一句话看懂：从郁金香到代币，AI 狂热正在以算力为燃料自我强化。行业一边高调承诺智能，一边对能耗、水耗和土地影响讳莫如深，普通人和开发者需要从“被使用”的状态中重新审视自己的位置。
事件核心：发生了什么
这篇文章借植物学家 Michael Pollan 的“共同进化”视角，把当前的 AI 热潮比作又一轮“郁金香狂热”。过去十年，支撑加密货币的 GPU 算力大规模溢出，催生了语言模型和“代币经济”的爆发。作者认为，AI 像苹果或玉米那样，正通过人类的提示词和点击来“传播种子”——我们以为在掌控工具，事实上工具也在驯化我们。
素材中有几个可核查的事实点值得注意：埃隆·马斯克对完全自动驾驶的承诺一再跳票，从 2014 年的“一年内实现”到 2026 年的“全美四分之一到一半”；数据中心地图显示已有 33 个运营、66 个在建，另有 8837 条公众投诉记录；Erin Brockovich 正在牵头标记拟建站点，而“输给中国”的焦虑常常压过本地居民的反对声。行业透明度也在下降：模型厂商不披露单次查询的耗电量、冷却用水量，以及闲置站点最终由谁承担土地和含水层责任。
为什么重要
这篇文章的价值不在技术突破，而在提醒 AI 行业正陷入一种“认知失调”。Yann LeCun 认为动物的学习能力仍远超机器，Donald Hoffman 从数学上论证意识可能是底层结构，而 Sam Altman 却说已经到达奇点。官方叙事越宏大，真实的计算成本、环境外部性和社会影响就越被掩盖。
另一个关键点是“所有权”问题：如果实验室真的相信系统正在觉醒，那么“按 token 出租智能”的商业安排就存在根本性悖论。行业想让人工智能像公共事业一样被广泛使用，却不想承担公共事业的透明度义务。这种不平衡正在延续过去加密行业的叙事——造富先行，治理缺位。
对用户/开发者/创作者的影响
对普通用户来说，每一次“免费”的 AI 交互都在为模型贡献行为数据，同时消耗真实的电力和水资源。作者提到，智能体因为模型数据过期会反复检索同一问题 5 到 10 次，这种流量显然不支持“SaaS 已死”的结论，反而说明推理端的资源浪费比想象中严重。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者而言，算力紧张和变压器缺货正在变成常态，新输电线路要等四到八年，成本最终会通过电费和基础设施费用转嫁给所有人。编码本身从来不是瓶颈，理解和翻译需求才是，工具只是放大专业判断的杠杆。
对创作者来说，你的内容被用于训练模型，但你既不知道也不分享模型的能耗和盈利分配。作者引用了 Ralph Waldo Emerson 的话：“事物骑在鞍上，驾驭着人类。”这句话在数据主权尚未确立的今天，显得尤其具有现实指向。
值得关注的后续
第一，数据中心选址冲突是否会推动地方层面的“数据主权”立法，让当地居民持有算力设施和土地的股份，类似农光互补的“农业+光伏”模式。
第二，模型厂商是否会迫于公众压力，开始披露单次推理的能耗、水耗和废弃站点责任条款。目前公开信息显示，这类数据完全没有被透明化。
第三，自动驾驶和通用智能的承诺仍然容易“朝后跳票”，对极端的路线图声明持多一分保留仍然是更理性的选择。
来源：Hacker News
