Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

地图:为美国数据中心供电的庞大网络

Posted on 2025-09-21

美国地图显示了全国数据中心枢纽的电力容量(以兆瓦为单位),并按输出水平进行颜色编码

地图:为美国数据中心供电的庞大网络

  • 仅弗吉尼亚州的劳登县就支持近 6 GW 的运营和在建数据中心,比美国其他任何县都多。
  • 许多顶级数据中心的位置优先考虑的是可负担得起的电力和光纤,而不是人口中心。
  • 到 2030 年,美国数据中心的能源消耗可能会翻一番,这将对国家电网基础设施构成挑战。

上图由美国国家可再生能源实验室 (NREL)代表美国能源部电网部署办公室制作,展现了美国数据中心繁荣背后庞大而强大的基础设施。该地图利用一系列公共数据源,以兆瓦 (MW) 为单位,可视化了输电枢纽,突出显示了电网目前负荷过重的区域以及未来可能出现压力的区域。

下表重点介绍了数据中心设施用电最多的县:

县 状态 运营和在建数据中心(兆瓦) 计划(兆瓦)
劳登 弗吉尼亚州 5929.67 6349.4
马里科帕 亚利桑那州 3436.1 5966
威廉王子 弗吉尼亚州 2745.4 5159
厨师 白细胞介素 1478.13 2001年8月
米拉姆 德克萨斯州 1442 0
圣克拉拉 加州 1314.73 552.5
达拉斯 德克萨斯州 1294.58 2911.2
富兰克林 哦 1257.4 483
明天 或者 1177 0
乌马蒂拉 或者 1118.5 101
梅克伦堡 弗吉尼亚州 1019.5 502.5

弗吉尼亚州劳登县(“数据中心巷”所在地)位居榜首,现有容量近 6,000 兆瓦,另有 6,300 兆瓦的规划容量。

为什么数据中心要设在原地?

人们很容易认为人口众多会推动数据中心的发展,但事实往往并非如此。相反,它取决于多种因素:

  • 电力供应和成本:数据中心消耗大量电力。弗吉尼亚州、德克萨斯州和俄勒冈州等州提供有竞争力的电价和稳定的基础设施。
  • 获取水源:许多设施使用水进行蒸发冷却,因此靠近含水层或河流至关重要。
  • 光纤网络:低延迟是王道。靠近光纤基础设施和海底电缆登陆站至关重要。
  • 分区和激励措施:税收激励和宽松的当地分区法律可以促成或破坏交易。

考虑到这一点,地图上有几个值得强调的区域:

弗吉尼亚州阿什本及华盛顿特区周边郊区
华盛顿特区郊区,尤其是阿什本周围的数据中心集群,被称为“世界数据中心之都”和“数据中心巷”。这里拥有全球最大的互联网基础设施集中地,全球约 70% 的每日互联网流量都流经此地。该地区拥有 Dominion Energy 提供的充足可靠的电力、密集的光纤连接、优惠的州税收优惠政策,并且靠近主要的政府和企业客户,使其成为超大规模云计算和数据公司的首选枢纽。

I-85 走廊
该地区大致从亚特兰大延伸至弗吉尼亚州,正在崛起成为一个战略性的数据中心枢纽。该走廊受益于完善的传输基础设施和不断增加的当地税收优惠政策。亚特兰大毗邻东海岸主要市场,弗吉尼亚海滩新建的海底电缆登陆站也使该地区成为通往全球网络的数字入口。

西德克萨斯州
西德克萨斯州以其广阔的空地和强劲的风力而闻名,其电价在全美名列前茅。这里也是大型可再生能源项目的所在地,包括风能和太阳能发电场,这些项目有助于数据中心运营商实现清洁能源目标。这吸引了微软和Meta等大型企业的关注。

华盛顿州东部和俄勒冈州
哥伦比亚河为密集的水力发电站群提供水力发电,而这些水力发电站又为达尔斯和昆西等城镇耗能巨大的数据中心提供电力。凉爽干燥的气候进一步降低了对机械冷却的需求,使该地区成为数据中心运营最具成本效益的地区之一。

电网能跟上吗?

美国数据中心的电力消耗已占全国总电力消耗的 2-3%。据世界资源研究所 (WRI) 预测,到 2030 年,这一数字可能会翻一番,尤其是考虑到人工智能工作负载将驱动 GPU 服务器集群,而这些服务器集群的能耗远高于传统服务器集群。

与此同时,公用事业公司和政策制定者面临着比以往任何时候都更快扩大电网容量的压力。 互联线路排长队,电力纠纷已经导致北弗吉尼亚和硅谷等地的项目延期。

然而, 需求没有放缓的迹象,这使得电网成为未来十年最重要的技术战场之一。

在 Voronoi 应用程序上了解更多信息voronoi-icon-transparent.png

在 Voronoi 上的此可视化图中,查看按兆瓦计算的世界上最大的数据中心。

原文: https://www.visualcapitalist.com/map-network-powering-us-data-centers/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme