龐大數據中心恐遭取代？專家：小型化與本地化才是 AI 未來
Honey, I shrunk the data centres: Is small the new big?
作者: Zoe Kleinman | 時間: Wed, 14 Jan 2026 00:07:50 GMT | 來源: BBC
f t
在最近一次網訪中，Perplexity 執行長 Aravind Srinivas 表示，未來的某一天，龐大的數據中心恐會被平凡的手機推入過時行列。
他在與主持人 Prakhar Gupta 對話時指出，人們最終會使用強大的個人化 AI 工具，這些工具將在設備內部的現有硬體上運行。
這將取代目前一般情況：AI 依賴傳送至和從龐大數據中心傳輸資料，並使用遠端電腦來運作的模式。
Apple 的 AI 系統 Apple Intelligence 已在其最新系列產品的專用晶片上運行部分功能。該科技巨頭表示，這意味著其 AI 工具運作更快速，也能更好地保護私有數據安全。
Microsoft 的 Copilot+ 筆記型電腦也包含裝置端 AI 處理功能。
但這些都是昂貴的高端產品。一般而言，目前很少有設備具備該能力。AI 需要強大的處理能力，超出標準設備的能力範圍。
「強大且高效的 AI 能否在本地設備運行，是長期的『如果與何時』問題，」總數據中心諮詢公司（Total Data Centre Solutions）董事 Jonathan Evans 表示。
數據中心行業在需求方面當然沒有縮減。但在其他方面是否正在變小？
數據中心傳統上是巨大的建築，塞滿了強力的電腦，除了驅動 AI 外，還執行大量數位任務，從影片串流和線上銀行，到 AI 處理與資料儲存。
幾乎任何有網路登入功能的事物，都會在某個地方的數據中心使用。大型公司擁有它們，較小的公司則在內部租賃容量。
但幾年前，我聽說在英國德文郡有一個極小的數據中心，大小僅如洗衣機。除了其運算能力外，它釋放的熱量還用於加熱公共游泳池。
這是第一次我遇到不是巨大倉庫的數據中心，起初我對整個概念非常懷疑。
從那時起，我聽說了很多其他例子。2025 年 11 月，一對英國夫婦透露他們透過放置在花園工作棚內的數據中心加熱他們的住家。
一個月後，我和一位大學教授用餐，他告訴我他的桌下有一個 GPU——用於驅動 AI 的強效電腦處理器。當它運轉時，也同時保持著他的辦公室溫暖。
同時，科技公司在全球投入數十億美元投資龐大的數據中心工廠。僅英國就有約 100 個新項目進行中。數據中心能源需求極大，人們對其環境影響有重大疑慮。
NVIDIA CEO Jensen Huang 稱數據中心為「AI 工廠」。支持它們的論點是我們需要它們來推動迅速演進的 AI 技術。
許多年來，AI 領域堅持認為存在一種明顯指數級的「擴展」規則，意味著投入給 AI 的運算能力越多，它就越好——雖然這似乎已經放緩。
但我不斷聽到科技界的聲音，質疑為何必須將一切安置在遙遠且龐大的數據中心內。
Evans 指出有理由建立「小型『邊緣』數據中心」靠近大群人聚集地，這將減少延遲並產生更快的回應時間。
「小確實是新的大，」Mark Bjornsgaard 表示。他是 DeepGreen 的創辦人——建造游泳池數據中心的這家公司。
他認為每座公共建築應該安置小型數據中心，根據需要在大型網絡中彼此協作，並提供供暖作為副產品。
「倫敦只是一座尚未建成的大型數據中心，」他表示。
OpenUK 商業組織負責人 Amanda Brock 持有相同觀點。「數據中心的神話將是一個會隨時間破裂的泡沫，」她告訴我。雖然她不想定下日期。
她認為廢棄建築和關閉的店鋪應該改為改造成小型數據中心。
有些人看的範圍比高街和城市更遠：太空。
「太空提供了重新思考數據結構的獨特機會，其中軌道上的小型、可擴展數據中心可以提供效率、性能和靈活性，」Ramon Space 的 CEO Avi Shabtai 表示，該公司正在開發此技術。
回到地球，Brock 同意 Perplexity 的 Srinivas，認為需要的數據中心更少，她反而認為「處理會移動到手持裝置、機上盒或家中的路由器」。但如果變化的不僅是數據中心——AI 工具本身也在使用減少，這種情況可能更常見。
大型語言模型（Large Language Models）圍繞著巨大的炒作——由海量資料訓練的龐大、強大的 AI 模型，運行我們用來生成內容的 AI 聊天機器人。但也熟悉了它們容易出錯的傾向。
這部分發生是因為其範圍極度寬泛。
正如 AI 倫理運動人士 Ed Newton Rex 曾經對我說的：設計用來偵測癌症徵兆的 AI 工具並不需要也能寫出泰勒·斯威夫特風格的歌曲歌詞。
企業越來越同意，選擇客製化企業 AI 工具：雖然更昂貴，但基於自身資料訓練，不會用於其他產品的訓練，並且預設執行專屬於公司的任務。
這些較小、私有的工具往往表現更準確，且需要更少的運算。也更可能全部儲存在現場。
「我與多位沒有看到使用通用 AI 工具好處的人談過，」機器學習公司 Hugging Face 的 AI 與氣候負責人 Dr Sasha Luccioni 表示。
「我們已經看到範式轉移，從大型模型佔用巨大資源，到較小模型更具客製化，運行更本地化並針對業務用途。」
但這麼多小型數據中心是否會給國家安全帶來麻煩？
「這裡的反論是，如果遭到滲透，小型目標的影響較小，」薩里大學（Surrey University）電腦安全專家 Prof Alan Woodward 表示。
「大型中心可能是故障點，正如我們最近看到的巨大 AWS（Amazon Web Services）中心停擺。」
還有轉向大型數據中心之外的環境效益，Luccioni 補充道，他們表示「正在消耗越來越多資源」。『不總是使用它們是有道理的。』