文章总结： EpochAI利用开源情报与卫星影像追踪美国AI数据中心，绘制了涵盖规模、成本及能耗的交互式地图。研究发现AI发展依赖巨额资本与稳定能源，选址集中于电力丰富地区。通过对Meta及xAI等设施的建模分析，揭示了全球AI竞争背后的资源消耗与战略布局。该开源方法为政策制定与公众监督提供了关键窗口。 综合评分： 75 文章分类： 威胁情报,AI安全

美国人工智能数据中心追踪

原创

网空闲话

网空闲话plus

2026年1月2日 08:19 北京

截至2026年初，美国的大型人工智能（AI）数据中心建设正以前所未有的速度扩张。非营利研究机构Epoch AI通过开源情报（OSINT）追踪这些设施的分布、规模及技术特征，为公众和研究者提供了对美国AI基础设施的独特洞察。该机构利用卫星图像、建筑许可、公司公告和社交媒体信息，绘制了覆盖美国主要AI数据中心的交互式地图，同时记录了建设成本、能耗和运营情况（高尔特，2026；霍拉姆，2026）。这一研究显示了AI技术发展背后的资源消耗和资本投入，也为政策制定者和学术界提供了观察AI基础设施的重要窗口。Epoch AI的分析不仅限于表面设施定位，更通过多维度的数据建模，对每个数据中心的建设规模、冷却系统和计算能力进行深入分析，揭示了美国在全球AI竞争中布局的战略意图。

数据中心发现与分布

Epoch AI通过分析新闻报道、公司公告、社交媒体帖子及历史数据，结合卫星影像和许可信息识别潜在数据中心的位置。其数据来源包括Google Earth、Sentinel-2及商业高分辨率卫星影像（如SkyFi、Vexcel和Airbus），能够清晰识别建筑占地面积、冷却设备布置和施工进度（Frontier方法论，2026）。

例如，Meta位于俄亥俄州新奥尔巴尼的“普罗米修斯”数据中心，总建设成本约180亿美元，当前功率消耗达到691兆瓦。该设施采用大规模冷却塔和托管设施融合的设计，建筑布局和防护措施经过精心规划，以支持超大规模计算集群的稳定运行（高尔特，2026）。

xAI在田纳西州孟菲斯的Colossus 2数据中心，配备了数十台天然气涡轮机作为辅助能源，保证了计算负载在高峰期的持续供电。OpenAI在德克萨斯州阿比林建设的Stargate数据中心，则通过精确的土地利用规划和建筑设计，使得设施可以在有限的占地面积内部署大规模GPU集群（霍拉姆，2026）。

这些数据中心不仅集中在少数州，而是呈现出沿着能源密集型地区、气候适宜冷却和电力可获得性高的区域分布的特点。俄亥俄、德克萨斯、田纳西、内华达等州成为大型AI数据中心聚集区，显示出企业在选址时对能源成本、建设成本及运营可靠性的综合考量。

研究方法与数据分析

Epoch AI的研究方法主要包括三方面：数据收集、卫星图像分析和模型推算。

在数据收集方面，团队获取了地方政府的建筑许可文件、土地使用记录、公司公告以及公开媒体报道，通过文本挖掘和地理信息系统（GIS）技术进行交叉验证。这一方法帮助团队确认了设施的精确坐标、建设时间线及规划规模（Frontier方法论，2026）。

在卫星图像分析上，研究团队利用高分辨率影像追踪设施的施工进度、冷却塔安装、屋顶结构以及外围安全设施布置。通过对比历史影像和实时影像，可以准确识别新建建筑、扩建项目以及设施改造情况。例如，Sentinel-2影像显示OpenAI Stargate在2025年6月至2025年12月间完成了土地清理、主建筑施工和屋顶完工阶段，卫星图像与航空延时摄影结果高度吻合（Frontier方法论，2026）。

在模型推算方面，团队建立了冷却功率模型和计算能力估算模型。冷却功率模型通过分析冷却塔数量、风扇尺寸及占地面积，结合PUE（Power Usage Effectiveness）估算设施总功率。计算能力模型则基于GPU数量及类型、服务器架构和IT负载，推算理论计算能力（FLOP/s）。例如，xAI Colossus 2据推算配备约11万块NVIDIA GB200 GPU，总功率约276兆瓦，理论计算能力达到1.4吉瓦；Meta“普罗米修斯”数据中心的功率和计算能力也在类似范围（Frontier方法论，2026）。模型估算误差通常在1到两倍之间，提供了可参考的指标范围。

能耗与资本投入

大型AI数据中心的能耗极高。以Meta俄亥俄州数据中心为例，总功率约691兆瓦，折算全年电力消耗相当于一个中等城市的用电量。为了满足计算需求，这些设施普遍采用多层冷却系统，包括冷却塔、水冷系统以及辅助天然气发电机，以保障能源供应的连续性（高尔特，2026）。

资本成本同样巨大。Epoch AI采用每瓦成本模型估算建设投资，其中包括IT硬件、建筑及土地费用。每吉瓦设施总投资约为440亿美元，其中IT硬件约占总成本三分之二。以OpenAI Stargate为例，建设成本估算在139至190兆瓦范围内，最终确定147兆瓦为最一致值。通过对多来源数据交叉验证，估算结果的可靠性大幅提升（Frontier方法论，2026）。

这些数据表明，AI技术的发展不仅依赖计算能力，更需要巨额资本和稳定能源供应。大型科技公司在美国选址建设数据中心，正是在能源、资本和技术综合考量下的结果。

覆盖范围与局限性

尽管Epoch AI的地图覆盖了美国主要AI数据中心，但仍存在局限。部分设施刻意隐蔽，或小型数据中心（<100兆瓦）难以被发现，导致整体数据中心数量可能被低估。不同州和地方的法律差异，也使许可文件和建筑信息不完全公开。截至2025年11月，这些设施约占全球AI计算能力的15%（高尔特，2026；Frontier方法论，2026）。

此外，数据中心的实际计算负载、功耗波动和未来扩建计划具有高度不确定性。虽然卫星影像和许可文件提供了物理规模与潜在能力，但无法完全反映实时运算强度及企业商业决策对运算需求的调整。

结论与展望

通过结合开源数据、卫星影像、许可文件及公司公告，Epoch AI建立了可视化的交互式地图，为公众提供了对美国AI基础设施的前所未有洞察（霍拉姆，2026）。研究显示，AI技术发展背后有巨大的资源消耗和资本投入，同时也揭示了能源利用效率、基础设施分布和计算能力布局的战略逻辑。

未来，随着全球AI数据中心的扩张，类似的开源追踪方法可能成为监管、研究和公众监督的重要工具。对能源政策、城市规划和环境评估也具有潜在影响。同时，如何准确把握实际计算负载、实时功耗以及设施扩建情况，将成为研究者和政策制定者面临的持续挑战。Epoch AI的研究为理解AI基础设施的规模与战略布局提供了基础，也为进一步的全球AI基础设施监测和政策分析奠定了框架。

附：阿里巴巴张北数据中心的进展

在EPOCH AI的前沿数据中心，其利用卫星和许可证数据，建立了大型人工智能数据中心的开放数据库，以跟踪计算、电力使用和建设时间表。目前全球17个AI数据中心中，有一个是中国的张北数据中心。

参考资源

1. Gault, M.Researchers Are Hunting America for Hidden Datacenters. 404 Media, Jan 1, 2026. Available online: https://www.404media.co/researchers-are-hunting-america-for-hidden-datacenters/
2. Khollam, A.Hidden in Plain Sight: Open‑Source Maps Track America’s Power‑Hungry AI Datacenters. Interesting Engineering, Jan 1, 2026. Available online: https://interestingengineering.com/ai-robotics/mapping-hidden-us-datacenters
3. Epoch AI.Frontier Data Centers. Open dataset and visualization. Available online: https://epoch.ai/data/data-centers，Epoch AI
4. Epoch AI.Frontier Data Centers Documentation. Epoch AI. Available online: https://epoch.ai/data/data-centers-documentation，Epoch AI

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：网空闲话plus 网空闲话《美国人工智能数据中心追踪》