AI可能导致大规模失业的迹象已经显现:自2023年以来,美国入门级职位招聘下降了35%,科技巨头掀起大规模裁员潮,就连AI领域的领导者也在警告即将到来的冲击。
在华盛顿特区举行的Axios AI峰会后台,参议员马克·华纳表示,一位风险投资家最近告诉他,由于Anthropic的Claude取得的进展,他正在将软件投资减记至零。一家大型律师事务所告诉他,由于AI现在可以处理很多曾经分配给初级律师的工作,他们不再招聘一年级助理律师。
华纳表示,对AI相关失业的恐惧是"显而易见的",尽管一家AI公司的数据显示AI尚未开始抢夺工作岗位。随着这些恐惧的增长,它们正在蔓延到另一个争论中,即谁应该承担费用。
华纳有一个提议:对推动AI繁荣的数据中心征税,并用这笔收入帮助工人度过转型期。他还没有提出立法,但随着公众对AI和数据中心愤怒情绪的增长,这个想法变得越来越紧迫。
在美国各地,对数据中心出现了反对声音,包括参议员伯尼·桑德斯和众议员亚历山德里娅·奥卡西奥-科尔特斯周三提出的一项要求暂停建设数据中心的法案。最强烈的担忧是关于噪音、污染和不断上涨的电力成本。但在这些担忧之下还有一种潜在的怨恨情绪,即抗拒承受在自己后院建设数据中心可能带来的不良影响,而这些数据中心为一些人担心会取代工人的技术提供动力。
华纳不打算支持同事们的法案。在活动现场,他说:"数据中心暂停令只意味着中国会行动得更快,而这是我们不能输的领域。"
他补充说,当涉及到AI和数据中心时,无法将精灵塞回瓶子里。虽然华纳相信严格的要求,确保数据中心不会将其水费和电费转嫁给居民,但他告诉TechCrunch,他认为还有另一种方式让社区提取他们的"一磅肉",以解决潜在的失业担忧。
"我一直认为行业有义务帮助解决这个问题并为此买单,但我一直在问的问题之一是,谁应该付费?"华纳告诉TechCrunch。"应该是芯片制造商,黄仁勋吗?应该是大语言模型公司吗?应该是像高盛这样使用这些工具来减少一年级助理数量的公司吗?"
最终,他说,他认为"提取一磅肉最容易的地方可能是数据中心。"
这可能看起来像是将数据中心的税收收入用于培训新护士或资助AI技能提升项目,只要在社区应对AI公司强加给他们的经济转型时,能够为社区带来"切实的好处"。
华纳将其视为在建设数据中心的需求与对承担其成本的社区的义务之间取得平衡的一种方式。
这个想法并非没有先例。华纳指出了弗吉尼亚州亨利科县,该县利用当地数据中心的税收收入启动了一个新的经济适用房项目。
他说,找到一种将数据中心与社区切实利益联系起来的方式至关重要,因为否则,"干草叉就要出现了。"
公众情绪表明他可能发现了什么。根据最近的NBC新闻民调,AI的公众支持率低于移民和海关执法局,46%的注册选民对AI持负面看法,只有26%的人持正面看法。在弗吉尼亚州,这体现在一项取消该州数据中心建设税收减免的提案上,该减免在世界上最大的数据中心市场之一每年让州和地方政府损失近20亿美元的税收。华纳表示其他州可能会效仿。
他说,AI和数据中心"很容易被妖魔化"。
Q&A
Q1:参议员华纳提出了什么解决AI失业问题的方案?
A:华纳提议对推动AI繁荣的数据中心征税,并用这笔税收收入帮助工人度过转型期,比如用于培训新护士或资助AI技能提升项目,为社区在应对AI带来的经济转型时提供切实好处。
Q2:AI对就业市场造成了什么影响?
A:自2023年以来,美国入门级职位招聘下降了35%,科技巨头掀起大规模裁员潮。一些律师事务所不再招聘一年级助理律师,因为AI可以处理很多曾经分配给初级律师的工作。
Q3:公众对AI的态度如何?
A:根据NBC新闻民调,AI的公众支持率较低,46%的注册选民对AI持负面看法,只有26%的人持正面看法,甚至低于移民和海关执法局的支持率。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。