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）
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
