数据中心未来：数据与算力演化如何重新定义数据中心的设计与位置

数据及其计算能力的不断演变，可能将重新定义数据中心的设计和选址。 远见 2026年6月 数据中心未来——超越资产进行展望 二十一世纪的生活——从最微小的日常互动到大规模的国际乃至地外系统——越来越依赖于数据流。虽然如果我们这些数据流被中断，都会感受到其影响，但鲜有人会停下来反思将这些数据转化为有意义的洞察、提升我们日常生活的通讯、服务和运营所依赖的关键数字基础设施。 若不加以控制，数据中心可能破坏城市代谢，排挤对短期和长期城市发展至关重要的资源流动。 数据中心体现了一种悖论。它们的快速增长正给关键资源带来日益沉重的压力，而我们对它们的依赖却与日俱增。管理这种紧张关系至关重要。 在一个“城市代谢”系统中，数据中心是水、能源、物质、人流乃至信息流动的枢纽。作为关键基础设施，需要加以保护，它们可以在塑造安全、有韧性和可再生的场所中发挥核心作用。 数据中心是历史上最具生产力的基础设施建设时期中的关键节点。仅仅将它们视为“资产”会限制我们的视野，并限制通过其设计产生更广泛、积极影响的可能性。 那么，是什么定义了一个“好”的数据中心？又该如何使该设施同时成为“好邻居”和“好祖先”？ 数据中心未来——超越资产进行展望 成为一个好邻居需要重新思考“绩效”指标；需要重新定义“效率”；需要重新关注它们在所建区域产生的影响。数据中心如何提升其所在地及其当地生态系统？成为一个好祖先需要意识到，今天的设施基础将成为明天的遗存。这也意味着要考虑到我们今天做出的决定对未来世代产生的影响。 创造有意义的影响始于长远思考，并设计能够适应变化的系统。当技术和社文化演变使数据中心以当前形式变得过时时，会发生什么？ 借此及后续专题，我们在Arup.com已积累的广泛洞见基础上，探讨了数据中心的前景。 我们的目标并非维护某种立场，而是提升围绕数据中心展开的讨论，鼓励更多人就这一快速发展的领域中的危险假设和可能未来提出更深入的问题。 暂停一下，抬起头看看周围。 数据中心未来系列 01 水 在阿特普全球各办公室技术专家的协作下，洞察力团队推出了《数据中心未来》系列。 02 能量 每一期都探讨一个核心主题、新兴议题、塑造未来背景的趋势、批判性反思以及对长期可能性的有见地的推测。 03 土地与空间利用 04 数据与计算 本系列第四期也是最后一期，重点关注数据和计算。 我们正步入一个技术加速变革的时期，这得益于多种新型计算方法及多功能技术的涌现。这些发展影响着整个数据生命周期。如今，数据正以海量规模、来自日益扩大的多样化来源、且通常是实时地涌入。数据在多种架构上被处理，并通过分布式网络进行传输，整个过程同时受到安全与主权意识提升所带来的塑造与制约。 05070810141617映射不确定性技术雷达阿鲁普专家文章变革的驱动力外部专家文章当下的未来征兆建议 然而，这种快速演变正与一个非常不同的现实发生碰撞。为支撑其发展而建设的实体基础设施具有长寿、高成本和相对永久的特性。就在数据中心所支持的技术变得愈发流动、不确定和充满争议之时，数据中心正被设计并融资为持久性资产。这为运营商、客户和更广泛的经济体带来了重要的短期风险，包括冗余和锁定效应，同时还伴随着巨大的财务和环境成本。 前瞻性通常需要着眼长远以识别变化的深层模式，然而在此情况下，也迫切需要应对近期的不确定性，并设计以备不时之需。这一时刻也创造了真正的机遇，为当今的数据中心设计者提供了机会，使其能够比该行业以往所要求的更加专业化、适应性强和富有创造力。 就其最佳状态而言，该领域正逐渐成为未来十年最重要的支撑产业之一，在科学、公共服务和日常生产力提升方面默默推动着突破。 我们可以塑造下一个时代，而不是继承它。一个优秀的数据中心不仅仅是一项资产：它通过支持当地社区、生态系统和资源系统来获得其社会执照。作为一个好的祖先，它的设计是为了长期价值、适应性、韧性，并留下积极的遗产，而不是留下废弃的基础设施。 本报告考察了这些变化在数据生命周期中的体现，并提出了如下问题： 新兴和未来的技术发展将如何推动未来数据中心的设计和选址？ 我们如何确保当今主导的数字基础设施原型不会限制未来新型计算和技术的潜力？ 特定数据中心。我们的研究结果表明，需要采用适应性强、基于情境的设计和选址策略，超越统一模式，以反映不同的数据生态系统。 映射不确定性 技术驱动因素对数据中心的影响 数据中心是关键的基础设施，虽然行业变化迅速，但其属于资本密集型且具有较长的生命周期。今天的决策将决定未来数十年内面临的技术、监管和环境风险敞口。这种较长的使用寿命也是一种战略优势：现在进行灵活设计可以使站点在多个技术时代中保持可用性。 技术变革——我们所知 人工智能、高级分析和普遍的数据收集正推动计算能力需求的激增，使其成为本十年最关键资源之一。随着数据来源的增加，从物联网设备和工业传感器到自主系统，数据的数量、速度和多样性持续加速。随着能力的扩展，计算需求不太可能缓解，这将带来新的应用、依赖和期望。 与此同时，数据治理正日益成为政治议程的焦点，尤其是在地缘政治紧张局势加剧的背景下。数据安全、主权和资产保护正影响着基础设施决策。选址不再仅仅关乎成本、连接性或便利性，战略弹性和自主性也同等重要。这些压力不仅延伸至IT硬件，也扩展到数据中心所依赖的更广泛的系统，包括能源、水、土地和关键材料，而这些资源正变得越来越稀缺和具有竞争性，正如本系列早先期刊所涵盖的那样。 然而，稀缺和压力常常驱动创新，催生新的效率形式、新的设计响应和新的技术解决方案。 跨技术系列和技术分支的融合可能会产生尚未完全显现的新空间、运营和投资需求。这种不确定性也超出了技术本身。数据治理、主权和监管的未来形态因地而异，从而以不同方式影响基础设施决策。 当前的数据中心格局若不进行电源供应、扩容和运营模式的重大调整，将难以维持预期的增长速度。这种压力也在加速创新，迫使提升效率、明确工作负载选择，并采用更具适应性的运营模式。 过去的干扰，例如从集中式服务器转向云架构，或依赖专用芯片的AI工作负载的快速兴起，都表明新的需求可以多么迅速地超越现有的假设。这使得长期规划更加困难，但也进一步凸显了适应性和弹性策略的价值。 新兴技术和不断演变的计算范式将影响数据中心的设计、建设和运营地点及方式。但我们尚不清楚重大突破的确切时机和性质，也不了解其采用的步伐和深度。 为探索这些信号与未知因素的混合体，我们绘制了技术及其子领域的发展格局。雷达无法预测雷达结果，但它有助于以结构化的方式识别哪些新兴技术可能重塑数据中心的设计、选址和作用。 阿鲁普专家文章：异构计算：面向多范式数据中心的架构设计 同样地，量子处理器对毫开尔文温度和EMI屏蔽的需求，与高密度AI机架的“嘈杂”电气环境不相容。这迫使同一校园内采用实验室模式而非仓库模式，需要不同的地面、空调和废物处理系统。 经典、量子及其他范式（如生物计算）的共存将从根本上瓦解传统的数据中心模式。我们可能会从单一设施转向一个由专门区域组成的园区，因为每种范式的基础设施需求截然不同。 陈杰米 副总监，高级数字工程，阿鲁普 位置策略将有所不同。传统计算仍依赖电网，而量子计算将推动设施迁往地质稳定区域以减少震动，并可能需要靠近氦气供应链。相反，生物计算将锚定于生物技术中心，以便获取生物试剂和隔离协议。 组织如今已着眼于共存而非取代进行设计。经典计算仍占主导地位，但现有关于量子计算设施和低温环境的研究表明，不同的未来范式对振动、EMI、热稳定性和电源质量提出了根本不同的要求。这正推动数据中心朝着模块化、异构园区和更周密的选址策略发展。 设计和基础设施将由极端隔离来定义。我们不能将一个需要负压和HEPA排风设备的BSL-2生物计算实验室紧挨着传统的服务器通道放置。 停止扩展经典计算并转向另一种范式的决定，并非由单一的指标（如FLOPS或晶体管尺寸）驱动。它是由经典计算的物理或经济性在某个临界点崩溃所驱动的。 预计到2045年，经典计算仍将在规模和经济效益上占据主导地位。量子计算和生物计算方面的突破是真实存在的，但它们是狭义的突破，而非通用型的突破。 首先，是优化壁垒，经典算法在此面临组合爆炸。当一个问题需要数百万年的经典计算，例如复杂的物流或材料模拟时，你便转向量子计算。 其次，是功率墙。传统的AI机架进行模式识别需要20000瓦的功率。当冷却基础设施无法散热或电力预算耗尽时，你将切换到神经形态计算，以实现节能的边缘AI。 即使是乐观的路线图也将它们定位为通过经典编排层访问的协处理器，而非独立的替代品。因此，到2045年，数据中心的核心仍然是经典的，只是内部嵌入了远更多专门化的计算岛屿。 第三，密度墙。硅基存储在每立方英寸约为一TB时达到量子隧穿极限。DNA每克可存储215PB。当用于归档存储的数据中心地产成本超过湿实验室接口成本时，我们就转向生物计算。 本报告第19页提供了术语表。 最后是延迟墙。当光速成为瓶颈，例如在高频交易或传感器级处理中，我们就切换到边缘光子计算。 变革的驱动力 驾驶员1 计算向外迁移，形成一个“梯形”数据中心网络 向去中心化方向的转变，通过模型分布式使用得到加强，这种使用方式利用本地计算资源，而训练过程仍然依赖于大型、集中的集群。 模型从“对话”转向“行动”，需要“持续在线”的推理。 战略重心转向投资组合，而非单个项目。 人工智能正从生成内容转向执行行动，转变着计算需求。大型语言模型（LLMs）正让位于能够持续观察、决策和执行的大型行动模型（LAMs），这些模型已融入日常生活，从个人设备和家庭延伸至工作场所和企业系统。 空间作为实验基础设施层 在梯子的尽头，太空正逐渐成为新计算架构的实验性基础设施层级。轨道数据中心并非陆地容量的近期替代品，但它们可能提供充足太阳能、无需用水散热以及零土地使用的优势，尽管高昂的发射成本²和监管不确定性仍然是重大挑战。 与此同时，来自传感器、可穿戴设备、物联网设备、自主系统和工业设备的数据正在改变信息流的数量、速度和即时性。这推动了对持续推理、低延迟以及人工智能与运营系统之间更紧密连接的需求。 200100泽字节级数据量聚合的枢纽，实时发生的核心站点，计算正日益靠近。存储。这创建了一个更具弹性的系统，边缘化，而不仅仅是遥远的超大规模数据中心。采用边缘计算的企业并非取代集中式基础设施；它们正在创建“梯形”网络，将本地边缘节点连接起来以处理实时任务，并将区域性繁重工作负载（如训练）以及需要发生在关键地点的大规模关键操作部署在靠近需求位置的地方，同时确保繁重任务在规模化时保持高效。 支撑该驾驶员的雷达技术：自学习系统、生物集成传感器、量子传感器、分布式人工智能、活体可穿戴设备、可穿戴生态系统、可穿戴人工智能、边缘人工智能、边缘计算、5G、6G、7G、基于太空的数据中心、大型动作模型。 由于决策越来越需要根据人和机器的行为来做出，训练仍然依赖于大型、集中的集群，但推理正变得越来越分布式。 变革的驱动力 驾驶员2 存储从“一刀切”转向优化轮胎 新出现的档案媒体重塑了存储经济 从通用存储到分层、安全驱动的架构 将其视为将您家中的物品整理到三个地方：每天使用的放在伸手可及之处，本月可能需要的放在衣帽间，几乎从不触碰的则存放在阁楼。数据中心正对数据进行同样的处理，将其分为“热”数据（必须即时检索）、“温”数据（应可靠但非超高速）和“冷”存档（存储成本较低但访问较慢），并为每种类型采用不同的存储技术，从而使整个系统变得更快速、更经济。从实际角度来看，多媒体存储堆栈能够降低冷数据的成本和能耗，同时在最关键时提升其可恢复性。 随着数据生成速度的加快超过存储供应的增长，行业正推动超越基于硅的存储，转向下一代归档技术，例如玻璃和基于DNA的存储。这些介质可以通过提高密度、减少刷新需求以及降低冷却需求来改变存储经济性。例如，理论上，每克DNA可以存储高达1.8艾字节，这将大大减少归档存储的占地面积。 与此同时，存储