随着 AI 繁荣，核电站附近的土地正变成炙手可热的不动产

投资与“AI 泡沫”之争

• 有人认为核电站附近的土地是很有前景的 AI 驱动投资；也有人警告 AI 泡沫可能已接近顶点，并指出内部人士在抛售股票。
• 反驳观点：许多内部人士的卖出都是按照预先安排好的交易计划进行的，所以原始的“内部抛售”统计可能具有误导性。
• 也有人主张不要试图择时市场或从网上评论中寻找信号，而是更倾向于定投。

能源使用、低效与外部性

• 担忧：AI 数据中心为自动补全和图像生成消耗核电的大量产出，似乎很浪费；有人呼吁“等等”，等更高效的架构出现。
• 回应：
  • 技术进步很少会等到完美效率才开始；就像硬盘一样，渐进式改进本身就有商业价值。
  • AI 早期阶段更需要灵活性，而不是超优化硬件。
  • 如果某个产品按今天的能源价格就能盈利，企业就会部署它。
• 环境视角：有人认为核能/清洁能源应该优先用于现有用能的脱碳，而不是新的 AI 负载；也有人认为电力是可替代的，我们应该通过对污染（例如碳）征税，而不是评判具体用途。

市场 vs 中央计划

• 一派认为限制 AI 能源使用的提议实际上就是中央计划，甚至带有专制色彩。
• 另一派区分“禁止某些用途”和通过税收或监管来给外部性定价。
• 对于政府是否能或是否应该在产业中“挑选赢家”存在分歧（并举出中国和美国补贴等例子）。

AI 的价值 vs 成本

• 支持者声称，即使全球劳动力只节省很小一部分工时（例如 1%），也足以从经济上证明需要远更多的发电。
• 怀疑者质疑这些数字，指出每瓦 FLOPs 的提升有限且模型规模不断增大，并怀疑 LLM 自动补全并不会比更便宜的方法显著更优。

商业模式与“垃圾化”

• 有人预测 AI 平台会遵循一种模式：先对用户友好、价格低廉，然后逐步挤压用户和下游企业。
• 也有人认为竞争和开源模型会限制这种情况，而且当前的亏损是 VC 对未来盈利性的押注，而不是必然攫取价值的证据。

工作、自动化与能源规模

• 关于用 AI 替代“10 亿个工作岗位”的猜测，引发了对电力需求和效率趋势的讨论。
• 有人认为单看能源使用是一个很差的指标；真正重要的是创造的净价值，以及被替代的劳动如何重新配置。

核电站附近的数据中心

• 将 AI 数据中心选址在核电站附近，被视为一种通过在源头用电来减轻电网压力的方法。
• 与此同时，人们也对这会强化集中式计算和能源体系感到不安，而更希望推进分布式、非化石能源发电。