数据中心
用于集中存放计算机系统及相关设备的物理设施，是数字经济和云计算的核心基础设施，消耗大量电力并需要持续冷却
核心事实
时间轴 (近 90 天)
环保倡导者担忧数据中心可能被纳入Prop 45的快速通道，从而绕开公众参与环节。
报道用「后门」（loophole）一词描述数据中心可能借道Prop 45规避公众审查的可能性，指向制度设计上的模糊地带，而非提案文本中明示的条款。
数据中心选址通常需要经过环境影响评估和公众评议。
在城市密集区，大型数据中心往往需要配套变电站和备用发电设施，这会改变周边土地使用性质并引发噪音、视觉污染等邻避效应。
AI产业的物理基础设施（数据中心、变电站、冷却设施）具有强烈的地域属性，会直接影响当地的土地使用、环境质量和税收结构。
AI训练集群和数据中心的电力消耗已成为电网规划中不可忽视的变量。
头部AI公司普遍倾向于自建或大规模租用数据中心，而不是依赖分散的边缘设备。
数据中心能够通过集中调度，让同一批内存资源服务更多的计算任务，整体利用率明显更高。
数据中心集中管理内存可降低采购成本、提升运维效率、降低闲置率。
内存集中到数据中心会使每次使用经过网络往返，延迟、带宽和连接稳定性成为瓶颈。
还有 40 条时间轴事件
全部知识事实 (20)
超大规模数据中心服务器数量通常超过10万台，单个园区用电量可达数百兆瓦
90%已验证一座典型的大型数据中心每天的用水量可达数百万升，相当于一个小型城镇的日用水量
85%已验证训练一个前沿AI模型动辄需要数亿美元的算力投入
75%已验证随着大语言模型和生成式AI的普及，数据中心的电力消耗正快速攀升，能耗成为AI产业扩张的关键瓶颈
75%已验证衡量数据中心能效的核心指标是PUE（电能使用效率），即设施总能耗与IT设备实际能耗的比值，理想值为1.0，现实中通常在1.2至1.6之间
75%已验证一座100兆瓦级别的数据中心每天可能消耗数百万加仑的水，相当于数万户家庭的日用水量
75%已验证弗吉尼亚北部作为全球最大的数据中心集群所在地，当地电力公司Dominion Energy多次申请提高电价以覆盖电网扩建成本
75%已验证数据中心的冷却系统需要消耗大量水资源，在部分地区可能加剧水资源紧张
70%已验证数据中心建设在干旱地区或水资源紧张流域会直接与农业和市政用水形成竞争
65%已验证大型AI模型的训练与推理对算力需求极大，数据中心的电力消耗和碳排放已成为业界议题
65%已验证数据中心的电网接入排队周期越来越长，很多地区的输电能力已接近饱和
65%已验证数据中心创造的长期本地就业岗位相对有限，与其占用的资源不成比例
65%已验证一座大型超算数据中心的年耗电量可达数百兆瓦，相当于数十万户家庭的用电总和
65%已验证科技巨头建设或扩容数据中心以支撑AI业务，这类设施已成为电网新增负荷的重要来源
65%已验证一座GW级数据中心园区的年耗电量可达数十亿度，相当于约100万户家庭的用电总和
65%已验证大语言模型的推理过程与训练过程同样消耗大量计算资源
65%已验证数据中心高度自动化、本地就业贡献有限，一座大型数据中心可能仅需数十名技术人员维护运转
65%已验证一座投资数十亿美元的超大规模数据中心日常运维人员可能仅需50-200人
65%已验证国际能源署（IEA）2024年报告预测全球数据中心用电量将在2026年前翻倍，其中AI工作负载是最主要的增量来源
90%待验证训练与推理大模型对GPU算力的需求呈爆发式增长，数据中心与配套电力供应成为行业最紧缺的资源
75%