將所有這些都安置在遠端且龐大的資料中心中的合理性。 Evans 表示，有理由支持「在人口密集區附近設置較小的『邊緣』資料中心」，這將減少延遲並帶來更快的回應時間。 「小就是新的大，」Mark Bjornsgaard 說。他是 DeepGreen 的創始人，這家公司製造了游泳池資料中心。 他認為，每個公共建築都應該容納一個小型資料中心，在需要時互相組成大型網絡運作，並將供暖作為副產品。 「倫敦只是一個尚未建成的巨型資料中心，」他說。 商業組織 OpenUK 的負責人 Amanda Brock 分享了這一觀點。「我認為資料中心的神話將是一個遲早會破滅的泡沫，」她告訴我。不過她不願預測具體時間。 她認為，應該將廢棄建築和關閉的商店改造成小型資料中心。 有些人將目光投向了比商業街和城市更遙遠的地方：太空。 「太空提供了一個獨特的機會來重新思考數據結構，軌道上的小型可擴展資料中心可以提供效率、性能和靈活性，」開發該技術的公司 Ramon Space 執行長 Avi Shabtai 說。 回到地球，Brock 贊同 Perplexity 的 Srinivas 的觀點，即將需要更少的資料中心，她認為「處理將轉移到手持裝置、機上盒或你家中的路由器上」。 如果不僅資料中心在縮小——人工智慧工具本身也在縮小——這可能會變得更有可能。 大型語言模型一直受到巨大關注——這些是基於大量數據訓練的龐大、強大的 AI 模型，用於運行我們用來生成內容的 AI 聊天機器人。但我們也逐漸熟悉了它們容易出錯的傾向。 部分原因在於它們的職責範圍過於廣泛。 正如人工智慧倫理活動家 Ed Newton Rex 曾對我說的：一款設計用於偵測癌症跡象的 AI 工具，不需要同時具備以泰勒·斯威夫特風格創作歌詞的能力。 企業越來越贊同此點，轉而選擇量身訂製的企業 AI 工具：雖然價格更高，但基於自有數據訓練，這些數據不會用於其他產品的訓練，且專門執行公司特定任務。 這些較小、私有的工具往往表現更準確，且可能需要更少的計算資源。也更有可能將所有東西存儲在本地。 「我與多位人士交談過，他們並未看到使用通用 AI 工具的益處，」機器學習公司 Hugging Face 的人工智慧與氣候負責人 Sasha Luccioni 博士表示。 「我們已經看到一種範式轉變，從大型模型消耗巨大資源，轉向較小模型更量身訂製、更多在本地運行並針對商業用途進行調整。」 但眾多小型資料中心是否會給國家安全帶來麻煩？ 「這裡的反論是，如果小型目標被滲透，影響較小，」薩里大學的電腦安全專家 Alan Woodward 教授說。 「較大的中心可能是大規模故障點，正如我們最近看到的，大型 AWS（亞馬遜網路服務）中心宕機。」 Luccioni 還表示，擺脫大型資料中心也有環境效益，她說它們「正在消耗越來越多的資源」。「並非一直使用它們是有道理的。」