城市与都市圈边缘 AI 数据中心
边缘 AI 基础设施布局于主要都市区内部或周边，为实时 AI 推理、智慧城市应用和新一代数字服务提供超低延迟。这些设施采用紧凑、零排放的水电供电系统，可无缝融入城市肌理。
理解两者的区别
城市 AI 设施如同社区变电站。 都市 AI 设施如同区域电厂。 两者都需要，但角色差别很大；它们相互补充，而非彼此替代。
🏙️ 城市 AI 设施
位于城市内部 • 距用户 0–5 km
距用户 0–5 km
位于城市范围之内，或距市中心和人口密集区仅数公里。
1–5 ms 延迟
为实时 AI 推理、自动驾驶汽车和智慧城市应用提供超低延迟。
紧凑占地
较小规模的设施（1–20 MW），可融入混合功能的城市环境。
浸没式液冷
采用先进冷却技术的高密度算力——无需冷却塔。
近乎静音运行
按与住宅、商业和交通基础设施共存的要求设计。
余热回收
100% 的余热均可被回收并输送至区域能源系统。
🌆 都市 AI 设施
郊区/工业区 • 距市中心 10–50+ km
距市中心 10–50+ km
布局在城市外围环带的郊区或工业区。
10–40+ ms 延迟
适用于大规模 AI 训练、云端负载和批量算力作业。
大型园区规模
大体量设施（20–100+ MW），针对扩容和超大规模运营优化。
风冷/混合冷却
传统冷却设施，配有可见的冷却塔和变电站。
并列对比
| 类别 | 城市 AI 设施 | 都市 AI 设施 |
|---|---|---|
| 与用户的距离 | 0–5 km | 10–50+ km |
| 延迟 | 1–5 ms | 10–40+ ms |
| 规模 | 紧凑型（1–20 MW） | 大型园区（20–100+ MW） |
| 冷却 | 浸没式液冷 / 闭式循环 | 风冷 / 混合 |
| 噪声与振动 | 近乎为零 | 中等 |
| 分区适配 | 混合功能 / 类公用设施 | 工业 |
| 余热回收 | 价值高（区域能源） | 通常被浪费 |
| 公共效益 | 非常高 | 间接 |
为什么选择水电？
Canada's Renewable Advantage: 加拿大是全球第三大水电生产国，全国 60% 以上的发电量来自水电。在魁北克省和 BC 省，这一比例超过 95%。城市边缘设施利用这一既有的清洁基础设施，实现零排放的 AI 算力。
Reliable Baseload Power: 与太阳能或风电不同，水电可提供 7×24 小时稳定、可调度的电力。这种可靠性对需要不间断算力的 AI 负载至关重要。
Urban Compatibility: 并网水电使城市边缘设施能够在都市区运行，而不会带来现场发电所伴随的噪声、排放或燃料运输需求。这才真正实现了融入城市的算力设施。
应用场景
自动驾驶汽车
Urban自动驾驶汽车的实时 AI 推理，要求边缘算力与车辆之间的时延在毫秒级。城市边缘设施可提供安全自主导航所需的延迟水平。
智慧城市基础设施
Urban交通管理、应急响应优化和公共安全系统都需要本地 AI 处理，无法承受云端延迟。
医疗 AI
Urban医学影像分析和实时诊断需要靠近医院和诊所的高性能算力。
金融服务
Urban高频交易和实时欺诈检测要求亚毫秒级响应，只有在边缘侧才能实现。
大规模 AI 训练
Metro训练基础模型和运行批量机器学习负载——这类任务可以容忍较高延迟，但需要庞大的算力容量。
云区域与超大规模
Metro面向区域市场的大容量存储、内容分发网络和企业云应用。
城市边缘设施对城市的意义
城市 AI 设施可支撑实时服务、缓解网络拥堵、支持数据主权管控，能把 100% 的余热输送给楼宇，并契合气候、住房与韧性目标。都市 AI 设施对实现规模不可或缺，但无法取代城市边缘算力——它们解决不了对延迟高度敏感的应用场景。
District Energy Integration
城市设施可把 100% 的余热输送至周边楼宇，替代化石燃料供暖，助力市政气候目标。
Zero-emission heatingClean Electricity Grid
接入加拿大的清洁电网，其中 BC 省和魁北克省的可再生水电占比已达 95%+。
Leveraging existing clean infrastructureSmart Cities Challenge
为 AI 驱动的市政服务提供算力基础设施，支持联邦“智慧城市挑战赛”。
Enabling smart city innovationUrban Densification
紧凑型城市设施把算力带到人们居住和工作的地方，如同社区变电站，支持城市密集化目标。
Sustainable urban developmentGreco Energy 的愿景
在 Leo Paskalidis 的带领下，我们的城市与都市边缘 AI 数据中心属于基础设施，而非工业开发——可与公用事业、变电站或轨道交通系统相提并论。通过同时部署城市（0–5 km）与都市（10–50 km）设施，我们构建起一张完整的网络，既服务于实时自动驾驶 AI，也服务于大规模模型训练。