
全球最大数据中心计划建在北极圈内:能源成本低
据外媒报道,打造全球最大数据中心的计划现在公布了。
这个数据中心将位于挪威小城巴朗恩。该小城位于北极圈内。
负责这个项目的公司Kolos称,当地寒冷的空气和丰富的水电将有助于它保持较低的能源成本。
但是,这个地区的患病率是该国最高的,这可能与这里曾是采矿区有关。
该公司称,它已从挪威私人投资者那里筹集了“数百万美元资金”用于开发这个项目。它还与一家美国投资银行合作,确保剩余的资金得到保障。
这个数据中心的电脑服务器将需要大量的电能才能运转。
Kolos公司估计,在刚开始,这个数据中心大概需要7000万瓦特的电能。
但是,在开始运营后的十年内,该公司将会继续增加电脑服务器的数量,届时需要的电能可能会超过10亿瓦特。
据推测,亚马逊位于美国弗吉尼亚州阿什本的数据处理部门需要大约10亿瓦特的电能。但是,它的服务器是分散在该地区各处的,而不是集中放在同一个地方。
社交网络Facebook从2013年开始在瑞典律勒欧运营它的大型数据中心。这个地方距离挪威小城巴朗恩有大约385千米。但是,它的用电量只有1.2亿瓦特。
其他单个大型数据中心的用电量往往不到2亿瓦特。
廉价的能源
在完工后,这个数据中心将会覆盖60万平方米面积,高达四层。
这个数据中心的规模要比当前最大的数据中心——中国廊坊的数据中心——还大。但是,它可能略小于内华达州尚在建设中的一个数据中心。
最近,欧盟和挪威政府投资建造了很多大型水坝,用于建造水力发电项目。附近还有几个风力发电站。
“在欧洲,这是能耗最低的。100%的能源都是可再生能源。”Kolos公司的联合CEO马克-罗宾森(Mark Robinson)说。
“这是地球上非常寒冷的地方,空气湿度刚刚好,我们不必人工降温就可以降低服务器的温度。”他补充说,“这里有取之不尽用之不竭的清洁的、冰凉的淡水资源。附近还有一所大学,每年有大约200个科技专业的大学生毕业。我们可以从这所学校招聘人才。”
当被问及这里的患病率时,罗宾森承认,他并不清楚这里的环境状况。
但是,他指出,在当地建造数据中心可以改善这种状况。
Kolos公司称,它已得到了当地五个镇长的支持。挪威的气候和环境部长维达尔-海尔格森(Vidar Helgesen)还将会参加该公司在本周晚些时候举行的公开会议。
“我们希望看到更多项目落地,我支持这个项目,就像我支持其他任何项目一样。”海尔格森说,“我们不会让他们相互竞争,然后从中挑选胜出者。我们降低了关税,欢迎他们在挪威建造数据中心。我们非常欢迎这个项目。”
主流云基础架构服务提供商,包括亚马逊、微软和谷歌(微博),近些年都在搞降价促销活动,这让其他数据中心运营商感到压力很大。
市场研究公司Gartner称,这意味着数据中心运营商需要规模化发展来降低成本,才能保持竞争力。
“建造数据中心的风险就是:很多运营商匆匆上马项目,结果其数据处理能力往往会超过市场的需求。”Gartner公司的研究主管戴维-格伦布里奇(David Groombridge)说。
“但是,就数据中心而言,消费者驱动的需求很难会减少。随着物联网的出现,数百万个感应器产生的庞大数据都需要进行处理。因此,除非有革命性的新技术出现,否则我们仍然需要数据中心提供的数据处理服务。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09