人工智能超级工厂：隐性成本——美国和中国超大规模数据中心扩张如何加剧资源紧张

Konrad Wolfenstein

2个月前

人工智能超级工厂：隐性成本——美国和中国超大规模数据中心扩张如何加剧资源紧张——图片来源：Xpert.Digital

数据中心的用水量堪比一座城市：人工智能扩张的阴暗面

水资源短缺和城市热岛效应：比以往任何时候都更加严重——为什么人工智能数据中心的建设完全失控

下一个泡沫即将出现吗？人工智能巨型项目背后隐藏的危险幻象。

人工智能的热潮占据了各大媒体的头条——然而，当全世界都在热议智能聊天机器人、生产力提升以及未来工作模式时，一项规模庞大、几乎隐形的基建项目却在暗中进行。美国和中国的所谓“人工智能超级工厂”和超大规模数据中心正在以前所未有的规模消耗着自然资源。数十亿美元的纳税人资金以隐性补贴的形式流入了全球最赚钱的科技公司，而当地社区却不得不承受高昂的水资源消耗、严重的环境破坏以及电力短缺的威胁。本文将深入剖析这项历史性建设项目的幕后运作，揭示人工智能热潮背后不为人知的代价：从公然缺乏透明度、投机泡沫的滋生，到迫在眉睫的电子垃圾海啸，这些都让全球环境目标变得遥不可及。现在是时候将我们的关注点从软件转向人工智能的硬性、物理现实了。.

数十亿美元流入科技巨头口袋：纳税人如何在不知不觉中资助人工智能热潮

围绕人工智能的公共辩论几乎完全集中在生产力提升、就业岗位流失和根本性的伦理问题上。然而，一个更为紧迫的层面却被系统性地忽略了：人工智能热潮赖以生存的物质基础。人工智能数据中心——业内委婉地称之为“人工智能工厂”或“超大规模园区”——是耗费资源量空前的巨型实体建筑。分析其真实成本会发现，其中隐藏着错综复杂的补贴、生态定时炸弹和社会冲突，其复杂性远远超出了通常的能源消耗报告所能涵盖的范围。.

历史建筑方案的维度

在信息技术史上，从未有过如此众多、规模如此庞大的数据中心在如此短的时间内拔地而起。由OpenAI、甲骨文、软银和阿布扎比主权财富基金MGX共同发起的“星门”（Stargate）项目计划到2029年投资高达5000亿美元用于人工智能基础设施建设，其中1000亿美元可立即投入使用。该项目建成后将成为历史上规模最大的私人基础设施投资计划。仅在2025年第一季度，全球数据中心资本支出就打破了以往所有记录。到2030年，总容量可能从目前的约103吉瓦增长到近200吉瓦。预计2026年至2030年的总投资额将达到3万亿至5万亿美元以上。.

在中国，一项由国家协调的平行发展正在进行中。2023年至2024年间，超过250个新的人工智能数据中心已宣布或建成。根据美国银行的分析，如果以政府在人工智能领域的总支出衡量——预计到2025年将达到约540亿欧元——中国在政府人工智能支出方面位居世界第一。这些数据表明，我们正处于战后历史上资本密集度最高的基建项目之一——然而，其透明度却远远不足以反映如此庞大的规模。.

美国隐形的补贴机制

无限制、无监管的税收减免

美国人工智能热潮中最被低估的政治和经济问题或许是各州之间不受控制的补贴竞争导致州财政预算逐渐被掏空。超过30个州为数据中心公司提供了专项税收优惠，42个州对数据中心设备给予全部或部分销售税豁免。乍一看，这种做法似乎合情合理：吸引大型科技公司落户本州可以保障就业和税收收入。然而，现实情况却远比这严峻得多。.

对州预算数据的分析显示，仅十个州每年就因这些税收项目损失至少1亿美元的税收收入。在德克萨斯州，该州数据中心销售税豁免项目的预计成本从2023年的1.57亿美元飙升至2025年的超过10亿美元——短短两年内增长了五倍。尤其令人担忧的是，许多此类豁免并未对应缴税款金额或豁免期限设定上限。这意味着，随着容量和硬件价值的增长，税收优惠也成比例增长——这无异于为全球最富有的企业开出了一张结构性的空白支票。行业刊物《The Register》的一项调查记录显示，纳税人被系统性地蒙在鼓里，无法了解这些项目的受益者是谁。.

一个例子就能说明这种不平衡：仅在2015年至2023年间，微软在华盛顿州的数据中心就获得了3.33亿美元的销售税豁免。此后，OpenAI明确呼吁特朗普政府将《CHIPS法案》规定的35%税收豁免范围扩大到人工智能数据中心、人工智能服务器生产和网络基础设施组件。结构性问题显而易见：当各州和地方政府还在为有时急剧上涨的网络费用和预算缺口而苦苦挣扎时，世界上最赚钱的公司却在享受公共资金的补贴。.

联邦层面：星际之门与国家对私人利益的合法性

2025年1月21日，特朗普总统在白宫亲自揭幕了“星门”项目，将其定位为一项旨在确保美国人工智能领先地位的战略性国家项目。尽管该项目名义上无需联邦政府直接拨款即可运营，但总统权力赋予了它诸多关键特权：快速审批流程、在地方反对声中提供政治支持，以及降低融资成本的隐性政府担保。在一些州，电力运营商利用征用权连接数据中心已成为现实。例如，在威斯康星州，一位83岁的艺术家面临着失去他那相当于500个足球场大小的土地的风险，因为为位于华盛顿港、耗资150亿美元的“星门”数据中心供电需要一条高压输电线路。.

中国的国家补贴机制——一个不同的类别

对整个人工智能价值链进行直接投资

美国的补贴主要以州级税收减免的形式出现，而中国则采用更为直接和全面的国家支持方式。仅国家人工智能产业主权财富基金一项，就规模达600.6亿元人民币（约合72亿欧元），期限13年，并于2025年重新启动。国有银行直接参与其中。此外，市级层面也设立了相应的基金，例如上海人工智能先锋基金（约27亿欧元）、深圳人工智能与机器人发展基金（约12亿欧元）以及北京的八项产业基金，共同完善了这一体系。.

第三期国家支持的半导体投资基金（第三期大基金）规模达500亿美元，直接瞄准芯片设计和制造行业，而芯片正是人工智能数据中心的基础。预计到2025年，中国在人工智能基础设施领域的公共投资总额将达到约1000亿美元。直接补贴电力成本的政策尤为有效：地方政府已将中国最大型数据中心的能源费用降低了高达50%。字节跳动、阿里巴巴和腾讯等正在转向使用国产芯片的公司正是受益者。因此，这些补贴也构成了一种产业政策：它们弥补了国产GPU产品与英伟达产品相比能效较低的不足。.

东西方数据悖论

中国的“东数西算”战略是国家主导的基础设施建设产生意想不到后果的典型案例。该计划旨在将数据中心战略性地迁移到中国能源和土地资源丰富的西部省份——拥有水力资源的贵州省和拥有风能和太阳能资源的内蒙古自治区。其逻辑显而易见：中国东部地区需求旺盛，但土地和能源短缺；西部地区能源丰富，但缺乏合格的人才和基础设施。.

结构性问题：由于缺乏需求、人力资本和实际基础设施，西部省份建设的许多高性能计算中心大多处于闲置状态。与此同时，这给本已缺水的地区带来了严重的环境风险。内蒙古和甘肃——中国受水资源压力影响最严重的两个省份——已经首当其冲地承受着“卓越数据中心”（EDWC）项目带来的冲击。张家口地区的数据中心必须从地下抽取冷却水，而不是从附近的官亭水库（该水库专供北京使用）。这给华北地区的地下水位带来了更大的压力，而由于集约化农业，华北地区的地下水位已经大幅下降。.

水危机：被压制的核心问题

数据中心的用水量堪比一个小镇。

水与电力一样，是人工智能数据中心的第二大必需资源，而这恰恰隐藏着一个问题，一个在公共讨论中几乎无人提及的问题。一个100兆瓦的超大规模数据中心每年仅冷却系统就消耗约25亿升水。这相当于约5万人的年饮用水消耗量。因此，任何询问新建人工智能数据中心能创造多少就业岗位（通常只有几百个）的人，都应该同时问问有多少家庭会因此面临用水危机。.

据一项美国研究显示，训练 GPT-3 语言模型估计消耗了 540 万升水。其中，70 万升水直接用于数据中心冷却，其余则用于能源供应和供应链。即使只是向人工智能聊天机器人提出 10 到 50 个查询，也会间接消耗约 500 毫升水。赛莱默公司 (Xylem) 和全球水资源情报公司 (Global Water Intelligence) 的一项最新分析预测，到 2050 年，人工智能相关的用水需求将增长 129%，即每年额外增加 30 万亿升。其中，最大份额将用于发电（54%），其次是半导体制造（42%）和数据中心直接运营（4%）。.

沙漠中的数据中心——一种结构性的非理性行为

最初听起来似乎自相矛盾，但如今却已成为主流发展战略：美国优先在缺水的沙漠地区建设人工智能基础设施。彭博社的一项分析显示，自2022年以来，美国已建成或计划建设的数据中心中，约有三分之二位于水资源高度紧张的地区。与ChatGPT推出前的三年相比，这一比例增长了70%。其原因在于经济因素：亚利桑那州、内华达州、德克萨斯州和新墨西哥州等州拥有价格低廉的土地、相对宽松的监管、税收优惠以及相对充足的能源供应，因此极具吸引力。.

环境后果已经显现。仅在拉斯维加斯地区（内华达州亨德森市），谷歌的数据中心在2024年就消耗了超过3.52亿加仑的水。在内华达州南部，23个数据中心合计用水量超过7.16亿加仑，其中大部分来自科罗拉多河水系，经由米德湖流入。多年来，科罗拉多河一直被认为过度开发——这意味着已授予的水权超过了河流的实际流量。内华达州已出台新的许可限制措施，限制使用蒸发冷却技术的设施。.

亚利桑那州凤凰城是美国发展最快的都市区之一，目前正面临着结构性缺水问题，同时该市还拥有超过150个正在运营或建设中的数据中心。亚利桑那州水资源部预测，即使不考虑新增的大型工业用水户，未来100年凤凰城市域的地下水缺口也将达到486万英亩英尺。如果所有规划中的数据中心都建成，该市的年用水量将增加32%。梅萨、阿冯代尔和凤凰城的水务部门已经颁布法令，限制大型工业用水量。.

核心问题并非仅仅是数据中心的直接用水量。技术专家指出，用水量最大的部分是间接的：即为数据中心供电的燃气和核电站的用水量。Ceres 的研究估计，亚利桑那州与发电厂相关的用水量可能需要翻两番才能满足数据中心的需求，达到每年 145 亿加仑——足以满足至少 5 万户家庭的用电需求。.

中国的水危机——结构性问题更为严重

在中国，水资源问题更为严峻，因为该国的水资源平衡状况远逊于美国整体水平。据中国水风险研究所估计，2022年中国数据中心每年的用水量已达约13亿立方米，足以满足2600万人的家庭用水需求。到2030年，这一数字可能超过30亿立方米，相当于韩国人口的用水需求。中国近一半的数据中心已位于干旱地区。将新增容量转移到缺水的西部省份的“东部数据中心建设”（EDWC）计划，非但没有缓解这一紧张局势，反而加剧了水资源短缺问题。.

我们在业务拓展、销售和市场营销方面拥有全球行业和经济方面的专业知识。

我们在业务拓展、销售和市场营销方面拥有全球行业和经济方面的专业知识 - 图片来源：Xpert.Digital

行业重点领域：B2B、数字化（从人工智能到扩展现实）、机械工程、物流、可再生能源和工业

更多信息请点击这里：

专家商业中心

一个提供见解和专业知识的主题中心：

涵盖全球和区域经济、创新和行业特定趋势的知识平台
汇集了我们重点关注领域的分析、见解和背景信息。
这里汇集了有关商业和技术最新发展的专业知识和信息。
一个为寻求市场、数字化和行业创新信息的企业提供的信息中心。

缺乏透明度和征用：人工智能基础设施如何取代民主决策——人工智能热潮的阴暗面

与魔鬼达成的能源协议：煤炭、核能和电网问题

当美好的承诺在现实面前土崩瓦解

各大科技公司都制定了雄心勃勃的气候目标，并宣称未来将完全使用可再生能源为其数据中心供电。然而，现实情况却截然不同。电力需求的增长速度远远超过了可再生能源产能的扩张速度。国际能源署（IEA）预测，2023年至2030年间，全球人工智能数据中心的电力消耗量将增长11倍，从500亿千瓦时增至约5500亿千瓦时。加上传统数据中心，到2030年，数字基础设施的电力消耗量可能达到约1.4万亿千瓦时。早在2025年，数据中心的电力消耗就占全球电力需求的约1.5%，而到2030年，这一数字可能会大幅上升。.

最紧迫的问题是电网瓶颈。在某些地区，接入公共电网可能需要长达十年的时间。部分电网区域的容量拍卖价格上涨超过1000%，标志着廉价电力时代的终结。作为应对，美国能源行业正在考虑一个几年前还难以想象的选项：重启燃煤电厂。能源部长克里斯·赖特在2025年9月表示，人工智能需求是维持现有燃煤发电产能运转的主要驱动力。特朗普政府甚至援引《联邦电力法》中的紧急条款（第202(c)条），违背所有经济逻辑，维持电厂运转。经过数十年对美国煤炭产能的逐步淘汰，人工智能产业如今正成为化石燃料复兴的驱动力。.

与此同时，科技公司对核能的依赖日益加深。亚马逊已与运营商西北能源公司达成协议，计划到2039年建成5吉瓦的小型模块化反应堆（SMR）发电装机容量。微软也重新启用了三里岛核电站已退役的1号机组。虽然从气候政策的角度来看，这些发展不像煤炭那样会带来诸多问题，但它们也引发了关于成本、运行寿命和民主合法性的新疑问。.

数字经济的热岛效应

数据中心就像是方向错误的本地空调。

人工智能数据中心蓬勃发展带来的一个被严重低估的环境影响是其对局部气候的热效应。剑桥大学的一项研究结合了过去20年的卫星数据和超过8400个数据中心的位置数据，得出了一个令人震惊的结论：在人工智能专用数据中心投入使用后，其周边地区的地表温度平均上升约2摄氏度。在极端情况下，升温幅度甚至高达9.1摄氏度。这种影响范围可达半径10公里。相比之下，人口稠密的城市由于众所周知的城市热岛效应，气温会升高4到6摄氏度——而一个数据中心产生的热量就已经达到了这一数值的相当一部分。研究人员将此称为新的“数据热岛效应”，并估计已有3.4亿人受到现有数据中心产生的废热的影响。.

这种废热不仅影响局部舒适度，更是一个系统性的生态反馈循环：环境温度升高意味着周边建筑需要增加制冷，进而消耗更多电力。因此，在城市或城市附近运营的数据中心直接导致该地区整体能源消耗上升。此外，废热还会加剧本已遭受热应激的地区的空气质量问题。.

电子垃圾海啸：人工智能危机的硬件层面

有到期日的GPU

尽管关于人工智能数据中心资源消耗的讨论主要集中在日常运行参数上，但另一个重要因素却鲜为人知：硬件的使用寿命极短。人工智能数据中心中的图形处理器（GPU）通常在几个月到几年后就被更强大的后续型号所取代。原因在于人工智能硬件性能的飞速发展：昨天还算有效的模型训练，明天可能就过时了。.

中国科学院发表在《自然·计算科学》上的一项研究首次系统地量化了这一问题：在保守情景（人工智能普及率低）下，到2030年，人工智能数据中心每年可能产生40万至150万吨电子垃圾。最悲观的情景预测，仅2030年一年，电子垃圾产量就可能高达250万吨。累计来看，到2030年，低功耗液态金属存储（LLM）数据中心预计将产生900万吨硬件垃圾。其他研究估计，与2023年相比，这一数字将增长高达150倍。问题显而易见：人工智能不仅消耗电力和水，还消耗大量物理硬件，其速度已经远远超过了全球电子垃圾管理系统的承受能力。.

此外，人们还对所用材料提出了批评。人工智能芯片需要氮化镓、钽、钴、稀土元素和高纯度硅等关键原材料。某些稀土元素的全球回收率不足1%。欧洲超过90%的关键原材料依赖第三国，即使按照欧盟标准进行回收，仍有大量原材料流失。这意味着，全球人工智能超级工厂的每一次GPU更换都会给战略材料的供应带来压力。.

Öko-Institut 在 2025 年发布了更多数据：到 2030 年，除了能源消耗外，数据中心的扩张还将需要 500 万吨电子垃圾、92 千吨钢铁和约 10 千吨关键原材料。.

公民抗议、征用以及公众的沉默

当当地居民被夹在工业和政治之间时

在德国，公众对人工智能数据中心扩张日益增长的反对声浪却鲜为人知。在美国，地方政府的抵制阻碍或延缓了总价值至少640亿美元的数据中心项目（预计2025年）。仅2025年一年，美国就有至少25个项目被取消，是前一年的四倍。2026年的前三周，又有25个项目被取消。地方规划委员会和县政府开始拒绝发放许可证，并撤销之前授予的税收优惠。.

冲突的界限贯穿于传统的政治阵营之间。在威斯康星州，一位83岁的艺术家在保守派法律组织（威斯康星州法律与自由研究所）的支持下，正努力阻止其土地被征用，以修建一条高压输电线路，为星际之门数据中心供电。在加利福尼亚州帝国县，公民倡议“帝国县，别建在我家后院”已收集到超过3400个签名，反对在未经加州环境质量法案（CEQA）规定的标准环境影响评估的情况下，批准建设一座330兆瓦的超大规模数据中心。尤其具有争议的是，据该市法律顾问称，受影响的地块包含一块工业污染土壤，挖掘该土壤可能会释放有毒粉尘，危及居民住宅和学校。.

居民的担忧多种多样，而且往往非常具体：柴油发电机和冷却系统产生的噪音污染可达85分贝甚至更高，超过了卫生部门规定的限值。超大规模数据中心需要数十台备用发电机，其每月进行的测试运行在数百米外都能听到。此外，冷却系统还会持续发出次声波，这种噪音居民几乎察觉不到，但却会对生理健康造成影响。.

结构性不公是一个尤为严重的层面：科技公司及其分包商正将业务转移到政治组织性较弱、经济更为脆弱的社区——这些社区往往黑人居民、低收入者和移民比例较高，而这些人缺乏足够的法律和政治手段来维护自身权益。这种模式令人毛骨悚然地想起几十年前化工厂或垃圾填埋场的选址做法。.

系统性风险：集中度、依赖性和网络攻击途径

当关键基础设施成为攻击的单一目标时

人工智能基础设施的快速扩张不仅带来生态和社会风险，也带来系统性安全风险，而这些风险在公共讨论中却鲜少被提及。超大规模园区集中在少数几个大都市区——主要集中在弗吉尼亚州北部、德克萨斯州和亚利桑那州的部分地区——这使得整个数字基础设施严重依赖于共享的变电站、输电线路和光纤连接。从运营角度来看，这种模式看似高效，但从安全角度来看，却存在系统性漏洞。.

楼宇管理系统 (BMS) 是所有楼宇功能的中央控制单元，但作为单点故障，它们会为外部攻击者创造可利用的攻击途径。IT 和 OT（运营技术）系统日益网络化，为攻击者从企业网络横向入侵物理操作系统开辟了通道。2025 年，共披露了 2130 个与人工智能相关的常见漏洞和风险 (CVE)，比上一年增加了 34.6%，其中近一半为高危或严重级别。.

一个尤其令人担忧的情况是所谓的“电网级同情跳闸”：人工智能数据中心的大规模负载激增可能触发电网的保护性关断，影响整个区域。现代人工智能数据中心不再是被动的电力用户，而是与电网动态交互——这可能造成不稳定。在高度同步的训练集群中，高密度GPU环境可能因单个故障引发连锁的“世界停止”事件，导致整个工作负载停滞。在从医院到金融系统等关键基础设施都依赖人工智能服务的时代，这种风险绝非纸上谈兵。.

千兆字节背后的投机泡沫

当投资理性与数据中心建设脱钩时

人工智能数据中心的蓬勃发展背后，不仅存在战略需求，也包含着显著的投机因素。对2030年之前容量需求的预测，因来源不同而相差高达80%——这表明，即使是业内专家也缺乏可靠的投资决策依据。像Ares Management这样的知名金融投资者明确警告产能过剩：“如果同时上线如此多的容量，其中一些最终将变得微不足道，”Ares联席总裁Kipp deVeer表示。德意志银行的分析师指出，历史经验表明，大规模的基础设施扩建项目往往会导致产能过剩，如果需求跟不上，这将永久性地压缩投资回报。.

在投资市场，数据中心目前被视为参与人工智能热潮的所谓“安全途径”，无需承担芯片或模型市场的竞争风险。黑石集团、布鲁克菲尔德、阿波罗和Ares等公司都已向数据中心建设项目投入了数十亿美元。这种逻辑的危险之处在于：如果所有人都押注于同一个“避风港”，就会形成结构性泡沫。全球信用保险集团科法斯明确警告称，产能过剩的浪潮将产生连锁反应，从云巨头蔓延至设备供应商和服务提供商。中国西部省份的“鬼城”和半闲置数据中心已经让我们看到了这种局面的端倪。.

此外，还存在结构性失衡：数据中心是长期房地产项目，折旧期长达十年至二十年。而其内部的GPU硬件在三到五年后便会失去价值。一方面是建筑和网络基础设施的长期折旧期，另一方面是技术本身的短期生命周期，这种差异造成了巨大的资产负债表风险，而这些风险在当前的估值模型中往往被低估。.

缺乏透明度是一个核心的政治问题

无法衡量的事物就无法控制。

贯穿所有被考察问题领域的一个共同点是：系统性缺乏透明度。数据中心的能源和用水量数据均未在具有法律约束力的框架内得到充分披露。据德国博德斯泰普研究所（Borderstep Institute）称，在德国，规模最大、因而也最为关键的数据中心恰恰缺少数据中心登记册本应记录的消耗数据。在美国，纳税人被系统性地蒙在鼓里，无法了解政府补贴项目的具体受益者。在中国，关于数据中心集群实际环境影响的信息政策从根本上损害了国际研究标准。.

其后果是：政治控制几乎不可能实现。如果不了解特定数据中心从市政饮用水供应中抽取了多少水，就无法设定有意义的许可证限额。如果不了解哪些公司享受了税收减免以及享受的程度，就无法进行成本效益分析。这种数据缺失并非偶然：这是科技行业数十年来游说降低信息披露要求的结果——最终，它扼杀了公众辩论的萌芽，甚至使其无法开始。.

真正的风险是什么？

人工智能超级工厂和超大规模数据中心的扩张并非一项中立的基础设施项目，而是一项具有全球影响的战略性资源分配决策，且在很大程度上缺乏公众认可。美国和中国的补贴体系系统性地偏袒全球最赚钱的企业，并将成本——以税收漏洞、能源价格上涨、水资源短缺和征用风险等形式——转嫁给公众。从荒漠化、城市热岛效应到电子垃圾泛滥等环境成本，在数据中心收费或政府补贴的计算中均未被认真考虑。.

这并非意味着不应该建设人工智能基础设施。而是意味着必须从根本上重新协商其建设条件：包括提高消费数据的透明度、制定能够覆盖成本的环境法规、对政府激励措施进行真正的成本效益分析，以及通过民主合法化的选址程序。否则，任何不这样做的决定都将以牺牲子孙后代的利益为代价——而这样的决定如今已经发生。.

您的全球营销和业务拓展合作伙伴

☑️ 我们的业务语言是英语或德语。

☑️ 新增：用您的母语进行通信！