联合国秘书长古特雷斯在伦敦气候行动周上说了一段话，说得很直接：AI公司必须公开它们的数据中心到底耗了多少电、用了多少水、占了多大地方。

“不要再转嫁成本了，不要再让最没能力承担的人买单。是时候说真话了。”

一个谁都没认真算过的账单

联合国大学水与环境健康研究所本月早些时候发了一份报告，说目前对AI环境成本的评估，大多只盯着训练模型产生的碳排放。但这只看到了画面的一小部分。

每一度用于AI的电，背后都有水足迹（来自冷却和发电）和土地足迹（来自基础设施和供应链）。把这三者加在一起，数字大到不太真实。

根据报告估算，到2030年，全球AI数据中心每年可能消耗945太瓦时的电力——比全世界几乎所有国家的用电量都高，大约是法国2025年用电量的两倍。

要把这笔碳账抵消掉，到2030年需要种大约67亿棵树，连续种10年。

数据中心发电所消耗的水，相当于撒哈拉以南非洲13亿人的一年基本用水需求。占用的土地面积超过1.45万平方公里——大约是雅加达大都会区的两倍。

社区开始说不了

在美国，反对的声音已经从社交媒体走到了投票箱。

今年6月，洛杉矶县的蒙特雷帕克市，成为美国第一个通过全市投票禁止数据中心的市。此前，当地一个拟建数据中心的开发商已经在4月撤出了项目，原因就是社区反对情绪越来越强，加上监管不确定性。

民间组织Data Center Watch的数据说，2024年5月到2025年3月之间，全美各地推迟或阻止的数据中心项目，总价值大约640亿美元。

行业游说团体当然有另一套说法。美国数据中心联盟说，数据中心能带来税收、建筑和技术岗位，还提供云计算、科研和AI开发需要的基础设施。至于它们会不会推高普通家庭的电费，行业方面也在反驳。

但古特雷斯在伦敦的演讲里说了一句话，很有意思：”数据中心所在地的社区，往往得不到什么好处，却对身边正在拔地而起的基础设施的环境影响一无所知。”

欧盟也在动了

欧盟在本月早些时候说，要为新老数据中心制定最低能效标准，2027年之前完成”需求评估”。此外还在规划一个数据中心的可持续性标签，覆盖用水和清洁能源供应等标准——不过这个标签的推出已经被推迟了。

古特雷斯在演讲之后的问答环节被问到，AI公司的反应怎么样。他说”走着瞧吧”，没有透露更多细节。

但他的潜台词很清楚：透明度对AI行业来说，长远来看是好事。因为总有一天，会有人跳出来说，某家公司的AI，耗的电比它对外宣称的多得多。

这几天AI圈有个挺有意思的事：中国的智谱AI（Zhipu AI，也叫Z.ai）发布的开源模型GLM-5.2，在网络安全漏洞查找这个特定领域，居然跟Anthropic的Mythos打得有来有回，有些测试里甚至还胜出了。

开源模型追上闭源巨头？

GLM-5.2是智谱AI今年发布的新模型，最大的特点是”开放权重”（open-weight）——意味着任何人都可以下载下来自己跑，不需要经过任何人的批准。

安全公司Semgrep的测试显示：GLM-5.2在IDOR（不安全的直接对象引用）漏洞检测中，F1得分达到39%，超过了Claude Code的32%，而每次漏洞检测的成本只有约0.17美元。

当然，在通用任务上，GLM-5.2还是打不过Claude和GPT系列的。但这不重要——重要的是，在网络安全这个对国家安全至关重要的领域，中国AI公司已经把差距缩小到了”有竞争力”的程度。

华盛顿的噩梦

这让华盛顿很头疼。特朗普政府对AI模型出口管制的核心逻辑是：先进的AI模型（特别是能做网络攻防的）不能落到”潜在对手”手里。

但GLM-5.2是开源的。你没法禁止一个开源模型，就像你没法禁止一个数学公式。任何人都可以从网上下载这个模型，在自己的硬件上跑，没有任何监管能拦得住。

更麻烦的是，GLM-5.2的表现说明了一件事：中国AI公司不再只是”追赶者”了，在某些细分领域，他们已经开始跟美国公司正面竞争。

Mythos出口禁令的讽刺

几个月前，美国政府以”国家安全”为由，禁止Anthropic的Mythos和Fable模型向非美国人开放。当时给出的理由是：这些模型太强了，如果落到坏人手里，可以用来发现软件漏洞、发动网络攻击。

但现在的局面是：美国的闭源模型被管制了，中国的开源模型却没人管得了。那些本来被禁止用Mythos的安全研究人员，现在可以改用GLM-5.2——效果差不多，还没有使用限制。

• 出口管制真的能限制住AI技术的扩散吗？还是只是把市场让给了竞争对手？
• 开源模型和闭源模型，哪种对安全的影响更大？
• 如果中国AI在更多领域追平美国，华盛顿的下一步会是什么？

这件事还没有结束。GLM-5.2的开源发布，可能会倒逼美国AI公司重新考虑他们的封闭策略——如果竞争对手用开源抢市场，你还要不要继续闭源？

同时，这也给全球AI安全研究提了个醒：当你试图用管制来限制技术扩散的时候，技术本身可能不会等你。

2025年元旦，洛杉矶帕利塞德丘陵发生特大野火，造成惨重损失。检察官在起诉嫌疑人Jonathan Rinderknecht时，拿出了一份不同寻常的证据——他的ChatGPT对话记录。

AI成了指控你的证人

检察官的主张是：Rinderknecht在ChatGPT上问过帕利塞德地区的风速情况，还问过某些化学品的助燃特性。这些查询记录，在检察官眼里，就是”有计划地准备制造最大破坏”的证据。

OpenAI配合了搜查令，把这位用户的完整对话记录交给了当局。这件事本身就让很多人后背发凉——你跟AI聊的所有内容，理论上都可以被调出来当证据。

跟Google搜索不是一回事

用Google搜东西，你拿到的是链接。但跟大语言模型对话是另一回事——你会把场景摆出来，追问细节，通过来回问答”搭建”一个想法。检察官在帕利塞德案里用的就是这些对话的结构，试图让法庭相信Rinderknecht对自己的行为后果有充分的认知。

“我们不再只是搜索信息，而是和一个永远不忘记、永远配合传票的实体大声思考。”——帕利塞德案法律分析师

第三方法则来了

这个案子最终以误审告终——陪审员没能就ChatGPT查询记录是否足以证明犯罪事实达成一致。但法庭采纳这份证据的依据，是一个有争议的法律原则：”第三方法则”。

根据这个法则，公民对自愿分享给第三方的资讯（比如银行、科技公司）”没有合理的隐私期待”。到了AI时代，这意味着你在聊天框里敲下的每一个念头，都属于那家公司，进而可以被当局获取。

法律分析师警告，这会造成”寒蝉效应”：人们可能因为担心自己的数字足迹在将来的法庭上被用来对付自己，而不敢探索某些想法或提出问题。

Rinderknecht的案子只是开始。随着AI融入生活的每个角落，这套技术的法律监管还远远落后于现实。当局能不能用你的AI对话记录来定你的罪——这个问题的答案，可能比你想象的更近。

2026年6月25日，华盛顿的发布会现场坐着两个不太可能同台的人——前美国商务部长吉娜·雷蒙多（Gina Raimondo）和前印第安纳州长埃里克·霍尔科姆（Eric Holcomb）。一个民主党，一个共和党，两人共同宣布了一件事：他们攒到了5亿美元，专门用来应对AI给就业市场带来的冲击。

这个组织叫”Raise Us”，定位很明确：无党派、非营利、不碰政治。雷蒙多在采访里说得很直白——美国现在拼命在AI技术上跟全球竞争，但少了关键一块，那就是”人”的策略。技术跑得飞快，可那些被AI替代的工人怎么办，没人认真想过。

“AI是一个令人兴奋的技术，我们希望美国在全球AI竞争中领先。但我认为转型期真的会有阵痛——数百万美国人可能得换工作，或者他们的工作直接没了。现在就得行动起来，想办法让这个过渡不至于让底层的人摔得太惨。”

5亿美元从哪来？

雷蒙多不是空手开张。她在宣布之前就已经锁定了5亿美元的承诺资金，目标是要筹到10亿。出钱的有亚马逊、Anthropic、微软、OpenAI这些AI圈的大玩家，也有大型企业和慈善基金。

这个阵容本身就很说明问题——AI公司愿意掏钱，说明它们也意识到：如果AI替代工人的速度太快、又没有缓冲机制，整个社会对AI的反推力量会越来越大。与其等政府强行监管，不如主动拿出解决方案。

雷蒙多警告说，能行动的时间窗口比大多数人想的都要窄。等大规模的AI失业真的来了再动手，就太晚了。

四个支柱，先在四个州试点

Raise Us的具体做法分四个方向，他们叫”四个支柱”：

• AI职业导航——用AI工具帮工人识别自己的技能可以转移到哪些新岗位，而不是让每个人自己去瞎琢磨。
• 服务年计划扩展——扩大已有服务年项目的规模，让更多人在转型期有事情做、有收入。
• 工资保险——如果工人换工作后工资下降了，这个机制可以补一部分差额。这个概念在美国讨论了很多年，但一直没大规模落地。
• 与州政府和大学校合作——在地方层面设计培训项目，不是华盛顿拍脑袋搞一套全国通用的方案。

目前已经有四个州同意参与试点：阿肯色、康涅狄格、马里兰、犹他。选择这四个州本身也体现了跨党派思路——有红州也有蓝州，看看哪种模式在不同政治环境下能跑通。

为什么是雷蒙多？

雷蒙多这个人有意思。她当过罗得岛州长，后来被拜登提名为商务部长，在任内深度参与了芯片法案（CHIPS Act）的实施——也就是美国政府拿出数百亿美元补贴本土半导体制造的那项政策。她既懂技术政策，又有实际操盘大规模政府项目的经验。

离开政府后，她没有回华尔街或者去某家AI公司当顾问，而是搞了这个专注于工人转型的非营利组织。她在接受Fast Company采访时说，美国现在对AI的投资疯狂地集中在技术和基础设施上，但”人”这一侧的投入严重滞后。

霍尔科姆的加入也很关键。作为前州长，他理解州层面的政策落地有多难——联邦政府可以出钱，但最终执行是在州和地方层面。两人组合相当于覆盖了”联邦政策+地方执行”的完整链条。

这件事为什么值得关注

AI失业这个话题已经讨论了好几年，但大多数讨论停留在”会不会发生”和”有多严重”的层面。Raise Us的不同之处在于，它试图在问题大规模爆发之前就建立应对机制，而不是等乱象丛生后再去补救。

另一个值得注意的点是，这个倡议是AI公司主动出钱支持的。这和过去科技公司面对外部性问题时的典型反应不太一样——通常他们会先否认问题存在，等舆论压力太大再被动应对。Raise Us至少说明部分AI公司管理层已经意识到，主动管理社会影响比被动挨打要划算。

当然，5亿美元听起来很多，放到全国范围的工人再培训需求里，这个数字其实挺小的。Raise Us更像是一个示范项目——如果在四个州能跑通，后续才会有更大规模的公共资金投入。雷蒙多很清楚，光靠慈善钱是解决不了系统性问题的。

最后说一句，这件事发生的时间点很有意思。2026年正好是美国中期选举年，AI对就业的影响已经开始在数据中显现（参考SignalFire的工程岗位数据），但还没有成为全国性的政治议题。Raise Us选择在这个时间点上宣布，很难说没有为未来政策讨论设定议程的意图。

有人用ChatGPT告倒了房东，也有人被AI骗去要700万美元——法院开始头疼了

在美国科罗拉多州，联邦地方法官Maritza Braswell最近注意到一个奇怪的现象。她每天在办公室里翻阅的文件，越来越多出自没有律师代理的普通人之手。这些文件写得比以前清楚多了——但也更容易出现幻觉，引用根本不存在的案例。她慢慢学会了一件事：辨别AI的文风。

诉讼量突然涨了

一项来自MIT和南加州大学的研究，分析了2005年到2026年间的450万起联邦民事诉讼，发现了一个明显的拐点。由没有律师代理的人提起的诉讼占比，从2022年的11%上升到2025年的16.8%。这些文件中，被AI文本检测器判定为包含AI生成写作的比例，从2023年的1%飙升到2026年的18%。

法官Braswell认为这个跳跃和AI的普及有直接关系。她算得上是科技素养比较高的法官，自己也会用AI来辅助审阅法庭文件。正因为如此，她越来越能认出大语言模型写出来的文字——那种过于规整、过于自信、偶尔会编造案例和引文的文风。

AI让”打官司”变容易了，但也变乱了

说起来，没有律师代理的人打官司，最大的问题从来不是”乱”，而是”看不懂”。法官Braswell说，她审理过的自辩诉讼中，有不少手写申诉书潦草到近乎天书，要花很长时间才能猜出当事人在说什么。法院按照规定，必须以最大善意去理解这些文件，哪怕写得再乱也要认真读。

AI改变了这件事。现在自辩的人用ChatGPT或Claude把想说的话整理得井井有条，法官读起来省力多了。Braswell说，她现在处理AI辅助起草的动议，速度反而比处理那些没有经过AI整理的文件更快。”如果我更能理解一个人的论点，我大概就能多帮上一点忙。”

但事情没有这么简单。AI会编造内容。研究数据显示，即便诉讼量上升了，没有律师代理的人的胜诉率并没有明显改善——打官司是一件复杂得多的事，不只是把文字写漂亮就行。

法官开始问：AI有”律师-客户特权”吗

随着AI在法律场景中的使用越来越普遍，法院开始面对一些前所未有的法律问题。其中一个是：人们和聊天机器人的对话，应该享有”律师-客户特权”保护吗？

这个特权的意思是：你和你律师之间的对话，对方律师不能强迫公开。但AI不是律师，那你和ChatGPT之间的对话呢？

目前法院在这个问题上分裂了。2026年2月，密歇根州一家联邦法院裁定，自辩人士为准备案件而与ChatGPT的对话属于”工作成果”，应对方不能强迫公开。但同一天，纽约一家联邦法院却作出了相反的裁定——法院认为Claude不是律师，用户也不能”合理期待”与AI的对话会被保密，因为AI公司本身就可能把用户数据披露给第三方。

康涅狄格州联邦地方法官William Garfinkel说：”你可以提出一个很好的论点——和Claude、ChatGPT或Grok这样的大语言模型的对话，应该获得某种程度的保护。”

AI出了错，谁负责

另一个更棘手的问题是责任归属。律师给客户错误的建议，客户可以告律师渎职。那如果AI给了错误的法律建议呢？

加州联邦地方法官Allison Goddard讲过这样一个案例：一个在商店里滑倒的原告，用ChatGPT评估自己的案件价值，然后向商店开了70万美元的价。这个价远远超出了案件实际值。Goddard法官只好把当事人叫来，一步步解释为什么ChatGPT错了，并建议一个更合理的金额。

她说：”这就像’Google医生’去上了法学院。”AI给出的法律建议听起来很自信，但底子是靠统计规律预测下一个词，不是靠理解法律。

已经有公司因为这个告上法院了。2026年3月，日本生命保险公司（Nippon Life）起诉OpenAI，指控ChatGPT在没有执照的情况下从事法律执业，还帮一个女人重启了一桩已经和解的诉讼，让法院被无意义的文件淹没。OpenAI则在4月向法院申请驳回此案，辩称ChatGPT不是律师，”ChatGPT不是一个人，它没有任何程度的法律知识或技能”。这个案子目前还在审理中。

立法者开始行动了

各州已经开始考虑立法，要求AI公司在聊天机器人提供错误法律建议时承担责任。纽约州在2026年3月提出了一项法案，禁止聊天机器人冒充律师，即使用户已经被事先告知对方是AI。美国国会也有一系列提案，要求禁止聊天机器人冒充律师、医生和其他有执照的专业人士。

但这些法案目前都还没有取得实质性进展。立法总是比技术慢半拍，这一点在AI时代显得尤为明显。

法官Braswell说，这个系统对普通人来说真的很难 navigating。有了AI，事情至少变得不那么复杂了。她注意到，以前自辩的当事人被她问到为什么想要某份证据时，总是怯生生地嘟囔。现在，他们会自信地回答——因为已经和聊天机器人排练过了。

AI正在改变人们接近司法的方式。它让更多的人能够表达自己的论点，但同样也让更多的人带着错误的期待走进法院。法院、立法者和AI公司都还在摸索：当聊天机器人坐上律师席，规则到底应该怎么定。