舊金山新創 SPAN 宣布推出「分散式資料中心」方案 XFRA，計畫將搭載 Nvidia RTX Pro 6000 Blackwell GPU 的液冷節點安裝於美國住宅旁，以補貼電費與網路作為回饋。
（前情提要：GPU算力短缺重演：OpenAI、Anthropic等大廠吃掉供給，AI新創排到年底）
（背景補充：放棄千萬美金期權離職，Riot 高層跑路揭開礦企轉型 AI 算力戰痛點）
本文目錄
- 算力從集中走向分散，背後是土地與水資源的壓力
- 成本試算：同等算力，五分之一的錢
- XFRA 擴充目標
- 分散式算力的隱憂：效率、安全與監管
資料中心不一定要建在郊區荒地上？舊金山新創公司 SPAN 給出了另一種答案：把它分拆成數萬個小盒子，裝進美國住宅的院子或車道旁。
這個方案叫 XFRA，本質是一種液冷邊緣運算節點（edge compute node），內建 Nvidia RTX Pro 6000 Blackwell Server Edition GPU。安裝它的屋主，可以換到補貼電費與高速網路，外加一組備用電池。
SPAN 已完成初步試點，預計今年啟動 100 戶規模的試驗。
算力從集中走向分散，背後是土地與水資源的壓力
傳統大型資料中心的建設邏輯很清楚：規模越大，單位算力成本越低。但這套邏輯正在遭遇幾道硬牆。
首先是土地。一座 100 MW 資料中心需要數十公頃土地，且必須靠近穩定電力來源。美國多個州已出現社群居民反對資料中心進駐的聲浪，理由包括噪音、電費上漲、用水量過大。
其次是水。資料中心普遍使用蒸發冷卻系統，一座中型設施一天可消耗數百萬公升的水，在乾旱地區尤其引發爭議。
最後是時間。從選址、審批到基礎設施施工，一座新資料中心往往需要三至五年才能上線，而 AI 算力需求根本等不了這麼久。
SPAN 的方案試圖繞開這三道牆。XFRA 節點安裝在住宅旁，不需要獨立用地；液冷系統比風冷效率更高，且不依賴大量水源；節點可以隨住宅建設同步部署，擴充套件速度理論上遠快於傳統資料中心。
成本試算：同等算力，五分之一的錢
數字是 SPAN 方案最有力的說辭。
根據公司接受 CNBC 訪談中的說法，部署 8,000 個 XFRA 節點的成本，僅相當於興建一座提供同等算力的 100 MW 傳統資料中心費用的五分之一。
節點本身搭載 Nvidia RTX Pro 6000 Blackwell，這是 Nvidia 專為伺服器工作負載設計的專業顯示卡，支援大規模平行運算，適合 AI 推論任務。液冷設計則讓噪音壓在住宅可接受的範圍內。
XFRA 擴充目標
SPAN 的擴充套件計畫相當激進：2027 年起將 XFRA 節點規模推進至 8 萬個，在美國境內建立超過 1 GW 的分散式算力網路。1 GW 是什麼概念？約等於一座中型核電廠的輸出功率。
不過，SPAN 也清楚界定了這套網路的適用邊界。XFRA 瞄準的是 AI 推論（inference）、雲端遊戲與內容串流，而非 AI 模型訓練。訓練大型語言模型需要數千張 H100 或 B200 等高階 GPU 長時間協同運作，那是 Google、Microsoft 等超大規模雲端業者的領域。
XFRA 填補的是「訓練之後」的算力需求：把訓練好的模型拿來跑，回應真實世界的請求。
分散式算力的隱憂：效率、安全與監管
當然，這套模式並非沒有挑戰。
第一是網路穩定性。分散在住宅區的節點，面對的是消費級網路環境，頻寬與延遲的一致性遠不如資料中心的骨幹網路。對於部分需要低延遲的 AI 推論應用，這是明確的技術瓶頸。
第二是資安。企業級資料在住宅旁邊的節點上處理，涉及的物理安全、資料主權與合規要求都比傳統資料中心複雜。SPAN 尚未公開說明如何應對這些風險。
第三是屋主參與意願的持續性。補貼電費與網路是有吸引力的誘因，但若節點出現故障、噪音超出預期，或補貼條件改變，退出機制是否足夠清楚，將直接影響整個網路的可靠性。
這類分散式算力方案，邏輯上的吸引力毋庸置疑。但從試點到 8 萬節點之間，有一段很長的路。算力的戰爭，從來不只是技術問題，也是一場部署速度、資本結構與屋主信任的三方賭局。誰能在這三者之間找到平衡，才算真的勝出。
📍相關報導📍
Core Scientific財報Q1虧虧3.47億鎂，出清2385枚BTC籌資AI資料中心
清倉輝達狂買燃料電池：24歲天才操盤手55億美元AI基金邏輯
被OpenAI開除的25歲研究員，一年把2.25億投成55億美元
黃仁勳發全員信擁抱 OpenAI Codex：1 萬多名 NVIDIA 員工已上手，GPT-5.5 跑在 GB200 上
加州大學研究「AI 腦霧」現象：14% 上班族被Agent、自動化搞瘋，離職意願高四成
