仅靠数据中心无法构建 AI 经济

Google News 揭示了 North Carolina 数据中心热潮中一个尖锐的矛盾：承载 AI 基础设施，并不意味着就能参与 AI 经济。新设施可以吸引投资、建筑工作和税收收入。然而，其中运行的模型、应用和商业价值，受益者可能远在所在县之外。

这一差异改变了讨论。问题不再是社区是否应整体接受或拒绝数据中心，而是每个项目能否将本地的土地、电力、水资源和公共支持，转化为持久的本地能力。

North Carolina 提供了一个有价值的测试案例。Amazon 已宣布将在 Richmond County 建设大型 AI 基础设施园区，而其他社区正在重新评估拟议开发项目。该州也在制定劳动力和 AI 采用政策。这些决策揭示了核心张力：基础设施投资与广泛的经济参与之间的矛盾。

数据中心是 Google AI 经济及其竞争对手所必需的设备。然而，设备本身无法培训劳动者、帮助本地企业采用 AI，也无法让研究人员获得计算资源。这些收益需要额外的承诺。

Google News 讨论实际改变了什么

最重要的变化，是对何谓 AI 经济发展提出了更严格的定义。

所提供的 Google News 列表指向 WRAL 的一篇观点文章：仅靠数据中心无法构建 AI 经济。这一论点挑战了人们熟悉的发展叙事。大规模资本投资常被当作就业、创新和未来竞争力的代名词。

这些结果并不会自动同时出现。一个项目可以扩大房地产税基，却不产生本地软件产业；它可以雇用高技能设施人员，却不改变附近小企业的状况；它可以支持全球使用的 AI 服务，却不让当地大学获得底层计算能力。

WRAL 撰稿人 Tom Snyder 从成本与收益的地理分布角度阐述了这一问题。数据中心占用本地土地，并接入本地公用设施；其工作负载则可以为任何地方的公司和用户服务。

他的本地价值分析指出，服务器留在本地，而受益者却广泛分散。这种失衡正是文章的核心关切。

该论点并不认为数据中心毫无用处。它们提供了训练模型、运营云服务和交付 AI 工具所需的物理容量，也带来建筑需求、技术岗位和应税资产。

当政策制定者把这些贡献视为一套完整的经济战略时，问题便出现了。基础设施支撑经济活动，但是否能够参与其中，取决于谁能高效利用这些基础设施。

这一区别类似于早期围绕宽带的讨论。一条穿越农村县的光纤线路，并不能保证当地居民能获得价格可负担的最后一公里连接。基础设施可以经过一个社区，却不一定将该社区纳入数字市场。

AI 也可能产生类似情况。一个县可以容纳成排的加速器机架，而其学校却缺少 AI 教学；本地制造商仍无法自动化常规流程；创业者可能难以找到技术人才或可用的计算资源。

因此，数据中心是起点，而非成品。它的经济价值取决于周边机构、劳动力培养渠道和商业采用情况。

Google News 的数据中心报道常强调项目规模、反对声音或用电需求。更严苛的问题是：建筑施工队离开后，究竟留下了哪些能力。

这一问题应当塑造激励措施、许可审批、教育协议和公用事业规划，也为未来项目建立了可衡量的标准。

一项成功的交易，应让所在地社区更有能力参与竞争。仅凭资本支出无法证明这一结果。

North Carolina 正在测试基础设施优先模式

North Carolina 已吸引大量承诺投资，但支出规模越大，检验本地收益就越重要。

Amazon 宣布将在 Richmond County 投资建设云计算和 AI 园区。根据该公司和州政府官员的说法，该项目预计至少创造 500 个工作岗位。

这一North Carolina 园区预计还将带动建筑和供应链工作。计划中的职位包括工程、网络、安全及其他技术岗位。

Amazon 还表示将支持大学、社区学院和劳动力项目。这一部分很重要，因为它让该项目不再只是简单的建筑与公用设施交易。

不过，已宣布的承诺与实际实现的结果属于不同类别。该州需要追踪谁接受了培训、谁获得了聘用，以及本地企业是否进入供应链。

岗位数量也需要放在背景中理解。施工就业可能会在场地开发期间激增，并在运营开始后下降。相对于设施的资本密集程度，永久性数据中心岗位往往专业化程度高且数量有限。

资本密集度描述的是一种商业模式：每名员工都需要大量设备和基础设施支撑。现代数据中心符合这一模式，因为服务器和电力系统构成了其大部分生产能力。

全国劳动力状况显示出有意义的增长，但仍高度集中。Census Bureau 的数据显示，2016 年至 2023 年间，数据中心就业人数增长超过 60%。

该机构的劳动力调查结果也显示出地理集中性。California 的三个县占该州数据中心就业人数的 60%，Texas 的四个县则占当地近 75%。

当设施形成真正的产业集群时，集中可以带来益处。劳动者可以在雇主之间流动，供应商能够实现专业化，培训项目也能响应持续需求。

孤立的设施则带来不同的机会。它仍可提供有价值的工作岗位，但较不可能围绕自身形成完整的技术产业。

这就是为什么数据中心就业的头条数字无法回答经济问题。政策制定者需要区分临时建筑工作、永久运营岗位、间接就业和诱发消费。

他们还需要检验公共激励是否购买到了额外活动。一个没有补贴也会推进的项目，与一个需要公共支持的项目，代表着不同的交易条件。

Google 数据中心的影响不止于薪资。新设施可能需要变电站、输电线路、供水系统、道路和应急规划。这些成本如何分配，会影响项目的净公共价值。

若开发商为所需基础设施提供资金，社区面临的财务风险就较低；若家庭承担电网扩建成本，本地交易就更难辩护。

因此，North Carolina 的测试不止于 Amazon。它关乎每一个拟议选址所采用的发展模式。

该州可以统计建筑数量和投资公告。构建 AI 经济还需要另一套账本，涵盖技能、采用、研究、创业和家庭成本。

数据中心建设的是容量，而非自动产生的生产率

只有当企业围绕计算能力重组工作方式时，计算能力才能带来经济上的变革。

核心机制始于计算能力。数据中心提供运行 AI 系统所需的处理器、存储、网络、冷却和电力。

这种容量缓解了一项限制，但无法解决阻碍企业有效采用 AI 的组织挑战。

一家小型制造商或许能获得 AI 服务，却缺乏干净的生产数据；一家医院或许拥有合适的模型，却面临集成、隐私和工作流程障碍；一家零售商或许会试用助手，却没有围绕其输出重新设计任何决策。

这些例子解释了为什么基础设施支出可能先出现在经济数据中，而生产率尚未提升。建筑和设备采购会计入当前投资。只有当大量企业成功使用该技术时，更广泛的生产率收益才会到来。

Federal Reserve 的研究人员描述了通用技术的发展顺序：能力提升和成本下降先于广泛采用；采用又先于生产率和劳动力市场中可衡量的变化。

他们的AI 指标框架区分了能力、企业采用、投资、生产率和劳动力。这个结构有助于区分基础设施繁荣与经济转型。

研究人员还警告称，汇总统计数据中并不存在清晰的 AI 投资类别。分析师往往从更广泛的设备、软件、建筑和电力基础设施数据中推断 AI 支出。

这一限制很重要。一座新的电力设施可能支持 AI 工作负载、传统工业或整体电网可靠性；通信设备也可能同时服务于数据中心、移动通信和广播系统。

同样的谨慎也适用于生产率主张。企业可以买入 AI 工具，却未必会深入部署；员工可能会试用聊天机器人，而核心流程依然不变。

有意义的采用需要互补投资。企业需要合适的数据、员工培训、安全控制、工作流程设计和管理支持。

劳动者也需要有办法核查输出结果。AI 系统可能产生看似可信的错误，因此高风险使用需要审查流程和明确的责任机制。

本地企业很少仅因附近存在服务器园区，就能形成这些能力。大多数商业 AI 服务可从远程地区运行，并保持可接受的响应时间。

因此，除非交易有意创造本地访问条件，否则物理邻近性带来的价值有限。这种访问可能包括研究计算、技术援助、共享实验室、采购项目，或与实际雇主相关联的培训。

这正是基础设施优先的 Google AI 经济战略的弱点。它假设计算供给会将采用、技能和创业活动拉入同一地理区域。

有时确实会形成集群。Northern Virginia 汇集了密集的基础设施、经验丰富的劳动者、光纤连接、云计算公司、承包商和政府需求，各个部分相互强化。

然而，复制其中一个组成部分，并不能复刻整个集群。农村县的一栋服务器建筑不会自动吸引模型开发者或软件初创企业。

Google News 的报道可能让单个项目看起来像是 AI 进步的直接衡量指标。但其经济机制更长，也更不易察觉。

计算能力推动应用。应用必须进入工作流程。工作流程必须提升产出、质量、速度或决策能力。随后，这些收益必须扩散到足够多的企业，才能影响区域生产率。

每一步都可能独立失败。这就是为什么数据中心容量代表必要的基础设施，却不足以证明 AI 经济已经形成。

真正的竞争在于托管还是参与

主要的对手并非“建设数据中心”与“不建设数据中心”之争，而是托管基础设施与获取其下游价值之争。

纯托管策略侧重于场地就绪。政府官员整合土地、电力、用水、审批许可和激励措施。开发商建设设施，并为远方客户运营这些设施。

参与策略同样从基础设施出发，但会追问本地机构能获得什么。它将开发协议与培训、科研资源获取、小企业采用、宽带网络和供应商机会联系起来。

Brookings 研究人员认为，传统发展模式带来的是短期建设活动和税收收入，却往往难以形成持久的本地科技活动。

其地方繁荣框架指出，对合适场址的激烈竞争赋予社区谈判筹码。地区可以争取人才培养渠道、科研合作伙伴关系和共享计算资源。

这种方式并不要求每个县都变成 Silicon Valley。它要求建立与本地产业和机构相匹配、可信的发展路径。

拥有先进制造业的地区可以优先发展 AI 质量检测、预测性维护和工业网络安全。医疗中心可以支持临床运营研究和医疗数据治理。

农业社区可聚焦作物监测、物流和设备维护。社区学院则可培养电工、网络技术员、制冷专家和网络安全从业者。

这些都是具体的经济连接。它们将基础设施与本地雇主能够购买的服务、居民能够出售的技能联系起来。

Google AI 经济依赖这类互补性活动。Google、Amazon、Microsoft 和 Meta 建设基础设施，是因为客户需要云计算和 AI 服务。承载项目的社区需要建立机制，将这种需求转化为本地能力。

其中一种机制是采购。开发商可以尽早公布供应需求，并帮助区域企业取得合同资格。

另一种是与已验证岗位空缺挂钩的培训。项目应从职业需求、所需资质、薪酬和招聘时间表出发。泛泛的 AI 认知课程无法替代这种匹配。

科研资源获取提供了第三种机制。大学和初创企业可以受益于额度、专用算力、共享实验室，或与本地问题相关的合作伙伴关系。

小企业采用同样重要。许多本地公司需要帮助，以选择范围有限、可衡量的应用场景。它们也需要有关安全、数据质量和员工审核的指导。

创业者需要的不只是鼓舞人心的活动。他们需要客户、技术导师、资金、数据获取渠道和可靠的算力安排。

宽带仍是整体方案的一部分。如果最后一公里连接依然不可靠或价格难以承受，居民和小企业便无法持续参与。

公共协议可以将这些想法转化为可交付成果。协议可以明确培训批次、供应商对接、科研资源、宽带项目和年度报告。

目标应衡量结果，而不是活动。课程报名是一项活动；完成率、就业安置、薪资增长和雇主留任率才是结果。

同样的原则也适用于企业支持。研讨会出席情况难以说明采用成效。生产时间、销售额、错误率或客户服务的可衡量变化，能提供更有力的证据。

这种参与模式也能增强政治正当性。居民能够看到超越抽象承诺的收益，而不是只被告知全球 AI 增长终将惠及他们。

另一种选择会让社区陷入熟悉的模式：它们为一个高价值产业提供资源，而高利润活动却积累在别处。

仅靠数据中心无法避免这种结果。通过谈判建立基础设施与本地机构之间的联系，成功机会更大。

Google News 头条无法证明什么

项目公告无法确立净经济价值，因为多项成本和收益仍存在不确定性。

第一项不确定性涉及长期就业。大型施工现场可以提供大量临时工作，但由于设施高度自动化，运营所需人员较少。

这些岗位仍可能薪酬优厚且具有价值。质疑的重点在于规模，而非价值。

社区应将长期就业与土地使用、基础设施承诺、激励措施和机会成本进行比较。还应区分直接岗位与基于模型估算的间接就业。

第二项不确定性涉及由谁填补这些岗位。专业岗位可能会吸引来自承载项目所在县以外的劳动者。这种结果仍可能有助于区域经济，但会削弱有关本地社会流动性的说法。

因此，培训协议应报告参与者居住地、完成情况、招聘和留任情况。这些细节可揭示居民是否获得了进入新职业的机会。

第三项不确定性是电网风险敞口。数据中心需要持续供电，而 AI 工作负载可能显著增加需求。新的发电和输电项目可能需要多年才能建成。

公用事业公司和监管机构必须决定由谁为扩容买单。长期合同、最低付款要求和开发商出资的基础设施，能够降低家庭用户的风险。

需求预测同样存在不确定性。拟议设施可能比预期更晚落地、以低于规划的规模运营，或根本无法完成建设。

如果公用事业公司为未能实现的需求建设基础设施，其他用户可能面临搁浅成本。搁浅成本是指预期需求消失后仍无法收回的投资。

用水需求因冷却设计、气候和运行条件而异。社区需要针对具体项目的估算，而不是基于其他设施推导出的假设。

噪音、备用发电、道路交通和土地转换也会在本地产生影响。这些影响并不能证明项目不可取，但应与投资和税收收入一并纳入核算。

第四项不确定性涉及采用情况。即便设施运营成功，也难以说明附近雇主是否在高效使用 AI。

州级政策可以缩小其中一部分差距。North Carolina 的 2026 年 AI 路线图提出了劳动力转型项目、雇主对接、短期证书和劳动力市场追踪。

州 AI 路线图称，North Carolina State University 的 AI Academy 与 100 多家行业组织合作。该路线图表示，这所学院已为超过 2,000 人做好从事 AI 职业的准备。

这些数字描述的是基础，而非已完成的全州转型。未来评估应追踪就业安置、不同地区的机会可及性，以及面临自动化影响的劳动者所取得的结果。

最后一项不确定性是时间。基础设施投资很快就能显现，而生产率提升和新企业形成可能需要数年。

这种时间差会带来政治诱惑。官员可以立即宣布资本承诺，而更难实现的结果则落在当前预算周期之外。

因此，应将 Google News 中有关数据中心的报道视为项目动向，而非最终经济结论。公告揭示意图，运营结果揭示价值。

没有任何单一指标能够定论。就业、税收收入、公用事业成本、用水量、供应商支出、培训成果和 AI 采用情况必须一并考虑。

支持者不应夸大自动实现的繁荣。批评者也不应忽视每一份技术岗位或每一笔税收贡献。当两种立场都与可衡量的本地结果挂钩时，它们会更具可信度。

三个信号将表明该策略是否奏效

下一阶段应根据具有约束力的承诺、采用成效和透明的公共核算来评判。

第一个信号是项目协议的内容。社区应关注涵盖基础设施成本、劳动力项目、供应商准入和报告要求的可执行条款。

一份强有力的协议会明确由谁支付公用事业升级费用，界定就业类别和报告时间表，并在未履行承诺时设立补救措施。

自愿性公告提供的证据较弱。它们可以描述有益的意图，却无法保证持续时间、资金、资格条件或可衡量的结果。

如果未来 North Carolina 的项目包含具有约束力的本地能力建设承诺，参与论点将更有说服力。如果协议只关注投资总额，纯托管模式仍将占主导地位。

第二个信号是设施之外的采用情况。州和地方机构应衡量附近制造商、医疗服务提供者、农场、零售商和专业服务企业是否在有效使用 AI。

有用指标包括部署 AI 的企业占比、员工培训完成情况、有记录的生产率变化，以及新 AI 相关企业的形成。

标准不应是聊天机器人的试验，而应是在真实工作流程中的可重复使用，并具备人工审核和可衡量的价值。

本地采购也应纳入其中。合格区域供应商数量的增长，将表明基础设施支出正在周边经济中流转。

如果本地各行业的采用率上升，数据中心便成为更广泛战略的一个组成部分。如果使用仍集中在全国性企业中，实体托管就未能带来广泛参与。

第三个信号是透明的成本与收益报告。只要合同允许，监管机构和地方政府就应公布项目层面的信息。

报告应涵盖数据中心长期岗位、建筑就业、税收收入、激励措施、电网升级、用水需求和公共支出。

它应区分公司声明与独立报告的结果，并在设施开始运营后更新数据。

持续一致的报告将改善县与县之间的比较。它可以显示哪些协议创造了持久收益，哪些协议转移了过多风险。

这同样有助于开发商。提出更优社区条件的公司可以让其项目脱颖而出，并减少反对声音。

这三个信号为 Google News 论点建立了实用检验。更好的协议表明开发商是否接受责任；更广泛的采用表明本地经济是否获得能力；公共核算表明这笔交易是否有效。

North Carolina 无须在拒绝 AI 基础设施与批准每一项提案之间二选一。它可以设定条件，将建设与参与联系起来。

每当下一项重大项目出现在 Google News 中时，读者应问一个问题：项目承载社区随后将能够做到什么，是它现在做不到的？

如果答案包括更强的技能、富有成效的本地采用、科研资源获取和负责任的基础设施融资，该项目就支持 AI 经济。如果答案只是更多服务器，该项目仍只是一个资产落地点。