2025-05-25-兰德-在DOE土地上定位AI数据中心（英）_37页_476kb

AI数据中心部署于DOE土地分析总结

1. 研究背景

本研究响应美国能源部（DOE）的请求，探讨在其土地上部署人工智能（AI）基础设施的可行性。研究基于6项总统行政命令，旨在探索DOE土地资源如何支持AI基础设施需求。

2. 核心问题

针对RFI的4个类别提供输入：

• 兴趣与开发偏好分析
• 现场能源开发类型及其技术要求
• 离岸能源和传输能力信息收集
• 部署挑战及预审所需信息

3. 关键发现

3.1 网点特性分析

能源系统、经济、环境、治理特性是关键影响因素，例如电网资源充足性、地理风险、社区反对率、专业劳动力等。

3.2 现场能源技术

优先考虑：天然气、地热、太阳能/风能（带有存储）、核能。每种技术需相应地理和技术（如地热需地质数据）特殊条件支持。

3.3 离岸能源与传输

收集网格运营商的容量与传递能力数据，以及使用电网增强技术（如先进导体、动态线路评级）来加速电力容量部署是关键。

3.4 部署挑战

预见到的挑战包括：时间安排（能评耗时长达13年）、自然资源限制（如土地、水、能源）、供应链瓶颈、本地社区反对等。

3.5 供应短缺与替代方法

建议采用电网增强技术、临时电力（Bridge power）以及联合采购来减轻长期订单延误问题。

3.6 预审信息需求

DOE应提供更全面的本地供应链、劳动力和资源生产信息，以优化对新请求的响应能力。

4. 要求事项

总体而言，为避建设延误应尽早获取详细地区信息，特别关注现有基础设施、审批流程以及运输与劳动力安排。

5. 总体建议

在快速部署背景下，DOE应推动简化审批、聚合本地支持、改善电网技术并利用现有能源基础设施以促进AI数据中心建设。