โดย Maksym Misichenko · CNBC ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
แผงโดยรวมมีความเป็นลบเกี่ยวกับความสามารถในการปรับขนาดของ 'micro-node' ที่อยู่อาศัยในฐานะโซลูชันสำหรับโครงสร้างพื้นฐาน AI โดยอ้างถึงภาระค่าใช้จ่ายในการดำเนินงาน ความรับผิดชอบด้านประกันภัย การจัดการความร้อน และข้อจำกัดด้านกริด พวกเขาเห็นพ้องกันว่าแม้ว่ารูปแบบนี้อาจมีแอปพลิเคชันเฉพาะ แต่ก็ไม่น่าจะแทนที่ศูนย์ข้อมูล hyperscale แบบดั้งเดิม
ความเสี่ยง: ความรับผิดชอบด้านประกันภัยสำหรับการดำเนินงานเชิงพาณิชย์ในโครงสร้างที่อยู่อาศัยและการจัดการความร้อนสำหรับปริมาณงานที่มีกำลังไฟสูง
โอกาส: แอปพลิเคชันเฉพาะสำหรับการคำนวณ Edge และการประมวลผลแบบกลุ่ม โดยผู้ให้บริการคลาวด์และผู้ผลิต GPU อาจได้รับประโยชน์จากการใช้ประโยชน์จากการอนุมานแบบกระจาย
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
ศูนย์ข้อมูลกำลังใช้ที่ดินจำนวนมาก ทำให้ค่าไฟฟ้าสูงขึ้น และกลายเป็นจุดศูนย์กลางของความไม่พอใจของสาธารชนเกี่ยวกับอำนาจของบริษัทเทคโนโลยีรายใหญ่ในสังคม
สภานิติบัญญัติของรัฐเมนเพิ่งผ่านกฎหมายห้ามสร้างศูนย์ข้อมูลในรัฐ (แต่ไม่สามารถลบล้างการยับยั้งของผู้ว่าการรัฐได้) ตามข้อมูลของ National Conference of State Legislatures มี 14 รัฐทั่วทั้งสเปกตรัมทางการเมือง ตั้งแต่อะแลโฮมาไปจนถึงนิวยอร์ก กำลังพิจารณากฎหมายที่จะห้ามหรือระงับศูนย์ข้อมูลใหม่ เนื่องจากความคิดเห็นของสาธารณชนเกี่ยวกับ AI ได้เปลี่ยนไปในทางลบมากขึ้นเรื่อยๆ
อย่างไรก็ตาม แม้จะมีความกังวลของสาธารณชนและนักการเมือง แต่ก็มีเงินทุนจำนวนมหาศาลสำหรับการสร้างศูนย์ข้อมูลใหม่ บริษัทเทคโนโลยีรายใหญ่ที่สุดในสหรัฐอเมริกากำลังอยู่ในเส้นทางที่จะใช้จ่ายมากถึง 1 ล้านล้านดอลลาร์ต่อปีภายในปี 2027 สำหรับ AI ตามการประมาณการล่าสุดของ Wall Street ทั่วโลก รายงานล่าสุดของ McKinsey คาดการณ์ว่าการใช้จ่ายสำหรับศูนย์ข้อมูลจะสูงถึง 7 ล้านล้านดอลลาร์ภายในปี 2030
ในขณะเดียวกัน แนวคิดในการนำศูนย์ข้อมูลไปไว้ใกล้ผู้บริโภคมากขึ้น แม้กระทั่งในบ้านของพวกเขา ก็กำลังได้รับความสนใจในแวดวงอสังหาริมทรัพย์ ผู้เล่นรายใหญ่ในภาคอสังหาริมทรัพย์ รวมถึงผู้สร้างบ้าน PulteGroup กำลังอยู่ในช่วงทดสอบเบื้องต้นกับ Nvidia และสตาร์ทอัพสัญชาติแคลิฟอร์เนีย Span เพื่อติดตั้ง "โหนด" ศูนย์ข้อมูลขนาดเล็กแบบแบ่งส่วนบนผนังภายนอกของบ้านที่สร้างขึ้นใหม่ ตามรายงานล่าสุดจาก Diana Olick ของ CNBC
คำถามว่ารูปแบบนั้นสามารถขยายขนาดได้หรือไม่ และเจ้าของบ้าน สมาคมเจ้าของบ้าน (HOA) และหน่วยงานกำกับดูแลจะอนุมัติหรือไม่นั้น ยังคงเป็นที่ถกเถียง ผู้เชี่ยวชาญชี้ให้เห็นถึงประโยชน์บางประการของศูนย์ข้อมูลในบ้าน โดยระบบโครงข่ายในบ้านช่วยลดการก่อสร้างที่จำเป็นสำหรับศูนย์ข้อมูลใหม่และเพิ่มประสิทธิภาพการใช้พลังงาน
"มันเป็นไปได้ในทางเทคนิคและกำลังมีการสำรวจอยู่แล้ว" Balaji Tammabattula ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของ BaRupOn บริษัทพลังงานและเทคโนโลยีในสหรัฐอเมริกาที่กำลังสร้างศูนย์ข้อมูลใน Liberty County, Texas กล่าว เขากล่าวว่า เช่นเดียวกับที่คอมพิวเตอร์ในบ้านสามารถให้พลังประมวลผลแก่เครือข่ายแบบกระจายได้ บ้านก็สามารถโฮสต์ฮาร์ดแวร์คอมพิวเตอร์ที่ป้อนเข้าสู่ระบบประมวลผลข้อมูลที่ใหญ่ขึ้นได้
รูปแบบบ้าน-เป็น-ศูนย์ข้อมูล จะตามความพยายามที่คล้ายคลึงกันในการใช้พลังงานที่ไม่ได้ใช้สำหรับเหมืองคริปโต หรือเพื่อขายพลังงานแสงอาทิตย์บนหลังคาส่วนเกิน หรือเครดิต EV
"ความเป็นไปได้ขึ้นอยู่กับพลังงานที่มีอยู่ การเชื่อมต่ออินเทอร์เน็ต การจัดการความร้อน และประเภทของเวิร์กโหลด สำหรับการประมวลผลแบบแบตช์และงานที่ไม่สำคัญต่อเวลา สภาพแวดล้อมในบ้านทำงานได้ดีอย่างน่าประหลาดใจ" Tammabattula กล่าว แม้ว่าสำหรับการฝึก AI ที่มีความหนาแน่นสูงหรือเวิร์กโหลดแบบเรียลไทม์ ข้อจำกัดของที่อยู่อาศัยจะเอาชนะได้ยากกว่า
ตัวอย่างในโลกแห่งความเป็นจริงกำลังเกิดขึ้นในขณะนี้เพื่อพิสูจน์แนวคิด เนื่องจากความร้อนเหลือทิ้งจากศูนย์ข้อมูลในฐานะปัญหาได้รับความสนใจมากขึ้นในยุโรป ตัวอย่างเช่น สตาร์ทอัพสัญชาติอังกฤษชื่อ Heata ติดตั้งเซิร์ฟเวอร์ในบ้านของผู้คนเพื่อประมวลผลเวิร์กโหลดคอมพิวเตอร์คลาวด์ พร้อมทั้งส่งความร้อนที่เกิดขึ้นโดยตรงไปยังถังน้ำร้อนของบ้าน ทำให้เจ้าของบ้านได้รับน้ำร้อนฟรีเพื่อแลกกับการโฮสต์ฮาร์ดแวร์ British Gas ได้สนับสนุนการทดลองรูปแบบนี้
ในระดับที่ใหญ่ขึ้น การดำเนินงานเพิ่งเริ่มต้นสำหรับปั๊มความร้อนที่ส่งความร้อนเหลือทิ้งจากศูนย์ข้อมูลของ Microsoft ในฟินแลนด์ เพื่อให้ความอบอุ่นแก่บ้านของผู้อยู่อาศัยในท้องถิ่นประมาณ 250,000 หลัง
"ตัวอย่างเหล่านี้แสดงให้เห็นว่าแนวคิดนี้ทำงานได้ทั้งในระดับครัวเรือนและระดับชุมชน" Tammabattula กล่าว
ศูนย์ข้อมูลในบ้านนำมาซึ่งข้อดีและข้อเสีย ในด้านบวก รูปแบบที่อยู่อาศัยช่วยลดความต้องการที่ดินและโครงสร้างพื้นฐานที่กำลังกลายเป็นคอขวดที่สำคัญ กระจายการประมวลผลให้ใกล้ชิดกับผู้ใช้ปลายทางมากขึ้น และสร้างแรงจูงใจตามธรรมชาติสำหรับเจ้าของบ้านผ่านการประหยัดพลังงาน Tammabattula กล่าว เขากล่าวเสริมว่า การประมวลผลในบ้านยังมีมุมมองด้านความยั่งยืนที่แข็งแกร่ง เนื่องจากความร้อนเหลือทิ้งจะถูกนำกลับมาใช้ใหม่ แทนที่จะทำให้เย็นลงด้วยค่าใช้จ่ายที่สูง
แต่คำถามของคุณสำหรับ ChatGPT หรือ Claude ไม่น่าจะถูกสร้างขึ้นจากเซิร์ฟเวอร์ในตู้เสื้อผ้าหรือห้องใต้ดินของใครบางคนในเร็วๆ นี้ การโต้ตอบเชิงลึกกับ AI เหล่านั้นยังคงต้องใช้ศูนย์ข้อมูลขนาดใหญ่ สภาพแวดล้อมที่อยู่อาศัยในปัจจุบันขาดความหนาแน่นของพลังงาน ความซ้ำซ้อน ความปลอดภัยทางกายภาพ และการควบคุมสภาพแวดล้อมที่เวิร์กโหลดระดับองค์กรต้องการ และหากคุณไม่สามารถรับสัญญาณ WiFi หรือโทรศัพท์ของคุณเองได้ คุณก็ไม่สามารถจ่ายพลังงานให้กับศูนย์ข้อมูลได้
"คุณภาพการเชื่อมต่อแตกต่างกันไปในแต่ละครัวเรือน ทำให้เกิดปัญหาความน่าเชื่อถือในวงกว้าง นอกจากนี้ยังมีคำถามด้านกฎระเบียบและการประกันภัยเกี่ยวกับการโฮสต์อุปกรณ์เชิงพาณิชย์ในบ้านส่วนตัว" Tammabattula กล่าว
ปัจจุบัน เศรษฐศาสตร์จะใช้ได้กับประเภทเวิร์กโหลดเฉพาะ เช่น การประมวลผลแบบแบตช์ การเรนเดอร์ และการคำนวณวิจัย "สิ่งใดก็ตามที่ต้องการเวลาทำงานที่รับประกันหรือความหน่วงต่ำไม่เหมาะกับรูปแบบนี้ในตอนนี้" เขากล่าวเสริม
ศูนย์ข้อมูลในบ้านมีแนวโน้มที่จะกลายเป็นชั้นเฉพาะของโครงสร้างพื้นฐานในอนาคตมากกว่าที่จะมาแทนที่ศูนย์ข้อมูลไฮเปอร์สเกลเลอร์ เนื่องจากมีข้อจำกัด รูปแบบศูนย์ข้อมูลในบ้านมักเกี่ยวข้องกับบุคคลที่สามที่เป็นเจ้าของและดำเนินการอุปกรณ์ ดังนั้นเจ้าของบ้านจึงไม่จำเป็นต้องจัดการอะไรทางเทคนิค
"บ้านจะไม่สามารถทดแทนศูนย์ข้อมูลไฮเปอร์สเกลเลอร์ได้ โดยเฉพาะอย่างยิ่งสำหรับคลัสเตอร์ AI ขนาดใหญ่ที่ต้องการพลังงานหนาแน่น เครือข่ายความเร็วสูง การระบายความร้อนพิเศษ และสภาพแวดล้อมที่ควบคุมอย่างเข้มงวด" Gerald Ramdeen จาก Luxcore บริษัทที่พัฒนาเครือข่ายออปติคัลรุ่นต่อไปและโครงสร้างพื้นฐานคลาวด์แบบกระจาย กล่าว เขากล่าวว่าโอกาสที่เป็นจริงมากขึ้นคือการเปลี่ยนบ้านให้เป็นโหนดคอมพิวเตอร์ขอบที่จัดการอย่างมืออาชีพ ซึ่งมีประโยชน์สำหรับการอนุมาน AI เวิร์กโหลดความหน่วงต่ำ การประมวลผลแบบยืดหยุ่น/แบตช์ เกมคลาวด์ และแอปพลิเคชันการนำความร้อนกลับมาใช้ใหม่บางประเภท
แนวทางนี้มีนัยสำคัญต่อชีวิตประจำวัน เนื่องจากมีการเชื่อมต่อและผ่าน AI มากขึ้นเรื่อยๆ
"สามารถใช้เพื่อจัดเรียงรูปภาพเจ็ดพันล้านรูปที่ลูกสาววัยรุ่นของคุณมี" Sean Farney รองประธานฝ่ายกลยุทธ์ศูนย์ข้อมูลสำหรับทวีปอเมริกาที่ JLL บริษัทบริการระดับมืออาชีพและอสังหาริมทรัพย์เชิงพาณิชย์ระดับโลกของสหรัฐอเมริกา ซึ่งบริหารจัดการพื้นที่ศูนย์ข้อมูล 4.4 GW ทั่วโลกจากไซต์ศูนย์ข้อมูลกว่า 340 แห่งกล่าว
Farney ตั้งข้อสังเกตว่าสมาร์ทโฟนของคุณมีความสามารถในการประมวลผลมากกว่าศูนย์ข้อมูลแห่งแรกที่เคยสร้างขึ้น ดังนั้น แม้ว่าแนวคิดของศูนย์ข้อมูลในบ้านจะยังไม่ได้รับความนิยมในวงกว้าง แต่ก็อาจจะเกิดขึ้นได้ "มันยากที่จะแข่งขันกับไฮเปอร์สเกลเลอร์เพราะมีค่าใช้จ่ายในการดำเนินงานสูงในการบำรุงรักษาโครงสร้างพื้นฐานที่กระจายตัวอย่างมาก แต่ก็สามารถทำได้ และบริษัทที่ทำได้ถูกต้องก็มีมูลค่าที่น่าพอใจ" เขากล่าว
ยังมีข้อจำกัดทางเทคนิคบางประการสำหรับศูนย์ข้อมูลในบ้านก่อนที่ความสำเร็จจะเป็นไปได้ในระดับเชิงพาณิชย์ ประการแรก บ้านจะต้องมีแหล่งจ่ายไฟฟ้าและกลไกที่ค่อนข้างเชื่อถือได้ เนื่องจาก Farney กล่าวว่าศูนย์ข้อมูลจะเกินกำลังไฟที่อยู่อาศัยอย่างรวดเร็ว "เครื่องกำเนิดไฟฟ้าสำหรับที่อยู่อาศัยขนาด 20 กิโลวัตต์ ไม่สามารถให้ตู้เซิร์ฟเวอร์ AI ได้เลย" เขากล่าว
แต่ถ้าเทคโนโลยีสามารถแก้ไขปัญหาเหล่านี้ได้ บ้านจะสามารถเอาชนะผลกระทบจากขนาดของศูนย์ข้อมูลได้หรือไม่? Farney คิดว่าคำตอบคือใช่
Aimee Simpson ผู้อำนวยการฝ่ายการตลาดผลิตภัณฑ์ที่ Huntress บริษัทความปลอดภัยทางไซเบอร์ระดับโลก กล่าวว่าเหตุผลหนึ่งที่ทำให้สงสัยว่าศูนย์ข้อมูลในบ้านจะได้รับความนิยมคือช่องโหว่ด้านความปลอดภัยทางไซเบอร์
"ชุดศูนย์ข้อมูลขนาดเล็กที่ตั้งอยู่ในบ้านสร้างความต้องการแนวทางความปลอดภัยเครือข่ายที่แข็งแกร่งยิ่งขึ้น" Simpson กล่าว แม้ว่าจะมีประโยชน์ในการกระจายอำนาจจากเครือข่ายที่ตั้งอยู่ในบ้านซึ่งทำงานในวงกว้าง — ไซต์ที่มากขึ้นหมายถึงความซ้ำซ้อนมากขึ้นในกรณีที่ศูนย์ข้อมูลใดศูนย์ข้อมูลหนึ่งล่ม — การขยายโครงสร้างพื้นฐานก็ทำให้ความปลอดภัยซับซ้อนยิ่งขึ้น
"ฮาร์ดแวร์และซอฟต์แวร์ของแต่ละไซต์จะต้องปลอดภัยและได้รับการตรวจสอบอย่างรอบคอบ เพื่อหลีกเลี่ยงช่องโหว่ใดๆ" Simpson กล่าว ในขณะเดียวกัน "ความปลอดภัยทางกายภาพของไซต์นั้นแทบจะเป็นไปไม่ได้ที่จะรับประกัน" เธอกล่าว "มีเหตุผลที่ศูนย์ข้อมูลขนาดใหญ่ที่ดำเนินการโดย Amazon และ Microsoft ล้อมรอบด้วยรั้วสูงและมีการรักษาความปลอดภัยตลอด 24 ชั่วโมงทุกวัน"
"ฉันไม่สามารถจินตนาการถึงโลกที่ผู้ใช้ปลายทางที่มีภาระผูกพันด้านความปลอดภัยข้อมูลและการปฏิบัติตามข้อกำหนดจะรู้สึกสบายใจกับแนวคิดที่ข้อมูลที่ละเอียดอ่อนและเป็นความลับของพวกเขาถูกประมวลผลและจัดการโดยเซิร์ฟเวอร์ที่อาจตั้งอยู่ในโรงรถของใครบางคน" Simpson กล่าว อย่างไรก็ตาม เธอกล่าวว่าเธอทราบถึงเครือข่ายศูนย์ข้อมูลขนาดเล็กที่ถูกกฎหมายซึ่งใช้ตู้ที่ป้องกันการงัดแงะ หากสิ่งเหล่านี้สามารถตั้งอยู่ในที่พักอาศัยได้ ก็อาจบรรเทาความกังวลด้านความปลอดภัยบางประการได้
ตามที่ Arthur Ream อาจารย์ด้านระบบสารสนเทศคอมพิวเตอร์ที่ Bentley University กล่าว รูปแบบบ้าน-เป็น-ศูนย์ข้อมูลนั้นเป็นไปได้ กำลังเกิดขึ้นแล้ว และเป็นคำตอบที่สมเหตุสมผลสำหรับเวิร์กโหลดการอนุมาน หากไม่ใช่การฝึกอบรม
"คำถามที่น่าสนใจไม่ใช่ว่าการประมวลผลในที่พักอาศัยทำงานได้หรือไม่ แต่เป็นเรื่องของความปลอดภัย ความน่าเชื่อถือ และเรื่องราวทางกฎระเบียบจะยังคงอยู่ได้ในระดับกิกะวัตต์ หรืออุตสาหกรรมได้ค้นพบอย่างเงียบๆ ว่าสถานที่ที่ถูกที่สุดในการวางความเสี่ยงในการดำเนินงานของ AI คือในห้องสาธารณูปโภคของใครบางคน" Ream กล่าว
Span เป็นผู้บุกเบิกรูปแบบนี้ ตามที่ Ream กล่าว พร้อมตัวอย่างเช่น การทำงานร่วมกับ Nvidia และ PulteGroup ซึ่ง Span เป็นเจ้าของและติดตั้ง Nvidia RTX PRO 6000 Blackwell GPU แบบระบายความร้อนด้วยของเหลวในบ้านพักอาศัย จากนั้นจึงขายการประมวลผลให้กับไฮเปอร์สเกลเลอร์และผู้ให้บริการคลาวด์ AI ในขณะที่เจ้าของบ้านได้รับแผงอัจฉริยะ Span, แบตเตอรี่สำรอง และอัตราค่าไฟฟ้าและอินเทอร์เน็ตที่ลดราคา เจ้าของบ้านจ่ายค่าธรรมเนียมประมาณ 150 ดอลลาร์ต่อเดือน ครอบคลุมค่าไฟฟ้าและอินเทอร์เน็ต การติดตั้งฟรี ในขณะที่ SPAN ขายการประมวลผลให้กับลูกค้า AI
"ข้อโต้แย้งทางเศรษฐศาสตร์เป็นสิ่งที่ต้องพิจารณาอย่างจริงจัง: ศูนย์ข้อมูลขนาด 100 เมกะวัตต์มีค่าใช้จ่ายประมาณ 15 ล้านดอลลาร์ต่อเมกะวัตต์ และใช้เวลาสร้างสามถึงห้าปี Span อ้างว่าสามารถเทียบเท่ากับความจุได้โดยการปรับใช้โหนด XFRA ในบ้านใหม่ 8,000 หลังภายในประมาณหกเดือนที่ 3 ล้านดอลลาร์ต่อเมกะวัตต์ แม้จะมีการตัดแต่งอย่างดุเดือดสำหรับคณิตศาสตร์ทางการตลาด ช่องว่างความเร็วต่อพลังงานนั้นเป็นจริง" Ream กล่าว
ผู้เชี่ยวชาญคนอื่นๆ มีความรอบคอบน้อยกว่าและกล่าวว่าแนวคิดนี้จะไม่สำเร็จ
"โครงสร้างพื้นฐานสำหรับ AI ไม่ใช่โครงสร้างพื้นฐานสำหรับคริปโต คุณไม่ได้รันศูนย์ข้อมูลในห้องใต้ดิน" Sviat Dulianinov ประธานเจ้าหน้าที่ฝ่ายกลยุทธ์ของ Bright Machines บริษัทซอฟต์แวร์และหุ่นยนต์ในซานฟรานซิสโกกล่าว AI สมัยใหม่ทำงานบน "โรงงาน AI" ที่มี GPU หลายพันตัวทำงานร่วมกัน ซึ่งต้องการวิศวกรรมที่ซับซ้อน การผลิตที่แม่นยำ และห่วงโซ่อุปทานที่ผสานรวมอย่างแน่นหนา: ตั้งแต่การสร้างเซิร์ฟเวอร์และแร็คไปจนถึงการติดตั้ง "นอกจากนี้ยังต้องการพลังงานและระบบทำความเย็นระดับอุตสาหกรรม การประมวลผลจะเคลื่อนเข้าใกล้ขอบมากขึ้น แต่จะเป็นระบบที่เป็นมาตรฐานและออกแบบทางวิศวกรรมเทียบกับศูนย์ข้อมูลในบ้านที่ระดมทุนจากฝูงชน" Dulianinov กล่าว
และด้วยศูนย์ข้อมูลที่ได้รับความไม่พอใจจากชุมชนทั่วประเทศ ผู้เชี่ยวชาญด้านอสังหาริมทรัพย์กำลังให้ความสนใจกับการพัฒนาเหล่านี้ แต่ก็มีความกังวลของตนเองเกี่ยวกับปฏิกิริยาของชุมชนที่อยู่อาศัย
"HOA จะจัดการกับแนวคิดนี้อย่างแน่นอน" Jeff Lichtenstein ประธานและผู้ก่อตั้ง Echo Fine Properties ใน Palm Beach Gardens, Florida กล่าว "ฉันแทบจะจินตนาการไม่ออกถึงเพจชุมชน Facebook ของเรา การต่อสู้ระหว่างบริษัทข้อมูล เมืองต่างๆ และสมาคมเจ้าของบ้าน จะทำให้การต่อสู้ระหว่างพรรครีพับลิกันกับเดโมแครตทั่วไปดูเหมือนการเล่นของเด็ก" Lichtenstein กล่าว
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"ศูนย์ข้อมูลที่ตั้งอยู่ในบ้านเป็นทางออกเชิงกฎหมายสำหรับการแก้ไขปัญหาการขาดแคลนพลังงานของ hyperscaler ที่จะล่มสลายภายใต้ภาระของประกันภัย ความปลอดภัย และการฟ้องร้องที่นำโดย HOA"
แรงผลักดันสำหรับ 'micro-node' ที่อยู่อาศัยไม่ได้มีจุดมุ่งหมายเพื่อปฏิวัติโครงสร้างพื้นฐานการคำนวณ แต่เป็นการหลีกเลี่ยงกฎระเบียบ Hyperscalers เช่น Microsoft และ Amazon กำลังเผชิญกับกำแพงด้วยข้อจำกัดด้านการวางผังและการจ่ายไฟในท้องถิ่น การย้ายพื้นที่ไปยังอสังหาริมทรัพย์ที่อยู่อาศัยเป็นการพยายามหลีกเลี่ยง NIMBYism อย่างสิ้นหวัง แม้ว่าการคำนวณต้นทุนต่อเมกะวัตต์ที่อ้างโดย Span จะน่าสนใจ แต่ก็มองข้ามภาระค่าใช้จ่ายในการดำเนินงานจำนวนมากในการจัดการเครือข่ายแบบกระจายจำนวน 8,000 โหนดเทียบกับสิ่งอำนวยความสะดวกที่รวมศูนย์ นี่ไม่ใช่การแทนที่แบบจำลอง 'AI Factory' แต่เป็นมาตรการชั่วคราวที่จะน่าจะเผชิญกับการคำนวณด้านกฎระเบียบและประกันภัยที่ร้ายแรงเมื่อเกิดไฟไหม้ในที่พักอาศัยหรือการละเมิดข้อมูลครั้งแรก
หากการทำให้เป็นมาตรฐานของฮาร์ดแวร์ภายในแผงบ้านอัจฉริยะสามารถทำให้การคำนวณ Edge เป็นสินค้าโภคภัณฑ์ได้อย่างมีประสิทธิภาพ อาจสร้างกระแสรายได้ที่สร้างผลกำไรสูงสำหรับการอนุมาน AI ซึ่งจะจ่ายค่าโครงสร้างพื้นฐานด้านพลังงานในที่พักอาศัย
"ศูนย์ข้อมูลแบบกระจายที่บ้านอาจลด capex ในการคำนวณ AI ได้ถึง 5 เท่าและระยะเวลา 4-10 เท่า ทำให้ผู้สร้างบ้านอย่าง PHM และผู้นำ GPU อย่าง NVDA กลับมาใหม่ ในขณะเดียวกันก็บรรเทาคอขวดของกริด/NIMBY"
การทดลองใช้งานศูนย์ข้อมูลที่ตั้งอยู่ในบ้านโดย PulteGroup (PHM), Nvidia (NVDA) และ Span สัญญาว่าจะรบกวนเศรษฐศาสตร์โครงสร้างพื้นฐาน AI: โหนด XFRA ของ Span อ้าง $3M/MW ค่าใช้จ่ายในการปรับใช้เทียบกับ $15M/MW สำหรับศูนย์ 100MW แบบดั้งเดิม โดยมีระยะเวลา 6 เดือนเทียบกับ 3-5 ปี โดยใช้ประโยชน์จากกริดที่อยู่อาศัยที่ไม่ได้ใช้ประโยชน์ (~30kW/บ้านสูงสุด) สำหรับการอนุมาน Edge/batch เช่น เกมคลาวด์หรือการประมวลผลภาพถ่าย ซึ่งหลีกเลี่ยงการห้าม NIMBY ใน 14 รัฐและแรงกดดันการลงทุน capex ของ hyperscaler $1T ภายในปี 2027 สร้างรายได้ใหม่สำหรับผู้สร้างบ้าน (เช่น ค่าธรรมูมรายเดือน $150/เดือนชดเชยการติดตั้งฟรี/แบตเตอรี่) และเพิ่มความต้องการ GPU ของ NVDA แม้ว่าจะเป็นช่องทางเฉพาะ แต่ก็สามารถขยายขนาดได้หากมีการอัปเกรดพลังงานตามมา กดดัน REITs DC ที่รวมศูนย์อย่าง EQIX
ข้อจำกัดด้านพลังงานในบ้าน (บริการ 100-200A ทั่วไปจำกัดไว้ที่ 20-40kW ไม่เพียงพอแม้แต่สำหรับเซิร์ฟเวอร์ AI หนึ่งแร็ค) อินเทอร์เน็ตบรอดแบนด์ที่แปรปรวน และการตอบโต้ของ HOA/กฎระเบียบจะจำกัดสิ่งนี้ให้อยู่ในการทดลองเท่านั้น และจะไม่ส่งผลกระทบต่อการครอบงำของ hyperscale
"ศูนย์ข้อมูลที่บ้านแก้ปัญหาทางการเมือง ไม่ใช่ปัญหาทางเศรษฐกิจ—พวกมันจะกลายเป็นชั้น Edge เสริมที่ใช้สำหรับการอนุมานและ batch แต่เงินทุน capex AI $1T ต่อปีจะยังคงไหลไปยังสิ่งอำนวยความสะดวก hyperscale เนื่องจากข้อกำหนดด้านความปลอดภัย ความซ้ำซ้อน และความหนาแน่นของพลังงาน"
บทความนี้วางกรอบศูนย์ข้อมูลที่บ้านว่าเป็นวิธีแก้ไขทางการเมืองสำหรับแรงต้าน NIMBY แต่เศรษฐศาสตร์นั้นไม่ผ่านการตรวจสอบ Span's $3M/MW vs. $15M/MW อ้างอิงว่าละเว้นที่ดิน การอนุญาต ความซ้ำซ้อน และความปลอดภัย—โหนดที่อยู่อาศัยต้องใช้ค่าใช้จ่ายในการจัดการที่ขยายขนาดได้ เรื่องราวที่แท้จริง: นี่คือการคำนวณ Edge สำหรับการอนุมานและ batch ไม่ใช่ภัยคุกคามต่อ capex ของ hyperscaler สิ่งที่สำคัญคือ NVDA (Nvidia) และผู้ให้บริการคลาวด์ (MSFT, AMZN) สามารถใช้ประโยชน์จากการอนุมานแบบกระจายได้เร็วกว่าที่พวกเขาจะสร้างความจุแบบดั้งเดิม การชนะทางการเมืองเป็นเรื่องจริง—มันลดทอนการต่อสู้ด้านการวางผัง—แต่การดำเนินงานยังคงเป็นชั้นเฉพาะ (~5-10% ของโครงสร้างพื้นฐานทั้งหมด) ภายในห้าปี ไม่ใช่การแทนที่ บทความนี้ทำให้ 'เป็นไปได้ทางเทคนิค' กับ 'เป็นไปได้ทางเศรษฐกิจในระดับที่ขยายใหญ่ขึ้น' ซึ่งเป็นคำถามที่แตกต่างกัน
หาก Span และคู่แข่งบรรลุการปรับใช้ 6 เดือนที่ $3M/MW ด้วย SLA ที่ยอมรับได้ พวกเขาจะบีบอัดข้อได้เปรียบด้านเวลาต่อพลังงานอย่างมาก ทำให้ hyperscaler จัดสรรเงินทุนใหม่—หมายความว่า REITs ศูนย์ข้อมูลแบบดั้งเดิม (DLR, EQIX) เผชิญกับแรงกดดันด้านอัตรากำไรจริง ไม่ใช่แค่กระแส PR เท่านั้น
"การเติบโตของ AI ในอนาคตอันใกล้นี้จะมาจากทั้งการปรับใช้ hyperscale และ Edge; ศูนย์ข้อมูลที่ตั้งอยู่ในบ้านจะยังคงเป็นช่องทางเนื่องจากข้อจำกัดด้านพลังงาน ความปลอดภัย และกฎระเบียบ"
ความต้องการ AI จะยังคงทำให้ศูนย์ข้อมูลขยายตัว แต่เรื่องนี้เน้นย้ำถึงอุปสรรคทางการเมืองต่อ hyperscaler และความเป็นไปได้ของโหนด Edge ที่อยู่อาศัยมากเกินไป แนวคิดที่บ้านเป็นเพียงช่องทางเนื่องจากข้อจำกัดด้านความปลอดภัย ความน่าเชื่อถือ และกฎระเบียบ ดังนั้นจึงไม่สามารถเปลี่ยนแปลงแนวโน้มได้ แม้กระนั้นก็ตาม แนวโน้มที่เพิ่มขึ้นสู่การคำนวณ Edge แบบกระจายควรสนับสนุนการเพิ่มขึ้นอย่างสม่ำเสมอ ไม่ใช่การเพิ่มขึ้นอย่างรวดเร็ว โดยที่ hyperscalers แบบดั้งเดิมและผู้เล่น Edge ที่เลือกจะชนะเงินทุนส่วนใหญ่
ตรงกันข้ามกับมุมมองนี้: การต่อต้านของสาธารณชนไม่น่าจะชะลอการลงทุน capex ของ hyperscale อย่างมีนัยสำคัญ นโยบายมักจะสนับสนุนโครงการศูนย์ข้อมูลขนาดใหญ่เพื่อสร้างงานและรายได้ และความต้องการ AI ยังคงอยู่ แนวคิด Edge ที่บ้านยังคงเป็นช่องทางเนื่องจากอุปสรรคด้านความปลอดภัย ความน่าเชื่อถือ และกฎระเบียบ ดังนั้นจึงจะไม่ส่งผลกระทบ
"ข้อจำกัดด้านความรับผิดชอบและประกันภัยจะปิดกั้นการปรับใช้ศูนย์ข้อมูลที่ตั้งอยู่ในบ้านก่อนที่จะเผชิญกับข้อจำกัดด้านกฎระเบียบหรือขีดจำกัดของกริด"
Claude พูดถูกเกี่ยวกับความเปลี่ยนแปลงของ capex แต่ทุกคนพลาดความรับผิดชอบด้านประกันภัย เจ้าของบ้านนโยบายยกเว้นการดำเนินงานทางธุรกิจเชิงพาณิชย์อย่างชัดเจน หาก Span หรือ PulteGroup พยายามขยายขนาด อุปสรรคแรกไม่ใช่แค่ข้อจำกัดด้านกริดหรือ NIMBYism—แต่เป็นความยุ่งยากในการรับประกันความเสี่ยงจากไฟไหม้ในโครงสร้างที่อยู่อาศัย จนกว่าจะมีการห่อหุ้มความรับผิดชอบที่เป็นมาตรฐานในอุตสาหกรรมสำหรับโหนดเหล่านี้ ความอยากรู้อยากเห็นในระยะเริ่มต้นนี้จะไม่เป็นภัยคุกคามต่อความน่าเชื่อถือระดับองค์กรของ REITs อย่าง EQIX
"ของเสียจากความร้อนในบ้านจะจำกัดความสามารถในการขยายขนาดมากกว่าประกันภัย โดยขึ้นอยู่กับการพัฒนา GPU ที่ใช้พลังงานต่ำ"
Gemini ชี้ให้เห็นถึงจุดที่ถูกต้องในระยะสั้น แต่ PulteGroup (PHM) ในฐานะผู้สร้างสามารถรวมโหนดเข้ากับ Extended home warranties และ policy riders ได้ คล้ายกับ EV chargers ในปัจจุบัน—ความรับผิดชอบจะเปลี่ยนไปสู่ผู้ให้บริการอย่าง Span นอกจากนี้ยังมีเรื่องที่ไม่ได้กล่าวถึง: การจัดการความร้อน หาก NVDA สามารถส่งมอบ GPU inference ที่มีกำลังไฟน้อยกว่า 5kW ภายในปี 2026 จะช่วยให้การนำมาใช้ในที่พักอาศัยเป็นไปได้หรือไม่
"เศรษฐศาสตร์ของ Span จะใช้ได้เฉพาะเมื่อปริมาณงานยังคงเบาในการอนุมานเท่านั้น การเปลี่ยนไปสู่การประมวลผลแบบกลุ่มใดๆ จะทำลายแบบจำลองที่อยู่อาศัยทั้งหมด"
การคำนวณทางความร้อนของ Grok ไม่สมบูรณ์ แม้ว่า 10-20kW rack ที่ปล่อยความร้อนผ่าน HVAC ที่อยู่อาศัยจะไม่ยั่งยืน แต่ Grok สมมติว่าปริมาณงานการอนุมานเท่านั้น หาก Span จัดวางโหนดเหล่านี้สำหรับการประมวลผลแบบกลุ่ม (การปรับแต่งการฝึกอบรม ไม่ใช่แค่การอนุมาน) ความหนาแน่นของพลังงานจะเพิ่มขึ้นเป็น 30-50kW ต่อโหนด ทำให้แบบจำลองที่อยู่อาศัยทั้งหมดเป็นไปไม่ได้ทางกายภาพหากไม่มีการอัปเกรดกริดที่ทำให้ข้อได้เปรียบด้านต้นทุนเป็นโมฆะ อัตราการใช้ประโยชน์ที่ Span อ้างถึงนั้นสมมติว่าอัตราที่ hyperscalers บรรลุได้ การนำมาใช้ในที่พักอาศัยจะกระจัดกระจาย
"การปรับใช้ Edge ที่อยู่อาศัยจะไม่สามารถขยายขนาดได้อย่างคุ้มค่าเนื่องจากข้อจำกัดด้านการทำความเย็น ความน่าเชื่อถือ และนโยบาย"
ตอบ Grok: แม้แต่ด้วยชิปที่ใช้พลังงานต่ำ คุณยังต้องมีแร็คหลายแร็คต่อบ้านเพื่อให้สามารถขยายขนาดได้อย่างมีความหมาย ซึ่งจะเพิ่มความร้อนและภาระ IT ที่เพิ่มขึ้น ระบบ HVAC ที่อยู่อาศัยไม่ได้ออกแบบมาเพื่อการปฏิเสธความร้อนอย่างต่อเนื่องจากอุปกรณ์คำนวณ 20–30kW และข้อจำกัด HOA/กริดจะจำกัดความหนาแน่นต่อโหนด การอ้างสิทธิ์ $3M/MW จะล่มสลายเมื่อคุณรวมต้นทุนการทำความเย็น ความน่าเชื่อถือ และนโยบายที่แท้จริง การขยายขนาดยังคงเป็นเรื่องที่คาดการณ์ไม่ได้ ไม่ใช่สิ่งที่ใกล้เข้ามา
แผงโดยรวมมีความเป็นลบเกี่ยวกับความสามารถในการปรับขนาดของ 'micro-node' ที่อยู่อาศัยในฐานะโซลูชันสำหรับโครงสร้างพื้นฐาน AI โดยอ้างถึงภาระค่าใช้จ่ายในการดำเนินงาน ความรับผิดชอบด้านประกันภัย การจัดการความร้อน และข้อจำกัดด้านกริด พวกเขาเห็นพ้องกันว่าแม้ว่ารูปแบบนี้อาจมีแอปพลิเคชันเฉพาะ แต่ก็ไม่น่าจะแทนที่ศูนย์ข้อมูล hyperscale แบบดั้งเดิม
แอปพลิเคชันเฉพาะสำหรับการคำนวณ Edge และการประมวลผลแบบกลุ่ม โดยผู้ให้บริการคลาวด์และผู้ผลิต GPU อาจได้รับประโยชน์จากการใช้ประโยชน์จากการอนุมานแบบกระจาย
ความรับผิดชอบด้านประกันภัยสำหรับการดำเนินงานเชิงพาณิชย์ในโครงสร้างที่อยู่อาศัยและการจัดการความร้อนสำหรับปริมาณงานที่มีกำลังไฟสูง