聚焦前沿 赋能决策
中茗汇产业研究
2026年9月，据CNBC报道，Anthropic和OpenAI正在寻求规模小得多的数据中心交易，部署规模约为20至30兆瓦。
知情人士透露，Anthropic已在英国及北欧地区接洽相关合作，OpenAI也在北欧探索类似机会，双方同时就美国市场的同等规模项目进行洽谈。
过去一年，这两家AI实验室签署的多是数百兆瓦乃至吉瓦级的超大规模设施协议。Anthropic与Nscale达成约450亿美元的云计算协议，租用西弗吉尼亚州数据中心约460兆瓦算力；OpenAI的Stargate项目已超过最初10吉瓦的承诺目标，并在佐治亚州和俄亥俄州新增3吉瓦和8吉瓦的开发计划。
如今从“吉瓦级”转向“20-30兆瓦”，这一转变背后，是AI算力需求的结构性变化。
从“训练为王”到“推理为王”
这一转变最根本的驱动力，是AI工作负载正从模型训练向推理服务迁移。
训练一个大型模型，通常需要大量芯片在同一集群内紧密协同，对单一地点的规模要求极高。但推理任务不同——它可以被拆分至多个较小集群，分别处理独立请求，这意味着可部署的地点更多、灵活性更强。
Structure Research研究主管Jabez Tan将这一逻辑概括得很直接：“与其等待某一个地点出现一整块大规模容量，不如直接在已有电力供应的数据中心中获取几兆瓦算力，这往往更现实。对于那些能够跨不同地点运行的工作负载而言，多个较小规模的部署加在一起，也可以形成相当可观的算力容量。”
数据也在验证这一趋势。仲量联行报告预计，到2027年，用于推理工作负载的数据中心总容量占比将超过训练工作负载。2025年，推理工作负载约占全球数据中心工作负载的9%，而训练占14%；到2030年，推理预计将占数据中心容量的37%，训练占比则仅为13%。
联想集团董事长杨元庆的判断更为激进：目前算力投入比例约为50%用于训练、50%用于推理，但未来合理的比例将是80%用于推理、20%用于训练。
“速度”成为算力采购的新核心指标
从“吉瓦级”转向“20-30兆瓦”，另一个关键考量是上线速度。
大型数据中心项目建设周期漫长，且面临越来越多的阻力。美国及其他市场的大型数据中心项目正遭遇当地社区反对，欧洲大部分地区则面临可用土地和电力资源紧张的双重压力。
相比之下，20-30兆瓦规模的项目可以直接在已有电力供应的数据中心中获取容量，大幅缩短部署周期。对于AI公司而言，先获取分散的小型算力资源，可以在大型项目落地之前快速补充算力缺口。
这一逻辑正在被整个产业链采纳。曾为OpenAI在得州建设大型数据中心园区的Crusoe，正在加大对小型数据中心的投入。该公司9月17日宣布完成39亿美元F轮融资，估值达309亿美元，资金明确用于“可卡车运输并几乎在任何地方连接大型电源的小型模块化AI工厂”。
英伟达也在2月宣布与EPRI等合作方共建小型数据中心，计划2026年底前在美国建立五个试点站点，目标是“在数据产生点附近提供推理能力，同时优化未充分利用的基础设施，缓解拥堵传输系统的压力”。
地理布局：英国、北欧、美国三线推进
从地理布局看，Anthropic的接洽重点在英国及北欧，OpenAI则聚焦北欧，双方同时在美国市场推进同等规模的项目。
北欧成为小型数据中心的热门选址，有其天然优势。该地区拥有丰富的低成本水电和风电资源，气候寒冷有利于降低冷却成本，且电网基础设施完善。英国则受益于成熟的金融市场和相对集中的AI人才储备。
OpenAI发言人对这一布局的官方回应是：“我们正在构建多元化的算力组合，以满足全球不断增长的人工智能需求。不同的工作负载需要不同的基础设施，因此我们会与多种合作伙伴展开沟通，并根据自身需求、性能、可靠性、时间安排和成本评估各种机会。”
三个产业信号
信号一：AI算力竞争从“规模竞赛”转向“速度竞赛”。 过去衡量AI公司实力的标准是“囤了多少张GPU”，如今“算力多久能上线”正在成为新的核心指标。20-30兆瓦的小型数据中心，本质上是用“分布式”换“速度”——在大型项目还在走审批流程时，小型设施已经可以开始推理服务。
信号二：推理需求的爆发正在重塑数据中心建设逻辑。 当推理负载占比从2025年的9%跃升至2030年的37%，对算力的需求就从“集中式大集群”转向了“分布式小集群”。这意味着，数据中心行业将从“建大厂”走向“布点”，选址逻辑、电力配套、网络架构都将随之改变。
信号三：中小型数据中心运营商迎来结构性机会。 对于Crusoe这类能够提供模块化、可快速部署的数据中心开发商而言，AI巨头从“只签大单”转向“大小通吃”，意味着一个全新的增量市场正在打开。正如Jabez Tan所言，多个较小规模的部署加在一起，“也可以形成相当可观的算力容量”。
