AI 的废热，得找个邻居

这篇 BBC 关于 Exmouth 休闲中心的报道 之所以让人印象深刻，其实是规模。一台洗衣机大小的数据中心，电脑泡在油里，配上热交换器，就能把公共泳池的水加热到大约 30°C，一年里大约六成时间靠它供热。Deep Green 把设备免费提供给这家市政休闲中心，算力卖给客户，还告诉 BBC 会报销设备运行的电费。

我的看法是，这比大多数 AI 基础设施的公关稿更站得住脚，因为物理过程和买单方都看得见。泳池需要热，服务器在产热。难点不在口号，而在于：到底有多少真实的算力需求，能放到附近有人能用掉这些热量的地方。

答案快照

问题	我的看法
发生了什么？	BBC News 报道，Deep Green 在 Exmouth 休闲中心部署的小型数据中心，用矿物油冷却和热交换器为泳池供热。
为什么重要	它把数据中心的废热变成了本地供暖输入，而不是只把热量当作一个散热问题来处理。
谁受益？	休闲中心这类有稳定热需求的场所，以及愿意使用分布式高性能计算方案的算力客户。
限制在哪	泳池能免费用热，前提是算力端有付费负载；服务器不够时，泳池仍然需要备用热源。
我的观点	AI 废热只有当算力需求和热需求被设计成邻居时，才会变成真正有用的基础设施。

巧妙之处在于管道

基础工程其实非常朴素。BBC 描述的是一个白色箱子里的电脑泡在油中，热油被泵过热交换器来加热泳池水。CIBSE Journal 的案例研究补充了有用的细节：Exmouth 的安装用的是浸没式冷却，整台电脑泡在油里散热，而不是靠冷风吹；管道也做了保温，让更多热量被回收利用。

这一点很重要，因为它让这个想法不至于听起来像魔法。数据中心仍然在耗电，几乎所有电能最终都变成了热。区别在于，这些热量被送进了休闲中心本来就要加热的水里，而不是像传统散热方案那样直接排到空气中。

CIBSE 报告预计未来一年能节省 22,000 英镑的供暖费用，Ars Technica 的报道则给出约 20,000 英镑的预期节省，并提到 Deep Green 声称泳池的燃气供暖用量减少了 62%。我不会把这些数字当作普遍结论，但会把它们当作特定场景下的证据：在合适的条件下，这些废热确实大到值得认真对待。

游泳池是理想的用热方

泳池比含糊其辞的"社区福利"更像一个真实的热需求买家。它本来就潮湿，本来就有管道，本来就在为供暖买单，能源涨价时也首当其冲。BBC 文章提到，Exmouth 休闲中心预计当年能源账单将增加 100,000 英镑，并把这件事和一个更大的压力点联系起来：BBC News 此前报道，自 2019 年以来已有 65 家游泳池关闭，能源成本上涨是重要原因之一。

但这并不意味着服务器箱子可以替代供暖系统。Ars 指出，泳池仍然保留了燃气锅炉，在需要时用来补温。这个限定反而让故事更可信。诚实的说法不是"服务器可以到处取代锅炉"，而是"在某些场景下，当算力和热负荷放在一起时，可以抵消相当一部分热需求"。

这也是我觉得公共叙事常常过于顺滑的地方。废热再利用不等于零影响计算。更准确的说法是"一热两用"：既然这些计算本来就要发生，不如把设施设计成让废热去替代本地供暖输入。

商业模式是最脆弱的一环

Deep Green 自己的模式依赖于卖算力。BBC 说这家公司向客户收取用于 AI 和机器学习的计算资源费用。TNW 后来的报道提到，Deep Green 在获得 Octopus Energy 投资后，计划扩展到 100 到 150 个游泳池，但也引用了公司的说法：需要更多企业放弃传统数据中心，转而使用他们的服务器，才能把热量送给社区。

这是我觉得最关键的限制。用热方可能很开心，但系统能运转，并不是因为泳池有闲置空间。它成立的前提是 Deep Green 能持续让服务器跑满那些适合这种部署模式的负载。一篇围绕 Ars 文章的 Hacker News 讨论也浮现了同样的担忧：评论者在问，谁会买这种小规模、本地化的托管算力？Deep Green 又能不能聚合到足够多的分布式算力需求？

我不认为这种质疑能否定这个想法，但它把执行门槛摆到了台面上。一个分布式数据中心网络，得卖出可靠性、支持、安全、连接性、硬件维护和负载适配能力。废热的故事也许能吸引注意力，但算力客户买的终究还是基础设施。

AI 的背景让这件事不再小众

这篇 BBC 报道最初发于 2023 年 3 月，当时读起来像一个聪明的地方能源小方案。到了 2026 年，它更像是一个更大基础设施问题的早期版本。Deep Green 现在的官网已经把公司定位转向 AI 和高性能计算的协同部署，并在曼彻斯特有实际运营的站点。官网称其 DG01 曼彻斯特站点为 Move Urmston 休闲中心供热，每年节省约 80,000 英镑的社区供暖费用，减少 100 到 150 吨二氧化碳排放。

这件事之所以重要，是因为数据中心需求已经不再是一个背景性的技术问题。国际能源署的 Energy and AI 报告指出，2024 年数据中心约占全球电力消耗的 1.5%，即 415 TWh，并预计到 2030 年数据中心用电量将翻倍以上，达到约 945 TWh。同一份报告也强调，本地层面的影响可能远比全球占比所显示的更为显著。

正因如此，废热再利用不应该被当作全部答案。它只是更大能源问题中的一个设计杠杆。把算力放在有用的热负荷附近，可以减少浪费，但不会抹掉电力需求、电网约束、资本开支，或者供电本身的碳排放结构。

距离和温度决定了大半

最有力的质疑，不是说废热是假的，而是说废热往往很别扭。Ars 的报道很好地概括了这个更大的挑战：热量的分配可能涉及成本、本地区域供热的接入条件、技术限制，以及用热方可能还需要热泵，因为可用的热量本身温度并不总是够高。物理距离很重要，热流的温度同样重要。

这也是为什么泳池这个例子异常干净。休闲中心有持续的水循环、很大的热容量，以及一个可以稳定接受热量输入的供暖负荷。换一个远处的住宅项目、一片办公区，或者一个季节性用热方，难度可能大得多。同一台服务器的热量输出，在一栋楼里可能很有价值，跨过某条边界就几乎没用了。

我的结论

我喜欢 Exmouth 这个故事，因为它把一个巨大的 AI 能源争论，缩成了一个具体的循环。它不再泛泛地说数据中心应该可持续，而是在问：一台服务器箱子，能不能坐在一个真实的热负荷旁边，减少一张真实的账单。

但我不会把它包装成通用解法。更务实的教训是：把算力放到废热有买家的地方，证明负载是真实的，保留备用系统并如实交代，在现场测量净结果。如果 AI 的扩张还要继续把发热的机器塞进一栋栋建筑，那最站不住脚的回答，就是假装热量会自己消失。更有用的回答，是为它设计合适的邻居。