把服务器沉到海底,这事儿是认真的

marsbit發佈於 2026-05-20更新於 2026-05-20

文章摘要

总投资16亿元、全球首个海风直连海底数据中心已在上海临港东海海域投入运行。该项目将2000多台服务器置于海底10米深处,利用海水自然冷却和海上风电直供,实现PUE低至1.15(远优于全国平均1.48),绿电使用率超95%,每年可节电约6100万度,并节省大量淡水和土地。 数据中心的核心挑战是供电和散热。随着AI算力需求激增,传统数据中心能耗问题日益突出。海底方案利用海水恒温(约15℃)和强流动性高效散热,同时毗邻海上风电场获取廉价绿电,有效解决了东部沿海城市算力需求旺盛但土地、能耗紧张的矛盾。 该技术路线经历长期验证。微软早年实验证实海底服务器故障率反而更低。中国企业在此基础上推进商业化:海南项目验证了海底冷却的可行性,而上海项目进一步将数据中心与海上风电场直接结合,复用基础设施,显著降低成本。 长远来看,海底数据中心与大型海上风电结合潜力巨大。未来可在风机基座内直接部署服务器,实现“风电即算力”,大幅降低建设和运营成本。这不仅为算力行业提供了绿色、经济的解决方案,也推动了新能源的高效就地消纳。中国凭借全球领先的海上风电产业,有望在此领域率先取得突破。

“总投资16亿元、PUE低至1.15、绿电直供超过95%、年省电6100万度。上海临港东海海域,全球首个海风直连海底数据中心投入运行。”

2026年,大家用AI用得很开心,但做算力中心的人已经快忙疯了。算力需求涨得太猛,散热和供电跟不上,行业已经到了拼想象力的阶段。前段时间还有人提太空算力的概念,把数据中心发射到外太空去。然后现在,真的有人往海里扔服务器了。

这不是在跟你介绍某个未来的概念。是已经扔了,投了16个亿,往海里一扔就是2000多台服务器。就在上海临港,小洋山以东的东海海域,一座海上平台下面10米深的水里,192个机柜塞在一个四层的水下机房里,不间断地跑着算力。整个东西加起来1950吨,差不多相当于1300辆家用轿车的重量。旁边500米就是50多座风机,风电直接接进来,绿电供给率超过95%。

先看几个数据。PUE(数据中心能效指标,越接近1越好):这个海底数据中心是1.15(这个数字很厉害,后面我们再来详细介绍),全国平均1.48。淡水消耗:零。占地面积:200平方米,陆地上同规模要2000平方米。全规模运行后年省电6100万度。

也就是说,把服务器泡进海里,不但没泡坏,还比放在陆地上省电、省水、省地、故障率还低。

前两天央视播了这条新闻,看完之后我去扒了扒背后的东西,发现这件事比新闻里说的有意思得多。

往前看,这是一条探索和验证了好多年的路线。反复验证,才最终确保能安全地把算力扔进水里。往未来看,算力中心和绿色能源这两个大事业,恰好在这条路线上交汇到了一起,一盘大棋,走出了关键的一步。

值得从头讲讲。

01:为啥非要把服务器沉到海里

数据中心这个东西,说复杂也复杂,说简单也简单。往简单了说,它要解决的核心问题就两个:供电和散热。

服务器要用电,这谁都知道,但很多人不知道的是,给服务器散热用的电,可能跟服务器本身耗的电差不多。

行业里有一个衡量数据中心能效的核心指标,叫PUE,Power Usage Effectiveness。算法也很直观:整个数据中心总共用了多少电,除以IT设备(服务器、存储、网络)用了多少电。如果PUE是2,意思就是服务器烧1度电干活,空调和其他配套设施再烧1度电帮它散热和维持运转。

理想状态下PUE应该是1,也就是所有的电都拿来算数,一度都不浪费在散热上。但实际上永远达不到1,只能无限接近。

全国数据中心的平均PUE大概在1.48。换句话说,全中国的数据中心,差不多每烧3度电,有1度是给空调用的。

2024年全球数据中心用电大约415太瓦时,占全球总用电的1.5%。IEA(国际能源署)预测,到2030年这个数字会翻一倍多,到945太瓦时。这还只是传统数据中心的能耗,AI来了以后,事情变得更夸张了。

原来一台标准的CPU服务器,功耗大概300瓦。换成GPU服务器跑AI训练,同样一台机器的功耗可能到3000瓦,超出十倍。IEA的报告里说,AI专用服务器的用电量预计每年增长30%。

一位在数据中心行业干了20年的人跟我说了一个很直观的画面:一栋写字楼,楼顶的空调室外机给整栋楼用是够的,但你要是把这栋楼改成数据中心,散热要求会指数级提升,空调和供电设备占的面积甚至可以比服务器大,到时候楼顶加楼下的广场摆满空调外机,可能都不够把热量散出去。

所以全世界的数据中心行业,这些年一直在琢磨同一件事:怎么找到更便宜的冷源。大家的答案出奇一致:找自然要。

以前Facebook试过把数据中心往北美高纬度地区建,越靠近北极圈越好,天然气温低。前几年腾讯把数据中心建到了贵州的山洞里,山洞里常年恒温。在这件事情上,大厂选址的第一标准不是交通、不是人才,是哪儿凉快。

中国的"东数西算"工程也是同一个逻辑:把数据中心建到内蒙、贵州、甘肃这些地方去。西部有电,煤电便宜,新能源也多;天气冷,像乌兰察布这种地方一年大部分时间零下,自然散热能力强。八大算力枢纽、十个数据中心集群,本质就是追着便宜的电和免费的冷往西跑。

东部城市怎么办?

上海、深圳、北京这些地方,恰恰是算力需求最旺盛的地方。金融交易、AI推理、跨境数据处理,很多业务对延迟非常敏感,数据不能一直要绕到两千公里外的贵州山洞里算一遍再传回来。但这些城市偏偏土地最贵、能耗指标卡得最死、夏天还热得要命。

所以才是海。

海水年均温度只有15摄氏度左右,流动性极强,散热能力是湖水的几十倍。而且海上风电正在大规模建设,电就在旁边。冷源和电源,数据中心最需要的两样东西,海上同时给你了。

把服务器沉到海里,从逻辑上讲,其实是最自然的答案。

02:算力入海这件事,拢共分几步

把数据中心放到海底,这个想法不是中国人先想到的。

2015年,微软启动了一个叫Project Natick(纳蒂克)的项目。第一次试验,思路也挺朴素的:先扔一台下去看看会不会坏,他们把一个直径约2.4米的圆柱形密封舱沉到了太平洋海底,里面装着服务器,跑了105天,看看服务器泡在海里到底行不行。

结论是行。

2018年,微软来了第二轮,正式部署。在苏格兰奥克尼群岛海域,把一个装有864台服务器的密封容器沉到了北海海底约35米深处。用当地潮汐能和风能供电,海水自然冷却,然后就不管了。

两年后,2020年,微软把这个东西从海底捞了上来,打开一看,数据很惊人。

800多台海底服务器里,只有6台出了故障,故障率大概0.7%。同时微软在陆地上放了一组对照组,135台服务器,同样跑两年,坏了8台,故障率接近6%。海底的故障率大约是陆地的八分之一。

这是一个反常识的结果。微软的解释是,密封舱里充的是干燥氮气,没有氧气、没有水汽、没有灰尘、没有人进出带来的振动和温度波动。服务器在一个几乎无菌的环境里运行,硬件老化速度大大降低。

没人碰、没人看、没灰尘、没人开门进来晃一下,反倒什么事都没有,一个完全没有人类的地方大概是服务器最理想的工作环境。

微软的实验证明了一件事:海底冷却靠谱。接下来的事,是中国人干的。

2020年,海兰信,一家做海洋装备的国内上市公司,收购了一个加拿大深海装备团队。这个团队曾经参与过微软Natick项目的工程工作,更重要的是,他们在深海领域积累了20多年的经验。那套靠经验积累出来的know-how很重要:什么地方长什么微生物、哪个海域有什么样的水流和地质条件、怎么设计接头才能在水下撑20年不出问题。

有了这个技术基础,第一个商业化海底数据中心在海南落了地。

选址在海南陵水清水湾,离岸约3公里,水深40米。设计思路是把一个密封罐体沉到海底,通过海底电缆连接岸上的控制站,用海水自然冷却,2022年投入试运行。

跑了三四年多,几个核心数据出来了。PUE不到1.2,远好于全国平均的1.48,制冷能耗省了90%以上,意味着每年节省约300万千瓦时电,节约淡水约1.5万吨,岸上部分站占地只有400到500平方米,大约是同体量陆地数据中心的五分之一。

听起来像是把数据中心搬到海底就万事大吉了,远远不是。

海南这一代,冷源解决了,成本也验证了,但电源还是短板。海南的电网主要靠火电,超过70%。海底数据中心用的是岸上的市电,一根海底电缆拉过去,光电缆就花了千万级的投入。日常运营成本确实低,但把建设期的重资产投入算进去,经济性并不是很好,而且火电供电,长远来看,还不够绿色。

怎么同时搞定冷源和电源。于是下一步,就到了上海。

上海的项目是完全不同的思路:选址在临港小洋山以东的海域,距离一座已有的200兆瓦海上风电场只有500米,风电通过海底电缆直接接入数据中心,不经过陆地电网,用的全是真·绿电。冷源和电源,终于同时解决了。

关键的变化在成本结构。海南那一代需要自己建岸站、铺电缆、拉网络,这些基础设施占了总投资的很大比例。上海这一代,岸站、电缆、网络、甚至部分电气设备,风电场那边本来就有,直接复用,光这一块,投资就降了百分之几十。

这件事之所以走了这么久,更大的难度在技术之外,因为这是一个几乎没有人干过的事情,连很多标准都是需要从头论证的。

先说环保。一个不太多人知道的事实是,在海里搞工程,环保标准比陆地高得多。

你在海底放一个持续发热的东西,散热散得好那叫制冷,散不好那就是一个热得快。之前就有人尝试过用湖水给数据中心散热,把湖里的冷水抽上来降温,再排回去。结果湖水温度升高,倒还好没煮成鱼汤,但鱼的生长速度明显加快了,生态平衡被打破了,环保不合格。

海里的标准更严格。从业者告诉我们,在这个细节上,环保要求数据中心周边(差不多是1米)海域水温变化不能超过0.1摄氏度0.1度,这个精度已经很苛刻了,但光达标不够,你还得有持续监测的能力,有应对极端情况的预案,这些能力不是谁都有的。

做这个项目的海兰云,是海洋领域上市公司海兰信的子公司。母公司在海洋科技领域深耕多年,做过海洋观测、海底装备、海上通信这些事情。换一家没有海洋工程背景的公司来,光环保这一关可能就卡住了。

再说服务器端,愿意把昂贵的服务器扔到水里去的,得是真信任这个方案。这些设备可不便宜,泡坏了那是真心疼。而且这种项目天然要求硬件各个环节都足够靠谱,别想着三天两头能派个人下去换几张卡,很麻烦。

各种原因加在一起,这个项目最终集齐了链条上各个领域的大公司,比如运营着风电场的申能,华东能源领域的大哥;上海仪电,老牌工业集团,在这里头负责服务器;通信由上海电信负责,这就不必多解释了。总的来说,海洋工程的、能源供给的、算力运营的、服务器制造的集结于此,一个环节掉链子,整件事就走不通。

03:风+电,想象空间有多大?

往长远看,上海这个项目甚至也只是一个开头,真正让人觉得这条路线有大想象空间的,是接下来和远海大型风电场的结合。

上海正在规划一座深远海海上风电场,总容量4300兆瓦。上海目前一个中大型数据中心的规模大概在20兆瓦左右,也就是说,这一个风电场的发电能力,理论上可以供200多个中大型数据中心。

当然不全拿来供数据中心,但有人算过一个比较稳妥的比例:取风电场最大发电能力的15%左右,就足够供给一个大规模的海上算力集群。15%是什么意思?就是哪怕只有最少的风机在转,这部分电力也是稳定的,不用加储能,不用担心波动,是最好的电。

按这个比例算,4300兆瓦的15%就是大约600兆瓦。600兆瓦的算力中心,放在海上,用绿电直供,海水自然冷却。

这里有一个很重要的经济账:远海风电场离岸一百多公里,电从海上传到陆地,传输损耗超过10%。但算力不需要传电,你在海上把电直接变成算力,算完的结果通过光纤传回来,几乎没有传输损耗。电的损耗是10%以上,数据的损耗几乎为零,同样是从海上送东西回来,送比特比送电子划算多了。

更远一步想。海上风机的基座叫塔筒,就是那根插在海底的大柱子。现在的海上风机越做越大,一台风机的功率从陆地上的两三兆瓦做到了海上的12到20兆瓦。风筒的直径也跟着涨,现在大概在18到20米。

18到20米直径的柱子,里面是空的,空间不小,但以前没人想过这里面能干什么。

如果在建风电场的时候,直接在里面预留空间放服务器呢?不用另外建结构,不用另外铺电缆,风电场的供电设施、海底电缆、网络连接,本来就有,相当于在盖房子的时候顺手把机房做进去了。

按这个思路算,综合建设成本比陆地降几成,这还没算电价,如果远海就地消纳的电价能谈到三四毛钱一度,那整体运营成本还能再降一截。

一台风机,上面转叶片发电,下面的柱子里跑着服务器。一座座散布在海面上的风机,每一根都是一个小型的算力工厂,不用市电、不用淡水、不需要人值守。完美。

这听起来像科幻,但底层逻辑每一步都站得住。走到这里,你会发现能源和算力这两个大事业,环环相扣地咬合到了一起。风电需要就地消纳来提升经济性,算力需要便宜的绿电和免费的冷源,两件事原本各走各的路,在海上交汇了

中国干这件事有一个很大的底气:海上风电。中国有全球最大的海上风电装机规模、最低的发电成本、最成熟的建造供应链。把算力中心和海上风电捆在一起这件事,如果有人能先跑出来,大概率是在中国。

东数西算往西走,追的是煤和冷,现在有人开始往东走了,追的是风和海。两条路线,解的是同一道题:让算力用上最便宜的电、最免费的冷。

本文来自微信公众号“酷玩实验室”,作者:酷玩实验室

相關問答

Q为什么要把数据中心沉到海底?

A主要是为了同时解决供电和散热两大核心问题。海水年均温度约15℃,流动性强,是天然的免费冷源;同时海上风电可以提供绿色电力,实现了“冷源和电源”的双重优势。这相比陆上数据中心能显著降低能耗、节省淡水和土地,并提升可靠性。

Q海底数据中心的能效PUE是多少?相比全国平均水平有何优势?

A上海临港东海海域的海底数据中心PUE为1.15(越接近1越好)。全国数据中心的平均PUE约为1.48。这意味着海底数据中心将用于散热的辅助能耗降到了极低水平,能效表现远优于陆地平均水平。

Q微软的Project Natick项目得出了什么重要结论?

A微软的实验证明,海底服务器运行是可行且可靠的。其关键发现是:在充满干燥氮气的密封舱内,服务器故障率极低(约0.7%),仅为陆地对照组故障率(约6%)的八分之一。这得益于海底环境无氧气、水汽、灰尘和人为干扰,能极大减缓硬件老化。

Q上海临港的海底数据中心项目,与海南陵水的项目相比,最大的突破是什么?

A最大的突破在于**同时解决了冷源和绿色电源**。海南项目验证了海水冷却的可行性,但仍需依赖岸上火电。上海项目选址在海上风电场附近(仅500米),实现了风电直供,绿电供给率超95%,并且通过复用风电场基础设施(如电缆、网络)显著降低了建设成本。

Q文章提到未来海底数据中心与远海风电结合的想象空间有多大?具体有哪些设想?

A想象空间巨大,核心是将算力中心与远海风电场深度结合。具体设想包括:1. **就地消纳电力**:用远海风电直接驱动海上算力集群,避免电力长距离传输的损耗(超10%)。2. **一体化建设**:利用未来大型海上风机(塔筒直径可达18-20米)的巨大空腔,在建造风机时直接内置服务器模块,形成“上发电、下算力”的集成单元,无需额外建设主体结构和电力设施,能大幅降低成本。

你可能也喜歡

阿里“上货”,字节“练功”

5月最后一周,阿里和字节的两项动作展现了中国大厂在AI领域的两种不同战略路径。 阿里正将AI快速“上货”落地。5月11日,千问App与淘宝全面打通,接入40亿商品库和20年购物场景数据。随后在阿里云峰会上,吴泳铭宣布升级全栈能力,并计划未来五年资本开支远超过去三年。阿里的核心策略是将AI深度融入现有商业场景,如蚂蚁的AI支付用户数破亿、淘宝的AI比价等,并推动“智能体商业信任协议”作为信任基础设施。其商业模式依赖AI服务变现,阿里云外部收入增长40%,服务器“几乎没有一张卡是空的”。然而,这种路径可能以基础模型能力的长期领先性为代价。 字节则选择在Seed部门潜心“练功”,聚焦探索AI智能上限。其视频生成模型Seedance 2.0在权威评测中登顶,获业界高度评价。部门内部目标纯粹,如设定“国际榜单进前三”的KPI,并投入8个月撰写纯学术论文。字节计划大幅增加资本开支,最高或达4700亿元,资金来源于其巨额利润,且因其未上市,无需承受短期业绩压力,得以专注于长期技术突破。但商业化压力已初现,豆包开始测试付费和广告。 文章指出,两种路径差异的根本原因在于公司是否上市。阿里作为上市公司,必须关注季度财报和股价,战略倾向于快速变现;字节作为非上市公司,则拥有更大的自由去进行长期、前沿的技术投资。这决定了当前中国AI领域“卖AI”与“做AI”的格局分野。未来若字节启动IPO,其长期研发投入或将面临资本市场的考验。

marsbit1 小時前

阿里“上货”,字节“练功”

marsbit1 小時前

Circle 将 Zama 协议地址列入黑名单,冻结价值 1260 万美元的用户资金 - 详情

稳定币发行商Circle已将一个与隐私协议Zama相关的智能合约列入黑名单,冻结了约1260万美元的用户资金。此次冻结首先由链上调查员ZachXBT发现,涉及Zama在以太坊上部署的保密USDC(cUSDC)合约。该合约地址在Zama的公开文档中可查,其冻结过程可被实时追踪和验证。 进一步分析显示,此次冻结可能与资产管理和收益协议Overnight Finance近期的争议及法律问题间接相关。数据显示,一个疑似与Overnight Finance相关的钱包于2026年5月11日向Zama合约存入约1240万美元USDC。Overnight Finance近期正面临治理纠纷和可能被团队“拉地毯”的指控,并因此进行了国库资产分配投票。此外,该公司还卷入一起民事诉讼,原告之一是DeFi领域以激进治理策略闻名的Patagon Management。尽管Circle的行动与这些事件之间尚无直接因果证据,但法律程序、资金流动与冻结事件的重叠,引发了人们对DeFi协议间风险传导的担忧。 Circle此次单方面行动再次引发对中心化发行商透明度的批评。据ZachXBT称,Zama团队在合约被列入黑名单前似乎未获任何通知。这加剧了人们对中心化实体在无预警情况下影响去中心化应用及其用户的担忧。此前在2026年3月,Circle曾冻结多个实体相关的热钱包而未公开说明理由。本次行动则更进一步,直接冻结了协议级别的资金池合约,而非独立钱包,这引发了人们对所谓去中心化系统中托管风险的质疑。截至目前,Circle尚未就冻结Zama合约的原因发布官方解释。

bitcoinist1 小時前

Circle 将 Zama 协议地址列入黑名单,冻结价值 1260 万美元的用户资金 - 详情

bitcoinist1 小時前

三年之后:回看 2023 年我对 ChatGPT 的判断

作者王健硕在2026年5月回看其于2023年3月对ChatGPT做出的二十条预测,并借助AI代理进行验证。整体看,其大方向判断多正确,但细节和程度常有偏差。 **看对的方面:** - **技术架构**:准确预测RAG(检索增强生成)将成为解决知识更新和幻觉的主流方法,以及LUI(自然语言用户界面)将催生巨大新产业。 - **发展趋势**:预见到“机器人网络”和新的agent寻址系统将出现,中国能快速做出可用大模型并缩小与顶尖差距。 - **本质认知**:正确指出ChatGPT没有意识,图灵测试仅测表象;判断其是巨大进步但非AGI,且短期内不会造成整体失业潮。 **看错或看偏的方面:** - **具体数据错误**:关于GPT-4有100T参数的传闻完全错误。 - **绝对化判断**:断言LLM“不可能”自己学好数学被后来模型在IMO夺金证伪;认为AI生成内容可“规避”版权,实则引发史上最大侵权赔偿。 - **价值与成本误判**:认为价值终落应用层,但最大赢家是算力层(如英伟达);模型成本“5-10亿封顶”的估算严重偏离实际。 - **社会影响误读**:认为ChatGPT的“加权平均”特性可能促进“世界大同”,但实际AI正走向个性化,并可能制造新信息茧房。 **总结规律:** 1. 预测机制和方向比具体数字更可靠。 2. 倾向于高估短期变化速度,低估长期影响程度。 3. 容易忽略问题内部的“分布”差异(如失业影响集中在年轻群体)。 4. 留有餘地、分层表述的判断更经得起时间检验。 5. 一些根本性争议,三年时间仍不足以给出定论。 这次复盘旨在为未来的判断立下更审慎的规矩。

marsbit9 小時前

三年之后:回看 2023 年我对 ChatGPT 的判断

marsbit9 小時前

交易

現貨
合約
活动图片