随着AI行业向吉瓦级园区迈进，企业自营数据中心仍然是数字基础设施中一个关键且常被忽视的引擎。在与Partners National Mission Critical总裁Kirk Killian的对话中，我们探讨了为什么AI推理、混合云策略、可靠性要求和灵活的基础设施设计可能使企业部署成为AI应用下一阶段的决定性故事之一。

超大规模园区可能主导着AI基础设施的讨论，但AI应用的下一主要阶段可能在一个更广泛且更分散的领域展开：企业数据中心。

这是最新一期Data Center Frontier Show的核心主题，嘉宾是Partners National Mission Critical Facilities总裁Kirk Killian。在与DCF主编Matt Vincent的对话中，Killian认为，虽然行业的注意力理所当然地集中在100MW、200MW和300MW AI园区上，但企业数据中心仍然是数字基础设施市场中最重要的——也是最被低估的——细分市场之一。

Killian说：“企业数据中心，即使是新建的，也往往远小于新的超大规模部署。企业部署四分之一MW、1MW或2MW，最多到10MW，这并不罕见。而超大规模企业正在部署40MW到300MW的设施。”

但规模本身并不能说明全部情况。

Killian指出，对于大约20个占据头条的超大规模用户中的每一个，可能有50到100倍数量的大型和中型企业用户。这些公司运行关键业务系统，采购硬件、软件、电信和服务，雇佣大型数据中心团队，并且通常在境内、边缘、EMEA和亚太地区拥有多个设施。

换句话说，企业需求在单体规模上可能更小，但总体上仍然庞大。随着AI从训练转向推理，企业数据中心可能变得具有新的战略意义。

企业AI不是超大规模AI

Killian的核心观点是，企业基础设施需求与超大规模需求有实质性差异。超大规模企业主要针对大规模和上市速度进行优化。相比之下，企业往往优先考虑可靠性、灵活性、与更广泛IT系统的集成以及审计和合规性。

这种差异对开发商和托管服务提供商有重大影响。

Killian说：“真正的行业机会是利用我们从超大规模建设中看到的一些创新和规模经济，以更小的数据中心容量块来交付。”

这可能意味着将40MW或100MW园区的经验应用于2MW、4MW或8MW的企业级部署。Killian指出DataBank和Flexential等提供商是在较小企业增量中交付超大规模效率的范例。他还指出，QTS和其他大型园区开发商可能会在多建筑园区中为多个企业用户预留部分空间，即使其他建筑租给超大规模客户。

从这个意义上说，企业市场正在成为一个“零散部分”的市场——大型开发项目内剩余的4MW、8MW或12MW增量。

这听起来可能次要，但对开发商来说可能非常有吸引力。企业通常带来投资级信用评级、长期需求和复杂的运营要求。它们可能不会以超大规模的速度推进，但它们仍然是宝贵的客户。

为什么推理可能将工作负载拉回受控基础设施

对企业而言，最重要的AI区别可能是训练和推理之间的区别。

Killian说，企业通常愿意将大部分AI训练外包，特别是当速度至关重要且过程不需要大量使用敏感企业数据时。推理则不同。

随着AI应用投入生产，它们将越来越多地涉及客户记录、商业机密、运营数据、研究数据和其他高价值企业信息。Killian说这产生了不同的风险状况。

他说：“我认为随着我们看到向规模化AI推理的转变，规模化推理将需要大量非常有价值的企业数据。”

这可能使企业更不愿意依赖尚未赢得与既有企业IT提供商、云平台或托管合作伙伴同等信任水平的新兴AI基础设施公司。尤其是对受监管行业而言，安全性、控制力、合规性和延迟可能将更多推理工作负载推向本地环境、私有托管空间或严格控制下的云架构。

Killian引用了一份行业报告，该报告指出，未来几年AI推理所需的计算能力可能是AI训练的八倍。如果这个方向性判断是正确的，那么企业AI基础设施的故事可能不是大规模迁移到超大规模园区，而更多是一个精心管理的混合模式。

训练可能外包出去。推理可能向企业靠拢。

密度在上升，但企业的现实仍然是异构的

行业现在充斥着关于100kW、200kW乃至MW级机架架构的讨论。Killian警告说，这还不是企业的平均现实。

企业通常运行异构环境，在同一数据中心内部署多种类型和年代的硬件。与可能用几乎相同的计算和存储平台填满8MW机房的超大规模企业不同，企业通常运行混合工作负载、混合密度和混合更新周期。

尽管如此，企业机柜密度正在迅速上升。

Killian引用了AFCOM的数据，显示平均机柜密度从三年前的12kW，到两年前的16kW，再到去年的27kW。对于2026年和2027年初当前及近期的企业部署，他说许多客户正计划每机柜20kW至30kW。

这与疫情前常见的8kW至10kW企业标准相比是一个显著的飞跃。但仍远低于密度最高的超大规模AI部署。

Killian说，更有趣的模式是在同一企业机房内的混合密度。一个企业可能计划平均每机柜25kW，同时要求一个6至20个机柜的节点能够支持50kW、70kW或100kW。

这创造了一个新的设计挑战：企业设施必须支持传统IT、不断上升的密度和有针对性的高密度AI节点，而不必将整个部署推向超大规模AI设计模式。

可靠性仍然享有溢价

企业客户仍然高度关注成本，但Killian表示，他们通常愿意为每MW多支付5%至10%，以确保更高的可靠性和冗余度。

原因很简单：企业数据中心与业务运营、合规义务和面向客户的系统深度绑定。这些客户需要正常运行时间、连接性、第三方服务、审计工具以及跨硬件类型的灵活性。

这可能导致与超大规模部署不同的基础设施偏好。

Killian指出，一些超大规模企业可能接受9-over-8或11-over-10配置的UPS拓扑，如果这有助于降低成本。相比之下，企业可能更喜欢N+1设计，采用5-over-4或4-over-3 UPS列，因为这些模式更符合其可靠性预期。

成本控制策略也有所不同。超大规模企业可能通过巨大的规模和激进的设计优化来追求成本节约。企业通常通过合同和运营灵活性来寻求成本效益：扩展权、续约权、缩减权、转移或转换权，以及在本地或托管环境中平衡可预测工作负载与公有云突发容量的能力。

这就是企业模式变得更复杂——但也更持久的地方。企业不仅仅是在购买MW。它们购买的是可选性。

液冷：以后需要，现在设计

液冷现在几乎是每个企业数据中心讨论的一部分，即使不是立即需要。

Killian说，许多计划在2026年至2028年间的企业部署仍然可以用风冷处理，特别是在有隔离和规范化气流管理的情况下，大约可达每机柜35kW。但大多数大型企业希望在10年规划期内具备液冷可选性。

这意味着设计设施时，可以在不造成重大中断或过高前期成本的情况下，后续添加液冷。企业可能希望能够在特定高密度节点出现时添加后门热交换器、直接芯片冷却、CDU和二次冷却回路。

Killian说，浸没式冷却在企业客户中尚未获得同样的吸引力。

关键问题是延迟部署。企业不想今天为可能几年内都不需要的基础设施大量支出。能够按需实现液冷可扩展的提供商，可能在企业需求方面处于更有利的位置。

这使得下一代企业级设施的关键不在于第一天就到处部署液冷，而在于创建工作负载需要时能够添加的实际路径。

延迟回到前台

延迟对某些企业行业一直很重要，尤其是金融服务。Killian指出，一些金融机构长期要求在同一城市内拥有两个双活数据中心，延迟低于2ms，并具有足够的业务连续性间隔。

AI推理可能扩大这一要求。

企业推理工作负载通常将与现有企业应用集成。研发、制造业、客户服务、物流或运营中的AI系统可能需要与其他企业系统反复交互。这种频繁的往返可能使延迟成为业务绩效问题，而不仅仅是网络工程问题。

因此，传统数据中心枢纽可能仍然具有吸引力。北弗吉尼亚、达拉斯、芝加哥和伦敦仍然提供许多公司所需的连接性、生态系统深度和企业熟悉度。德克萨斯州和亚特兰大等成本较低的主要市场也可能受益。

但Killian也指出了靠近大型公有云可用区的新兴二级市场，包括俄亥俄州哥伦布、俄勒冈州波特兰和奥斯汀-圣安东尼奥。这些市场可能吸引追求“云加受控”架构的企业，其中公有云和企业控制的基础设施在近距离运行。

他还将迈阿密、上海和马赛等几个国际门户城市确定为企业边缘节点的潜力区域，因为它们是国际海缆登陆和跨境流量的汇集点。

这对AI时代是一个重要观点。企业推理不一定只集中在最大的AI园区。其中一些可能出现在靠近都会区、靠近云服务和靠近海缆的节点上，这些地方是延迟、数据引力与全球连接的交汇处。

混合云正在成熟，而非消失

Killian对云策略的看法不是一个简单的云回迁故事。而是一个混合云成熟的故事。

他引用了一项研究，显示超过70%的企业仍在增加公有云容量。同时，67%正在从公有云中迁回部分应用和数据集，这些公司平均迁回了此前基于云的应用的21%。

这种明显的矛盾是企业IT的现实。

云在灵活性、速度和某些类型的工作负载方面仍然优秀。但它不再被视为所有应用和数据集的通用目的地。Killian说，更成熟的模式是“云加受控”——公有云、本地基础设施和托管的混合，根据具体应用需求来组织。

这种模式对AI推理尤为重要。企业需要根据数据敏感性、延迟、成本、合规性、性能和运营控制来决定每个工作负载的归属。

结果不是放弃云，而是工作负载放置变得更加审慎。

开发商和托管提供商应从中得到什么

对托管提供商和开发商而言，企业AI机会不仅仅是超大规模AI的缩小版。

企业行动更慢。它们更倾向于委员会决策。它们对ROI更谨慎。它们对搁浅资本更敏感。它们想要试验AI，但不想被锁定在假设每个应用都会立即扩展的基础设施决策中。

这意味着灵活性成为核心产品属性。

Killian说，企业客户正在寻找能够高效、可靠且经济地满足当前需求的设施，同时保留以后扩展电力和冷却的能力。这可能包括为未来冷却站、未来电力站或后续容量增加预留土地，而不是事前建设每个元素。

这也意味着在主要都市区有持续开发记录的开发商可能具有优势。企业希望相信随着AI推理的扩展，附近将有更多可用容量，而无需大规模迁移。

企业数据中心市场可能不会在AI时代产生最大的单体园区公告。但它可能决定AI如何在更广泛的经济中实际投入运营。

超大规模基础设施正在建设基础模型。企业基础设施可能决定AI在何处成为商业基础设施。

而这使企业数据中心远不止是一个传统类别。在AI应用的下一个阶段，它可能成为最重要的前沿之一。

（全球储能网、新能源网综合）

                        <tr>
            <td height="120" align="center">
              <table width="90%" align="center" cellpadding="10" cellspacing="0" style="border:1px #FFA980 solid; background: #F4FAFF; margin:5px 0;">
                <tr>
                  <td align="left" class="f14">独家稿件声明：<br />
                    <a href="http://es.china-nengyuan.com">全球储能网</a>(es.china-nengyuan.com)独家稿件，转载请注明出处及译、作者。<br />
                  信息合作请联系：0571-28068187,28068180，违者追究其法律责任。</td>
                </tr>
            </table>
            </td>
          </tr>
                      </table>
                                </td>
    </tr>
  </table></td>
<td width="300" valign="top" bgcolor="#FFFFFF">