Epoch AI 数据集浏览器
AI 数据中心
本地看板，用于分析功率、H100 等效算力、建设时间线、所有者和地理集中度。
来源
epoch.ai/data/ai-data-centers
勾选 2–3 个同类实体后点对比
最大站点功率排行
当前设施功率，单位 MW。
所有者汇总
按所有者汇总当前功率。
国家分布
站点数量和功率占比。
建设时间线
按年份汇总时间线中有正功率估算的记录。
核心分析
围绕 Owner、Users、芯片和效率看谁在建设、谁在使用、用什么芯片。
Owner 对比分析
按所有者对比站点数、功率、算力、成本和平均规模。
| 所有者 | 站点 | MW | H100 | 成本 | 均值 |
|---|
深度分析
这些是本地页面额外计算的指标，用来补充官方图表：集中度、效率和选中站点占比。
芯片结构分析
按芯片类型汇总数量，观察 H100、B200、B300、TPU 等结构。
用户维度分析
看谁在使用这些算力：按使用方（Users）汇总关联的站点数、功率和算力。注意：一个站点有多个使用方时会重复计入，各方之和会大于实际总量。
效率与成本分析
看谁把电和钱用得更值：每 MW 功率能换多少算力（越高越高效），以及每单位算力、每 MW 各要花多少钱。
深度 / 工具
高级工具
关联分析散点图 + 情景推演（what-if）：看指标之间是否相关、模拟改动后的影响。
假设推演
改一个现有站,或加一个假想站,看格局怎么变。
关联分析
判断功率、算力、成本、效率这些指标是不是一起变化（正相关/负相关/没关系）。相关不等于因果，只是同向变动的线索。
展开散点图
滚轮缩放 · 拖拽平移 · 双击复位（手机双指缩放）
增长与预测
把时间线从累计状态转成新增量，再做趋势外推。
严格新增量分析
时间线记录的是截至某时点的累计状态，直接按年相加会重复计。这里对每个站点把前后状态相减、只取增量，得到真正的逐年新增（功率与算力）。
统计建模/预测
对上面的逐年新增拟合一条直线并往后外推几年，给出粗略区间和拟合优度 R²。这只是趋势外推、图个直觉，不是严肃的容量规划。
质量与证据
集中检查可信度、异常值、来源和水资源缺失。
可信度分析
数据里很多值带可信度标记（confident 确信 / likely 大概 / speculative 推测 / 未标记）。这里统计各类的数量，帮你判断整体数据有多可靠。
水资源与缺失数据
看有多少站点报告了用水量（timeline 的 Water use MGD 字段）、多少缺失，并列出最耗水的站点。
异常值分析
挑出数据可能有问题的站点：Owner 缺失、有功率有算力却成本为 0、算力密度处于最高或最低 10%、没有来源链接。这些是待核查的疑点，不一定是真异常。
来源审计
看数据可不可追溯：每个站点有几条出处、多少完全没来源，以及这些引用都来自哪些网站。
地理与设施
把国家、地址、冷却设备和原始建设节奏放在同一组。
国家/区域深挖
按国家对比：站点数、总功率与算力、平均站点规模，以及有多少不同的 Owner（看该国是集中在少数玩家还是分散）。
冷却设备分析
盘点冷却设备：冷水机组和冷却塔的数量、总冷却能力和主要厂商。注意：这些设备在数据里没有和具体数据中心可靠关联，只能做整体盘点，不能落到单个站点。
地址分布视图
不调用外部地图，按国家和地址列出空间分布线索。
建设节奏分析
把时间线记录按年份直接汇总功率和算力。注意：时间线是累计状态，直接相加会重复计——想看去重后的真实新增，请看下方的严格新增量分析。
报告输出
把当前筛选和选择的模块整理成 Markdown。
报告导出
生成当前筛选范围的 Markdown 分析摘要。
数据中心记录
来自 data_centers.csv 的可搜索记录。
表格内可上下滑动查看全部记录；横向滚动查看全部列，点击表头可排序。