悉尼建41数据中心恐耗15%-20%供水
尽管围绕人工智能的炒作甚嚣尘上，但一些专家警告称，这可能正在形成泡沫——如果泡沫破裂，会发生什么？过去几年，围绕人工智能的热潮迅速升温。借助风险投资浪潮，科技行业领袖承诺，人工智能将彻底改变工作方式、提升生产率，并带来惊人的新突破。早些时候，ChatGPT的开发方开放人工智能公司获得1100亿美元投资，创下新纪录。其首席执行官萨姆·奥尔特曼最近还称，澳大利亚有望成为“世界数据之都”。
伴随高涨预期而来的，是对数据中心的大规模投资。数据中心是支撑这些模型训练、运行和维护的大型服务器设施。悉尼西部拟建的一座超大规模设施，规划容量为1吉瓦，占地52公顷，规模将跻身全球最大之列。它将加入澳大利亚现有的162座数据中心，以及正在建设中的90座。按预测，到2030年代初，澳大利亚将成为全球第三大数据中心市场。
但与投资者的全力押注相比，公众态度要复杂得多。一项新研究显示，澳大利亚在全球人工智能情绪指数中并列垫底。81%的受访者支持对机构使用人工智能制定更严格规则，68%的人担心，代表自己作出的决定会被人工智能掌控，自己却失去控制权。
反对人工智能的草根运动也在增长。上个月，反对悉尼数据中心项目的“停止低质内容”集会因报名踊跃，被迫改到更大的场地举行。它与“停止人工智能”“暂停人工智能”等行动一道，试图放缓数据中心建设，追问人工智能对就业和环境的影响，并讨论更公平、更可持续的替代方案。
一段时间里，还有一些毕业典礼视频开始流传：学生们对演讲嘉宾发出嘘声，其中包括谷歌前首席执行官埃里克·施密特。这些嘉宾热情洋溢地谈论“站在技术变革的边缘”，称人工智能将触及“每一种职业”“每一间教室”和“每一段关系”。人们对这些宏大说法的信心，以及对其所依赖的昂贵基础设施的信心，正在减弱。
什么是人工智能的商业模式？人工智能的财务成本高得惊人。正如科技评论人士埃德·齐特龙反复指出的那样，主要参与者为了维持模型运转，正在持续烧掉数十亿美元，而可观利润依然遥不可及。一些企业如今在快速上涨的“令牌成本”——也就是模型按次使用成本——上的支出，甚至超过了雇佣人工的费用。即便按最功利的经济标准衡量，这笔账也算不过来。
人工智能的商业模式究竟是什么？真正能创造价值、让数以百万计的个人用户或数以千计的企业愿意支付高额订阅费的“杀手级应用”在哪里？开放人工智能公司首席执行官萨姆·奥尔特曼曾在2019年承认：“我们完全不知道未来可能如何创造收入。等我们构建出通用智能系统后，也许可以让它自己想办法实现投资回报。”尽管此后行业格局显然已经变化，但应用场景和收入来源依然模糊。
关于人工智能究竟带来了什么贡献，至今仍缺乏扎实证据，行业路演和大会主题演讲中的空洞说辞并不能说明问题。一项针对美国、英国、德国和澳大利亚6000名企业高管的最新调查发现，人们对人工智能的观感总体积极，但现实令人失望：约90%的企业表示，过去3年里，人工智能对就业或生产率没有产生影响。麻省理工学院去年的另一项研究则发现，95%的生成式人工智能试点项目未能为机构带来可量化的财务价值，因此被放弃。
如果说人工智能的收益尚不清晰，那么它的负面影响正变得越来越明显。政治上，生成式人工智能为用误导性甚至完全虚假的内容“淹没信息空间”提供了理想工具，使信息环境更加混乱，也加剧社会分裂。内塔尼亚胡究竟是生是死？人工智能伪造内容让判断变得越来越困难。
社会层面上，人工智能陪伴型产品和模型通过长期对话赢得用户高度信任，已在越来越多涉及自杀和大规模枪击的诉讼中被提及。今年提起的一宗诉讼称，ChatGPT像一名亲密且极具说服力的“自杀教练”，诱导科罗拉多州一名男子结束了自己的生命。
环境层面上，人工智能所需的高强度计算，意味着数据中心将消耗更多电力和水资源，并产生数亿吨二氧化碳排放。环境核算副教授迈克尔·瓦登预测，如果悉尼规划中的41座数据中心全部建成，10年内它们将直接消耗悉尼15%至20%的供水。
即便撇开社会、环境和政治后果不谈，人工智能热潮和投资本身也忽视了技术层面正在发生的变化。过去10年，模型之所以变得“更聪明”，本质上是因为训练数据集越来越大。但这种路径的回报正在递减。
元公司前首席人工智能科学家杨立昆警告说，与人类学习相比，模型基于相关性的“学习”既低效，也不充分。模型训练需要数万亿个令牌。即便如此，它们也只是复现模式，缺乏更深层理解；而儿童只需少量样本，就能以更具泛化能力的方式学习。一名硅谷业内人士指出，“训练红利正在消退”已成为新的口号，依靠蛮力推进基础模型的做法正被抛在后面。巨型模型，以及支撑它们的巨型数据中心，未来是否仍有必要，远未可知。
另一场互联网泡沫？首先，可以把人工智能泡沫与1990年代末的互联网泡沫相比较。事实上，包括因预判次贷市场崩溃而闻名的《大空头》原型人物迈克尔·伯里在内的一些投资界人士，已经看到了两者之间令人不安的相似之处。伯里警告说，风险投资家正在以前所未有的程度，为“亏损公司”提供资金。
正如这一判断所暗示的，当前人工智能泡沫中的投资规模，远超当年的互联网泡沫。如果这次泡沫沿着相似轨迹发展，那么我们应当预期，大规模裁员和大量没有明确收入来源的人工智能初创企业清算将会出现。
当然，就像上一次泡沫一样，公司消失并不意味着技术本身也会消失。事实上，在正统经济学叙事中，互联网泡沫是一场“烈火洗礼”：痛苦，却被视为必要的重生。那些依靠“不理性”估值被托起的平庸玩家消失了，但它们帮助扩展的网络基础设施，后来成为真正创新技术产品的基础。
这种“软着陆式破裂”的部分前景，几乎肯定会发生：基础设施会保留下来，即便利用不足。人工智能仍会被嵌入各种产品中，继续接受市场检验。掌握海量数据和广告垄断的科技巨头，也会继续前行。随着审视加强，企业将开始收紧开支，精简产品，悄然限制令牌使用量，并提高订阅价格——这些变化我们已经看到。
但更大的问题在于，科技公司如今是否像当年一样，真正以有意义的方式为更广泛的世界作出贡献，甚至是否对经济本身有实质帮助。正如一位诺贝尔经济学奖得主在1980年代那句著名的话所说：“你能在任何地方看到计算机时代，唯独在生产率统计数据里看不到。”
近年对当代技术的分析也呼应了这一判断，认为互联网对经济增长的影响有限。如果人工智能也是如此——而现有数据、产品匮乏以及其主要鼓吹者的言辞都在暗示这一点——那么这就不仅是金融问题，更是社会问题。对于一种连自身承诺都无法兑现的技术，我们究竟付出了怎样的代价？
技术发展正在远离“越大越好”的信条。模型正变得更小、更高效。推动方向也正从云端转向所谓“边缘”——也就是手机等更便携、功耗更低、数据实际产生和使用的设备。同时，行业也在从“尽可能多地抓取数据”的数量逻辑，转向更强调质量的路径，使用更有针对性或经过精心筛选的数据。
其中一些变化值得欢迎，而且早就该发生。过去几年，大量关键的人工智能研究已详细记录基础模型中的偏见问题。结果并不令人意外：在几乎没有监督的情况下，对庞大社会材料档案进行无差别训练，最终会生成复制严重伤害的模型。
举两个广为人知的例子：人工智能模型会基于种族和性别实施歧视，而人工智能生成图像也持续偏向白人，忽视有色人种。鉴于这些问题，放慢速度，更谨慎地构建真正适配所在社群、理解其语言、需求和愿望的模型，只会带来好处。
例如，一些语言——包括拥有强烈口述传统的原住民语言——被视为“低资源”语言，也就是在标准训练集中材料严重不足。只要离开英语语境，模型回答的准确性就会明显下降。
未来的开发者或许会与社群密切合作，建立属于自己的材料档案，更准确地反映他们的观念和信念。在这里，我们开始看到“数据主权”这一概念的实际意义：群体保有对自身模型及其底层数据的控制权，逐步脱离企业云平台体制。当然，如果这种“小而移动”的路径真正获得广泛支持，就意味着当下对高度集中式数据中心的大规模投资方向是错误的。
那么，这些被大幅超前建设、并且很可能很快利用不足的基础设施会怎样？颇具讽刺意味的是，过去两年里，一些废弃购物中心被改造成数据中心，以满足需求；但这些数据中心本身，未来也可能变成空壳，成为一种过时愿景的实体遗迹。
他们学不会分辨真实与虚构，学不会理解什么构成有力论证，也学不会认识世界上不同的视角，因为他们实际上并没有真正接触材料本身。
在政治领域，最先进的图像和视频模型让辨别真伪变得越来越困难。重力错乱、六根手指之类的破绽已经消失。模型如今可以生成高度逼真的新闻画面，例如看似显示乌克兰总统泽连斯基投降的报道。
结果是，“说谎者红利”愈发普遍：当真伪边界被搅浑，连真实材料也会遭到怀疑，或被斥为合成内容。证据记录暴行、说服公众的能力因此被削弱，冲突各方都可以指责对方伪造媒体材料。
在环境领域，人工智能推动的数据中心建设热潮将带来长期影响。社会原本已开始通过电气化和可再生能源降低碳排放，但人工智能近乎贪婪的需求，可能逆转这一进展。可持续的生成式人工智能是一种谬误。科技评论人士凯伦·郝援引联合国近期一份报告称：“人工智能数据中心仅凭一己之力，就在全球范围内导致气候进展出现重大倒退。”
从稀土矿物开采，到作为备用能源燃烧高污染柴油，再到对地方电网的压力，以及在全球变暖背景下抽走数百万加仑淡水——人工智能供应链资本主义造成的破坏性影响，将由生态系统和未来世代共同承受。
“我来这里是想告诉你们，你们这一代人的使命就是摧毁人工智能。”《每日秀》喜剧演员钱信伊最近对哈佛大学毕业生这样说，现场响起赞同的欢呼。这与在类似典礼上，人工智能布道者遭遇的嘘声和愤怒形成鲜明对比。
这股正在酝酿的民粹式抵抗，不只是为了限制地方开发，它还代表着反对技术强化集中过度控制斗争中的一个关键新前线。除了这里，人们还能在哪里反击那些吞噬工作的算法、扭曲现实的深度伪造内容，以及自主无人机打击？
这些抗议和行动表明，当前人工智能愿景——一个追求“令牌最大化”、主张“人工智能无处不在”的世界——与普通人的愿望之间存在巨大鸿沟。当然，仅凭这种差距，并不能说明人工智能繁荣梦想已经终结：历史上不乏精英阶层无视民意、强行推广剥削性技术的例子。
但当这种反弹与经济、社会和环境等其他因素叠加时，它们开始动摇大型科技公司那种仿佛注定会实现的未来叙事。技术还可能有别的路径——更慢一些、更小一些、更适于共处，也更可持续——去真正为我们的生活、社会和世界作出贡献。
页:
[1]