[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-spans-mini-ai-data-centers-move-into-homes-zh":3,"tags-spans-mini-ai-data-centers-move-into-homes-zh":32,"related-lang-spans-mini-ai-data-centers-move-into-homes-zh":33,"related-posts-spans-mini-ai-data-centers-move-into-homes-zh":37,"series-industry-7cb40b02-0efe-4451-b86a-7d66f1d8bbc0":56},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":21,"translated_content":10,"views":22,"is_premium":23,"created_at":24,"updated_at":24,"cover_image":11,"published_at":25,"rewrite_status":26,"rewrite_error":10,"rewritten_from_id":27,"slug":28,"category":29,"related_article_id":30,"status":31,"google_indexed_at":10,"x_posted_at":10},"7cb40b02-0efe-4451-b86a-7d66f1d8bbc0","Span把 AI 算力搬進住宅","\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.span.io\" target=\"_blank\" rel=\"noopener\">Span\u003C\u002Fa> 最近丟出一個很怪、但數字很硬的想法。它要把 1.25 MW 的 AI infe\u003Ca href=\"\u002Fnews\u002Fprerl-training-llms-in-pre-train-space-zh\">re\u003C\u002Fa>nce 能力，分散到 100 戶新房裡。每戶不必先掏錢，還能用每月 150 美元的方案，拿到能源和網路服務。\u003C\u002Fp>\u003Cp>講白了，這是在把資料中心拆小。Span 說，傳統 100 MW 資料中心，常常要 3 到 5 年。成本還可能超過每 MW 1,500 萬美元。它的住宅分散式方案，目標是約 6 個月內上線，成本壓到每 MW 約 300 萬美元。\u003C\u002Fp>\u003Cp>這件事不是在玩概念。它碰到的是 AI 算力、電網、房屋設計三個硬問題。只要其中一個卡住，整個模型就會歪掉。\u003C\u002Fp>\u003Ch2>Span 到底在做什麼\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.span.io\u002Fproducts\u002Fspan-panel\" target=\"_blank\" rel=\"noopener\">Span Panel\u003C\u002Fa> 本來就是做智慧配電盤。它會即時監控家裡的用電，幫你管空調、充電樁、太陽能和電池。這次的 \u003Ca href=\"https:\u002F\u002Fwww.span.io\" target=\"_blank\" rel=\"noopener\">XFRA Node\u003C\u002Fa>，是在這套系統上再加一層分散式運算。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776341396071-v0i6.png\" alt=\"Span把 AI 算力搬進住宅\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>Span 的說法很直接。它不是要把整座資料中心搬進客廳。它要把 AI 工作負載切開，丟到多個住宅節點。那些節點會搭配全屋電池，還有自家軟體做排程。哪裡延遲要求高，哪裡電力夠，就把工作丟過去。\u003C\u002Fp>\u003Cp>Span 創辦人兼執行長 Arch Rao 的核心論點，是電網還有空間。他說，配電網路名義上只用到 40% 到 45%。如果這個數字站得住腳，那就代表很多地方其實有餘裕，只是沒被拿來跑算力。\u003C\u002Fp>\u003Cul>\u003Cli>試點規模：100 戶新建住宅\u003C\u002Fli>\u003Cli>總算力：1.25 MW\u003C\u002Fli>\u003Cli>GPU 數量：1,600 顆直接液冷 inference GPU\u003C\u002Fli>\u003Cli>傳統 100 MW 資料中心：3 到 5 年\u003C\u002Fli>\u003Cli>Span 目標：8,000 戶約 6 個月\u003C\u002Fli>\u003Cli>成本對比：每 MW 約 1,500 萬美元 vs 300 萬美元\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>為什麼這招會冒出來\u003C\u002Fh2>\u003Cp>原因很簡單，AI 太吃電了。\u003Ca href=\"https:\u002F\u002Fwww.sightlineclimate.com\" target=\"_blank\" rel=\"noopener\">Sightline Climate\u003C\u002Fa> 引用的研究提到，今年全球可能有高達一半的資料中心延後。不是大家不想蓋，是電力、變壓器、變電站、併網排程都在卡。\u003C\u002Fp>\u003Cp>你如果看美國電網現況，會發現新案子常常不是缺土地，而是缺接電速度。大型資料中心要等併網、等設備、等地方政府流程。這些時間成本，對 AI 公司來說很傷。模型一直在跑，客戶一直在等，錢也一直在燒。\u003C\u002Fp>\u003Cp>Span 的思路，是把「等一座大電廠」改成「借很多現成的家用接點」。這很像把大貨車拆成一堆機車。單一載重變小，但調度彈性變高。對 inference 這種重視延遲的工作，這類分散式佈局就有機會。\u003C\u002Fp>\u003Cblockquote>“Our hypothesis at Span has been that the existing distribution network operates at only 40 to 45% utilization, nominally,” Arch Rao told Latitude Media. “So there’s plenty of headroom on the existing system that can be used in a more effective way. And then we’re able to deliver compute much faster.”\u003C\u002Fblockquote>\u003Cp>這段話很關鍵。Rao 不是在說電網很閒。他是在說，現有配電網路其實有很多碎片化空間。只要軟體夠強，就能把這些空間拼成可用算力。\u003C\u002Fp>\u003Cp>這也是為什麼這案子不是單純的硬體新聞。它本質上是電力調度、家用設備、AI 排程三件事一起做。少一個環節，整套就不成立。\u003C\u002Fp>\u003Ch2>屋主拿到什麼，Span 又賺什麼\u003C\u002Fh2>\u003Cp>Span 的屋主方案，表面上看起來很甜。安裝不用先付錢。房子每月付 150 美元，換能源和網路。Span 則持有算力設備和備援電池，再把算力賣給 hy\u003Ca href=\"\u002Fnews\u002Fnovo-nordisk-openai-drug-development-partnership-zh\">pe\u003C\u002Fa>rscaler、neocloud 和 AI 公司。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776341402119-whse.png\" alt=\"Span把 AI 算力搬進住宅\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種模式你可以把它想成太陽能融資的變體。屋主少了前期支出，供應商拿設備所有權，再靠長期營運回收。差別只是，這次賣的不是電，是算力。\u003C\u002Fp>\u003Cp>Span 也把房地產一起拉進來。Rao 說，\u003Ca href=\"https:\u002F\u002Fwww.pulte.com\" target=\"_blank\" rel=\"noopener\">Pulte Homes\u003C\u002Fa> 這家美國大型建商，已經在部分新屋採用 Span 的智慧配電盤。Span 的說法是，200 安培的配置可以減少銅線用量，也能縮小公用事業併接需求。\u003C\u002Fp>\u003Cul>\u003Cli>屋主前期安裝費用：0\u003C\u002Fli>\u003Cli>每月固定費用：150 美元\u003C\u002Fli>\u003Cli>Span 持有：算力硬體與電池\u003C\u002Fli>\u003Cli>Span 變現方式：賣 inference 算力\u003C\u002Fli>\u003Cli>建商合作：\u003Ca href=\"https:\u002F\u002Fwww.pulte.com\" target=\"_blank\" rel=\"noopener\">Pulte Homes\u003C\u002Fa>\u003C\u002Fli>\u003Cli>硬體效益：降低銅線與併網規模\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我覺得這裡最有意思的，不是省錢，而是重新定義住宅。以前房子就是消費品。現在它可能變成一個小型基礎設施節點。這想法很怪，但也很現實。\u003C\u002Fp>\u003Cp>如果屋主願意接受，房子就\u003Ca href=\"\u002Fnews\u002Flongcot-long-horizon-chain-of-thought-benchmark-zh\">不只\u003C\u002Fa>是住的地方。它還能參與電網調度，甚至參與 AI 基礎設施供應鏈。這種角色轉換，台灣人應該不陌生。只是我們通常是從工廠、倉庫先開始，Span 直接從住宅下手。\u003C\u002Fp>\u003Ch2>跟傳統資料中心比，差在哪\u003C\u002Fh2>\u003Cp>先講結論。Span 這套東西，不是拿來取代大型訓練中心。\u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\" target=\"_blank\" rel=\"noopener\">NVIDIA\u003C\u002Fa> 這類 GPU 生態系要跑大模型訓練，還是需要集中式供電、散熱、網路和機房管理。住宅節點很難扛那種密度。\u003C\u002Fp>\u003Cp>但 inference 不一樣。推論工作常常更在意延遲，也更看重部署速度。你如果是聊天機器人、醫療影像、車載系統，靠近使用者的算力就很有價值。這也是 Span 想切入的地方。\u003C\u002Fp>\u003Cp>把兩者放一起看，差異其實很清楚。集中式資料中心像總部。分散式住宅節點像分店。總部適合重訓練，分店適合快速回應。\u003C\u002Fp>\u003Cul>\u003Cli>傳統資料中心：電力、冷卻、網路集中\u003C\u002Fli>\u003Cli>Span 模式：算力分散在多個住宅\u003C\u002Fli>\u003Cli>傳統模式優勢：適合大模型訓練\u003C\u002Fli>\u003Cli>Span 模式優勢：適合低延遲 inference\u003C\u002Fli>\u003Cli>關鍵條件：軟體要能跨節點排程\u003C\u002Fli>\u003Cli>風險：維運、住戶接受度、電網協調\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這裡還有一個現實問題。分散式節點看起來便宜，但維運不一定便宜。你要管 100 戶，和管 1 座機房，難度完全不同。硬體故障、住戶搬家、網路波動，都會讓營運成本往上跑。\u003C\u002Fp>\u003Cp>所以這案子真正的考驗，不是能不能裝。是能不能穩定跑 12 個月以上。AI 產業很愛看 demo，但真正值錢的是 uptime。這點很殘酷，也很務實。\u003C\u002Fp>\u003Ch2>這其實是在碰電網老問題\u003C\u002Fh2>\u003Cp>AI 伺服器爆量後，電網就開始被重新定價。以前大家談資料中心，先看土地和稅。現在先看變壓器、併網排程、配電容量。這種變化不是口號，是硬體現實。\u003C\u002Fp>\u003Cp>美國很多地區的問題，不是沒有電，而是電送不到你要的地方。高壓輸電、變電站增設、地方審查，這些流程都很慢。Span 的模型，等於把需求拆散，塞進現有住宅配電系統裡。這很聰明，也很有爭議。\u003C\u002Fp>\u003Cp>如果這條路走得通，會有兩個後果。第一，AI 基礎設施會更像網路，而不是像工廠。第二，住宅、商辦、倉儲這些建築，可能都會被重新看成算力載體。\u003C\u002Fp>\u003Cp>這也是為什麼我覺得，Span 不是在賣一個產品而已。它是在測試一種新的基礎設施分工。電網不再只服務住戶，住戶也開始反過來服務算力市場。\u003C\u002Fp>\u003Ch2>接下來要看什麼\u003C\u002Fh2>\u003Cp>我會先盯三件事。第一，100 戶試點能不能穩定跑。第二，屋主對每月 150 美元的接受度。第三，這套系統能不能真的把部署時間壓到幾個月，而不是又拖成兩年。\u003C\u002Fp>\u003Cp>如果 Span 成功，下一步很可能是商辦版。Span 也提到，\u003Ca href=\"https:\u002F\u002Fwww.span.io\" target=\"_blank\" rel=\"noopener\">XFRA Node\u003C\u002Fa> 的商用版本，目標是 2027 年初，鎖定企業和辦公大樓。那會比住宅更好管，也更接近企業 AI 的需求。\u003C\u002Fp>\u003Cp>我的判斷很直接：這種模式不會吃掉所有資料中心，但很可能先在 inference 場景找到位置。你如果問我該怎麼看，我會說，先別急著喊神話。先看它能不能把 1.25 MW 真正穩穩跑起來。那才是答案。\u003C\u002Fp>","Span 先在 100 戶新屋測試 1.25 MW 的 AI inference 節點。它想把資料中心從年建改成月建，成本也從每 MW 1,500 萬美元壓到約 300 萬美元。","www.latitudemedia.com","https:\u002F\u002Fwww.latitudemedia.com\u002Fnews\u002Fspan-to-launch-mini-ai-data-centers-for-distributed-at-home-compute\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776341396071-v0i6.png",[13,14,15,16,17,18,19,20],"Span","AI inference","分散式算力","住宅資料中心","電網","智慧配電盤","XFRA Node","資料中心","zh",0,false,"2026-04-16T12:09:38.258668+00:00","2026-04-16T12:09:38.051+00:00","done","c9946970-5450-4cca-bf24-d68e76022537","spans-mini-ai-data-centers-move-into-homes-zh","industry","66640415-f9bb-4444-b39f-de18b15b0431","published",[],{"id":30,"slug":34,"title":35,"language":36},"spans-mini-ai-data-centers-move-into-homes-en","Span’s mini AI data centers move into homes","en",[38,44,50],{"id":39,"slug":40,"title":41,"cover_image":42,"image_url":42,"created_at":43,"category":29},"dd957945-c6c9-47b3-9b20-0f2a51f006d2","starburst-aida-governed-data-assistant-zh","Starburst AIDA 把治理帶進企業資料","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776341589198-liba.png","2026-04-16T12:12:48.549519+00:00",{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":29},"59504ee3-0aef-44ae-b501-83ea3b14d263","novo-nordisk-openai-drug-development-partnership-zh","Novo Nordisk 找 OpenAI 做藥研","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776341037145-v4ga.png","2026-04-16T12:03:40.029865+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":29},"b6b20f96-ef54-4489-9258-3af992525d67","anthropic-mythos-private-bank-risk-fears-zh","Anthropic 讓 Mythos 先私測","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776298010029-dtiv.png","2026-04-16T00:06:31.118809+00:00",[57,62,67,72,77,82,87,92,97,102],{"id":58,"slug":59,"title":60,"created_at":61},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":63,"slug":64,"title":65,"created_at":66},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":68,"slug":69,"title":70,"created_at":71},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":73,"slug":74,"title":75,"created_at":76},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":78,"slug":79,"title":80,"created_at":81},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":83,"slug":84,"title":85,"created_at":86},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":88,"slug":89,"title":90,"created_at":91},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":93,"slug":94,"title":95,"created_at":96},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]