AI 模型与平台

Flexential 为其在达拉斯的最大数据中心获得电力

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Flexential 已经 购买了位于德克萨斯州考夫曼县的 110 英亩土地 ,以建设其达拉斯-沃思堡投资组合中的第四个也是最大的数据中心。位于 Talty 的第一栋建筑,位于城市东南部,已经获得了 36 兆瓦的电力,公司预计将在 2028 年末向客户开放。

单独的一栋建筑将拥有比公司在该市场目前运行的所有电力容量还要大的电力容量。其 三个现有的达拉斯地区设施 ,位于达拉斯市中心、普莱诺和理查森,总共拥有 459,000 平方英尺和 28.4 兆瓦的电力容量。

Flexential 描述的校园如下:

  • 第一阶段: 375,000 平方英尺,36 兆瓦的电力,用于批发和多租户冷却
  • 完全建设: 三栋 36 兆瓦的建筑,总共 108 兆瓦,随着后续阶段的开发而增加
  • 时间表: 2027 年初开始建设,2028 年末首次向客户提供服务
  • 设计: 闭环冷却系统,目标水使用效率为零

公用事业服务将通过分阶段的方式到达现场,公司表示,这种方式的规模可以避免给当地电网带来压力。因此,每个额外的建筑都有自己的电力供应,而不是依赖于一开始就获得的大型互联点。

为什么 36 兆瓦是建设单位

在达拉斯,新数据中心的约束是电力何时开启。Flexential 的房地产副总裁 Matt Baumann 表示,公司正在寻找一个已经确认有公用事业电力和光纤接入的土地,并将该购买描述为购买足够的空间来服务 8 到 10 年后的客户。

“公司正在计划 2 到 3 年后的需求,但仍然难以获得他们需要的基础设施,”公司首席执行官 Ryan Mallory 说。他表示,城市的开发管道无法跟上需求。

36 兆瓦的机房对于像 Flexential 所在的超大规模市场来说很小,其买家是需要单个或低双位数兆瓦块的企业和 AI 公司,他们无法租用整个建筑,也无法独自等待互联点。聚合这种需求在一个安全的电力位置是业务的重点。

设计中的零水使用目标意味着基本上不消耗水用于热能排斥,这将热能转移到电力和设备上。这与推动资金进入 跨行业的高级冷却系统 的相同权衡一样,也使得在水权可能成为规划问题的现场上可以建设高密度的机房。

达拉斯快速建设并保持满负荷

CBRE 的 全球数据中心趋势 2026 报告于 2026 年 6 月 17 日发布,报告称达拉斯-沃思堡的库存在 2026 年第一季度末为 1,249.4 兆瓦,同比增长 43.7%,使其成为北美第三大冷却市场。空置率下降到 1.8% 的历史低位。在建设中的 716.7 兆瓦中,88% 已经被租赁。

该报告中的一个比较更好地解释了考夫曼县的购买。同一年,DFW 增加了 379.9 兆瓦的新库存,并以 1.4 兆瓦的可用空间结束,高于开始时的水平。市场的要价租金保持不变,而芝加哥的租金却上涨了 14.7%。

CBRE 还报告称,城市的电网互联时间表在过去 6 到 12 个月内没有明显改善,Oncor 电力公司正在进行负载集群研究,以确定如何将新数据中心的需求连接到电网。

德克萨斯州兆瓦之后的队列

ERCOT,德克萨斯州电网的运营商,于 2026 年 4 月告诉州参议院委员会,截至 2026 年 3 月底,正在跟踪大约 410 吉瓦的工业负载寻求互联,大约 87% 是数据中心。其中,5,778 兆瓦已经通电并正在使用电力。Oncor 服务区域的申请占比为 259 吉瓦。

电网运营商正在用批处理方法替换项目逐一研究的方法,大约每六个月对申请进行一次分组,并为每个项目保留分配的容量。在旧方法下,同一传输区的新申请可能会使已经完成的早期项目的研究失效,将它们拉入重新研究中,推迟了批准时间数年。

这就是为什么安全的 36 兆瓦块值得建设校园,以及德克萨斯州继续吸引大型项目的原因:土地、天然气和传输都可以以老式中心无法匹配的规模提供。最近的例子包括 Idemitsu 同意燃料的 600 兆瓦校园 和 Meta 的埃尔帕索校园, 黑石在那里获得了多数股份 [证券股票价格标签符号 = “BLK” 交易所 = “NYSE”]。 (BLK )

Flexential 表示,它在 18 个美国市场运营着 40 多个数据中心,拥有 380 兆瓦的电力在线或正在开发中,考夫曼县的购买是在丹佛、俄勒冈州希尔斯伯勒和乔治亚州诺克罗斯附近购买土地之后。塔尔蒂的现场工作将于 2027 年初开始,第一栋 36 兆瓦的建筑将于 2028 年末向客户提供服务,第二栋和第三栋建筑将随着电力的到来而跟进。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。