AI数据中心建设热潮，正冲击工业创伤深重的城市

AI狂潮下的另一面：数据中心与城市的紧张关系

生成式AI的爆发正在以惊人的速度推高对算力的需求，而算力的物理载体——数据中心——则需要巨大的土地、电力和水资源。在这场资本与技术的狂欢背后，一个日益尖锐的社会问题正浮出水面：数据中心的选址，正与那些曾经因重工业而伤痕累累的城市社区发生激烈碰撞。

费城的案例正是这一矛盾的缩影。据报道，当地官员曾提议在一个社区兴建数据中心，而这一社区此前已经深受一座如今已经停产的炼油厂影响。对于早已承受过工业污染、健康风险与经济衰退的居民而言，一个能耗巨大的新型基础设施项目，很难被视为单纯的发展机遇。

为什么受伤的城市反而成了目标

数据中心运营商在选址时，往往青睐那些拥有现成工业用地、电力接入基础设施以及相对宽松监管环境的区域。而这些条件，恰恰集中在过去依赖重工业的老城区和后工业社区。

炼油厂、化工厂、发电站遗留下来的地块通常具备大规模供电能力和土地空间，改造成本相对较低。对企业而言，这是理性的商业选择；但对当地居民来说，这意味着他们可能再一次被推到大型工业设施的阴影之下——只不过这一次，烟囱换成了服务器机房和冷却塔。

这种模式引发了关于"环境正义"的深层担忧：为何总是那些历史上已被牺牲的社区，反复承担新一轮基础设施扩张的代价？

"环境正义"（Environmental Justice）是1990年代在美国兴起的一个政策与社会运动概念，核心主张是：有色人种社区和低收入社区在历史上不成比例地承受了工业污染、有害废弃物处置场和高风险设施的负担，而在政策制定中却长期缺乏话语权。美国环保署（EPA）已将环境正义纳入联邦政策框架，要求在项目审批中评估对弱势社区的累积影响。在数据中心选址问题上，批评者援引这一框架指出，当同一社区被反复选中承接高能耗、高资源消耗的基础设施时，这不是偶然的市场选择，而是结构性不平等的延续——当地居民往往缺乏足够的法律资源和政治影响力来阻止项目落地，使得"受伤的社区"成为资本最省力的路径。

全国性的反对声浪

报道指出，针对数据中心建设的抗议已经蔓延成一场全国性的公众抗争，费城只是其中新的一站。居民和活动人士的核心诉求集中在几个方面：

• 能源消耗：大型数据中心用电量惊人，可能推高区域电价并加重电网负担。
• 水资源压力：冷却系统对水的需求可能与当地民生用水形成竞争。
• 环境公平：项目往往落地在弱势社区，加剧既有的不平等。
• 就业质量存疑：数据中心创造的长期本地就业岗位相对有限，与其占用的资源不成比例。

这些反对并非简单的"邻避效应"，而是对AI基础设施扩张模式的一次系统性质疑。

"邻避效应"（NIMBY，Not In My Back Yard）通常指居民虽接受某类设施的社会必要性，但反对其建在自己居住地附近，动机往往被认为是自利的。文章特别指出，当前针对数据中心的抵制已超越邻避效应的范畴——反对者并不只是嫌弃设施本身，而是在质疑整个AI基础设施扩张的决策逻辑：谁在获益、谁在承担代价、决策过程是否公正透明。这种区别在法律和政策层面具有实质意义：单纯的邻避诉求在环境评估程序中往往难以成立，而涉及环境公平、累积健康风险和程序正义的诉求，则可能触发更严格的审查要求，并在法院获得更多支持。

AI增长逻辑与社区利益的结构性冲突

这场碰撞的本质，是技术产业指数级增长的逻辑，与地方社区可持续发展诉求之间的结构性张力。科技公司需要在短时间内部署海量算力以支撑AI模型的训练与推理，而这种紧迫性往往与社区所需的审慎评估、公众参与和长期规划相冲突。

当一个已经承受过炼油厂污染的社区被再次选中时，问题就不仅是"要不要数据中心"，而是"谁来决定、谁来承担、谁来获益"。如果决策过程缺乏透明度和居民的实质性参与，数据中心很容易被视为又一个由外部资本主导、把成本转嫁给本地的项目。

数据中心的资源消耗规模通常超出公众直觉。以用电量为例，一座大型超算数据中心的年耗电量可达数百兆瓦，相当于数十万户家庭的用电总和；训练一个大规模语言模型单次所消耗的电力，据估算可达普通家庭数年用电量的数倍。冷却系统方面，风冷与水冷是两种主流方案，后者效率更高但每天可消耗数百万加仑淡水。这些数字在水资源紧张或电网容量有限的地区，会直接转化为区域性的能源价格上涨和供水压力，而非只停留在企业碳排放报告中的抽象指标。正是这种具体的、可量化的资源竞争，使得社区层面的反对具有切实的民生依据。

值得关注的走向

随着AI应用持续扩张，数据中心的选址争议大概率会在更多城市重演。未来可能出现的博弈方向包括：更严格的环境影响评估、社区补偿机制、可再生能源与水循环技术的强制配套，以及地方政府在审批中更强的话语权。

费城的争议提醒行业：AI的物理足迹是真实存在的，它不只是云端的抽象概念，而会具体落在某个街区、某片土地和某群居民身上。如何在算力扩张与社区权益之间找到平衡，将成为AI基础设施发展绕不开的课题。