美国285MW数据中心项目推进新建设申报:AMD为何计划租用110MW机房容量?

AMD是一家以CPU、GPU和AI加速器为核心业务的半导体厂商,为什么还要提前锁定超过100MW的数据中心机房容量?
这个问题背后,反映出AI基础设施市场正在发生的一个重要变化:芯片厂商的竞争,已经不再局限于处理器性能和硬件交付,还开始延伸到电力、数据中心空间以及实际算力部署能力。
11月17日,A5数据关注到,美国数据中心运营商Core Scientific位于得克萨斯州Hunt County的新项目取得进一步进展。根据得州监管机构最新公开的建设登记文件,关联企业Telios Quinlan One, LLC已申报一项预计建设成本13亿美元的数据中心工程,建筑面积约3.17万平方米,计划于11月24日开始该项工程建设,预计2028年9月完成。
这个项目所在园区规划最多提供285MW可出租计算设备用电容量,其中约110MW已被列入AMD的直接租赁安排。
需要说明的是,285MW并不是目前已经投入运行的机房容量,110MW也不代表AMD已经部署了相应规模的GPU设备。此次最新进展主要是具体建筑工程登记,而AMD的租赁合作及园区总体规划此前已经公布。
但将这些信息放在一起观察,可以发现一个值得关注的行业趋势:当大型AI计算项目进入数百兆瓦规模后,拥有GPU硬件不再意味着能够立即形成可用算力,提前获取电力和机房资源同样重要。
13亿美元建设申报,究竟涉及多大规模?
根据美国得克萨斯州许可与监管部门(TDLR)的公开记录,此次登记项目名称为Core Scientific - Hunt,项目编号TABS2027005763,登记日期为11月13日。
项目位于美国得克萨斯州Hunt County的Quinlan地区,距离达拉斯约85公里。
登记文件显示,新工程属于数据中心主体建筑及场地配套基础设施建设,建筑面积为341,326平方英尺,折合约31,710平方米。
项目预计建设成本为13亿美元,登记的工程开始日期为11月24日,预计完成日期为2028年9月4日。
设计单位为Gensler,登记业主为Telios Quinlan One, LLC。
这里有几个容易产生误解的地方。
首先,13亿美元是本次登记工程的预计成本,而不是整个285MW数据中心园区已经发生的投资金额,也不能直接等同于园区最终总投资。
其次,登记文件涉及的是具体建筑及配套工程,不代表规划中的全部285MW计算容量都集中在这栋建筑内。
此外,TDLR记录属于建筑无障碍合规相关的项目登记,不能将其理解为已经取得全部施工、环保和电力运营许可。
还有一个时间细节值得注意。
尽管新登记文件将11月24日列为工程开始日期,但Core Scientific早在9月就已经披露Hunt County项目开始施工准备,并订购了部分交付周期较长的设备。
因此,最新登记更准确地反映了某项具体建筑工程的实施计划,而不是宣布整个数据中心园区首次动工。
A5数据分析,这次消息真正的新增价值,在于此前相对宏观的园区规划,已经出现了规模、投资额和建设时间更加明确的工程登记。
对于关注AI数据中心交付能力的用户来说,这比单纯宣布计划建设多少兆瓦更具参考意义。
285MW、430MW和110MW,为什么会出现三个不同数字?
理解这项建设计划,首先需要区分三个不同的电力容量概念。
Core Scientific此前公布,Hunt County园区预计拥有约430MW的总公用电网供电容量,并计划形成最多285MW的可出租客户计算设备用电容量。
两者并不是同一个指标。
430MW主要对应园区计划获得的总电力供应能力。
285MW则是园区规划中能够提供给客户计算设备使用的可出租电力容量。
数据中心除了CPU、GPU和存储设备需要用电,还必须为散热、供配电以及其他基础设施保留电力资源。
因此,总供电容量通常不能全部转化为服务器实际可使用的IT负载容量。
但不能简单使用430除以285,直接计算该项目的PUE值。
因为总电力规划与可出租IT容量之间,还可能受到建设阶段、冗余设计、预留容量及其他条件影响。实际PUE仍需要根据正式设计及运营数据判断。
第三个数字110MW,则对应AMD在该园区的直接租赁容量。
根据Core Scientific于11月5日公布的投资者资料,Hunt County项目已列入AMD直接租赁安排,容量约110MW。
按照285MW的园区规划可出租容量计算,这部分约占39%。
也就是说,AMD已经锁定的资源只是该园区规划容量的一部分,而不是整个园区。
需要强调,这三个数字均不能直接理解为目前已经完成通电并投入运行的服务器容量。
其中,110MW属于合同租赁安排,285MW属于园区规划可出租容量,约430MW则对应总电力供应规划。
只有在相关电力设施、机房建筑、散热系统和客户设备陆续完成交付后,这些规划容量才有机会逐步转化为实际计算资源。
AMD为什么不自己建机房,而是选择长期租赁?
这次合作最值得分析的地方,是AMD在其中扮演的角色。
通常情况下,半导体厂商负责设计和销售计算芯片,云计算平台与数据中心运营商负责部署设备,再向最终客户提供计算服务。
但是,当AI计算集群规模不断扩大,芯片交付与机房建设之间的依赖关系也越来越紧密。
即使AMD拥有符合客户需求的Instinct GPU,如果客户没有足够的电力、服务器空间和冷却设施,也无法及时部署这些设备。
因此,AMD开始通过长期基础设施合作,为自身的AI计算生态提前 확보可用的数据中心资源。
根据Core Scientific与AMD于7月28日发布的联合公告,双方合作的目标,是支持AMD AI解决方案的最终客户部署。
合作内容不仅包括租赁机房容量,还涉及高密度数据中心的物理基础设施设计,以及AMD Instinct GPU、EPYC CPU和ROCm软件平台的部署协同。
这说明AMD并不是单纯为了建设自己的内部办公系统而租用大规模机房。
更合理的理解是,AMD希望通过掌握一部分可交付的数据中心基础设施资源,为采用AMD硬件的云服务商、模型开发企业和其他客户提供更明确的部署条件。
不过,公开资料并没有说明Hunt County的110MW未来全部用于哪一种具体模型、哪一代GPU,或者最终由哪些客户使用。
因此,不能直接认定110MW将全部部署AMD某一型号的Instinct加速卡,也不能把租赁容量等同于已经售出的GPU算力。
A5数据关注到,这类合作方式正在改变传统半导体厂商的竞争边界。
过去,GPU厂商主要需要证明自己的芯片具有良好的性能、软件兼容性和供货能力。
现在,大型AI客户还会进一步关心:购买这些GPU之后,能否在预定时间获得足够的机房容量并完成部署?
对于数万张甚至更多GPU组成的计算集群来说,这个问题可能直接影响项目能否按期上线。
从110MW扩展到530MW,AMD与Core Scientific的合作远不止一个园区
Hunt County并不是AMD与Core Scientific合作的唯一项目。
根据双方此前签署的协议以及Core Scientific向美国证券交易委员会提交的文件,AMD与一家Neocloud云计算运营商共同涉及的首批长期租赁容量约为530MW,分布在美国五个数据中心项目。
其中,AMD直接签订的租赁协议覆盖得克萨斯州Pecos、Hunt County及俄克拉何马州Muskogee等站点,合计约377MW。
另外约152MW则由相关Neocloud企业签订租赁协议,涉及阿拉巴马州Auburn和佐治亚州Dalton项目。
由于具体项目容量采用近似值,公开资料中的单站点数字相加可能与合计数存在少量四舍五入差异。
这些租赁协议的基本期限为15年,并提供三次、每次五年的延长期选择权。
对于大型数据中心来说,15年的合同期限具有特殊意义。
建设高密度AI机房通常需要投入大量资金,用于土地、电力、建筑、配电及液冷等基础设施。
如果只有短期客户订单,运营商可能很难合理安排如此庞大的长期投资。
而长期租赁协议可以使数据中心开发商在建设前获得较明确的客户需求,并据此规划融资和分期建设。
对AMD而言,长期合同则有助于提前锁定基础设施容量,减少未来客户部署GPU时遇到资源不足的问题。
双方合作还包含额外的容量预留安排。
根据Core Scientific披露,AMD拥有在特定条件下、截至2028年12月28日,进一步租赁最多1,925MW计算设备用电容量的预留权利。
如果相关容量全部转化为正式租赁合同,双方合作所涉及的总容量可能接近2.5GW。
但这里必须区分预留权利与已签订的租赁承诺。
额外的1,925MW并不是AMD已经决定全部租用的容量,也不代表这些机房已完成建设。
实际是否执行,仍取决于商业需求、项目进度、供电条件及合同约定。
A5数据分析,AMD采用这种方式,实际上是在为未来AI基础设施扩张保留一定灵活性:已经明确的需求通过长期合同锁定,而尚未完全确定的需求则保留后续扩容机会。
为什么Hunt County项目的电力条件特别重要?
对于数百兆瓦级的数据中心,土地和建筑只是项目建设的一部分。
能否获得可靠的电力接入,往往决定工程能否按期交付。
Core Scientific于5月5日完成Hunt County土地及相关开发权益收购,交易总价约2.325亿美元。
根据其财务报告,该交易还包括相关电力服务安排,预计支持约430MW总公用电网供电容量。
值得注意的是,在会计处理上,Core Scientific将收购对价中的约2.278亿美元分配给开发权,仅约470万美元分配给土地。
这并不意味着2.278亿美元全部属于电力接入费用,但可以看出,对于大型数据中心开发商来说,取得具备发展条件的土地和相关开发权益具有很高的商业价值。
更重要的是,这项工程的电网接入并非完全停留在最初规划阶段。
Core Scientific在9月10日向美国证券交易委员会提交的报告中披露,Hunt County约431MW的计划用电规模,已在得克萨斯州电力可靠性委员会ERCOT相关Batch Zero流程中获得条件性批准。
公司表示,已与电力合作伙伴完成相关接入研究,431MW电网稳定性研究获得ERCOT批准,并已提交规定的财务担保、订购部分长交付周期设备及开展施工。
这些进展意味着项目已经完成了一部分重要的电力接入前期工作。
但条件性批准并不等于全部431MW已经正式通电,也不代表未来建设过程不存在延期风险。
数据中心仍然需要根据实际建设进度,完成后续输配电设施、机房配套以及分阶段投产工作。
从行业角度来看,这也是为什么大型AI机房的选址不能只比较土地价格。
两个面积相近的地块,即使距离主要城市和网络节点相差不大,如果电力接入条件不同,其数据中心开发价值也可能存在明显差异。
对于准备建设高密度GPU集群的企业,提前锁定稳定的供电能力,正在成为项目竞争力的重要组成部分。
已签110MW,为什么AMD预计还要等到2028年才能使用?
Core Scientific于11月5日公布的最新投资者资料显示,Hunt County项目预计在2028年上半年开始向AMD交付初始容量。
而这次新登记的建筑工程,预计完成时间为2028年9月4日。
两个时间并不完全相同。
这可能与大型数据中心采用分期建设、分阶段通电和交付有关。
在这类项目中,不一定需要等到整个园区全部建成,才开始向客户交付第一批计算容量。
例如,部分机房模块在完成供电、冷却和基础设施验收后,就可能先行交付;其他建筑及机电设施则继续施工。
但对于Hunt County,公开资料尚未披露足够详细的单期工程与AMD租赁容量对应关系,因此不能直接认定哪一栋建筑或多少MW会首先投入运营。
需要注意,2028年上半年的初始交付时间是Core Scientific当前披露的项目计划,而不是已经完成的交付事实。
建设大型AI数据中心存在多种可能影响进度的因素。
高压变压器、配电设备、液冷系统及其他关键硬件可能具有较长的生产周期。
施工阶段还需要处理电力、机械、网络和建筑工程之间的配合。
在完成基础设施建设后,客户设备进场、服务器上架、网络调试和系统验收,也需要额外时间。
所以,拥有110MW长期租赁合同,并不意味着AMD目前就能使用110MW计算资源。
从A5数据的角度看,判断大型数据中心项目进展,至少应当区分已经签约、已经取得电力条件、已经完成机房建设,以及已经开始实际计费和运行的容量。
这几个阶段代表的交付成熟度完全不同。
从比特币矿场到AI数据中心,Core Scientific为什么选择转型?
在此次项目中,另一家值得关注的企业是Core Scientific。
这家公司过去以比特币挖矿基础设施和相关托管业务闻名,近年来逐步将发展重点转向AI和高性能计算数据中心。
这种转型具有一定的基础设施逻辑。
大型数字货币矿场与传统数据中心虽然业务模式不同,但都需要大量电力、场地及一定的网络和散热设施。
对于已经具备较大电力容量和土地资源的运营商而言,部分既有基础设施可能具有改造和重新利用的价值。
但高密度AI计算机房与比特币矿场并不能直接划等号。
GPU集群通常对机房网络带宽、设备互连、供电稳定性、散热结构、维护能力和客户服务等级提出更严格的要求。
尤其是大型AI训练系统,计算节点之间需要持续交换数据,机柜内外的高速网络架构与普通挖矿设施存在明显区别。
因此,Core Scientific向AI数据中心转型,不只是更换服务器设备,还涉及基础设施设计、运维流程以及商业模式的调整。
从公开合同来看,Core Scientific已与AI云服务商CoreWeave建立大规模租赁合作,并进一步与AMD及相关Neocloud企业签订长期协议。
根据Core Scientific截至9月30日的报告,公司在美国七个州拥有约2.6GW总公用电力容量,其中可出租客户用电容量约1.7GW。
这些数字反映的是公司整体控制和规划的基础设施资源,不代表全部容量已经投产。
公司还表示,计划在2026年底前结束剩余数字货币挖矿业务,将经营重点进一步转向高密度托管基础设施。
A5数据注意到,Core Scientific的转型说明,AI数据中心市场不仅吸引传统IDC运营商,也正在吸引拥有土地、电力和机房开发经验的其他基础设施企业。
但转型是否成功,仍然取决于其能否按期交付符合AI客户要求的计算机房,而不是仅仅拥有大量电力规划指标。
GPU厂商开始锁定机房资源,会怎样改变AI算力市场?
AMD此次合作背后的变化,可能比单个285MW园区更值得关注。
过去,GPU厂商的主要竞争集中在芯片性能、产品价格、软件生态和供应能力。
客户购买GPU后,再自行寻找服务器厂商、托管机房和网络服务。
但随着AI集群规模扩大,这种相对分离的采购方式开始出现新的挑战。
高端GPU交付之后,如果没有足够的机房空间、电力和冷却资源,就无法及时形成计算能力。
而数据中心如果提前完成建设,却没有落实大型计算客户,同样可能面临较高的资金占用和经营风险。
因此,半导体厂商与数据中心运营商之间开始形成更加紧密的合作关系。
在这种模式下,GPU厂商提前协调计算基础设施的供应,数据中心运营商则根据长期需求建设相应容量。
对最终客户来说,有机会减少分别协调芯片、机房和基础设施的工作量。
但这种合作也存在新的风险。
如果AI算力需求增长低于预期,或者某一代GPU产品的实际市场接受度不及预期,长期租赁安排可能增加企业的财务压力。
此外,基础设施锁定也不等于最终GPU设备一定能够按计划交付。
芯片制造、HBM内存供应、服务器整机生产、高速网络设备以及软件部署,仍然可能影响整个计算集群的上线进度。
因此,不能仅凭AMD获得了110MW机房容量,就推断相应规模的AI算力市场供应一定会如期增加。
A5数据分析,随着高性能GPU集群向数十兆瓦甚至数百兆瓦规模发展,芯片供应和基础设施供应正在逐渐成为需要共同规划的两个环节。
未来评价GPU厂商竞争力时,除了产品本身是否领先,还可能需要关注其生态合作伙伴能否为客户提供真正具备交付条件的计算环境。
对海外IDC和GPU服务器租用业务,有哪些实际影响?
Hunt County这样的大型项目,与普通独立服务器租用业务在规模上存在明显差异。
但其背后的发展趋势,仍然值得海外IDC运营商关注。
首先,机房容量正在成为需要提前规划的资源。
对于普通服务器租用业务,新增几台或几十台设备,通常可以在现有机柜和供电条件下完成。
但GPU集群扩容可能同时涉及更高的单机功耗、机柜功率密度和散热要求。
如果机房原本的电力与制冷能力不足,就无法只通过采购新GPU完成扩容。
其次,长期供电和交付能力的重要性正在提高。
对于企业级AI客户来说,服务器租用价格并不是唯一考虑因素。
能否按约定时间提供设备,是否具备持续运行条件,以及未来是否支持增加GPU数量,都可能直接影响客户的采购决策。
再次,大型客户的资源需求可能越来越倾向于提前签约。
AMD与Core Scientific的合作采取长期机房容量安排,而不是等设备需要上架时,再临时寻找可用空间。
这不意味着普通IDC运营商都需要采用15年合同,但对于高功耗、大规模、定制化的GPU租用项目,提前明确供电能力和扩容安排会更加重要。
此外,机房运营商还应区分不同容量指标。
对外宣传拥有多少MW电力资源时,应明确这些容量究竟属于规划供电、已获批准的接入容量、可出租IT容量,还是已经通电并可以交付客户使用的容量。
这些差异会直接影响客户对产品供应能力的判断。
A5数据认为,未来GPU服务器租用市场的竞争,可能更加重视实际交付能力,而不仅是硬件配置和理论算力。
一家服务商即使能够采购最新的AMD或NVIDIA GPU,如果无法保证相应的供电、散热和网络条件,也很难向客户提供持续稳定的计算服务。
285MW园区的真正价值,不只是能够安装多少张GPU
从此次Hunt County项目的新建设申报来看,13亿美元的预计工程成本、285MW的规划可出租容量以及AMD已签约的110MW租赁安排,共同构成了一个典型的大型AI基础设施项目。
但这些数字分别代表建设投入、未来资源规模和客户合同,不能简单合并成已经实现的计算能力。
现阶段已经确认的是,Core Scientific取得了相关土地及开发权益,项目电力接入获得重要的条件性进展,AMD也通过长期协议锁定了部分规划机房容量。
与此同时,新登记的建筑工程仍需要按照计划推进,首批AMD容量预计2028年上半年开始交付。
项目未来能否按期兑现,还需要观察施工进度、电力基础设施、客户设备部署以及最终验收情况。
从更大的行业背景来看,AMD选择提前租赁大规模机房容量,反映出先进AI芯片的商业价值越来越依赖完整的基础设施体系。
对于半导体厂商,只有芯片能够实际安装并投入运行,才能充分释放产品的市场价值。
对于数据中心运营商,只有规划电力转化为经过验证的可用机房容量,长期合同才可能逐步形成稳定收入。
而对于云服务商和GPU租用客户,真正有意义的则是能够在需要的时间获得可靠的计算资源。
随着AI数据中心规模持续扩大,行业竞争正在从单纯的硬件供应进一步延伸到能源、机房、网络和计算平台的协同交付。
285MW的园区规划展示了未来可能形成的计算规模,而AMD提前锁定110MW容量,则说明在大型AI基础设施市场,能够确保未来算力有地方部署,本身已经成为一项重要的战略资源。
这也是此次建设申报最值得关注的地方:当GPU性能不断提高,决定算力能否真正落地的因素,正在越来越多地发生在芯片之外。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/10032.html



