岚目镜观｜“云”落到地上之后：AI在美国的挑战及其镜鉴

随着美国中期选举逐步推进，一个几年前几乎不会出现在普通选民政治议程中的话题，正在意外成为越来越多选战的争议焦点：数据中心。

从纽约、密歇根等传统蓝州，到得州、佛罗里达等共和党重镇，围绕人工智能（AI）数据中心的反对声浪都在上升。

纽约州今年7月宣布，暂停部分50兆瓦以上大型数据中心的州级环境审批，成为美国首个在州一级对超大规模数据中心踩下“刹车”的州。与此同时，佛罗里达州通过立法，明确要求大型数据中心新增的电网成本不得转嫁给普通居民和小企业。即便是一向积极吸引科技投资的得州，州长阿博特也提出，大型数据中心应自行承担相关基础设施成本、增加电力供给并循环利用水资源，同时公开主张限制其进入部分乡村社区。

这已经很难被解释为少数社区的“邻避效应”(NIMBY)。

盖洛普今年5月公布的调查显示，约七成美国人反对在自己所在地区建设AI数据中心，其中接近一半表示强烈反对；这种反对横跨民主党、共和党和独立选民。民众最主要的担忧也并非抽象的“反AI”，而是非常具体的水资源、电力、生活成本和社区影响。在许多民众看来，建设数据中心的结果就是风险与成本留给本地社区，利润巨额收益流向硅谷，是又一出精英阶层勾结腐败，政府体系辜负人民利益的案例。

政治和金融市场也已经开始认真对待这种情绪。路透社8月报道，仅2026年第一季度，美国就有75个、总投资规模约1300亿美元的数据中心项目面临不同程度的社区反对，银行在评估数据中心融资时，也开始把地方政治阻力和许可风险纳入信贷判断。

于是出现了一个颇为吊诡的景象。一方面，美国仍然站在这一轮AI革命的最前沿。世界领先的大模型、顶尖大学、风险资本、芯片企业、云计算平台以及大量最优秀的AI人才依然集中于美国。过去几年席卷世界的生成式人工智能浪潮，很大程度上正是由美国科技生态孕育和推动。但另一方面，一场由美国创造并领导的技术革命，却正在其最需要大规模铺设基础设施的时候，遭遇来自美国社会内部越来越明显的政治阻力。

为什么会这样？

表面看，这是一场围绕水、电、土地和能源费用的地方利益冲突。

但往深处看，它提出的其实是一个更大的问题：为什么技术领先，并不能自动转化为产业领先、生产力提升和社会支持？

进一步而言，一个国家究竟需要什么样的制度能力，才能把实验室里的科技突破，持续转化为整个社会的能力？

这可能才是今天美国数据中心争议真正值得观察的地方。

AI第一次让“云”落到了地上

首先需要澄清的是，美国今天面对的并不是一个简单的“创新能力下降”问题。恰恰相反，美国仍然拥有全世界最强大的前沿创新生态之一。

而且，美国创新能力之强，恰恰在于这套体系并非统一规划设计。顶尖大学、国家实验室、科技企业、风险资本、各路创业者以及来自世界各地的移民人才，各自按照不同的逻辑行动；机构之间彼此竞争，人才不断流动，资本不断试错，大量失败被市场淘汰，极少数成功突破则迅速获得更多人才和资源。

它不是一台整齐划一的创新机器，更像一个高度分散、不断试错和容错的创新网络。互联网、生物科技、软件革命、云计算乃至今天的AI大模型，都在相当程度上诞生于这样的生态。

因此，美国制度的碎片化不能只被理解成弱点。多元、分散、竞争、开放和对失败的容忍，本身就是美国创新活力的重要来源。美国长期最擅长的，并不是通过行政体系“组织创新”，而是创造一种让无法提前规划的创新不断涌现的环境。

换句大家常说的话：美国极其擅长“从0到1”。

但AI正在迫使美国面对另外一道题：从0到1之后怎么办？

一个世界级实验室可以训练出一个领先的大模型。但如果要让人工智能真正成为整个经济体系的基础能力，它所需要的远远不只是算法和模型。

它需要电，也需要电网；需要芯片，也需要数据中心；需要土地和水，也需要高速传输网络；需要资本和工程师，也需要监管创新、各级政府合作以及社区的接受。

过去人们习惯把互联网和AI理解为“虚拟经济”，甚至把计算基础设施统称为“云”。但数据中心争议揭示的第一个现实恰恰是：云从来不在天上。

它最终必须落到一块土地上，接入一张电网，消耗真实的能源和水资源，并与一个真实社区发生利益关系。

AI越进入大规模应用阶段，它背后的物理世界反而越重要。事实上，每一场技术革命的背后，都有一场基础设施革命。工业革命需要铁路、港口和城市；电气革命需要发电站和全国性电网；汽车革命需要高速公路、加油站和庞大的石油体系；互联网需要光纤、海底电缆、通信网络和云计算设施。AI也不会例外。

如果这些基础设施无法建设，再先进的模型也很难真正扩散成为全社会的生产力。

美国的问题，可能在创新之后

这让我们有必要在传统的“创新能力”之外，再加入一个概念：创新转化能力。

所谓创新转化能力，是指一个国家把科技突破持续转化为产业能力、社会生产力、治理效能乃至民生福祉的综合制度能力。

创新能力回答的是：我们能够创造什么？

创新转化能力回答的则是：这些创造最终能够变成什么？

这两者看似接近，需要的能力却并不完全相同。

一项技术从实验室进入真实社会，绝不是“科研完成以后交给市场”那么简单。

它首先需要相应的基础设施。一条输电线路多久能够获批，一个工业园区是否已经拥有上下游供应商，一家工厂能不能找到足够的工程师——这些看似距离“科技创新”很远的问题，最终都可能决定一个国家能否把科技优势转化为产业优势。

它还需要有效的激励结构。企业为什么愿意投资一个十年以后才能产生回报的项目？资本为什么愿意承担失败？大学为什么愿意推动实验室成果产业化？地方政府为什么愿意投入土地、电力和公共资源建设一个新产业？

而当技术真正进入社会，它还需要另一种经常被忽略的基础设施：公共信任与社会接纳。技术发展的成本由谁承担？收益由谁分享？当地社区是否接受？当技术产生新的外部性时，制度能否及时调整？

到了这里，科技竞争已经越来越不像一场科学创新之间的比赛。

它更像是一场对整个社会组织能力的考验。

真正困难的，是谁来完成协调

而这恰恰触及美国制度最复杂的一层。美国不缺人才，也并不缺资本。很多时候，它甚至并不缺战略。真正困难的是：谁来让这些彼此分散的资源协同起来？

以数据中心为例，一个项目可能同时涉及联邦能源政策、州政府监管、地方土地规划、电力公司扩容、环保审批、社区听证、税收优惠以及科技公司的商业计划。

每一个主体都有自己的权力。每一个主体也都有不同的利益和政治责任。

这很容易被概括成所谓的“美国制度低效”。

但如果因此得出结论，认为美国应该通过更加集中的行政权力来解决问题，又可能忽略美国创新体系自身的来源。因为美国强大的创新生态，恰恰建立在这种多元和分散之上。

允许地方政府说“不”，意味着中央战略可能推进得更慢；但允许大学、企业、资本和个人不必等待中央命令，同样意味着很多谁都无法提前预见的创新能够自由发生。

允许社区阻止一个项目，可能增加建设成本；但社会反馈和利益博弈，也能够迫使企业正视技术发展的外部性。

所以，美国真正面临的并不是一个简单的“集中还是分散”的问题。

而是一个困难得多的问题：一个高度分权、多元、民主的政治体系，能否在不牺牲自身创新优势和纠偏能力的情况下，形成足够强的协调能力？

这也许是理解“治理能力”的一个重要区别。

治理能力并不简单等同于政府拥有多少权力。

在现代复杂社会中，更高层次的治理能力，或许恰恰体现为：在没有任何一个主体能够完全命令其他人的情况下，仍然能够让政府、企业、资本、大学和社会围绕某些共同目标形成足够稳定的合作。

换句话说，美国真正要回答的，不是能不能为了AI变得更像一个中央集权国家。而是能不能把自身的多元，也变成一种协调能力。

“反对”究竟是纠偏，还是阻滞？

同样的逻辑，也适用于今天美国社会对数据中心的反弹。

如果站在AI科技竞争的角度，地方居民的反对很容易被解释为阻碍国家发展的“邻避主义”。

但如果站到社区居民的位置上，事情就没有那么简单。为什么普通家庭应该替全球最富有的科技公司承担新增电网成本？如果大型数据中心消耗大量水资源，当地居民是否有权知道并参与决定？科技公司获得土地和税收优惠之后，到底能够留下多少就业和公共利益？为什么一些项目谈判需要通过保密协议进行，而社区只能在决定已经基本形成之后才知道？这些都不是没有正当性的问题。

佛罗里达今年出台的法律要求大型数据中心自行承担相应电力成本，恰恰说明这种地方反弹并不必然等于“反AI”。它也可能是一场关于技术革命成本究竟应由谁承担的重新谈判。

因此，制度摩擦并不天然反创新。

历史上许多技术的发展都经历过类似过程。汽车需要交通安全规则；工业化催生环境监管；药物创新需要临床试验和药品审批制度；互联网最终也不得不面对隐私、垄断、儿童保护和信息治理。

这些规则无疑会增加成本，有时也会减慢创新速度。但缺乏规则的技术扩张，同样可能迅速耗尽自身的社会合法性。

于是，AI时代美国面对的真正问题，不是如何消灭制度摩擦，而是如何区分两种完全不同的摩擦：一种摩擦迫使创新更加负责任，帮助技术获得长期的社会授权；另一种摩擦则让任何公共项目都无法落地，让国家逐渐丧失集体行动能力。

前者是纠偏。后者是阻滞。

美国制度真正需要提高的，恰恰是区分二者、保留前者而减少后者的能力。

这也是为什么社会合法性并不是科技竞争之外的附加条件。

它本身就是创新转化能力的一部分。

一个技术体系如果长期只有投资者、科技企业和政策精英感受到收益，却让普通人首先感受到能源价格上涨、工作被替代以及社区资源被重新分配，那么这种技术迟早会进入政治。

技术可以暂时跑得比政治快，但它无法永远跑在社会前面。

数据中心不是孤例

如果把镜头从AI稍微拉远，就会发现这其实并不是一个陌生的问题。清洁能源已经说明，发明一种技术和建立一个产业，是两种不同的能力。

美国在许多新能源技术领域拥有深厚的原创科研基础，但真正把技术迅速转化为产业规模，还需要制造体系、完整供应链、电网、融资、地方政策和规模经济。

生物技术也是如此。一个国家可以拥有世界领先的大学、基础生命科学研究和创新药物研发体系，但一个医学突破最终能不能改善数百万人的健康，还取决于临床试验网络、监管审批、医保支付、生物制造、医院和医生，以及患者最终能否真正获得治疗。

一个国家完全可能拥有世界上最先进的医学，却不一定拥有最高效、最普惠的健康体系。

AI正在提出同样的问题：一个国家可以拥有世界上最先进的模型，却不一定最擅长把AI变成整个社会的生产力。

从清洁能源、生物技术到AI，真正越来越重要的，是创新之后那条漫长而复杂的转化链条。

中国可以镜观，但不一定是答案

也正是在这里，中美科技竞争可能需要一种比“谁领先谁”更加细致的观察方式。

一种流行的简单叙事认为：美国擅长原创创新，中国擅长执行和规模化。

这种叙事捕捉到了一部分现实，但仍然过于粗糙。

美国的优势，确实更多体现在分散式创新生态、顶尖研究机构、资本市场、全球人才和市场竞争。

中国在过去几十年所展现出的另一种能力，则更多体现在基础设施建设、地方政府动员、产业链组织、工程化、制造规模以及围绕产业目标进行资源协调。

这使得中国在一些并非最早完成原创突破的领域，也能够迅速形成规模效应。

但这种能力同样伴随着自己的代价。

高度动员可能带来重复投资和资源错配；产业政策能够放大正确判断，也可能放大错误判断；行政协调可以降低决策成本，却也可能削弱来自市场和社会的负面反馈。

所以，中国可以成为美国的一面镜子，却不一定是美国的答案。

美国不能为了增强产业协调能力，而放弃恰恰产生其原创创新优势的开放、多元、竞争和社会纠偏机制。

反过来，中国也不能因为自身在基础设施和产业组织上的优势，而低估自由探索、市场反馈、原创研究和人才自主流动对于下一阶段创新的重要性。

真正值得中美彼此观察的问题，并不是哪套制度在抽象意义上更加优越。而是哪一种制度能够更稳定地把创新能力与创新转化能力结合起来，同时不断纠正两者各自可能产生的偏差？

美国需要解决的是，如何在不失去多元和创新活力的情况下提高协调能力。

中国需要解决的，则是如何在保持组织和规模化能力的同时，为原创探索、分散试错和社会反馈留下更大的空间。

在这个意义上，两国真正值得从对方身上看到的，未必只是对方的优势。

更重要的，可能是自己的盲点，以及可学习可改进之处。

21世纪的科技竞争，正在成为治理竞争

过去几十年，人们习惯用一些非常明确的指标衡量一个国家的科技实力：谁拥有最好的大学、最多的科学家、最强的企业、最多的专利、最领先的实验室。

这些指标当然仍然重要。但AI、清洁能源和生物技术正在说明，它们已经不足以解释国家之间真正的科技竞争力。

未来越来越需要观察的是：一个国家能不能让基础科研不断进入产业？能不能及时建设与技术革命相匹配的基础设施？能不能把新技术扩散到大量普通企业？能不能让不同层级的政府形成稳定合作？能不能维持十年、二十年的政策连续性？又能不能让普通社会成员真正分享到技术进步带来的收益？

这些问题已经超出了传统科技政策的边界。它们进入了国家治理本身。

因此，21世纪的科技竞争，正在越来越成为治理竞争。创新能力决定一个国家能够创造什么。治理能力则越来越决定，这些创新最终能够变成什么。而这也让美国AI今天面对的难题，比“要不要多建一些数据中心”复杂得多。

如果美国为了赢得AI竞争，最大限度压缩地方政府、社区、监管和社会反馈产生的摩擦，或许可以在短期内提高基础设施建设速度；但如果这种效率最终侵蚀了多元竞争和制度纠偏，也可能损害恰恰孕育美国创新能力与社会合法性的制度土壤。

反过来，如果每一个利益相关者都拥有事实上的无限否决权，每一次技术扩张都陷入漫长的诉讼、审批和地方阻力，那么再强大的创新能力，也可能因为无法完成规模化而逐渐丧失战略意义。

这才是美国AI真正面对的难题：既不能为了效率牺牲产生创新和纠偏的多元制度，也不能让多元最终异化为无法行动的否决政治。

今天，美国社区围绕一座座数据中心争论的，看起来只是土地、水、电和电费。但当“云”真正落到地上，一个国家面对的就不再只是技术问题。技术发展的成本由谁承担？收益由谁分享？风险由谁负责？又由谁决定，一个社会应该以多快的速度拥抱一种将改变所有人的新技术？这些看似发生在地方社区的争议，最终提出的是AI时代所有国家都会面对的治理命题。

如果一个国家无法持续回答这些问题，再先进的技术，也很难真正成为稳定的国家能力。而如果一个国家能够回答好这些问题，那么真正被转化的，也就不只是技术。而是技术所创造的可能性，最终成为产业的能力、社会的能力，以及普通人的福祉。

AI时代真正的竞争，不只是谁更早抵达未来，更是谁有能力让技术进步服务于人，让未来的红利惠及更广泛的社会。

“岚目镜观”专栏由美国两位资深研究和观察人士——亚洲协会副会长、中国中心联合创始人兼主任钱镜，和亚洲协会中国中心研究员王浩岚——执笔，力图透视“特朗普2.0”背后的特征和逻辑，为政策的讨论和制定提供严肃、中立和着眼长远的分析框架和实证依据。专栏逢每月初推出，敬请关注。