一句话看懂：一项基于大模型（LLM）对Reddit十年间798个帖子和10.2万条评论的分析显示，数据中心反对者发帖量是支持者的2.6倍、评论量达8.5倍，反映社区对AI算力扩张的抵触主要集中在资源消耗和选址不透明上。
事件核心：发生了什么
2026年11月10日发布于arXiv cs.AI的一篇新论文（编号2611.10109）指出，2024年5月至2025年3月间，美国约有640亿美元的数据中心项目因地方反对而受阻或延期。为量化这种社区情绪，作者搭建了一个由开源大语言模型驱动的观点挖掘框架，结合Chain-of-Stance提示和三条领域标注规则，分析Reddit上跨十年的798篇帖文和102,328条评论。分类结果达到人类评审者一致度上限的83%。数据显示，反对帖与支持帖比例为2.6:1，且前者产生的评论量是后者的8.5倍，这一差距在86周内持续扩大。反对论点经主题建模可归纳为四类：资源消耗与稀缺（42.8%）、选址流程争议与保密（34.2%）、对数据中心的政治性反对（13%）、政治与企业问责（8%）。情绪化或政治挑衅型标题获得最多互动，而水、电等关键技术关切分散在低互动评论中。
为什么重要
当前AI训练与推理需求推高算力建设，数据中心正成为AI产业链中社会摩擦最集中的环节。传统调研和听证会介入规划过晚，而这项研究提出了一条用大模型持续、大规模监测社交舆论的路径。对行业而言，这意味着选址与环评不能再仅靠工程指标，社区情绪已成为可量化的项目风险变量。从竞争格局看，能否提前识别并回应资源消耗和流程透明度诉求，可能直接影响数据中心开发商在美扩张的速度与成本。
对用户/开发者/创作者的影响
对开发者和AI应用团队，云端推理成本与可用区供给可能受项目延期波及，长期需关注算力区域布局的稳定性。对企业采购方，供应商的数据中心落地能力应纳入评估。对内容创作者和社区运营者，这项研究也提示：带情绪或政治框架的议题更容易获得传播，而技术细节讨论往往被淹没。政策合规层面，地方规划部门可能参考此类LLM舆情工具来设置沟通节点，开发商则需更早公开用水、用电和选址信息。
值得关注的后续
一是该框架是否开源、能否复用到其他基础设施议题；二是83%的标注一致度在不同地区和平台上的稳定性，目前公开信息仅限Reddit单一来源；三是反对主题中资源消耗占比最高，后续数据中心能否通过可核查的用水用电承诺缓解阻力，仍有待观察。
来源：arXiv cs.AI
