美国参议员提议对数据中心征税应对AI失业潮
美国参议员马克·沃纳（D-VA）在Axios人工智能峰会上提出，应对人工智能引发的失业问题，应通过向支撑AI发展的数据中心征税，将所得用于支持受影响工人转型培训。
沃纳指出，自2023年以来，美国入门级职位招聘数量下降35%，科技公司大规模裁员，甚至AI领域的领军企业也发出警告。他称，人工智能相关的失业恐惧“显而易见”，尽管部分AI公司数据显示尚未大规模替代人力，但公众担忧情绪正在加剧。
沃纳认为，应向AI产业链中的关键环节“提取代价”，并指出数据中心是“最容易提取代价”的对象。他提出，税收可用于护士培训或AI技能提升项目，以确保社区在经济转型中获得“实际利益”。
该提议并非孤例。弗吉尼亚州亨利科县已利用数据中心税收启动了可负担住房项目。沃纳强调，若无法让社区受益，公众不满将加剧，甚至可能引发抗议。
目前，公众对AI的负面评价率高达46%，高于对移民与海关执法局（ICE）的负面评价。弗吉尼亚州正考虑取消数据中心税收优惠，该州每年因此类优惠损失近20亿美元税收。沃纳认为，其他州可能效仿。
尽管参议员伯尼·桑德斯（D-VT）和众议员亚历山德里娅·奥卡西奥-科尔特斯（D-NY）提出暂停数据中心建设的法案，沃纳表示反对，强调“暂停建设意味着中国将更快发展，我们不能输掉这场竞赛”。
沃纳认为，AI与数据中心的技术发展“无法逆转”，但可通过严格规定确保数据中心不将水电成本转嫁给居民，同时通过税收机制平衡社区利益。
目前，该提议尚未形成正式立法，但已引发广泛讨论，反映美国社会对AI经济影响的深层焦虑。
编辑点评
沃纳的提议反映了当前美国社会对AI技术发展与社会成本之间矛盾的深刻焦虑。AI推动的自动化正在加速替代传统岗位，尤其在法律、客服、数据分析等领域，而数据作为AI的基础设施，其建设成本与社会影响日益凸显。通过征税将数据中心与社区利益绑定，既是对“技术红利共享”的探索，也是对“技术治理”的现实回应。
在国际层面，该提议具有警示意义。美国若采取税收或监管措施，可能推动全球AI产业重新评估其运营成本与社会义务，尤其在发展中国家，数据基础设施建设常以牺牲环境与公共服务为代价。若美国率先将数据中心纳入“社会成本”考量，可能迫使全球科技企业重新设计商业模式。
同时，该提议反映出美国内部在技术发展路径上的分歧：以沃纳为代表的“渐进式监管派”主张发展与调节并重，而以桑德斯为代表的“激进暂停派”则强调风险控制。这一分歧将影响未来AI政策的走向，可能推动更多“技术-社会”融合政策出台。
长远看，若类似机制被采纳，或成为全球AI治理的范式之一——即技术基础设施必须承担部分社会再分配职能，从而缓解技术变革带来的结构性不平等。这不仅是美国的问题，也是全球数字化转型必须面对的挑战。