超大规模数据中心运营商可能会后悔押注天然气——如果新预测成真的话

美国部分地区的天然气价格可能会上涨两倍——而那些将AI雄心寄托在天然气上的超大规模运营商可能没有预见到账单的到来。这是能源研究公司Noreva新预测中隐藏的警告,其影响远超美国数据中心范围。

Share
Editorial illustration: A natural gas pipeline valve in mid-turn, frozen at the moment of closure, with condensation or fros — MonstarX

超大规模数据中心运营商可能会后悔押注天然气——如果新预测成真的话

美国部分地区的天然气价格可能会上涨两倍——而那些将AI雄心寄托在天然气上的超大规模运营商可能没有预见到账单的到来。这是能源研究公司Noreva新预测中隐藏的警告,其影响远超美国数据中心范围。对于在亚洲云基础设施上构建应用的开发者和创业者来说,这种上游风险会悄悄改变你所有产品的成本。

如果Noreva的预测证明准确,超大规模运营商可能会后悔押注天然气——而支撑这些预测的数学计算很难被忽视。

发生了什么

在过去十年的大部分时间里,亚马逊、谷歌、Meta和微软都在争相签署风能和太阳能电力购买协议。然后AI改变了这一局面。训练大型模型和大规模运行推理需要全天候按需供应的电力——这是间歇性可再生能源在没有大规模电池储存的情况下无法保证的。所以超大规模运营商改变了策略。他们开始支持天然气发电厂,签署长期供应协议,在某些情况下甚至直接资助新的天然气基础设施。

当天然气价格低廉、供应充足时,这个赌注看起来是合理的。现在看起来就不那么稳妥了。

根据TechCrunch对Noreva研究的报道,随着三股力量的汇聚,美国部分地区的天然气价格可能会上涨两倍:超大规模运营商对全天候电力需求的激增、国内生产商供应增长放缓,以及液化天然气(LNG)出口争夺相同资源。

Noreva首席执行官彼得·加德特直言不讳地说:"我认为能源市场中的每个人都被麻痹了,以为天然气价格不会上升。你只需要简单的算术就能看出天然气市场会比几年前紧张得多。"

这个结构性问题是自我强化的。超大规模运营商建设数据中心的速度超过了电网的承载能力。天然气填补了这个空白。但他们消耗的天然气越多,市场就越紧张——他们面临的价格波动风险也就越大,而这些风险在他们的基础设施规划中并未被充分考虑。锁定在今日价格的长期电力购买协议提供了一些保护,但新产能——以及为其供应燃料的合同——将按照签署时市场的要求定价。

为什么这对亚洲很重要

亚洲与能源和AI基础设施的关系与美国不同,但并非与美国发生的事情隔绝。有几条线索直接相连。

首先是LNG出口。美国已经是世界上最大的LNG出口国之一,其中很大一部分天然气流向日本、韩国、台湾,以及越来越多的东南亚国家。如果美国国内数据中心需求收紧供应,亚洲LNG进口国也会面临更高的现货价格。像新加坡这样的国家,承载了东南亚数据中心容量的不成比例的份额,几乎所有能源输入都依赖进口。全球天然气价格上升直接导致代管设施和云可用区的电力成本上升。

其次是超大规模运营商成本结构的连锁反应。当AWS、Azure或Google Cloud面临更高的能源成本时,这些成本最终会以某种方式显现——在计算定价中、在预留实例费率中、在竞价实例的经济学中。时间表从不是即时的,但方向是可以预见的。那些基于稳定云定价建立基础设施成本模型的亚洲初创公司和企业,即使他们从不接触天然气合同,也会面临这种重新定价的风险。

第三点——这是更乐观的看法——亚洲有真正的差异化机会。该地区的几个市场正在积极建设可再生能源产能:越南的太阳能热潮、印度的公用事业规模风能和太阳能项目、日本重启核电并推进新可再生能源。数据中心运营商现在锁定可再生能源电力购买协议,在AI需求在这些市场充分到来之前,可以建立相对于以美国为中心的超大规模运营商基础设施的结构性成本优势。这不是保证的结果,但这是一个真实的战略窗口。

对于评估在何处运行工作负载的亚洲科技创业者来说,能源故事不再仅仅是ESG考量。这是一个成本和韧性问题。

这对开发者意味着什么

大多数开发者不会想到天然气价格。这是可以理解的——在燃气轮机和Kubernetes Pod之间有三层抽象。但能源成本故事有一些实际意义,值得现在就内化,免得它们以后作为云账单中的意外出现。

计算效率会产生复利效应。如果云计算成本在未来三到五年内上升——即使幅度很小——高效和低效代码之间的差距也会扩大。一个进行冗余LLM调用的API端点、一个重新处理已有数据的管道、一个以完全精度运行而本可以量化的模型:这些不仅仅是工程债,它们是成本风险。编写更精简的AI工作负载是对基础设施价格波动的对冲。

多区域策略比以前更重要。将所有推理工作负载固定到美国的可用区,因为那是模型首次启动的地方,这是一个合理的短期决策。如果区域之间的能源成本差异开始扩大,这就不是一个合理的长期决策。在MonstarX等平台上构建架构的团队——该平台专为AI原生开发而设计,具有亚洲优先的基础设施思维——已经在平台层面提出这些问题,因此各个团队不必从零开始重建这种推理。

"只在云中运行"的假设值得审视。对于延迟容限强且面向批处理的工作负载,按需云计算以竞价定价仍然便宜得惊人。对于全天候推理服务实时用户,经济学是不同的——如果预留实例定价反映更紧张的能源市场,情况会再次改变。仔细建模单位经济学的团队将比那些没有建模的团队适应得更快。

关注超大规模运营商的财报电话会议。能源成本现在是每个主要云提供商的重要项目。当微软或谷歌开始在季度财报中将电力成本标记为逆风时,这是你账单上即将发生什么的领先指标。值得关注。

这一切都不意味着开发者应该惊慌失措或开始自己发电。这意味着将计算视为基本免费——或至少便宜得无限——的时代可能正在结束,那些考虑到这一点进行构建的团队将比那些没有考虑的团队拥有更好的单位经济学。

关键要点

Noreva的预测可能准确也可能不准确。能源市场出了名地难以预测,超大规模运营商拥有充足的资金和长期合同来缓冲短期波动。但结构性论证——AI数据中心需求增长速度快于天然气供应,而LNG出口争夺相同资源——是基于真实动态,而非猜测。

以下是需要记住的内容:

  • 天然气赌注是真实的赌注,不是确定的事。超大规模运营商做出了有意识的选择,优先考虑可靠性而不是他们早期的可再生能源承诺。这个选择承担了价格风险,在协议签署时并未被充分定价。