Meta花270亿美元建的Hyperion

3400万人正住在数据中心烤出来的"热岛"里，而这个数字还在涨。

剑桥大学地球观测团队刚放出一项研究：全球约8400座超大规模数据中心（hyperscaler，指提供云计算和AI服务的巨型设施）上线后，周边地表温度平均飙升2℃（3.6℉），极端情况下直接拉高9℃（16℉）。影响范围延伸到10公里开外——不是机房空调排风口那种热，是整片土地被"煨"熟了。

研究人员把这种效应称为"热岛"，跟城市热岛效应同名，但成因更直接：这些设施吃电太狠，废热全排进周边环境。

Meta的Hyperion数据中心是个活标本。这座耗资270亿美元、算力需求达5吉瓦的怪物，需要10座燃气电厂才能喂饱。它还没完全投产，但同类设施的"预热"效果已经被卫星抓了个正着。

卫星20年数据：数据中心一开机，土地就开始发烧

研究团队刻意避开了城市区域——那里温度变量太多，容易混淆结论。他们专挑偏远地区的数据中心下手，把过去20年的卫星地表温度数据与设施上线时间做交叉比对。

结果很干净：数据中心投运后，周边地表温度曲线明显抬头。墨西哥Bajio新兴数据中心集群、西班牙Aragon的同类园区，20年间都涨了约2℃。这两个地方被选中的原因相同：地价便宜、气候"适宜"、政策友好，正成为全球 hyperscaler 扩张的热门落点。

研究负责人、剑桥大学副教授Andrea Marinoni对CNN说：「数据中心可能对社会产生戏剧性影响，涉及环境、民众福祉和经济。」

戏剧性是有了，但机制还没完全摸清。废热直接排放？冷却系统蒸发散热？还是巨量电力消耗间接推高的？团队建议后续研究跟进。

5吉瓦是什么概念？一座中等城市的全部胃口

hyperscaler 的能耗数字常被提及，但容易滑过眼球。5吉瓦（Hyperion的设计容量）相当于500万台家用空调同时满负荷运转，或者一座500万人口城市的峰值用电需求。

这电最终都变成热。热力学第一定律不讲情面：算力越高，废热越多。传统数据中心把热排给冷却塔，再散进大气；新一代液冷方案效率更高，但只是把热从芯片搬到冷却液，再搬到别的地方。

研究测量的"地表温度"（land surface temperature）比空气温度更扎眼——它直接影响土壤湿度、植被生长、甚至局部降水模式。10公里半径内超过3400万人居住，意味着这些人脚下的土地正在经历缓慢但持续的热化。

Borderstep研究所高级研究员Ralph Hintemann的评价很克制：数据"有趣"，但"非常高"，需要验证。同行评审还没过，这是正常的学术谨慎。

AI boom的隐性账单：每块GPU都在给地球"充值"热量

这项研究的时机微妙。全球 hyperscaler 建设正在冲刺，AI训练需求把算力饥渴推到了新高度。2024年，美国数据中心用电量首次超过铝冶炼等重工业；2025年，这个趋势还在加速。

行业给出的解决方案通常是"可再生能源+高效冷却"。但研究揭示的问题更底层：即使100%绿电、即使PUE（能源使用效率）逼近1.0，废热本身不会消失。它只是从碳排放问题，变成了热污染问题。

换句话说，AI的算力竞赛正在批量制造地理意义上的"热点"。这些热点选址偏远，恰恰是为了规避城市土地成本和监管——但也意味着它们侵入的是原本温度较低的生态区域，热冲击更明显。

墨西哥Bajio和西班牙Aragon的例子值得玩味。两地都是农业区转型数据中心 hub，土地便宜、气候干燥利于冷却、政府补贴大方。卫星数据显示，它们的"热岛"效应与全球平均持平，但本地生态未必有同等耐受力。

Marinoni的警告没提具体数字，但3400万受影响人口已经是个锚点。随着 hyperscaler 数量从8400座继续膨胀，这个圈子会画多大？

研究还没过同行评审，数据可能被修正，机制可能被细化。但卫星不会撒谎：那些偏远地块上突然出现的温度异常，与数据中心上线时间高度重合。这至少说明，当我们在讨论AI的能耗时，"废热去哪了"是个被低估的问题。

Hyperion们还在建设。它们的冷却水会流进哪条河，排出的热会煨熟哪片土，卫星已经拍了20年，还会继续拍下去。