你家後院：就業、成長，以及我們真正身處的競賽

約翰・莫爾丁（John Mauldin）

上週我們探討了水與電力。本週我們要面對最令人恐懼的反對意見：AI，以及運行AI的資料中心，正在搶走人們的工作。這個論點與水電爭議不同，因為它其實不是事實之爭，而更像是一種預測——而關於科技與就業的預測，向來有著在兩個方向上都出錯的漫長而不光彩的紀錄。因此，讓我們把人們目前的信念與數據目前顯示的結果區分開來，然後思考為什麼就業論點——即使有其道理——反而指向應該興建更多而非更少的資料中心。

人們相信什麼

情緒調查的數據確實令人震驚，不應被輕易忽視。根據皮尤研究中心（Pew Research Center）的民調，最顯著的轉變出現在年輕族群：自皮尤2021年開始追蹤此問題以來，首次有過半數（55%）的30歲以下成年人表示，他們對AI的擔憂多於期待，使其與其他所有年齡層（包括65歲以上）持平，甚至按某些衡量標準而言更高。

被譽為AI教父的諾貝爾獎得主傑弗里・辛頓（Geoffrey Hinton）曾公開建議人們「去受訓當水管工」。LinkedIn的一份報告發現，美國、英國、德國和法國有55%至65%的Z世代工作者表示，技術性技工行業比傳統辦公室工作更有意義。這是對真實不確定性的真實且理性的反應，假裝不然本身就是另一種錯誤資訊。

皮尤的民調也證實，對AI搶走工作的悲觀情緒相當普遍：71%的美國人認為未來AI將導致工作機會減少，高於一年前的64%。

數據實際顯示什麼

然而，信念與結果是兩回事——而目前強硬的勞動市場數據並不支持這種悲觀看法。

耶魯預算實驗室（Yale Budget Lab）採用嚴謹的雙重差分法，將AI暴露度高的職業與類似的低暴露度職業進行比較，發現截至其最新分析，AI暴露工作的就業份額變動「接近零」，在統計上與毫無變化無法區分。薪資也未顯示顯著分化。最能說明問題的是，該研究發現轉換職業的勞工並未出現異常增加——如果AI真的在大規模取代人力，這正是我們最先會看到的現象。他們的結論是：「AI大概（還）不是勞動市場走弱的原因。」請注意「還」這個字。這是一個仍在發展中的問題，而非已定論的問題，所有人都應密切關注數據。

《MIT Technology Review》根據勞工統計局（Bureau of Labor Statistics）數據的一項配套分析，發現了與流行敘事直接相反的結果：AI暴露度最高職業的工作者，失業率實際上低於暴露度較低職業的工作者。根據人口普查數據，目前只有大約五分之一的公司在任何業務職能中使用AI——這提醒我們，「AI無處不在」的說法已遠遠超前於實際的企業採用情況。Apollo首席經濟學家托斯滕・斯洛克（Torsten Slok）廣為流傳的一張圖表，在一個評論者多年來預測AI將重創的產業上生動地說明了這一點：如今美國旅行社的薪資就業人數幾乎與疫情前完全相同。用斯洛克的話說，「仍沒有跡象顯示AI降低了旅行社的就業」。

也有值得注意的例外，因為片面的論點沒有多大價值。史丹佛大學研究人員發現，在軟體開發等AI暴露領域中，22至25歲工作者的初級職位招聘確實下降了16%，且這一效應在2025年持續擴大。應屆大學畢業生失業率約為5.6%，是疫情以來、再往前是2008年衰退以來的最高水準。這是特定勞動族群正在付出的真實代價：試圖進入少數白領領域的新鮮人，而AI恰恰擅長處理初級員工 traditionally 用來磨練技能的「編碼化知識」任務。這不是頭條新聞所承諾的大規模就業末日，但它是真實的，值得真正的政策回應——學徒制、不同的招聘管道之類的措施——而不是一句籠統的「別擔心」。

這實際上比表面看起來更令人擔憂。正是這些初級職位，讓新畢業生和年輕工作者學會如何在企業中運作。它們是未來管理職位與擴張的基礎。正如經濟體每年需要更多勞動力才能成長，企業也需要可以被培訓承擔更重要職位的年輕人。是的，你可以從外部招聘，但那樣你就是在蠶食另一家公司的成長。

大多數人年輕時學到了工作的基本素養：準時上班、保持生產力、遵循指示、持續學習並為團隊做出貢獻。這成為日後提高生產力的跳板——這也是雇主想了解你過去工作經歷的原因之一：你學到了什麼？表現如何？如果AI相關領域16%的勞工已不在崗位上，那就意味著更少的在職培訓。但話又說回來，如果這些工作未來根本不會存在，那為它們接受培訓也沒有意義。這是一個我們在很長一段時間內都不會知道答案的難題。

還有第二個較少被注意、但值得關注的數據：蓋洛普（Gallup）發現，在雇主已實際導入AI的勞工中，每週使用AI者的投入度比不使用者高八個百分點（39%對31%），而當管理層將AI導入與明確計畫和積極支持相結合時，投入度躍升至53%。管理得當的AI導入，看起來更像是一個讓人更投入工作的工具，而非懸在頭上的斷頭台。

最後一個重點：每一項重大的新科技最終創造的工作都遠多於其摧毀的工作。人工智慧不太可能是例外，它很可能會創造出我們今天甚至無法想像的工作。這是長期樂觀派的觀點。

還有一個更樂觀、或許也更務實的觀點。過去，重大科技是在長時間中被逐步適應的。從農業社會過渡到第二次工業革命花了8到10個世代的時間，人們有時間適應。現在的隱憂在於，社會正試圖在不到半個世代的時間內，適應最具潛在顛覆性的科技之一。這種落差可能引發大量反彈，只會加深對資料中心和人工智慧的負面看法。

資料中心實際創造的就業

暫且放下AI與就業的一般性辯論，具體看看當一座資料中心在某個郡建成後會發生什麼，因為這是與「不要建在我家後院」抗爭直接相關的部分。

一項涵蓋約1,500座美國資料中心設施和52個被取消項目的嚴謹新研究，將獲得設施的郡與計畫被取消的類似郡進行比較——這在經濟學上已近乎對照實驗。研究發現，在迎來首座大型資料中心的郡，數據處理產業就業在第一個十年內增長56%；在吸引到Amazon、Google、Microsoft或Meta等超大規模設施的郡，電信業就業增長43%。這些郡的房價溫和上漲2%至5%。但有一點需要注意：整個郡的工資變化不大，而且研究人員指出，由業界出資的資料中心就業影響評估往往誇大效益，因為忽略了該郡原有的成長趨勢。有時候，出於自身利益的產業所提出的樂觀數字，經不起實際檢驗。

帳目的營建面則毫無爭議。資料中心營建支出在2026年5月達到年率593億美元，年增23%，目前約占全國民間非住宅建築的8%——「The Situation」電子報認為這個數字甚至更高，指出資料中心占美國各類建設總額的3%以上，且民間資料中心營建支出現已超過政府在所有交通運輸項目上的總支出：機場、大眾運輸、海運碼頭，全部加起來。6月，商務部公布資料中心支出年增近50%至683億美元，而同期其他所有類別的民間建設支出（住宅、醫院、學校）減少了1,016億美元。營建業工資漲幅也快於整體民間部門：年增5.0%對全經濟的3.4%，營建工人現在的收入比民間部門平均勞工高出20%以上。

在州層級，數據很快變得具體。俄亥俄州2025年的一項研究發現，單一中型資料中心項目在建設階段支持近9,700個營建工作、24億美元的總經濟產出、10億美元的州GDP貢獻，以及約8,400萬美元的年度高峰州與地方稅收。

全美資料中心密度最高的維吉尼亞州，估計每年有74,000個工作與該產業相關，為州GDP貢獻91億美元，部分轄區的地方稅收中高達30%來自該產業。麥肯錫（McKinsey）估計，更廣泛的資料中心建設浪潮，對供應電力、冷卻和設備的工業公司而言，是未來數年價值7兆美元的機會——這是一條遠大於超大規模雲端業者本身的供應鏈。

如果沒有對資料中心的大規模投資，美國GDP成長充其量是持平的。這對美國經濟的真正實力提出了疑問，既有非常正面的、也有非常成問題的一面——這是另一封信的主題。

更宏觀的圖景：成長，以及我們真正身處的競賽

再拉遠視角，論點更加有力。根據哥倫比亞商學院（Columbia Business School）的數據，對美國主要資本支出浪潮的比較顯示，當前的AI建設潮在2025至2032年間約占GDP的3.5%至4%。以占經濟的比重而言，這高於1830年代的運河熱潮、1870至1890年代的鐵路熱潮、農村電氣化、州際公路系統，或1990年代末的電信與光纖建設。以現有的最佳衡量標準來看，這是美國歷史上規模最大的由資本支出驅動的GDP提升。

Mark Mills為國家能源分析中心（National Center for Energy Analytics）所做的第一手分析，是我在此主題上最信任的研究之一。他提出了一個相關論點：如果AI只是讓美國生產力成長從近年的1.4%回到戰後平均的2.2%，單此一項在未來十年就約值10兆美元的累計額外GDP——而這種更廣泛財富創造所消耗的能源，將使AI基礎設施本身直接消耗的能源相形見絀。

這裡還有一個超越經濟、涉及地緣政治的論點。中國領導層已明確表態擁抱開放權重AI模型——並非完全出於善意，而在很大程度上是因為中國在運算能力和AI資本支出上落後於美國，而開放權重讓它能免費動員全世界的工程人才來縮小差距。面對放緩且老齡化的勞動力，中國的答案是安裝去年全球部署的每兩台工業機器人中的一台；這項努力正在取得成功，而其提振國內消費的嘗試則沒有。美國面對同樣人口問題——2025年美國人口成長放緩至僅0.5%，淨移民接近歷史低點——的答案必須來自某個地方。資料中心及其所實現的自動化，是「製造機器人」選項的重要組成部分，與多生孩子和增加移民並列，使美國經濟免於跟隨停滯的日本（以及日益加劇的中國本身）撞上人口高牆。一個決定不建設這項技術基礎設施的國家，並不能阻止這項技術被建造；它只是決定讓別人先建造。鑑於這項技術的關鍵性質，美國保持領先地位至關重要——這涉及地緣政治與基本國防。全世界正在即時觀看AI在戰場上的作用。

最後，還有第一部分提出的、同樣適用於此處的疑慮：擔心資料中心是財務脆弱、靠債務推動、等待破裂的泡沫，一旦破裂將使資本和工作岗位擱淺。畢生研究工業基礎設施週期的Mark Mills根據第一手資料指出，這種恐懼誤解了資料中心的本質。它不是像通往鬼城的鐵路那樣的單一用途資產；它更接近倉庫或廠房，特意建造了額外的電力和冷卻容量，以便新一代晶片到來時可以直接安裝，而舊機架不會像機械設備那樣磨損，之後多年仍能通過生產更便宜的token持續創造收入。這與流行的「AI泡沫」敘事所假設的風險特徵截然不同，也是為什麼與這波建設相關的就業和資本比懷疑論者所認為的更持久耐久的又一原因。

投資於資料中心的每一美元都會讓開發商回收嗎？絕對不會。其中一些公司只能收回投資的一部分——但目前沒有人知道是哪些。各家公司的領導地位不斷更迭，生態系中確實有數百家公司，任何一家都可能崛起成為下一個巨人殺手。對大公司而言，把AI做對是生死存亡之事。這是一場軍備競賽。目前，每一座建成並啟用的資料中心都立即投入使用；市場要求的是更多資料中心和更多運算能力，而不是更少。一些超大規模雲端業者或許確實對未來及其投資回報潛力過於樂觀——只是沒有人知道是哪一家。

總結

在兩封信中，模式是一致的。對資料中心最響亮的反對聲音——水、電力、就業——各自都埋藏著一粒合理擔憂的種子，包裹在大量得多的誇大之中，而每一項的趨勢線都在朝有利於產業的方向發展：冷卻技術減少用水、電網規則調整以加快併網、核電找到最後買家，以及迄今為止並未顯示頭條新聞所預示損害的勞動市場。

資料中心實體面的主要答案是選址。資料中心不應建在住宅開發案旁。水資源問題必須在動工之前解決。超大規模雲端業者必須提出可行的能源計畫，確保消費者不會因此背上更高的電費。這些都是理性且可行的。

一個可能大得多的問題是年輕工作者的轉型。人們正在努力，但尚未出現真正解決問題的總體計畫。歷史在此提醒我們既不要自滿也不要恐慌：當ATM在1980和1990年代普及於銀行業時，經濟學家James Bessen的研究發現，隨著銀行開設更多分行、櫃員轉向客戶關係工作，櫃員就業實際上增加了——但任務內容改變了，且對個別勞工而言，這種調整並非沒有成本。這大致上就是這些數據建議我們關注的：不是頭條的就業數字，而是哪些任務、以及職涯階梯的哪些階層發生轉移。

儘管如此，就證據而言，「不要建在我家後院」是錯誤的本能。最快建設這項基礎設施的國家，就是 capture 到隨之而來的成長、就業和地緣政治地位的國家。作者寧願美國是那個國家。

奧斯汀、紐約、華府與克里夫蘭

首先，感謝所有對作者女兒Abbi表達關心的人。Mike Roizen為我們安排了克里夫蘭診所（Cleveland Clinic）神經外科主任的看診。她的腦瘤位於大腦中央，非常難以觸及。它有90%的可能為良性，但必須處理；腦部手術已排在11月5日。所使用的技術令人驚嘆——手術中的高強度MRI，加上AI和機器人引導外科醫師，實際上能區分該移除哪些細胞、該保留哪些細胞。世界上只有少數幾個地方能進行這種手術。諷刺的是，腦瘤是在她癲癇發作被誤診後才被發現的；如果當時被正確診斷為心臟問題，腫瘤仍會繼續生長，等到症狀出現時情況將極其棘手。

作者週日至週二將在奧斯汀，主要為參加Patrick Watson的妻子Grace的葬禮儀式。週日上午將與Lacy Hunt、George與Meredith Friedman、Brad Rotter及幾位朋友共進晚早午餐；當天下午將前往Joe Lonsdale舉辦的烤肉派對。紐約（9月第二週）和華府（11月第二週）的行程已排定，更多行程正在規劃中。作者去年僅離開波多黎各31天——不含飛行日，因為IRS不把飛行日算作離開波多黎各的日子，這部分決定了稅務待遇。

關於長壽診所Lifespan Edge的最新情況：西棕櫚灘和馬里蘭州哥倫比亞（基本上就是華府）的診所已正式開業，達拉斯和多拉多海灘的診所也已開放。所有地點都在安排患者預約，並正與全美遠超數十位醫師和地點進行重要洽談以擴展服務。之所以受到關注，是因為越來越多長壽專家告訴客戶，旅程的第一階段應從治療性血漿置換（TPE）開始，它對發炎、與老化相關的肌肉流失、阿茲海默症與失智症等有深遠的影響。這項事業的合夥人是Mike Roizen醫師，全球頂尖的長壽專家之一。

就此，按下發送鍵。祝你有美好的一週，記得享受與親友的時光。

你正在處理家庭事務的分析師，

約翰・莫爾丁（John Mauldin），Mauldin Economics共同創辦人

關於作者

約翰・莫爾丁（John Mauldin），Mauldin Economics共同創辦人，是金融界最知名的人物之一，經常在全球投資會議和研討會上演講，包括MoneyShow、Agora Financial Investment Symposium，以及CFA Institute年會。更多資訊請見