大家好，这里是最佳拍档，我是大飞
当我们每天使用AI生成文案、图片甚至视频的时候
是否想过，这些看似神奇的技术背后
正运行着一个由数据、算力和资本构成的庞大帝国
今天
我们将回顾《华尔街日报》科技记者郝珂灵（Karen Hao）在Novara Media的一场专访
看看她是如何通过对硅谷AI行业的深度调查
揭开那些推动技术进步的关键力量如何重塑世界
以及这场技术革命背后隐藏的系统性风险
这期视频我们将从概念的起源到资源的争夺
从企业的蜕变到全球供应链的暗角
深入了解这个正在成型的"AI帝国"，
究竟是如何运作的
要想理解当前AI产业的疯狂扩张
必须先厘清"人工智能"这个充满模糊的概念
1956年
达特茅斯学院的助理教授约翰·麦卡锡（John McCarthy）
为了给夏季研究项目筹集资金
首次创造了"人工智能"这个术语
这个诞生于学术营销的词汇
从此成为了一个可以装入任何技术的"手提箱概念"。
如今OpenAI、谷歌等巨头所谈论的AI
本质上是机器学习的一个子类，即深度学习
也就是通过神经网络对海量的数据进行模式计算
实现文本生成、图像识别等功能
但是公众很容易将它等同于科幻作品中的通用智能
忽视了它作为一种特定技术工具的本质
这种概念上的模糊
导致了严重的认知偏差
比如当英国政府宣称
用AI为英国国家医疗服务体系节省了20%开支"时
并没有说明具体用的是哪种AI技术
究竟是基于规则的医疗影像分析
还是需要海量数据训练的大语言模型？
两种技术在成本、效果和实施难度上的差异巨大
但是"人工智能"这个笼统的表述掩盖了所有的细节
更关键的是
这种模糊性让公众难以评估技术的真实影响
比如很少有人意识到
训练一个大语言模型的碳排放量
相当于数十万辆汽车的终身排放量
AI技术的每一次突破
都伴随着算力需求的指数级增长
麦肯锡报告显示
未来五年全球AI数据中心的能源消耗
将每年新增相当于英国0.
5到1.
2倍的用电量
而其中60%以上要依赖煤炭、天然气等化石燃料
在得克萨斯州
多家本应退役的燃煤电厂被重新启用
唯一的目的就是为AI训练提供稳定的电力；
埃隆·马斯克（Elon Musk）的XAI公司在田纳西州孟菲斯建设的Colossus超级计算机
未经许可便安装了35台甲烷燃气轮机
这些设备每天排放的有毒污染物超过了当地工业标准的200%，
严重威胁到周边居民的健康
水资源的争夺同样激烈
由于数据中心需要纯净水冷却设备
全球67%的新建AI数据中心
选址在干旱或者半干旱地区
乌拉圭首都蒙得维的亚正在经历百年一遇的干旱
当地政府不得不将处理后的工业废水混入饮用水
但是谷歌仍计划在此建设新的数据中心
该项目预计每天将消耗8万吨淡水
相当于16万居民的日常用水量
这种"技术发展优先"的逻辑
正在将环境成本转嫁到公共资源和弱势群体身上
郝珂灵指出，当前美国AI领域的竞争
本质上是一场关于"通用人工智能（AGI）"的集体狂欢
OpenAI、Anthropic、谷歌、Meta等公司投入数百亿美元
声称要创造"重塑人类智能"的技术
但是颇具讽刺意味的是
这些公司的商业案例普遍都是模糊不清的
比如微软在2024年悄悄撤回了部分数据中心的投资
承认"短期回报不及预期"，
而OpenAI向投资者描绘的"AGI垄断"愿景
更多是基于彼得·蒂尔（Peter Thiel）「竞争是给白痴准备的，创业必须要垄断」
的理论
创业必须要垄断"的理论
而非实际的技术路径
与美国的概念驱动不同
中国AI企业展现出的则是更为务实的技术路线
大多以具体场景为导向
强调技术与实体经济的结合
这种差异反映了中美产业文化的根本不同
但是无论哪种模式
都面临着"技术万能论"的陷阱
当企业将AGI视为一个必须征服的"圣杯"，
就可能忽视技术发展的真实边界和社会成本
OpenAI的发展历程
是一部理想主义向商业现实妥协的教科书
2015年
埃隆·马斯克（Elon Musk）与萨姆·奥尔特曼（Sam Altman）创立这家非营利组织的时候
目标是"通过开放协作防止AI被垄断"。
早期的OpenAI确实践行了开源的理念
将GPT-1的技术细节公之于众
并且通过"使命感"吸引到了顶尖人才
包括前首席科学家伊利亚·苏茨克维尔（Ilya Sutskever）放弃了谷歌的百万年薪
正是被"打造造福全人类的AI"的愿景所打动
但是算力的瓶颈改写了一切
当团队发现深度学习模型的性能提升
高度依赖于算力规模后
非营利模式的资金限制就成为了一道致命伤
2016年，OpenAI决定引入商业投资
转型为"营利性公司"，
这个决策导致马斯克退出
他后来公开表示
"无法接受将AI技术交给追求利润的资本"。
转型后的OpenAI迅速变脸
停止开源技术
与微软达成独家云计算协议
将技术细节作为商业机密
到2025年
OpenAI估值已达3000亿美元
成为全球最值钱的AI企业
而创立时的"开放、透明"原则
早已被"规模至上"的资本逻辑取代
作为OpenAI的灵魂人物
Sam Altman的崛起堪称硅谷精英的典型样本
这位YC前总裁的职业生涯
贯穿了对技术趋势的精准把握和对人性的深刻洞察
在担任YC总裁期间
他将这家初创加速器打造成了硅谷的创新引擎
投资了包括Airbnb、Dropbox在内的明星企业
积累了深厚的资本人脉
2015年创立OpenAI时
他展现出了非凡的八面玲瓏能力
对风险投资人
他会强调"先发优势带来的垄断利润"；
对政府官员
他会大谈"AI监管的全球协作"；
对普通用户
他则塑造"技术普惠"的形象
这种多面性让外界难以判断他的真实信念
但是也让他成为资本、技术、政策三界的"润滑剂"。
正如郝珂灵在采访中指出的
Altman并非传统意义上的技术专家
而是一名精通"愿景营销"的商业领袖
他的成功也证明
在硅谷"讲好技术故事"，
有时比技术本身更加重要
在AI产业的光鲜财报背后
隐藏着对全球南方劳动力的系统性剥削
OpenAI的内容审核体系
依赖于肯尼亚工人的人工标注
这些工人以每小时2-3美元的报酬
处理包含暴力、仇恨、色情内容的海量文本
一名工人曾经在采访中回忆
他每天需要标注超过500条的极端内容
三个月后出现了严重的PTSD症状
无法与家人正常交流
更令人不安的是
这些用于训练AI安全系统的数据
从来没有向工人告知过具体的内容和潜在风险
导致企业将心理创伤成本完全转嫁给了弱势劳工
在自动驾驶数据标注领域
剥削则呈现出了更为隐蔽的形态
2016年委内瑞拉经济崩溃后
大量受过高等教育的难民
在哥伦比亚成为了AI数据标注工人
他们通过众包平台承接任务
却陷入了一场"任务抢夺战"，
每个标注任务上线后几秒内就被抢光
迫使工人24小时保持在线
一位患有糖尿病的委内瑞拉女性难民
因为长时间紧盯屏幕导致病情恶化
最终失明
而她所标注的自动驾驶数据
正在被用来开发价值数十亿美元的智能汽车系统
郝珂灵指出
AI产业的扩张正在以独特的方式冲击民主制度
在地方层面
数据中心的选址过程往往会绕过公众的参与
比如亚利桑那州的一位市议员
在批准数据中心建设后才发现
该项目将消耗当地 30% 的淡水资源
而此前企业承诺的 "零影响" 报告严重失实
在国家层面
美国联邦政府通过的《人工智能创新法案》，
实际上冻结了各州制定本地监管政策的权力
将监管权集中到了联邦层面
而联邦政策的制定
又高度依赖企业提供的技术评估
从而形成了一种"监管被俘"的局面
更深远的影响还在于社会契约的破坏
当公众发现自己使用的AI服务
建立在对全球南方劳工的剥削、对环境法规的践踏之上
技术合法性将面临根本性的挑战
郝珂灵在访谈中警告
如果放任AI巨头的"帝国式扩张"，
未来20年内可能出现所谓的"技术封建主义"，
也就是少数企业会控制关键的基础设施
公众在数据、算力、服务上形成依赖
民主制度难以有效制约技术权力
面对技术集权的威胁
全球范围内已经涌现出了多元反抗力量
在智利，社区组织通过三年诉讼
成功阻止了谷歌在水资源保护区建设耗水型数据中心
迫使企业采用海水冷却技术；
在美国
艺术家集体起诉Stable Diffusion未经授权
使用120万幅版权作品来训练模型
推动法院首次明确AI训练数据的版权边界；
在欧盟
《人工智能法案》建立了技术风险分级制度
要求高风险AI系统必须公开训练数据来源
接受第三方审计
这些案例证明
破局的关键在于抓住AI供应链的薄弱环节
比如数据获取、算力消耗、劳工权益和政策监管
普通公众可以通过行使数据权利
比如拒绝非必要的数据收集、支持通过伦理认证的AI产品、参与社区技术听证会等方式
积少成多形成制约力量
正如郝珂灵所言
AI技术的未来不是由少数企业所决定的
而是取决于我们能否在每个环节
建立民主参与机制
确保技术进步服务于公共利益
而非资本扩张
九、技术神话的反思
在采访的最后
郝珂灵将当前的AI狂热
与电影《沙丘》中的宗教神话做了深刻类比
当技术精英不断在强化
AI将重塑人类文明的二元叙事时
无论是追捧者还是反对者
都可能陷入到认知陷阱中
忽视技术发展的渐进性和复杂性
历史经验告诉我们
任何技术革命如果缺乏社会制衡
都可能异化为新的剥削工具
正如19世纪的东印度公司
凭借着技术优势掠夺殖民地资源一样
21世纪的AI巨头也正在重演类似逻辑
只不过剥削对象从土地变为数据、算力和人类的注意力
好了
以上就是郝珂灵这次访谈的主要内容了
欢迎大家在评论区发表自己的看法
感谢观看本期视频，我们下期再见