300万美元/兆瓦：Span把数据中心塞进你家配电箱

传统数据中心造价1500万美元/兆瓦，Span只要300万——而且六个月就能部署8000户家庭，等效100兆瓦算力。这个差距不是技术迭代，是空间逻辑的根本不同。

300万对1500万：成本差从哪来

Span的XFRA Node是一套迷你分布式计算系统，直接装进家庭配电箱，搭配全屋电池和智能面板运行。核心卖点是价格：每兆瓦300万美元，只有传统数据中心的五分之一。

CEO Arch Rao向Latitude Media解释了这个数字的来源。传统100兆瓦数据中心需要三到五年建设周期，造价超1500万美元/兆瓦。Span的方案利用现有电网的闲置容量——Rao指出，当前配电网利用率只有40%到45%。

不需要新建输电线路，不需要征地，不需要专用冷却系统。8000户家庭，六个月，等效算力。

今年启动的试点项目规模很小：100户新建住宅，总计1.25兆瓦算力，搭载1600块直接液冷推理显卡。但Rao的数学很明确——这个模型理论上可以快速复制。

谁在买单？不是房主，是超大规模云厂商

这里有个容易误读的商业模式。Span不是把算力卖给消费者，而是把"电网利用率"卖给 hyperscalers（超大规模云服务商）。

房主得到什么？可能是一笔电费折扣，或者电池储能的优化调度。但交易的核心是：云厂商通过Span的节点运行AI推理任务，避开新建输电基础设施的巨额成本和审批流程。

Sightline Climate的研究显示，今年全球多达一半的数据中心项目可能延期。瓶颈不是芯片，是电网——新建变电站、输电线路的周期以年计算，费用最终往往转嫁给电力用户。

Span的编排软件根据延迟需求和可用能源，动态调度推理负载。白天太阳能过剩时多跑任务，傍晚用电高峰时降频。这种时空套利，传统集中式数据中心做不到。

正方：边缘推理的加速器

支持这个模式的人认为，时机刚好踩中AI算力结构的转移。

推理工作负载正在向边缘迁移——这不是Span的发明，是行业趋势。gentic.news此前报道过，推理场景的崛起为挑战英伟达的AI芯片创业公司打开了窗口。Span提供的是基础设施层面的配套：便宜、分散、即插即用的算力节点。

对超大规模云厂商来说，这是风险对冲。当核心数据中心建设受阻时，分布式节点可以作为弹性扩容的缓冲带。对电网来说，这是闲置资产的货币化——那60%的冗余容量终于有了变现路径。

Span的转型轨迹也侧面验证了这个方向。今年2月完成1.63亿美元C轮融资后，公司从消费者智能面板转向公用事业合作。Pulte Homes——美国第三大住宅建筑商——已经在新建住宅中预装Span面板，为节点规模化铺好了渠道。

反方：试点到规模的死亡谷

质疑的声音集中在两个层面：技术可行性和商业可持续性。

首先是延迟。AI推理对延迟敏感，分布式节点的物理分散意味着信号需要跳转更多跳。100户试点的1.25兆瓦规模太小，无法验证真实场景下的延迟基准。Rao提到编排软件会"根据延迟调度"，但软件优化能否弥补物理距离，需要大规模数据支撑。

其次是利用率。1600块显卡分散在100个家庭，单户故障、网络中断、房主断电维护——任何节点掉线都会拖累整体效率。传统数据中心的99.9%可用性标准，在住宅环境中如何复现？

更深层的疑问是商业条款。Span尚未公布任何超大规模云厂商的采购意向。没有offtake协议（承购协议），300万/兆瓦只是理论成本，不是可验证的市场价格。试点项目2026年底才出结果，届时GPU利用率、实际延迟、运维成本才会暴露。

还有一个被低估的变量：房主关系。当AI推理负载跑满你家配电箱，电池循环次数增加、设备发热、潜在噪音——这些摩擦成本如何定价？早期采用者可能是科技爱好者，但8000户规模需要普通消费者接受一个"数据中心邻居"的现实。

判断：基础设施套利窗口期

Span的真正创新不是技术，是监管套利和空间套利。

传统数据中心卡在电网接入的审批迷宫里，Span绕过了这个迷宫——它不需要新建输电设施，只是更高效地使用已有的配电网。这是政策缝隙中的商业模式：在电网升级压力最大的地区（加州、德州），这种套利空间最大。

但窗口期可能有限。如果分布式计算规模化，公用事业委员会迟早会重新界定"住宅用电"和"商业计算"的边界，可能征收额外的电网使用费或容量费。Span的300万/兆瓦成本优势，部分建立在现有电价结构的模糊地带。

对行业的实际影响：如果2026年试点验证延迟可控、利用率达标，智能面板和家用电池厂商会快速跟进。特斯拉Powerwall、SolarEdge、甚至传统电气设备商都可能推出类似节点。这会加速边缘推理的基础设施碎片化——不是每家公司都能自建数据中心，但每个有电池的家庭都可能成为算力节点。

对读者的实用指向：关注两个信号。一是Span是否在试点期间公布hyperscaler的合作意向，这决定商业模式是否跑通；二是2026年底的GPU利用率数据，如果低于70%，这个模型的经济性会大打折扣。分布式AI计算不是技术幻想，但它的规模化取决于电网监管、云厂商采购策略、消费者接受度的三重博弈——而Span只是第一个下注的人。