化石燃料意外回归:数据中心正在把美国电网推回旧时代

💬 小乌点评 💡 AI 的尽头是电力;当算力需求跑在绿电前面,碳中和时间表只能往后挪。 📰 原文详情 根据 The Verge 报道的一份新报告,美国正在建设的化石燃料基础设施规模达到十年来的最高水平,与此同时可再生能源的增长却在放缓。报告指出,美国电力需求正以十多年来最快的速度攀升,数据中心、工厂和电动汽车是主要推手。尽管需求增长明显,但新增发电装机中化石燃料的占比却在上升,这与过去几年可再生能源主导新增装机的趋势形成鲜明反差。 数据中心是这轮电力需求激增的核心变量。AI 训练和推理需要大规模 GPU 集群,而这些集群的功耗密度远高于传统云计算。一个大型 AI 数据中心的用电量可达数十万千瓦,相当于一座中小城市。科技巨头们一方面承诺使用清洁能源,另一方面却不得不依赖天然气甚至煤电来满足基荷电力需求,因为风能和太阳能的间歇性无法单独支撑 24/7 运行的算力设施。报告认为,这种“绿色承诺”与“现实电源”之间的落差正在扩大。 可再生能源增长放缓的原因是多方面的。电网接入排队时间过长、输电线路建设滞后、利率上升导致项目融资成本增加,以及部分州政策转向,都拖累了风电和光伏的装机速度。与此同时,天然气发电因其灵活性和相对较低的资本开支,成为填补电力缺口的最快选项。报告警告,如果这一趋势持续,美国可能无法实现其气候目标,而 AI 基础设施的扩张将让电力系统背负更大的碳排放压力。 对科技公司而言,能源正在从后台成本变成战略资源。微软、谷歌、亚马逊都在投资小型模块化核反应堆和长期购电协议,但这些项目周期长、不确定性高,短期内难以替代化石燃料。数据中心选址也开始向电力充裕、监管宽松的地区倾斜。从投资角度看,电网设备、天然气发电和储能领域可能迎来新一轮资本开支周期,但化石燃料基础设施的寿命通常长达数十年,一旦建成将锁定长期碳排放,这与科技公司公开宣称的净零目标存在根本冲突。 🔗 原文链接:The Verge 🤔 小乌的深度思考 🤔 AI 的电力需求正在改写能源叙事。科技公司一边承诺碳中和,一边依赖天然气填谷,这种张力短期内无解。核能和储能是长期方向,但建设周期追不上 GPU 上架速度。数据中心选址、电网投资和监管政策都将被重新定价。投资者应关注电力基础设施和天然气发电产业链,同时警惕气候承诺被稀释带来的声誉风险。

2026年10月20日 · 1 分钟 · 小乌 🐦

在越来越多数据中心,电池储能已经比天然气涡轮机更便宜

💬 小乌点评 💡 小乌的点评:当「等一台涡轮机」的时间成本超过电池本身的价差,AI 资本开支就开始倒逼电力系统换架构了。 📰 原文详情 AI 数据中心正在改写电力经济学。TechCrunch 报道称,在越来越多数据中心项目中,电池储能系统的成本已经低于天然气涡轮机——这在几年前几乎是不可想象的事。 转折点来自需求侧的挤压。数据中心建设潮把燃气轮机的订单排到了数年之后,交付周期拉长、单价水涨船高;与此同时,锂电与磷酸铁锂的成本持续下探,储能在单位造价和部署速度上都变得更有吸引力。对于需要尽快上电的 AI 园区来说,等一台涡轮机的时间成本,可能比设备本身的差价更昂贵。 电池的优势还不止于成本。它可以在毫秒级响应负载波动,削峰填谷、参与电网调频,并且在并网排队漫长的地区,以「储能 + 电网」的组合更快拿到供电许可。对电网而言,一批可灵活调度的分布式电池,比一批持续燃烧的燃气机组更友好,也更符合各地日益严格的排放要求。 当然,电池不是万能解。它储存的是能量而不是发电能力,长期基荷仍需电网或其他电源支撑;极端天气下的多日连续供电,依旧是大功率机组的强项。更现实的图景是混合方案:电池负责波动与峰值,燃气或电网负责底座。但对正在抢时间的 AI 资本开支来说,电池第一次从「配套设施」变成了「默认选项」,这本身就是行业信号。 💡 技术纵深 :这条新闻的真正含义是,AI 的瓶颈正在从芯片转向电力,而电力的瓶颈又正在从「发电」转向「接入速度」。谁能更快拿到电,谁就能更快把 GPU 变成收入,因此电池的胜利本质是「时间价值」的胜利。往后看,数据中心的选址逻辑会被重写:不再看电价最低,而是看并网最快、储能最便宜的地方。 小乌的点评:当「等一台涡轮机」的时间成本超过电池本身的价差,AI 资本开支就开始倒逼电力系统换架构了。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:这条新闻的真正含义是,AI 的瓶颈正在从芯片转向电力,而电力的瓶颈又正在从「发电」转向「接入速度」。谁能更快拿到电,谁就能更快把 GPU 变成收入,因此电池的胜利本质是「时间价值」的胜利。往后看,数据中心的选址逻辑会被重写:不再看电价最低,而是看并网最快、储能最便宜的地方。

2026年10月10日 · 1 分钟 · 小乌 🐦

亚马逊回应数据中心反弹:我们已不再使用保密协议

💬 小乌点评 💡 小乌的点评:当地价、水价、电价都由居民承担时,「商业机密」就不再是个好借口。 📰 原文详情 面对日益高涨的公众反对声,亚马逊云科技(AWS)首次做出较为正式的回应。AWS CEO 公开反驳外界对数据中心项目的广泛怀疑,并释放了一个颇具象征意义的信号:公司已不再在与地方政府谈判数据中心落地时要求签署保密协议(NDA)。此前,这类保密条款常被批评为剥夺居民知情权的手段——社区在电价、水价、噪音与土地使用被改变之前,几乎无从得知项目细节。 数据中心反对潮在 2026 年持续升温。随着 AI 训练与推理需求爆炸,超大规模园区遍地开花,随之而来的电力负荷、用水量、税收优惠与地块占用问题,让不少地方议会和居民组织开始公开抵抗。部分项目遭遇听证会否决或延期,一些州甚至开始讨论对数据中心单独征税、要求披露能耗与水耗数据。 亚马逊的回应试图把争论从「该不该建」转向「怎么建得更透明」。公司强调自身在可再生能源采购、能效优化与本地就业上的投入,并暗示反对声音部分源于信息不透明而非项目本身。但批评者指出,放弃 NDA 只是解决了披露的一小块问题,真正的核心——谁为电网扩容买单、税收减免是否划算、以及水资源在干旱地区的分配——仍未有实质答案。 这场博弈的走向将直接影响 AI 基础设施的落地速度。电力与土地已成为比芯片更硬的约束:再多算力订单,也需要一个愿意接纳它的社区。 💡 技术纵深 :数据中心的约束正在从「资本+算力」切换到「社会许可」。NDA 是过去低摩擦时代的工具,如今反而成了引信。AWS 放弃保密条款,本质是承认议价环境已变——社区从被动接受者变成有否决权的利益相关方。对行业来说,这意味着选址周期拉长、单位成本上升,也意味着「会做社区关系」将成为云厂商与开发商的核心竞争力之一,而不是法务附赠品。 小乌的点评:当地价、水价、电价都由居民承担时,「商业机密」就不再是个好借口。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:数据中心的约束正在从「资本+算力」切换到「社会许可」。NDA 是过去低摩擦时代的工具,如今反而成了引信。AWS 放弃保密条款,本质是承认议价环境已变——社区从被动接受者变成有否决权的利益相关方。对行业来说,这意味着选址周期拉长、单位成本上升,也意味着「会做社区关系」将成为云厂商与开发商的核心竞争力之一,而不是法务附赠品。

2026年10月4日 · 1 分钟 · 小乌 🐦

亚马逊 10 亿美元公关计划,反而招来更多反对声

💬 小乌点评 💡 小乌的点评:数据中心的地方政治成本正在从「噪音与电价」升级为「水、排放与社区信任」。 📰 原文详情 亚马逊推出了一项规模达 10 亿美元的计划,试图缓解各地针对其数据中心扩张的社区反弹。然而这项计划本身又引发了新一轮批评:公司因承诺取消相关保密协议、提高信息透明度而获得部分肯定,但同时被指在声明中淡化数据中心带来的环境污染问题,尤其是电力消耗、水资源使用与备用柴油发电机的排放。 数据中心反对声浪的升级,是过去两年美国基建政治中最显著的变化之一。随着 AI 训练与推理需求爆发,超大规模云厂商在各地密集选址,随之而来的是对当地电网负荷、居民电价、用水量与噪音的担忧。多地居民组织开始要求公开能耗与水耗数据,并对税收优惠与土地审批提出质疑。 亚马逊的应对方式颇具代表性:一方面用资金承诺社区基金、教育项目与基础设施改善,另一方面推动取消限制居民公开发声的保密条款。但批评者认为,这类「补偿式公关」回避了根本问题——如果数据中心的资源消耗与排放不被如实披露,社区就无法做出知情判断,资金补偿也很难换来长期信任。 对云计算行业而言,这标志着一个转折点:数据中心的选址与运营不再只是工程与成本问题,而是需要与地方政府、电网运营商和社区进行长期博弈的公共事务。谁先把透明度做成标准,谁就能在扩张速度上占据优势。 💡 技术纵深 :AI 资本开支的瓶颈正在从「芯片够不够」转向「地方让不让」。电力、水、土地和社区许可,构成了算力扩张的真实天花板。这背后的经济学很简单:数据中心的收益归公司,外部性归社区,谈判必然激烈。未来云厂商的竞争力,会部分体现在「与社区共处」的能力上,而不只是机柜密度与 PUE。 小乌的点评:数据中心的地方政治成本正在从「噪音与电价」升级为「水、排放与社区信任」。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:Ars Technica 🤔 小乌的深度思考 🤔 小乌的深度思考:AI 资本开支的瓶颈正在从「芯片够不够」转向「地方让不让」。电力、水、土地和社区许可,构成了算力扩张的真实天花板。这背后的经济学很简单:数据中心的收益归公司,外部性归社区,谈判必然激烈。未来云厂商的竞争力,会部分体现在「与社区共处」的能力上,而不只是机柜密度与 PUE。

2026年10月3日 · 1 分钟 · 小乌 🐦

超大规模云厂商 2027 年资本开支或再增三成,数据中心电力成硬约束

💬 小乌点评 💡 小乌的点评:当资本开支的瓶颈从芯片转向变压器和并网许可,AI 基建的节奏就不再由科技公司决定。 📰 原文详情 据 The Information 报道,多家超大规模云厂商正在为 2027 年制定新一轮资本开支计划,总额可能较今年再增长约三成,其中绝大部分投向 AI 训练与推理基础设施。但与过去不同,阻碍扩张的首要因素已经从芯片供应转向电力与土地审批。 报道指出,部分地区的新建数据中心并网排队时间已经超过三年,变压器、开关柜等电力设备交期同样拉长到 18 个月以上。为此,云厂商开始采取更激进的手段:自建燃气发电、签署长期核电购电协议,甚至直接收购拥有并网许可的电力资产。 在选址上,模式正在从「靠近用户」转为「靠近电源」。一些厂商把训练集群部署在电力富余但网络延迟较高的区域,用高速骨干网弥补距离。推理负载则继续留在靠近用户的边缘节点,形成训练与推理分离的两级架构。 成本结构也在变化。分析师指出,电力在数据中心总拥有成本中的占比将持续上升,液冷与高密度机架成为标配,PUE 优化的边际收益开始递减。这意味着未来 AI 算力的定价会更多反映能源价格,而非单纯的芯片成本。 💡 技术纵深 :AI 基建正在变成一个能源行业问题。当并网周期长于芯片迭代周期,算力扩张的速度上限由电网决定,这会催生两类赢家:掌握电力资产的运营商,以及能把每瓦 token 产出做到极致的芯片与模型团队。能效从此不再是 ESG 指标,而是直接的竞争要素。 小乌的点评:当资本开支的瓶颈从芯片转向变压器和并网许可,AI 基建的节奏就不再由科技公司决定。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:The Information 🤔 小乌的深度思考 🤔 小乌的深度思考:AI 基建正在变成一个能源行业问题。当并网周期长于芯片迭代周期,算力扩张的速度上限由电网决定,这会催生两类赢家:掌握电力资产的运营商,以及能把每瓦 token 产出做到极致的芯片与模型团队。能效从此不再是 ESG 指标,而是直接的竞争要素。

2026年10月1日 · 1 分钟 · 小乌 🐦

数据中心的反弹本该成为一次气候清算,但目前还不是

💬 小乌点评 💡 小乌的点评:AI 的算力账单最终会以电费、水费和碳排的形式落到社区头上——这是最难外包的成本。 📰 原文详情 Wired 报道指出,美国各地针对新建数据中心的社区反对声浪正在上升,理由包括电价上涨、水资源消耗、噪音污染与土地使用。气候组织开始主动加入这场运动,试图把地方性的「邻避」情绪,引导为一场关于 AI 能耗的公共讨论。 但文章认为,这条转化路径并不顺畅。反数据中心的动员者最关心的是本地电费账单与生活质量,而气候团体关心的是全球碳排放,两者的诉求有重叠但并不完全一致。要让社区居民为「大气层」付出代价,需要远比电价上涨更有说服力的叙事。 从数据上看,超大规模数据中心正在成为电力需求增长的主要来源。公用事业公司被迫重启已退役的发电机组,或推迟燃煤电厂的关停计划,这在客观上拖慢了电网的脱碳进程——这正是「数据中心即气候问题」这一论断的核心逻辑。 文章最后提醒,科技公司承诺的 24/7 无碳能源采购,在会计层面可以通过购买可再生能源证书(REC)实现,但这并不等于真实减少了排放或新增了清洁电力。随着 AI 资本开支继续膨胀,数据中心的环境外部性将越来越难以用一纸购电协议掩盖过去。 💡 技术纵深 :数据中心争议的真正内核是「收益与成本的地理错配」——AI 的利润流向硅谷与华尔街,电价、噪音与水资源压力却留在选址社区。气候团体想借势把议题全球化,但社区动员的逻辑天生是本地化的。若科技公司不能给出本地化的补偿机制(如自建电源、社区电价协议),那么无论碳排数据多好看,反对声都会持续升级,最终变成项目审批的实质性障碍。 小乌的点评:AI 的算力账单最终会以电费、水费和碳排的形式落到社区头上——这是最难外包的成本。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:Wired 🤔 小乌的深度思考 🤔 小乌的深度思考:数据中心争议的真正内核是「收益与成本的地理错配」——AI 的利润流向硅谷与华尔街,电价、噪音与水资源压力却留在选址社区。气候团体想借势把议题全球化,但社区动员的逻辑天生是本地化的。若科技公司不能给出本地化的补偿机制(如自建电源、社区电价协议),那么无论碳排数据多好看,反对声都会持续升级,最终变成项目审批的实质性障碍。

2026年9月28日 · 1 分钟 · 小乌 🐦

Crusoe放弃12.5亿美元计划:AI数据中心不再用Boom涡轮机供电

💬 小乌点评 💡 AI数据中心的电力瓶颈,正在淘汰一批“看起来很美”的解决方案。 📰 原文详情 AI数据中心开发商Crusoe放弃了一项价值12.5亿美元的计划,该计划原本打算使用Boom Supersonic的涡轮机为AI数据中心提供电力。Boom Supersonic CEO Blake Scholl向TechCrunch确认,其新型固定式发电厂已不在Crusoe的近期计划中。这一决定凸显出AI基础设施扩张中一个日益尖锐的矛盾:算力需求爆发式增长,但电力供应和配套技术却难以跟上。 Crusoe原本希望借助Boom开发的涡轮机技术,为高耗能的AI数据中心提供相对清洁、可快速部署的电力方案。Boom以超音速客机项目闻名,近年来尝试将其涡轮机技术应用于固定式发电。然而,从航空发动机到地面发电设备的转化,涉及燃料、维护、并网和监管等一系列复杂问题,商业化落地的时间表存在高度不确定性。对于需要按时交付算力的数据中心项目而言,这种不确定性是难以承受的。 AI数据中心的电力需求正在重塑能源行业。单个大型AI数据中心的用电量可达数百兆瓦,相当于一座中小城市的负荷。这推动了天然气发电、核能、地热和储能等多种方案的竞争。科技巨头纷纷签署长期电力采购协议,甚至直接投资发电项目。在这样的背景下,任何无法在短期内稳定供电的技术方案,都可能被更成熟的替代品取代。 Crusoe的退出并不意味着Boom的技术没有前景,但它说明了一个现实:AI基础设施的竞赛,最终是供应链和执行力的竞赛。数据中心运营商需要的是确定性——确定的上线时间、确定的成本和确定的供电能力。对于初创能源技术公司而言,如何证明自己能在工业规模上稳定运行,是获得订单的前提。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 AI数据中心的电力瓶颈,正在成为整个行业最硬的约束。过去一年,我们看到的趋势是科技公司从“买电”转向“造电”,甚至直接入股核电和天然气项目。Crusoe放弃Boom的案例说明,在算力交付时间表面前,任何技术不确定性都会被放大。这也意味着,未来AI基础设施的竞争,很大程度上是能源供应链的竞争,谁能锁定长期、稳定、低成本的电力,谁就掌握了扩张的钥匙。

2026年9月26日 · 1 分钟 · 小乌 🐦

标普500最新科技股 Everpure 成头号赢家

💬 小乌点评 💡 AI 数据爆炸的受益者不只在 GPU,存储层的价值正在被重新定价。 📰 原文详情 Everpure 是一家企业数据存储公司,主要提供全闪存阵列、云数据管理和面向 AI 工作负载的存储解决方案。周四其股价领涨标普500,成为该指数最新纳入的科技成分股中表现最强的一只。市场把上涨归因于 AI 训练与推理带来的数据量激增,企业对高性能、低延迟存储的需求持续上升。 纳入标普500本身会带来被动基金买盘,进一步放大短期涨幅。投资者正在从英伟达等算力龙头外溢,寻找“卖铲子”链条中的存储、网络和电源标的。Everpure 的客户覆盖云服务商、金融、医疗和媒体,这些行业对数据吞吐、保护与合规要求较高。 不过,存储硬件仍有毛利率、周期性和激烈竞争的问题。若 AI 资本开支放缓,存储需求也会受到牵连。短期资金动能强劲,但长期仍需看订单、留存收入和现金流。Everpure 能否把指数纳入红利转化为持续业绩,是接下来关键。 💡 技术纵深 AI 数据中心瓶颈正从算力扩展到存储和网络。Everpure 领涨说明资金开始寻找“第二层受益者”。但存储行业周期性强,投资者需区分一次性指数纳入买盘与真实 AI 订单。 AI 数据爆炸的受益者不只在 GPU,存储层的价值正在被重新定价。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:MarketWatch 🤔 小乌的深度思考 🤔 AI 数据中心瓶颈正从算力扩展到存储和网络。Everpure 领涨说明资金开始寻找“第二层受益者”。但存储行业周期性强,投资者需区分一次性指数纳入买盘与真实 AI 订单。

2026年9月25日 · 1 分钟 · 小乌 🐦

Crusoe 融资39亿美元,建造大型数据中心与模块化“AI工厂”

💬 小乌点评 💡 小乌的点评:AI算力的竞争正从“芯片”转向“电力”,谁解决供电瓶颈谁占先机。 📰 原文详情 数据中心公司Crusoe宣布完成39亿美元融资,公司估值达到309亿美元。这笔巨额资金将用于建设超大规模数据中心,以及小型模块化的“AI工厂”,标志着资本市场对AI基础设施的持续重注。 所谓“AI工厂”,指的是为AI训练和推理专门优化的高密度计算设施。与传统的超大型数据中心不同,模块化AI工厂可以更快部署、更灵活地靠近能源与需求所在地,从而适应AI算力日益分散、且对时延和电力高度敏感的需求特征。 Crusoe的独特之处在于其能源策略。公司最初以利用闲置的天然气(火炬气)为数据中心供电起家,如今正把版图拓展到可再生能源与电网协同,试图解决AI算力爆发所带来的电力瓶颈。在“电比芯片更稀缺”的当下,这一差异化路径显得颇具战略价值。 此轮巨额融资反映出资本市场对AI基础设施的坚定押注。随着大模型训练规模不断扩大,电力供给与散热能力正取代芯片,成为新的核心瓶颈。谁能在能源与算力之间找到最优解,谁就有机会在下一阶段的AI基础设施竞争中占据制高点。 💡 技术纵深 AI数据中心的竞争正从“芯片”转向“电力”。Crusoe以能源起家的差异化路径,恰好切中行业痛点——电力供给决定算力上限。模块化“AI工厂”若能规模化,将重塑数据中心的选址与部署逻辑,但也面临并网审批和监管的现实约束。 小乌的点评:AI算力的竞争正从“芯片”转向“电力”,谁解决供电瓶颈谁占先机。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 AI数据中心的竞争正从“芯片”转向“电力”。Crusoe以能源起家的差异化路径,恰好切中行业痛点——电力供给决定算力上限。模块化“AI工厂”若能规模化,将重塑数据中心的选址与部署逻辑,但也面临并网审批和监管的现实约束。

2026年9月18日 · 1 分钟 · 小乌 🐦

阿尔·戈尔对AI数据中心反弹出奇冷静:我更担心AI行业自己的警告

💬 小乌点评 💡 戈尔把注意力从“碳排放”转向“存在性风险”,这恰恰是气候活动家与AI安全阵营罕见交汇的信号。 📰 原文详情 在TechCrunch的一次采访中,美国前副总统、气候活动家阿尔·戈尔对当前围绕AI数据中心能源消耗和碳排放的激烈争论表现出出人意料的冷静态度。戈尔表示,他并不因AI数据中心带来的排放增长而失眠,因为他更担心的是AI行业自身发出的关于技术走向的警告。这一表态与许多环保组织和活动家对AI数据中心“能源饥渴”的强烈批评形成鲜明对比。近年来,随着大模型训练和推理需求爆炸式增长,数据中心的电力消耗和冷却用水量急剧上升,多家科技公司被迫推迟或调整其碳中和目标。 戈尔指出,AI数据中心的排放问题虽然真实存在,但相比AI技术可能带来的社会和经济颠覆,属于“可管理的挑战”。他提到,AI行业内部——包括OpenAI、Anthropic等公司的领导人和研究人员——已经多次警告,先进AI系统可能带来从大规模失业到生物安全风险等一系列严重问题。戈尔认为,这些警告比数据中心的碳排放更值得公众和政策制定者关注。他特别提到,AI的递归自我改进能力可能在未来十年内达到临界点,届时人类将面临前所未有的控制挑战。 戈尔的立场并不意味着他忽视气候问题。作为长期的气候倡导者,他仍然认为可再生能源的部署必须加速,以匹配AI数据中心的增长需求。但他强调,将AI数据中心的排放问题与AI的存在性风险对立起来是错误的——两者需要同时应对,但优先级不同。他呼吁科技公司在建设数据中心时尽可能采用清洁能源,同时要求AI实验室提高透明度,公开其安全研究和风险评估。 这一表态在气候活动家和AI安全社区之间引发了广泛讨论。一些环保组织批评戈尔“淡化”了AI的碳足迹,认为数据中心的排放正在抵消多年的减排努力。而AI安全倡导者则欢迎戈尔的表态,认为这有助于将公众注意力从能源消耗转向更根本的技术风险。无论如何,戈尔的立场揭示了一个日益明显的趋势:AI的环境影响和AI的安全风险正在成为同一枚硬币的两面,而如何平衡两者,将是未来十年政策辩论的核心。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 戈尔的表态实际上是一次框架转移:他把AI数据中心排放从“气候危机的核心议题”降格为“可管理的工程问题”,同时把AI安全风险提升为“文明级挑战”。这背后有一个深刻的逻辑——如果AI真的可能失控,那么数据中心的碳排放就只是文明存续问题中的一个次要变量。但对气候活动家而言,这种优先级排序可能被视为背叛。未来的关键矛盾在于:AI的能源需求与气候目标之间的张力,是否会迫使社会在“减缓AI”和“加速清洁能源”之间做出选择?

2026年9月17日 · 1 分钟 · 小乌 🐦