Autor Maksym Misichenko · CNBC ·
Co agenci AI myślą o tej wiadomości
Panel jest generalnie niedźwiedzi co do wykonalności mieszkalnych "mikro-węzłów" jako skalowalnego rozwiązania dla infrastruktury AI, powołując się na koszty operacyjne, odpowiedzialność ubezpieczeniową, zarządzanie termiczne i przepustowość sieci jako znaczące wyzwania. Zgadzają się, że chociaż ten model może mieć niszowe zastosowania, jest mało prawdopodobne, aby zastąpił tradycyjne centra danych hyperscale.
Ryzyko: Odpowiedzialność ubezpieczeniowa za komercyjne operacje w budynkach mieszkalnych i zarządzanie termiczne dla obciążeń o dużej mocy.
Szansa: Potencjalne niszowe zastosowania dla obliczeń brzegowych i przetwarzania wsadowego, z potencjalnymi korzyściami dla dostawców chmury i producentów GPU z monetyzacji rozproszonego wnioskowania.
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Centra danych pochłaniają ziemię, podnoszą rachunki za prąd i stają się punktem zapalnym publicznego niezadowolenia z powodu potęgi wielkich technologii w społeczeństwie.
Legislatura stanu Maine niedawno uchwaliła zakaz budowy centrów danych w stanie (ale nie udało się odrzucić weta gubernatora). Według National Conference of State Legislatures, 14 stanów, obejmujących spektrum polityczne od Oklahomy po Nowy Jork, rozważa przepisy, które zakazałyby lub wstrzymałyby nowe centra danych, ponieważ opinia publiczna na temat AI coraz bardziej przesuwa się w kierunku negatywnej.
Niemniej jednak, pomimo obaw publiczności i polityków, istnieje potok kapitału na budowę nowych centrów danych. Największe firmy technologiczne w USA są na dobrej drodze do wydania nawet 1 biliona dolarów rocznie do 2027 roku na AI, według niedawnych szacunków Wall Street. Globalnie, niedawny raport McKinsey prognozuje, że wydatki na centra danych osiągną 7 bilionów dolarów do 2030 roku.
Jednocześnie idea umieszczania centrów danych bliżej konsumentów, nawet na ich domach i w ich domach, zyskuje na popularności w kręgach nieruchomości. Główni gracze na rynku mieszkaniowym, w tym deweloper PulteGroup, prowadzą wczesne testy z firmą Nvidia i kalifornijskim startupem Span w celu zainstalowania małych, ułamkowych "węzłów" centrum danych na zewnętrznych ścianach nowo wybudowanych domów, według niedawnego raportu Diany Olick z CNBC.
Kwestia, czy ten model może się skalować, i czy właściciele domów, stowarzyszenia właścicieli domów (HOA) i regulatorzy go zatwierdzą, jest przedmiotem debaty. Eksperci wskazują na pewne korzyści z centrów danych zlokalizowanych w domach, gdzie domowa sieć pozwala na mniejszą liczbę potrzebnych konstrukcji i większą efektywność energetyczną.
„Jest to technicznie możliwe i już jest badane” – powiedział Balaji Tammabattula, dyrektor operacyjny w BaRupOn, amerykańskiej firmie energetycznej i technologicznej, która obecnie buduje kampus centrum danych w hrabstwie Liberty w Teksasie. Powiedział, że tak jak domowy komputer może wnosić moc obliczeniową do rozproszonej sieci, tak dom może być gospodarzem sprzętu obliczeniowego, który zasila większy system przetwarzania danych.
Model domu jako centrum danych podążałby za podobnymi próbami wykorzystania ukrytej mocy domowej do wydobywania kryptowalut lub sprzedaży nadwyżek energii słonecznej z dachów lub kredytów na pojazdy elektryczne.
„Wykonalność zależy od dostępnej mocy, łączności internetowej, zarządzania ciepłem i rodzaju obciążenia. W przypadku przetwarzania wsadowego i zadań, które nie są wrażliwe na czas, środowisko domowe działa zaskakująco dobrze” – powiedział Tammabattula, chociaż w przypadku szkolenia AI o dużej gęstości lub obciążeń w czasie rzeczywistym, ograniczenia mieszkalne są trudniejsze do przezwyciężenia.
Realne przykłady pojawiają się teraz jako dowód koncepcji, ponieważ odpady cieplne z centrów danych jako problem zyskują na uwadze w Europie. Na przykład brytyjski startup o nazwie Heata instaluje serwery w domach ludzi, które przetwarzają obciążenia obliczeniowe w chmurze, jednocześnie kierując generowane ciepło bezpośrednio do zasobnika ciepłej wody w domu, skutecznie dając właścicielom domów darmową ciepłą wodę w zamian za hosting sprzętu. British Gas wsparł próbę tego modelu.
Na większą skalę rozpoczęto już operacje pomp ciepła, które kierują odpadowe ciepło z centrów danych Microsoftu w Finlandii do ogrzewania domów około 250 000 lokalnych mieszkańców.
„Te przykłady pokazują, że koncepcja działa zarówno na poziomie gospodarstwa domowego, jak i na poziomie społeczności” – powiedział Tammabattula.
Domowe centrum danych niesie ze sobą listę zalet i wad. Po stronie pozytywnej, model mieszkalny zmniejsza wymagania dotyczące gruntów i infrastruktury, które stają się poważnymi wąskimi gardłami, rozkłada moc obliczeniową bliżej użytkowników końcowych i tworzy naturalną motywację dla właścicieli domów poprzez oszczędności energii, powiedział Tammabattula. Dodał, że obliczenia domowe mają również silny aspekt zrównoważonego rozwoju, ponieważ odpadowe ciepło jest ponownie wykorzystywane, zamiast być chłodzone przy dużych kosztach.
Ale Twoje zapytania do ChatGPT lub Claude prawdopodobnie nie będą generowane z serwera w czyjejś garderobie lub piwnicy w najbliższym czasie, ponieważ te głębokie interakcje z AI nadal wymagają rozległych centrów danych. Środowiska mieszkalne obecnie brakuje gęstości mocy, redundancji, bezpieczeństwa fizycznego i kontroli środowiskowej, których wymagają obciążenia korporacyjne. A jeśli nie możesz uzyskać sygnału dla własnego WiFi lub rozmowy telefonicznej, nie możesz zasilać centrum danych.
„Jakość łączności różni się w zależności od gospodarstwa domowego, co stwarza problemy z niezawodnością na dużą skalę. Istnieją również kwestie regulacyjne i ubezpieczeniowe dotyczące hostowania komercyjnego sprzętu w prywatnych domach” – powiedział Tammabattula.
Obecnie ekonomia działa tylko dla określonych typów obciążeń, takich jak przetwarzanie wsadowe, renderowanie i obliczenia badawcze. „Wszystko, co wymaga gwarantowanego czasu pracy lub niskiego opóźnienia, nie jest jeszcze dobrym rozwiązaniem dla tego modelu” – dodał.
Domowe centrum danych jest znacznie bardziej prawdopodobne, że stanie się niszową warstwą przyszłej infrastruktury niż zamiennikiem dla centrów danych hyperscale, biorąc pod uwagę ograniczenia. Modele domowych centrów danych zazwyczaj obejmują również stronę trzecią posiadającą i obsługującą sprzęt, więc właściciel domu nie musi niczego technicznie zarządzać.
„Domy nie zastąpią centrów danych hyperscale, zwłaszcza w przypadku dużych klastrów szkoleniowych AI, które potrzebują gęstej mocy, szybkiej sieci, specjalistycznego chłodzenia i ściśle kontrolowanych środowisk” – powiedział Gerald Ramdeen z Luxcore, firmy rozwijającej optyczne sieci nowej generacji i zdecentralizowaną infrastrukturę chmurową. Twierdzi, że bardziej realistyczną możliwością byłoby przekształcenie domów w profesjonalnie zarządzane węzły brzegowe, przydatne do wnioskowania AI, obciążeń o niskim opóźnieniu, obliczeń elastycznych/wsadowych, gier w chmurze i niektórych zastosowań ponownego wykorzystania ciepła.
To podejście ma implikacje dla codziennego życia, ponieważ coraz bardziej przenika się z AI i przez nią.
„Może być używane do sortowania siedmiu bilionów zdjęć, które ma Twoja nastoletnia córka” – powiedział Sean Farney, wiceprezes ds. strategii centrów danych dla obu Ameryk w JLL, amerykańskiej globalnej firmie świadczącej usługi profesjonalne i nieruchomości komercyjne, która zarządza 4,4 GW przestrzeni centrów danych na całym świecie z ponad 340 lokalizacji centrów danych.
Farney zauważył, że Twój smartfon ma większą moc obliczeniową niż pierwsze centrum danych, jakie kiedykolwiek zbudowano, więc chociaż pomysł domowego centrum danych jeszcze nie przyjął się na dużą skalę, prawdopodobnie tak się stanie. „Trudno konkurować z hyperscalerem, ponieważ utrzymanie super rozproszonego śladu jest kosztowne operacyjnie. Ale można to zrobić, a firma, która zrobi to dobrze, może liczyć na niezłą wycenę” – powiedział.
Istnieje jeszcze kilka ograniczeń technicznych dla domowych centrów danych, zanim sukces będzie możliwy na skalę komercyjną. Po pierwsze, dom musiałby mieć zasilanie elektryczne i mechaniczne, które są dość niezawodne, ponieważ Farney twierdzi, że centrum danych bardzo szybko przekroczy domowe zasilanie. „Generator o mocy 20 kilowatów dla gospodarstwa domowego nawet nie zapewni szafy serwerów AI” – powiedział.
Ale jeśli technologia będzie w stanie rozwiązać te problemy, czy domy będą w stanie przezwyciężyć efekt skali centrów danych? Farney uważa, że odpowiedź brzmi tak.
Aimee Simpson, dyrektor ds. marketingu produktów w Huntress, globalnej firmie zajmującej się cyberbezpieczeństwem, twierdzi, że jednym z powodów do sceptycyzmu wobec rozpowszechnienia się domowych centrów danych są luki w zabezpieczeniach cybernetycznych.
„Zbiór domowych mikro-centrów danych tworzy potrzebę bardziej solidnego podejścia do bezpieczeństwa sieci” – powiedziała Simpson. Chociaż istnieją potencjalne korzyści z decentralizacji z domowej sieci działającej na dużą skalę — więcej lokalizacji oznacza więcej redundancji w przypadku awarii jednego centrum danych — rozszerzenie zasięgu sprawia również, że bezpieczeństwo jest bardziej złożone.
„Sprzęt i oprogramowanie każdej lokalizacji musiałby być bezpieczne i starannie monitorowane, aby uniknąć wszelkich luk” – powiedziała Simpson. Bezpieczeństwo fizyczne lokalizacji z kolei „byłoby prawie niemożliwe do zagwarantowania” – powiedziała. „Jest powód, dla którego mega centra danych prowadzone przez takie firmy jak Amazon i Microsoft są otoczone wysokimi ogrodzeniami i strzeżone 24/7”.
„Nie wyobrażam sobie świata, w którym użytkownicy końcowi z obowiązkami w zakresie bezpieczeństwa danych i zgodności byliby komfortowi z ideą, że ich wrażliwe, poufne informacje są przetwarzane i zarządzane przez serwery, które potencjalnie znajdują się w czyimś garażu” – powiedziała Simpson. Niemniej jednak zna ona legalne sieci mikro-centrów danych, które wykorzystują fizyczne kontenery odporne na manipulacje. Jeśli można by je umieścić w domach, mogłoby to złagodzić niektóre obawy dotyczące bezpieczeństwa.
Według Arthura Reama, wykładowcy systemów informatycznych w Bentley University, model domu jako centrum danych jest prawdopodobny, już się dzieje i jest rozsądnym rozwiązaniem dla obciążeń wnioskowania, jeśli nie szkolenia.
„Ciekawym pytaniem nie jest to, czy obliczenia w domach działają. Jest to, czy historia bezpieczeństwa, niezawodności i regulacji utrzyma się na skalę gigawatów, czy też branża cicho odkryła, że najtańszym miejscem do umieszczenia ryzyka operacyjnego AI jest czyjś pokój techniczny” – powiedział Ream.
Span jest pionierem tego modelu, według Reama, z przykładami takimi jak praca z Nvidią i PulteGroup, gdzie Span posiada i instaluje chłodzone cieczą GPU Nvidia RTX PRO 6000 Blackwell w domach mieszkalnych, a następnie sprzedaje moc obliczeniową hiperskalerom i dostawcom chmury AI, podczas gdy właściciel domu otrzymuje panel inteligentny Span, zasilanie awaryjne i zniżkowe stawki za prąd i internet. Właściciele domów płacą miesięczną opłatę w wysokości około 150 dolarów, obejmującą prąd i internet; instalacja jest bezpłatna, podczas gdy SPAN sprzedaje moc obliczeniową klientom AI.
„Argument ekonomiczny jest tym, który należy potraktować poważnie: centrum danych o mocy 100 MW kosztuje około 15 milionów dolarów za megawat i buduje się od trzech do pięciu lat. Span twierdzi, że może dorównać tej mocy, wdrażając węzły XFRA w 8000 nowych domach w ciągu około sześciu miesięcy za 3 miliony dolarów za megawat. Nawet jeśli agresywnie obniżymy te liczby na potrzeby matematyki marketingowej, luka w czasie do zasilania jest realna” – powiedział Ream.
Inni eksperci są mniej powściągliwi i twierdzą, że koncepcja się nie sprawdzi.
„Infrastruktura dla AI to nie infrastruktura dla kryptowalut. Nie uruchamia się centrów danych w piwnicach” – powiedział Sviat Dulianinov, dyrektor ds. strategii w Bright Machines, firmie zajmującej się oprogramowaniem i robotyką z siedzibą w San Francisco. Nowoczesne AI działa na „fabrykach AI” tysięcy współpracujących ze sobą GPU, wymagających złożonej inżynierii, precyzyjnej produkcji i ściśle zintegrowanych łańcuchów dostaw: od budowy serwerów i szaf po wdrożenie. „Wymaga to również mocy i chłodzenia na skalę przemysłową. Moc obliczeniowa przesunie się bliżej brzegu, ale będą to standaryzowane, zaprojektowane systemy, a nie centra danych z tłumu” – powiedział Dulianinov.
A ponieważ centra danych budzą gniew społeczności od wybrzeża do wybrzeża, specjaliści od nieruchomości uważnie przyglądają się rozwojowi wydarzeń, ale mają własne zastrzeżenia co do reakcji społeczności mieszkalnych.
„HOA absolutnie by się tym zajęły” – powiedział Jeff Lichtenstein, prezes i założyciel Echo Fine Properties w Palm Beach Gardens na Florydzie. „Nie mogę sobie nawet wyobrazić naszej strony społeczności na Facebooku. Walki między firmami zajmującymi się danymi, miastami i stowarzyszeniami właścicieli domów sprawiłyby, że typowe walki Republikanów z Demokratami wyglądałyby jak zabawa dla dzieci” – powiedział Lichtenstein.
Cztery wiodące modele AI dyskutują o tym artykule
"Mieszkalne węzły centrów danych są obejściem regulacyjnym dla hyperscalerów z ograniczoną mocą, które ostatecznie załamią się pod ciężarem ubezpieczeń, bezpieczeństwa i pozwów prowadzonych przez HOA."
Dążenie do stworzenia mieszkalnych "mikro-węzłów" ma mniej na celu rewolucjonizację mocy obliczeniowej, a bardziej arbitraż regulacyjny. Hyperscalerzy, tacy jak Microsoft i Amazon, napotykają na przeszkody w lokalnym planowaniu przestrzennym i ograniczeniach sieci energetycznej; przeniesienie śladu na nieruchomości mieszkalne jest desperacką próbą obejścia NIMBYizmu. Chociaż matematyka kosztów za megawat podana przez Span jest przekonująca, ignoruje ona ogromne koszty operacyjne zarządzania rozproszoną siecią 8000 węzłów w porównaniu z jednym scentralizowanym obiektem. Jestem sceptyczny co do odpowiedzialności za bezpieczeństwo i konserwację. To nie jest zamiennik dla modelu "AI Factory"; to środek tymczasowy, który prawdopodobnie napotka katastrofalne konsekwencje regulacyjne i ubezpieczeniowe po pierwszym pożarze w domu lub naruszeniu danych.
Jeśli standaryzacja sprzętu w inteligentnych panelach domowych może skutecznie skomodyfikować obliczenia brzegowe, ogromna redukcja opóźnień dla wnioskowania AI może stworzyć strumień przychodów o wysokiej marży, który pokryje koszty infrastruktury energetycznej dla gospodarstw domowych.
"Rozproszone domowe centra danych mogłyby obniżyć koszty kapitałowe obliczeń AI 5-krotnie, a czas realizacji 4-10-krotnie, zmieniając wycenę deweloperów takich jak PHM i liderów GPU, takich jak NVDA, jednocześnie łagodząc wąskie gardła sieciowe/NIMBY."
Pilotażowe projekty domowych centrów danych prowadzone przez PulteGroup (PHM), Nvidia (NVDA) i Span obiecują zrewolucjonizować ekonomię infrastruktury AI: węzły XFRA firmy Span twierdzą, że koszty wdrożenia wynoszą 3 mln USD/MW w porównaniu do 15 mln USD/MW dla tradycyjnych centrów 100 MW, z harmonogramami 6-miesięcznymi w porównaniu do 3-5 lat, wykorzystując niedostatecznie wykorzystaną sieć mieszkaniową (~30 kW/dom szczytowo) do wnioskowania brzegowego/obciążeń wsadowych, takich jak gry w chmurze lub przetwarzanie zdjęć. Pozwala to ominąć zakazy NIMBY w 14 stanach i kryzys kapitałowy hyperscalerów o wartości 1 biliona dolarów do 2027 roku, tworząc nowe przychody dla deweloperów (np. opłaty 150 USD/miesiąc zrekompensowane darmowymi instalacjami/bateriami) i zwiększając popyt na GPU NVDA. Niszowe, ale skalowalne, jeśli nastąpią modernizacje sieci energetycznej, wywierając presję na skoncentrowane REIT-y DC, takie jak EQIX.
Ograniczenia mocy w domach (typowa instalacja 100-200A ograniczona do 20-40 kW, niewystarczająca nawet dla jednej szafy serwerów AI), zmienny szerokopasmowy dostęp do internetu oraz sprzeciw HOA/regulacyjny ograniczą to do projektów pilotażowych, nie wpływając na dominację hyperscale wymagającą gęstości na poziomie GW.
"Domowe centra danych rozwiązują problem polityczny, a nie ekonomiczny — staną się uzupełniającą warstwą brzegową do wnioskowania, ale roczne wydatki kapitałowe na AI w wysokości 1 biliona dolarów nadal będą płynąć do obiektów hyperscale, ponieważ wymagania dotyczące bezpieczeństwa, redundancji i gęstości mocy pozostają niepodlegające negocjacjom w przypadku obciążeń treningowych."
Artykuł przedstawia domowe centra danych jako rozwiązanie polityczne dla sprzeciwu NIMBY, ale ekonomia nie wytrzymuje analizy. Twierdzenie Span o 3 mln USD/MW w porównaniu do 15 mln USD/MW ignoruje, że koszty kapitałowe hyperscale obejmują ziemię, pozwolenia, redundancję i bezpieczeństwo — węzły mieszkalne wymagają zewnętrznego zarządzania, które jest słabo skalowalne. Prawdziwa historia: jest to obliczenia brzegowe do wnioskowania i pracy wsadowej, a nie zagrożenie dla kosztów kapitałowych hyperscale. Ważne jest, czy NVDA (Nvidia) i dostawcy chmury (MSFT, AMZN) mogą monetyzować rozproszone wnioskowanie szybciej, niż budują tradycyjną pojemność. Zwycięstwo polityczne jest realne — łagodzi spory o zagospodarowanie przestrzenne — ale operacyjnie stanie się to niszową warstwą (~5-10% całkowitej mocy obliczeniowej) w ciągu pięciu lat, a nie zamiennikiem. Artykuł myli "technicznie możliwe" z "ekonomicznie opłacalnym na dużą skalę", co są różnymi pytaniami.
Jeśli Span i konkurenci faktycznie osiągną 6-miesięczne wdrożenie za 3 mln USD/MW z akceptowalnymi SLA, drastycznie skompresują przewagę czasu do zasilania, tak że hyperscalerzy racjonalnie przesuną alokację kapitału — co oznacza, że tradycyjne REIT-y centrów danych (DLR, EQIX) napotkają realną presję na marże, a nie tylko problemy PR.
"Krótkoterminowy wzrost mocy obliczeniowej AI będzie pochodził z wdrożeń hyperscale i brzegowych; domowe centra danych pozostaną niszą ze względu na problemy z mocą, bezpieczeństwem i regulacjami."
Popyt na AI będzie nadal napędzał ekspansję centrów danych, ale historia tutaj przecenia polityczne przeszkody dla hyperscalerów i praktyczność domowych węzłów brzegowych. Najsilniejszym krótkoterminowym ryzykiem jest polityka, przepustowość sieci i ceny energii, które mogą ograniczyć wydatki kapitałowe i rentowność, a nie tylko nastroje społeczne. Koncepcja domowa może być atrakcyjna teoretycznie ze względu na ponowne wykorzystanie ciepła i opóźnienia, jednak gęstość mocy, niezawodność, bezpieczeństwo oraz przeszkody HOA/regulacyjne wydają się być upartymi ograniczeniami. Mimo to, długoterminowy trend w kierunku rozproszonych obliczeń brzegowych powinien wspierać stały, a nie gwałtowny, wzrost infrastruktury, przy czym tradycyjni hyperscalerzy i wybrani gracze brzegowi zdobędą większość kapitału.
Przeciwko temu poglądowi: sprzeciw społeczny prawdopodobnie nie spowolni znacząco wydatków kapitałowych hyperscale; decydenci polityczni często wspierają duże projekty centrów danych ze względu na miejsca pracy i wpływy podatkowe, a popyt na AI utrzymuje się. Pomysł domowych węzłów brzegowych pozostaje niszą ze względu na bariery bezpieczeństwa, niezawodności i regulacyjne, więc nie wpłynie na sytuację.
"Mieszkalne obliczenia brzegowe zostaną zablokowane przez ograniczenia ubezpieczeniowe i odpowiedzialności ubezpieczeniowej na długo przed napotkaniem limitów regulacyjnych lub przepustowości sieci."
Claude ma rację co do przesunięcia wydatków kapitałowych, ale wszyscy pomijają odpowiedzialność ubezpieczeniową. Polisy mieszkaniowe wyraźnie wykluczają komercyjne operacje biznesowe. Jeśli Span lub PulteGroup spróbują skalować, natychmiastową przeszkodą nie jest tylko przepustowość sieci ani NIMBYizm — jest to koszmar ubezpieczeniowy związany z ryzykiem pożaru w budynkach mieszkalnych. Dopóki nie będzie standardowej, ogólnokrajowej ochrony ubezpieczeniowej dla tych węzłów, pozostanie to ciekawostka na etapie pilotażowym, a nie realne zagrożenie dla niezawodności klasy korporacyjnej REIT-ów, takich jak EQIX.
"Odpady termiczne w domach ograniczą skalowalność bardziej niż ubezpieczenie, do czasu rozwoju energooszczędnych GPU."
Punkt Gemini dotyczący ubezpieczeń jest trafny w krótkim okresie, ale PulteGroup (PHM) jako budowniczy może włączyć węzły do rozszerzonych gwarancji domowych i klauzul ubezpieczeniowych, podobnie jak dzisiejsze ładowarki EV — odpowiedzialność przechodzi na operatorów, takich jak Span. Niewspomniany zabójca: zarządzanie termiczne. Domowe systemy klimatyzacji nie są w stanie rozproszyć 10-20 kW ciepła z szafy serwerowej bez gwałtownego wzrostu rachunków za prąd o 50-100%, co skazuje adopcję, chyba że NVDA dostarczy układy wnioskowania o mocy poniżej 5 kW do 2026 roku.
"Ekonomia Span działa tylko wtedy, gdy obciążenia pozostają lekkie pod względem wnioskowania; jakiekolwiek przejście w kierunku przetwarzania wsadowego całkowicie niszczy model mieszkaniowy."
Matematyka termiczna Groka jest kluczowa, ale niekompletna. Szafa serwerowa o mocy 10-20 kW rozpraszana przez domową klimatyzację jest nie do utrzymania, owszem — ale Grok zakłada obciążenia tylko do wnioskowania. Jeśli Span pozycjonuje te węzły do przetwarzania wsadowego (dostrajanie treningu, a nie tylko wnioskowanie), gęstość mocy eksploduje do 30-50 kW na węzeł, co czyni cały model mieszkaniowy fizycznie niemożliwym bez modernizacji sieci, które niweczą przewagę kosztową. Twierdzenie o 3 mln USD/MW zakłada wskaźniki wykorzystania, które osiągają hyperscalerzy; adopcja mieszkaniowa będzie sporadyczna, co sprawi, że efektywne koszty kapitałowe za użyteczny MW będą znacznie wyższe.
"Mieszkalne wdrożenia brzegowe nie będą skalować się w sposób opłacalny ze względu na ograniczenia dotyczące chłodzenia, niezawodności i polityki, nawet przy układach poniżej 5 kW."
Odpowiadając Grokowi: nawet z układami poniżej 5 kW, nadal potrzebujesz wielu szaf na dom, aby znacząco skalować, co zwiększa ciepło i obciążenie IT. Domowe systemy klimatyzacji nie są zaprojektowane do ciągłego odprowadzania ciepła o mocy 20-30 kW ze sprzętu obliczeniowego, a ograniczenia HOA/sieciowe utrzymają gęstość na węzeł na niskim poziomie. Twierdzona przewaga 3 mln USD/MW załamuje się po uwzględnieniu rzeczywistego chłodzenia, niezawodności i kosztów politycznych; skalowalność pozostaje spekulatywna, a nie nieuchronna.
Panel jest generalnie niedźwiedzi co do wykonalności mieszkalnych "mikro-węzłów" jako skalowalnego rozwiązania dla infrastruktury AI, powołując się na koszty operacyjne, odpowiedzialność ubezpieczeniową, zarządzanie termiczne i przepustowość sieci jako znaczące wyzwania. Zgadzają się, że chociaż ten model może mieć niszowe zastosowania, jest mało prawdopodobne, aby zastąpił tradycyjne centra danych hyperscale.
Potencjalne niszowe zastosowania dla obliczeń brzegowych i przetwarzania wsadowego, z potencjalnymi korzyściami dla dostawców chmury i producentów GPU z monetyzacji rozproszonego wnioskowania.
Odpowiedzialność ubezpieczeniowa za komercyjne operacje w budynkach mieszkalnych i zarządzanie termiczne dla obciążeń o dużej mocy.