加载失败
这篇报道讨论的是美国为 AI data center 配套建设天然气发电项目的趋势，文中提到仅 11 个 data center campus 相关项目就可能带来接近一个国家级别的温室气体排放。评论补充了地理与政治背景：很多项目落在像 Texas Abilene 这样本地选择少、反对声较弱的地区，因此更容易推进。讨论还牵涉到 AI 被赋予国家安全、生产率和“智能繁荣”叙事后，环境成本是否会被合理化，以及美国长期围绕 nuclear energy 的争议。部分评论进一步把这场争论放进宏观经济框架里，认为企业是在赌 AI 能显著提高劳动生产率；反对者则担心这只是 Jevons Paradox 的现代版，效率越高，总能耗越大。
有人认为这类 data center 的扩张几乎是“完美风暴”：项目往往落在像 Texas Abilene 这种本地产业选择少、反对力量弱的地方，社会阻力自然更小。与此同时，环境议题在美国被许多更大的监管战线分散了注意力，环保团体很难集中火力应对。评论还指出，AI 常被包装成国家安全、长寿、超级智能和“繁荣”的叙事工具，这会让任何环境代价都显得可以被忽略。另有评论补充，反对 nuclear energy 的长期历史，也让“更清洁的替代能源”路径更难推进。
有人质疑把排放量拿去和 Morocco 这类国家做对比，到底能传达什么有效信息。评论认为这种比较更像是新闻标题的修辞工具，而不是帮助理解问题规模的严谨方式。还有人指出，文中的说法是“have the potential to”，本身就带有条件性，不等于已经发生的实际排放。也有人反讽，如果只算美国境内的数据中心，是否还把海外用户通过 cloud services 和 AI 产生的间接排放排除在外，这让整个口径显得更任意。
一种观点把 AI data center 投资看成对劳动生产率的押注：如果 AI 真能让美国劳动生产率提升超过约 2%，那么单位产出对应的 carbon intensity 可能下降，从而对气候反而有利。这个看法把问题建立在“更高效率带来更低排放强度”的逻辑上，认为商业资本会为真正提高生产率的技术买单。反对者则直接指出，这种机制在现实里并不成立，因为更高生产率通常意味着雇主要求更多产出，而不是更少消耗。还有人把这归结为 Jevons Paradox：效率提升不一定减少总能耗，反而可能刺激更多使用。
不少评论对整体减排前景非常悲观，认为全球几乎从未真正持续降低 greenhouse emissions，通常只有经济危机或 COVID-19 这类冲击才会让排放短暂下降。有人借 Carter 在 1979 年的能源讲话做类比，强调能源安全与替代能源开发在历史上一直是美国的政治议题，但现实推进极其缓慢。也有评论直接表达对 AI bubble 破裂前地球就被烤到无法居住的担忧，把问题从产业投资转成生存风险。更激进的说法则把它概括成“body count”，即在讨论到底是谁会为这轮 AI 能耗和排放买单。