市场在沸腾,算力在蒸发,PUE还没算清,印度先被烤熟
“算力这东西，本质是电子的高速运动。
温度每升高10℃，失效率翻倍。
在印度，你花1亿美金建的数据中心，
一半算力都用来对抗热浪，而不是服务人类。”
2026年5月，印度又叒叕刷新“全球最热”纪录。
46℃高温，98个全球最热城市在印度。
气温等级也分轻度、中度、重度、印度。
编辑 | Unicorn
喜马拉雅是全球空调
但把外机给了印度
喜马拉雅：最赫赫的“空调”
印度所在的南亚次大陆，是欧亚大陆向正南方伸出、插入印度洋的一个板块。它的北方，是一座绝对意义上的“天然空调”——喜马拉雅山脉。喜马拉雅山脉海拔平均超过4000米，像一堵天然的屏障，完美地把印度洋季风带来的湿气和降水挡在了南侧，而北侧的印度次大陆则变成了一个巨大的封闭式热笼。从印度洋吹来的潮湿空气被山脉抬升后无法越过山脊，干燥的空气在印度北部上空下沉，形成了热压低的“干热”天气模式。这种气象学上的“空调反装”效应，让印度成为了全球最热的地方之一，多个城市夏季气温常年突破45℃，地表温度曾录得51℃的极端纪录。
副热带高压：“炒菜的火”
印度位于北半球副热带高压的控制区，夏季太阳直射点在北回归线附近，热量输入极大。印度西北部的塔尔沙漠（印度大沙漠）更是一个天然的“热量加速器”——沙漠上空形成的低压带会吸引印度洋的湿润气流穿越整个印度向北移动，这本该是带来雨季的好事。但当季风迟到时，塔尔沙漠就变成了一个巨大的“热风扇”，向四周辐射干热空气。
更要命的是厄尔尼诺现象。当太平洋上空的气流方向被反转，印度洋上空的气流也会东移填补空白，这会拉动中亚的干热空气向南进发，穿过塔尔沙漠，横扫印辐射度北方。太阳烤、雨季不到、中亚热空气添乱——三重打击下，印度北方自然又旱又热。气象学上称之为“厄尔尼诺-南方涟动现象（ENSO）”，它是印度大灾年的常客。
印度理工大学的一份研究显示，1951年到2010年期间，印度极端气温的出现频率显著增加，高温季节的时长几乎每十年就要增加三天。而在全球变暖的大背景下，印度的高温情况仍然是最严重的。IPCC报告曾警告，如果全球温度升高超过1.5℃，南亚地区的热应力将超越人体承受极限，活着本身就会变成一件苦差事。
印度之热，不是偶然的“今年特别热”，而是地理决定论的“年年都热”。副热带高压、塔尔沙漠热风扇、厄尔尼诺加速、全球变暖底座——这四重天然热源叠加在一起，只能说一句：天命难违。
热射病是人体高温的终点站
但在印度这是服务器的起点
成年人类的正常体温是36.0℃到37.2℃，这是人体各项机能最佳运转的温度区间。当体温升到38℃以上，你开始感到不舒服——头晕、乏力、全身酸痛；39℃以上，你开始严重不适，意识模糊；40℃以上，就是医学上的“热射病”区间，多个器官开始衰竭，死亡风险急剧升高。超过42℃，基本上就是“还能不能活”的问题了。
电子设备的故障率与温度的关系是指数级的。根据业界经验法则，每升高10℃，电子元器件的故障率就翻倍。这意味着，在25℃环境下运行的服务器，如果在45℃的机房，故障率会翻4倍。如果再考虑湿度因素，情况更是雪上加霜。高温高湿环境下，电子元件会加速老化，印制电路板会因为潮湿而短路，硬盘会因为过热而降速——你的数据中心，就这样在热浪中慢慢熟透。
印度的热不是“热一下就过去了”，而是“热了就不想走”。高温季可以从4月持续到10月，将近半年的时间，机房都在“热爱”中度过。而且这种热还有一个可怕的特点：夜间降温极其有限。白天和晚上的温差很小，意味着所谓的“自然冷却”窗口几乎不存在。你的数据中心24小时都在“蒸桑模式”下运行，冷却系统的压力永远不能缓解。
视频来源哔哩哔哩|瓜田里的查某
OpenAI：1GW的印度梦
2025年，OpenAI宣布在印度投资建设1吉瓦的数据中心，1GW是什么概念？相当于十个百兆级数据中心，运行时的能耗相当于一个中等城市的全部用电量。这个印度数据中心一旦建成，将成为全球最大的AI计算设施之一。
这是“星际之门”计划首次大规模进入亚洲，也是奥特曼亲自推动全球算力布局的关键一步。星际之门计划由OpenAI、软银、甲骨文以及阿布扎比MGX基金共同投资，计划在四年内投入高达5000亿美元，用于建设专供OpenAI使用的超级数据中心集群。
在美国本土，星际之门的第一个园区选址德州Abilene，建成后可提供约1.2GW的负载能力，容纳超过20万台服务器、部署数十万枚高端GPU芯片。在阿联酋，OpenAI与G42合作规划了一个总规划5GW的AI园区。在挪威，“星际之门·挪威”项目则全部采用当地水电等可再生能源供电。而印度，上来就是1GW级别的投入。
1GW的数据中心，大约需要百万级城市的用电量，还需要巨量的冷却用水。而印度不仅是全球水资源最紧张的国家之一，电力基础设施也比较落后。据国际劳工组织数据，印度的五大城市在夏季用电高峰期经常发生大规模停电，而数据中心恰恰是“停电就死机”的设施。但 OpenAI 不是傻子，他们不是没看到这些风险，而是觉得市场的诱惑大过于风险。一个拥有14亿人口、ChatGPT活跃用户过去一年增长了数倍的市场，对任何互联网公司来说都是无法拒绝的。
很多人说这个世纪是“三哥的世纪”。不是因为印度的基础设施多先进，而是因为全球科技巨头的CEO太多印度人了。微软的萨提亚·纳德拉、谷歌的桑达尔·皮柴、Adobe的尚塔努·纳拉耶恩、IBM的阿尔维德·克里什纳、诺华的瓦萨·纳拉西穆尔蒂……这张名单还可以继续往下列。据统计，财富500强企业中约有30%的CEO是印度裔，而在全球前300家大公司中，超过60%的企业在高层使用印度裔高管。OpenAI选择印度，固然有市场规模的考量，但更深层的原因在于：那些坐在美国科技巨头CEO办公室里的印度裔领袖们，正在为母国争取最大化的资源流入。奥特曼此前就表示，“增长极其迅速”的印度将成为OpenAI的最大市场。且印度是OpenAI的第二大市场，ChatGPT活跃用户过去一年增长了数倍，有望超越美国成为第一大单一市场。奥特曼甚至给印度开了特例，推出仅限印度的廉价版ChatGPT Go，每月只要399卢比（约4.57美元），因为印度用户多，增长快，市场大。
此外，印度拥有庞大的多语言环境——包含数十种官方语言和数百种方言，这对AI模型的本地化提出了更高要求。OpenAI已经意识到这一点，并在最新模型中显著提升了对包括印地语、泰米尔语等超过12种印度本土语言的理解和支持。算力在印度本地化部署，可以大幅降低延迟，提升用户体验。这也是OpenAI在印度建数据中心的重要理由之一。
印度数据中心的现实：
增速惊人，底子堪忧
客观地说，印度数据中心市场的增速确实惊人。据UnivDatos报告，2023年印度数据中心市场估值为42亿美元，预计在2024-2032年期间将以约18.5%的复合年增长率增长。微软承诺在特伦加纳邦投资约37亿美元建设数据中心，增加660MW的IT处理能力。亚马逊计划到2030年投资约127亿美元扩展数据业务基础设施。阿达尼集团计划在未来三年向数据中心企业投资约15亿美元。印度内阁也通过了12.5亿美元的人工智能发展计划。增速在亚洲仅次于中国。
但这些数字背后，是一个不容忽视的现实。印度的数据中心总容量目前只有约1GW，而中国即将达到4GW。从“容量”的角度看，印度还有很大的发展空间，但从“质量”的角度看，问题就来了。根据腾讯新闻报道，印度的大多数企业仍然停留在数据标注和数据的初步处理等基础项目上，很少进行前沿技术的研发。这种创新不足的现象，在人工智能专利方面尤为明显——按照国内生产总值计算，印度的专利申请数量远不及中国和美国。印度的AI初创企业在过去四年增加了70家，但涉足AI大模型领域的公司不足10家，业务主要集中在AI对话和智能助手，缺乏基础模型的研发能力。说白了，印度吸引的大部分投资，本质上还是“劳动密集型”的——便宜的人力、便宜的土地、便宜的运营成本，而非技术密集型。
再看基础设施。中国的5G基站超过248万个，覆盖率九成以上；印度的5G基站仅有30万个，覆盖率约三成。网络基础设施的差距，意味着印度很多地区的数据中心连“上网”这个基本条件都难以保证。更不用说电力和水资源的缺乏。IDC咨询公司指出，如果印度想在数据中心领域占据领先地位，还必须着重完善基础设施的建设。但印度的官僚主义严重，营商环境较差，这些问题远远不是单靠增加数据中心就能解决的。
新加坡和印度的“卷法”之别
说到亚洲数据中心，不得不提新加坡。这个面积只有北京五分之一的城市国家，数据中心总容量已达1.4GW，拥有72座数据中心，是全球数据中心密度最高的城市之一。新加坡的DC Tuas数据中心，PUE（电力使用效率）仅为1.25。这是什么概念？PUE的理想值是1.0，意味着每一度电都用在计算上，没有一度电浪费在冷却上。全球平均PUE在1.58左右，而印度大部分数据中心的PUE在1.8到2.0之间——意味着每为服务器每花一度电，就得再花将近一度电来冷却。DC Tuas做到1.25，靠的是直接芯片液冷技术、海水淡化再生水冷却、以及整套的智能温控系统。
印度的热，是天命。但如何应对这份热，是选择。新加坡选择了抬高标准，用制度和技术弥补自然的不足；印度选择了降低标准，用“便宜”换取规模。这两条路都能走通，但最终到达的终点，却完全不同。当下一次印度再次刷新高温纪录的时候，新加坡的数据中心依然在24℃的恒温下安静运转，而印度的数据中心……可能正在经历它自己的“热射病”。
毕竟，体温超过40℃的时候，最重要的不是往前跑，而是先退烧。
气候不会谈判，热力学没有国籍。在47℃的印度，不是所有“增长故事”，都能经得起高温考验。
