Why Data Centers Became the Face of the AI Backlash

为什么数据中心成为AI反扑的象征 - Gradient Flow

为什么数据中心成为AI反扑的象征

发布者

Ben Lorica

2026年8月10日

2026年8月6日

分类

未分类

.meta-info

.post-thumbnail

AI不再仅仅被当作软件来评判。当大规模建设演变为巨型工业设施，新的输电线路、持续的电力需求以及可能对公用事业费率造成的压力，争论的焦点也随之改变。社区被要求承担能立即看到的成本，而收益却遥不可及、充满不确定性，并分散在其他地方的人和公司身上。

我认为行业一直将这个问题视为沟通问题，而实际上这是一个合法性问题。保密性、激进的交易行为以及反复警告就业替代风险，让人们不仅质疑某个设施是否值得，还质疑整个AI项目是否是在他们愿意选择的条件下推进的。事实是，破坏性影响在承诺的治愈方案和丰饶时代到来之前就已显现，这让问题变得更加棘手。

没有简单的政策答案。在本地阻止项目可能会将计算能力转移到更不受监管的地方，使最好的系统变得更加排他。不进行改革地建设会加深抵触情绪。更持久的路径是让交易透明化，保护社区免受负面影响，并展示普通人能够识别并期待共享的价值。

相关内容

• Jasmine Sun 与 Ezra Klein 的对话

• "数据中心叛乱"已经到来

• AI数据中心的熊市论

订阅我们的每周简报

附录：AI基础设施的新政治

目录

• 为什么数据中心成为AI的象征

• 行业如何将发展转化为信任危机

• 环境论点存在偏差

• 经济论点比许多反对者承认的更强

• AI民粹主义关乎权力与同意

• 行业自身的矛盾正在加剧反扑

• 收益来得太慢

• 劳动风险主要关乎议价能力

• 竞争叙事没有明确的终点线

• 建设者依赖三种道德理由

• 禁令本身也存在权衡

• 中国提出了AI适应的不同模式

• 硅谷可能为时已晚地学到的教训

#### 为什么数据中心成为AI的象征

• AI抽象的承诺现在有了高度可见的物理存在。超大规模数据中心是巨大的、无窗的工业建筑，周围环绕着输电线路、塔架和电力基础设施。在Port Washington，一个设施在时速70英里行驶时需要1分42秒才能通过。附近的居民还能听到持续的嗡嗡声、嗡鸣声、嗡嗡声和偶尔的震动声。这种感官体验使AI建设更难被当作关于软件的抽象辩论来对待。

• 成本集中而收益分散。住在数据中心附近的人会经历噪音、施工、景观改变和潜在的电网压力。而收益却分散在遥远的用户、AI公司和大型企业客户身上。这种政治安排极具挑战性，因为承担最明显成本的人可能并不相信他们能获得有意义的回报份额。

• 这比传统的邻避主义（NIMBYism）范围更广。反对意见不仅限于那些住在拟建设施附近的人。反对意见似乎接近70%，其中包括那些没有附近项目的居民。我的理解是，数据中心已成为一个更广泛问题的象征：人们是否希望人工智能以如此快速的速度和这些条件发展？

• 人工智能缺乏一个天然的拥护群体来捍卫其基础设施。太阳能电站有环保倡导者。汽车工厂有工人、工会、供应商和家庭，他们可以指向一个具体的产品。数据中心主要由公用事业公司、开发商和人工智能公司来捍卫，而这些机构最初都面临公众信任度低的问题。没有同样显眼的普通人群体站出来表示，他们的生活依赖于建设更多数据中心。

return to TOC

#### 行业如何将发展转变为信任危机

• 保密协议营造了秘密和共谋的假象。地方官员有时无法透露开发商、客户、项目规模或预期电力需求。信息仍通过承包商和工人泄露出去，导致谣言四起而政府官员保持沉默。当事实最终浮出水面时，许多居民得出结论：公司和市议会一直在幕后密谋。反驳观点：保密协议的使用可能更多是出于本能而非共谋。公司通常会使用它们，可能并未预料到政治后果。但这并未改变结果，即造成了严重且几乎可以避免的信任损失。

• 低信任度使即使是合法的好处也难以推销。公司可以承诺支付电网升级费用、防止家庭电价上涨、负责任地处理废水并创造数百个就业岗位。在许多社区，反复出现的回应通常是：“我不相信他们。”一旦可信度崩溃，更出色的演示和更令人印象深刻的预测几乎毫无作用。

• 每个新开发商都会继承早期公司的失败。威斯康星州居民还记得富士康（Foxconn），该公司在获得大量公共支持后承诺创造13,000个就业岗位，但实际只创造了约1,000个。詹斯维尔（Janesville）居民还记得通用汽车工厂（GM plant）关闭后留下的约3000万美元污染。数据中心开发商可能与这些失败毫无关联，但当地社区会通过这段历史来评估新的承诺。

• 法律胜利可能成为政治失败。一个小镇以4比1的投票结果反对将土地重新规划为数据中心。开发商提起诉讼，而该小镇最终选择和解而非继续与一个财力雄厚得多的对手对抗。即使和解为学校和公共服务提供了资金，这一过程也强化了这样一个观念：足够富有的公司可以推翻民主的“不”投票。

• 更多的钱可能引发更多怀疑。硅谷（Silicon Valley）通常认为反对意见意味着提供的条件不够慷慨。在当前的政治环境中，更大的支付可能看起来像是公司购买同意的证据。补偿可能是必要的，但它无法替代透明度、可执行的保护措施以及真正影响决策的能力。

• 水已成为最令人印象深刻的象征，但未必是最大的问题。许多新建数据中心采用闭环冷却系统进行水循环利用，其用水量可能远低于反对者想象的水平，甚至在某些地区低于附近高尔夫球场的用水量。然而，水在政治上仍具有强大影响力，因为它代表了更广泛的担忧：外部公司正在消耗本地资源，用于居民并不看重的技术。反驳观点：闭环冷却并不意味着完全不用水，每处设施的情况都不同。社区要求获得针对具体项目的详细信息，而非接受行业层面的保证是合理的。

• 电力需求是更为重要的基础设施问题。AI集群需要为处理器、网络和冷却系统提供大量持续电力，这可能需要新建输电线路、发电机和发电厂，其中天然气很可能会满足短期内至少部分增长需求。设施本身可能污染较小，但仍可能在电网其他环节产生排放。

• 谁来承担电网建设成本可能比设施消耗多少电力更重要。居民希望了解开发商是否会承担变电站、输电线路和新发电设施的全部成本。他们对承诺家庭电价保持不变的说法持怀疑态度，尤其是在那些公用事业公司多次提高电价的地区。

• 纠正环境夸大说法无法消除反对声音。关于用水的一些说法可能已过时或被夸大，但反对意见根植于对整个行业的更广泛判断。人们经常借助环境问题表达更深层的反对意见，涉及信任、权力、公平和同意等议题。

#### 经济理由比许多反对者承认的更具说服力

• 财产税收入可能带来变革性影响。微软预计2026年在约2.8万人口的芒特普莱森特村需支付约1960万美元财产税。如此规模的收入可显著改善学校、公共安全、基础设施和地方政府财政。

• 建设工作带来的就业机会是真实的经济收益。一个项目可能在2至6年内提供约500个高薪岗位，包括无需四年制学位即可获得的学徒制职位。这足够让工人支持家庭、购房并建立事业。临时就业不应被自动视为毫无意义。反驳观点：一旦建设结束，数据中心通常提供的长期雇员数量远少于汽车工厂、半导体设施或其他类似规模的工业项目。

• 一些数据中心选址急需投资。前富士康地块已具备清理过的土地和昂贵的基础设施。简斯维尔的废弃通用汽车工厂因污染吓退了其他买家，而数据中心开发商愿意承担清理费用。在受损工业用地建设设施比在肥沃农田上建设更能获得公众支持。

• 社区合理担心会陷入资产搁浅困境。AI需求可能不及预期，开发商可能在竞争中失利，或更新的硬件可能使现有设施失去吸引力。居民担心公司可能撤离，而社区仍需承担道路、电力基础设施、未完成项目或过时建筑的责任。

• 社区的议价能力正在增强。两年前，企业主要寻求销售税豁免、补贴和其他激励措施。随着反对声增加，政治上欢迎数据中心的地区变得越来越少。一些地方官员现在认为，他们可以拒绝补贴，转而要求更全面的社区利益回报方案。这种抵制可能无法阻止建设，但会显著改变交易的经济性。

• 核心政策问题可能在于交易设计本身，而非数据中心。一个小镇不应需要独自与价值万亿的行业谈判电力保护、清理担保、税务安排、噪音限制和退役义务等条款。州或联邦层面的框架可以设定最低信息披露、利益分配和风险分担标准，同时仍允许社区拒绝不符合条件的项目。

#### AI民粹主义关乎权力与同意

• 人们越来越将AI视为精英政治项目。反复出现的抱怨并非AI没有用处，而是少数高管和投资者似乎能够未经实质性同意就将AI强加于工作场所、学校、社区和公共机构。“为什么必须强加给我们？”可能比“模型能力如何？”成为更重要的政治问题。

• 公众尚未将AI视为生活必需品。许多人使用ChatGPT或Gemini撰写邮件或制作表情包，但这并不意味着他们像看待住房、交通、电力或医疗一样看待AI。行业巨大的估值和基础设施需求似乎与许多人日常生活中体验到的有限价值脱节。

• 反对浪潮看似是自发产生的，而非人为制造。外国政府可能试图放大反对声音，但这些努力似乎几乎没有引起关注。许多组织者清楚区分闭环冷却与开环冷却等技术概念，他们并非困惑，而是简单认为项目不值得承担代价。

• 数据中心反对运动正在催生非传统的政治联盟。环保主义者、亲劳工的民粹主义者、社会保守派和AI安全倡导者正在围绕减缓发展的共同目标汇聚。他们的理由各不相同，但政策结论日益重叠。

• 地方层面的斗争赋予人们政治参与感。居民可能对国家AI政策影响力有限，但可以参加规划听证会、组织邻居并施压地方官员。一些自由派活动人士表示，数据中心是数年来首个允许他们与投票支持特朗普的邻居有效合作的议题。

#### 行业自身的矛盾正在加剧反对浪潮

• AI公司一边警告系统可能造成的危害，一边构建可能引发这些危害的系统。行业领袖讨论大规模白领失业、严重不平等、失控风险和灾难性威胁，同时他们的公司却在销售旨在减少对人力依赖的编程、银行、设计和行政代理。商业模式依赖于他们描述为危险的颠覆性力量。

• “这项技术可能具有危险性，因此我们必须加快其开发”并不是具有说服力的公众论点。高管们可能私下希望开发速度更慢，但他们仍持续加速，因为他们认为竞争对手或中国会采取相同行动。这种逻辑在行业内或许有道理，但很难让社区成员产生帮助意愿。

• 这些公司最初与招募对象和投资者沟通，而非公众。关于人工通用智能、工作终结、存在性危险以及权力从劳动向资本转移的言论，传递了硅谷内部的严肃性和雄心。这些公司似乎没有预料到，工人、选民、政界人士和社区活动家也在密切关注。

• 缓和措辞的尝试可能加深公众的怀疑。如今，领导者有理由寻求政治善意、基础设施审批和公开市场投资者的支持。当他们的警告变得不那么夸张时，公众会合理质疑：是底层信念发生了变化，还是仅仅改变了沟通策略？

• 该行业可能面临的是产品问题而非营销问题。更好的品牌塑造无法解决人们不愿接受的未来。如果公司确实预计会出现大规模岗位替代、不平等加剧和重大灾难性风险，公众的反对就不仅仅是沟通不畅的结果。

#### 收益的实现速度过慢

• 公众正在目睹破坏而非繁荣。该行业承诺了医疗突破、更便宜的商品、科学发现和生产力的飞跃性提升。但许多人看到的却是受威胁的工作岗位、新工业设施、电力需求激增以及财富向少数人集中。如果损失率先出现，支持快速部署的政治联盟可能无法持续到收益显现之时。

• 技术成就未必符合公众优先事项。AI研究者可能对先进的定理证明或科学推理感到兴奋。但大多数人希望降低生活成本、改善健康、减少令人不快的工作，以及拥有更多与家人朋友相处的时间。技术上的卓越表现不会自动产生政治合法性。

• 分配是承诺收益的一部分。如果人们认为只有亿万富翁、大公司或政府才能负担得起医疗突破，这种突破就不会引发广泛热情。人们担心雇主将获得能够自动化其工作的系统，而他们自己却无法获得同等的访问权限或议价能力。

• AI行业的理想化乌托邦可能与多数人的需求不符。一些构建者描绘了一个全民基本收入、无需工作、寿命大幅延长、机器发现所有数学和物理定律的世界。但许多人通过工作获得意义、地位、人际关系和独立性。他们可能不会将永久依赖转移支付视为理想结果。

#### 劳动风险主要涉及议价能力

• 永久性底层阶级的情景是一种失去杠杆的情景。如果机器能够完成大多数经济价值高的工作，资本所有者可以购买机器劳动力而非雇佣人员。工人可能仍能获得福利支付和廉价商品，但他们将失去就业带来的大部分议价能力、流动性与独立性。

• 即使是行业内部人士通常也预计不平等现象会加剧。几乎所有从事前沿AI开发的人都似乎不认为不平等会自动减少。一些人预计生活水平可能会上升，即使所有者与劳动者之间的差距扩大，但这种承诺与广泛共享的权力或繁荣是不同的。

• 完全的岗位替代可能比最夸张的预测所暗示的要不太可能发生。人类工作结合了多种任务、关系、判断、体力活动和未明说的知识。AI的能力仍然参差不齐。一个在编程或数学方面表现出色的模型，可能仍难以应对普通工作的全部复杂性。反论点：AI无需替代所有任务就能重塑就业。自动化足够有价值的工作就可能减少招聘、压缩工资或消除初级职位，即使人类仍然必要。

• 变革的节奏可能比最终结果更具破坏性。当工人有时间重新培训并转向新角色时，可以适应技术变革。困难的问题在于，一个人是否能比下一代模型在同一领域提升技能的速度更快。

• 初级职位可能成为首批结构性牺牲品。高级工程师可以借助AI工具提高生产力，而公司会减少招聘初级工程师。这可能在短期内提高产出，但会削弱无经验工人成为专家的路径。该行业可能会消耗它仍然依赖的人才管道。

#### 竞赛叙事没有明确的终点线

• 人工通用智能尚无公认的定义。它可能意味着能够完成所有人类工作、产生一定经济价值或独立开发下一代AI的系统。不同公司使用不同的里程碑，这意味着竞赛有多个且不断移动的终点线。

• 能力的不均衡使单一赢家的概念变得复杂。模型可能在数学或网络安全方面表现出色，但在体力劳动、社会判断或陌生游戏中表现薄弱。这使得难以确定某一时刻公司是否已明确进入通用智能领域。

• 无法评判的竞赛可能永远不会结束。每个实验室总能找到一个基准、能力或竞争对手，使其看起来落后。因此，这个隐喻为加速提供了永久的正当理由，即使没有证据表明任何一家公司已明显领先。

• 最强的竞赛论点是递归改进。主要实验室正试图构建能够为AI研究做出贡献并改进下一代模型的系统。如果一家公司实现了复合优势，率先行动可能变得至关重要。反论点：领先的实验室都在追求类似的方法，目前尚无明确证据表明其中一家已确立决定性的自我强化优势。

• 该行业面临真正的集体行动难题。许多高管希望放慢进展，但不会单方面放慢。他们担心竞争对手或中国实验室会继续推进。没有可执行的协调机制，每个参与者都可以将加速描述为被迫的防御性行动。

• 技术必然性为道德立场提供了掩护。许多开发者认为，无论个人或公司采取何种行动，先进人工智能最终都会被创造出来。基于这一假设，唯一的问题变成了谁来建造它，以及他们是否能让这一过程稍微安全一些。对必然性的信念在很大程度上为持续加速提供了正当性。

#### 建造者依赖三种道德理由

• 必然性论据。一些人认为超级智能无法被阻止，因此他们希望影响谁来开发和控制它。从事这项技术的工作成为了一种尝试，确保更有责任感的组织率先达到这一目标。

• 预期价值论据。一些人认为，即使存在严重风险，治愈疾病、延长寿命、消除稀缺性以及创造非凡丰裕的可能性也足以证明其合理性。潜在的收益被视为足够巨大，足以抵消灾难发生的实质性概率。

• 技术迷恋论据。一些建造者对探索是否能创造高级智能这一技术挑战有着深刻的动力。技术问题本身如此引人入胜，以至于社会和政治后果变得次要。

• 这些论点中没有一个向公众寻求有意义的同意。创始人和研究人员可能自愿在职业生涯和公司中接受极端风险。当风险涉及其他人的社区、生计、政治权力和长期安全时，这种逻辑就变得难以辩护。

#### 禁令本身会产生新的权衡

• 本地限制可能只是转移计算能力而非减少它。如果一个城镇或州禁止建设，开发者可以迁移到德克萨斯州、田纳西州、北达科他州、其他国家，甚至最终迁移到更不寻常的地点。各地禁令的拼凑可能改变AI的建造地点，但不会显著改变整体开发速度。

• 迁移基础设施会削弱民主监督。如果项目在公众审查严格的社区中难以建设，公司可能倾向于选择环境标准较低或政治问责较弱的司法管辖区。试图在本地加强民主控制的努力，可能无意中将开发推向更具威权性质的环境。

• 计算能力正在成为地缘政治的杠杆。国家可能通过提供土地、电力和有利的监管政策，换取接触前沿模型、网络安全能力或对AI政策的影响力。因此，数据中心建设也正在成为外交政策、能源政策和土地使用政策的一部分。

• 稀缺的计算能力可能加剧不平等。目前的需求似乎超过了供应。如果产能持续受限，大型银行、科技公司和政府将能够以更高的价格竞标，从而获得最强大的系统，而初创公司、小企业和个人用户则被排除在外。反论点：额外的产能并不保证广泛接入。由于运营成本、安全顾虑或商业策略，公司仍可能将最佳模型保留给最大客户。

• 即使AI变得更强大，前沿领域可能正在关闭。最先进的模型运行成本高昂，且越来越可能被选择性提供。这使得雇主可能获得能够替代工作的系统，而工人和小公司只能获得较弱的版本。

• 更低的可见阻力可能反映的是宿命论而非乐观主义。中国主流态度并非必然认为人工智能将创造丰饶，更接近于一种信念：一旦国家将技术发展列为优先事项，其发展便不可阻挡。因此个人的应对方式是适应而非抵抗。

• 高采用率并不一定意味着热情的采纳。在激烈竞争的劳动力市场中，工人可能使用人工智能，因为他们担心落后于同事或求职者。仅凭使用数据无法判断人们是否欢迎这项技术。

• 中国在加速发展的同时加强了更明显的社会管控。中国对部分陪伴聊天机器人实施了限制，要求对人工智能生成内容进行标注，并通过法律限制仅因人工智能能胜任工作就解雇员工的行为。因此部分公民可能期待政府比美国政府更积极地管理社会危害。反论点：在言论和民意调查受限制的环境中，公众担忧难以量化。缺乏明显反弹不应被视作公众接受的证明。

#### 硅谷可能为时已晚的教训

• “人工智能将解决它”不是实施计划。人工智能可以为气候研究、医学、机器人技术和生产力做出贡献。但行业经常跳过将更智能模型与实际解决的问题连接起来的步骤。每一步通常都需要机构、资本、基础设施和政治共识。

• 人工智能研究者可能从异常适合自动化的工作中过度概括。软件、量化研究和某些科学领域包含大量显性、可被机器读取的上下文。许多工作则更依赖隐性知识、人际信任、物理环境和组织协商。

• 政治无法像模型一样被优化。行业在解决曾经看似不可能的技术难题上取得了成功。如今面对的难题依然困难，因为人们在价值观、风险和谁应受益方面存在分歧。可能不存在能让所有人接受相同权衡的技术方案。

• 关系能力正成为战略能力。一些最重要的失败涉及信任、沟通、谈判、联盟建设和判断，而非技术智能。将这些技能视为次要的公司将持续误判社区和政府。

• 人工智能行业正在失去对自身叙事的控制。两年前，公司主要通过创新、竞争力和未来丰饶来定义人工智能。如今，工人、社区、民粹主义政客、安全倡导者和监管者正在形成自己对这项技术代表意义的叙述。唯一持久的回应将是可见且广泛共享的利益，而非仅仅改进宣传。