当AI开始抢饭碗，美国参议员把账单递给了数据中心

AI的真正账单，开始浮出水面

这两年，AI行业最热闹的叙事一直是“效率革命”。写代码更快了，做PPT更轻松了，客服、法务、财务甚至招聘流程都能自动化了。问题是，每一个“效率提升”的故事背后，都可能对应着一个初级岗位的消失、一条晋升路径的中断，或者一个原本可以给年轻人试错的入口被悄悄关上。

TechCrunch援引的数据很扎眼：美国初级岗位招聘信息自2023年以来下滑了35%。这当然不能简单粗暴地全部归因于AI，但它和科技行业持续裁员、企业对“少招人、多上模型”的迷恋，已经拼出了一幅让人不安的图景。更微妙的是，连AI公司的掌门人都开始提前打预防针，提醒外界，技术红利未必会温柔地落地。

在华盛顿的一场AI峰会上，美国民主党参议员马克·华纳说得很直白：他听到一家大型律所告诉他，因为AI已经能处理不少原本交给初级律师的工作，今年干脆不招一年级助理了。这个细节特别有冲击力，因为它揭示的不是“某个岗位被机器取代”，而是职业阶梯底部正在被抽空。没有初级岗位，未来的资深律师从哪来？没有入门工作，年轻人的第一份像样职业机会又在哪里？

为什么是数据中心，而不是AI公司本身

华纳提出的方案并不复杂：向推动AI繁荣的数据中心征税，再把税收用于职业培训、AI技能提升，或者直接投向社区项目，帮助劳动力熬过转型期。他甚至用了一个很莎士比亚式的说法——让社区从数据中心身上拿到自己的一块“肉”。这个说法不客气，但也足够准确：数据中心今天享受的是政策优惠、土地资源、电力和水资源，外部成本却往往由地方居民承担。

为什么他瞄准的是数据中心？这背后其实是一个很现实的政治判断。芯片厂商、基础模型公司、金融机构、咨询公司，理论上都从AI效率里获利，但要真去立法追着这些主体逐个征收，难度非常高，游说阻力也会很大。相比之下，数据中心是可见、可测量、可落地征税的实体资产：它们有地址、有耗电量、有用水记录，也确实在地方社区里“占地盘”。从征税技术上说，数据中心更像一个容易抓到的税基。

这让我想到一个老问题：数字经济总喜欢把自己包装成“轻资产”“无边界”，但真正支撑AI的东西一点也不轻。它需要成片土地、巨量电力、庞大冷却系统和高压输电设施。过去大家谈AI，总像在谈云端的魔法；现在越来越多地方居民意识到，这朵“云”其实很吵、很热、很费水，也很吃电。于是，AI的社会成本第一次变得肉眼可见。

机房建在你家隔壁，收益却未必留在本地

美国各地对数据中心的反弹，已经不只是环保问题。表面上，人们抗议的是噪音、污染、电价上涨，以及基础设施压力；更深一层的不满则是：为什么我要承受家门口多一栋庞然大物的代价，去服务一个可能未来取代我工作的系统？

这正是这场争论最有火药味的地方。数据中心不是工厂，它创造的长期就业岗位并不算多。建设期会带来一波建筑和设备安装工作，但真正投运后，留下的运维岗位数量往往有限。换句话说，地方政府常常以减税优惠迎来一个巨大的“AI发动机”，结果发现它消耗了本地资源，却没有像传统制造业那样稳定、大规模地创造就业。

华纳不支持另一派更激进的做法——直接推动数据中心建设暂停。参议员伯尼·桑德斯和众议员亚历山德里娅·奥卡西奥-科尔特斯已经提出过类似“数据中心暂停令”的主张。华纳的理由也很典型：你要是停下来，中国就会跑得更快，AI竞赛这件事美国输不起。你可以说这是一种老派地缘政治思维，也可以说这是华盛顿最真实的共识：在国家竞争框架下，AI基础设施不会停，只会更快铺开。

所以，华纳的逻辑不是“别建”，而是“建可以，但得留下买路钱”。这其实比全面叫停更有落地可能。因为一旦你承认AI基础设施是不可逆的，那么接下来的关键就不是能否阻止它，而是能否让它为周边社区提供明确、可感知的回报。

从减税招商到“社区分红”，政策风向正在变

华纳提到弗吉尼亚州亨里科县的案例：当地把数据中心带来的税收，用于启动保障性住房项目。这个细节很重要，因为它提供了一种新的政策叙事——数据中心不再只是“招商引资项目”，而是可以被重新设计成一种“社区分红机制”。

这一转向，和美国公众对AI的情绪变化几乎同步。根据NBC News的民调，AI在美国登记选民中的好感度甚至比ICE（美国移民与海关执法局）还低：46%的人对AI持负面看法，正面评价仅有26%。这个数字有点荒诞，也足够说明问题。AI在硅谷那里是生产力工具，在普通人那里却越来越像一台模糊而庞大的“岗位压缩机”。

更讽刺的是，很多州政府过去为了吸引数据中心，给出了极其慷慨的税收优惠。以弗吉尼亚州这个全球最大数据中心集群之一为例，相关税收减免每年造成州和地方政府近20亿美元的收入损失。换句话说，政府一边用优惠政策请数据中心进来，一边又要面对居民对电价、资源和岗位前景的焦虑。现在，越来越多州开始重新盘算这笔账：这真的是一笔划算的买卖吗？

这也是为什么我认为华纳的提案虽未正式立法，却很可能击中了未来两三年的政策主线。它不是最激进的，也不是最“科技乐观主义”的，但它很符合美国地方政治的现实：既不放弃AI竞赛，也不再让数据中心白拿资源、白吃补贴。

真正的难题，不是收不收税，而是钱该怎么花

当然，向数据中心征税并不是万能药。一个更棘手的问题是：征来的钱到底怎么用，才不会变成另一个漂亮口号？如果税收只是被笼统塞进财政池子，社区未必会感受到改变，工人也未必能顺利转岗。今天很多“再培训”项目的问题就在这里——课程看起来很现代，结业证书也很漂亮，但离真正就业差着十万八千里。

AI替代风险最明显的，往往是行政支持、初级法务、客服、内容生产、基础编程等白领岗位。可如果政府最后把钱用去培训护士、焊工或者数据标注员，这未必能直接接住那些失去办公室工作的年轻人。不是说这些培训不重要，而是岗位迁移从来不是简单的“换个课程就行”。人的职业认同、收入预期、地域流动能力，都会成为障碍。

还有一个不能回避的争议：数据中心最终会不会把税负转嫁回去？比如通过提高云服务成本、向企业客户收费、再由企业传导给消费者。如果发生这种情况，那么这笔“AI转型税”最终可能还是全民买单。区别只在于，它能不能以更透明的方式重新分配。

但即便如此，我仍觉得这场讨论是必要的。因为AI产业已经走到了一个新阶段：它不再只是实验室里的模型性能排行榜，而是开始真实地改写劳动力市场、地方财政和社区关系。过去科技公司最擅长讲“创新会创造更多新工作”，这句话也许长期仍然成立，但中间那段阵痛期怎么熬，不能只靠市场自己修复。对一个35岁被自动化冲击的文员来说，“未来会诞生新岗位”听起来和天气预报差不多，知道有用，但救不了今天。

华纳的提议至少做对了一件事：他承认了AI转型有成本，而且这个成本不该全部压在普通劳动者和地方社区身上。说到底，谁从AI里赚得最多，谁就更该承担一部分转型责任。数据中心也许不是唯一答案，却很可能是当前最容易动手的那个入口。