《纽约客》：《走进训练人工智能、耗尽电网的数据中心》第四部分

水资源、电力和土地都是稀缺资源，但对于数据中心而言，正如其名所示，最有价值的商品是数据。Claude 人工智能模型是通过 LibGen 的海量盗版电子书语料库进行训练的，这些书籍可通过种子下载。九月，Claude 的开发商 Anthropic 同意向这些书籍的版权持有者支付 15 亿美元赔偿金，相当于每次侵权赔偿约 3000 美元——这是历史上规模最大的集体版权侵权和解案（本刊包括我在内的多名人员均为索赔方）。针对 OpenAI 和英伟达的类似诉讼仍在审理中。

微软并不清楚客户向其数据中心上传的内容——这些数据属于商业机密。在人工智能时代，版权侵权的规模难以估量，但据我推测，其严重程度足以让 Napster 音乐共享平台看起来像是小规模的磁带交换。当前人工智能开发的通行做法是：吸纳所有可获取的网络数据——包括音频、视频、几乎全部英文出版物以及超过 30 亿个网页——然后交由律师团队处理由此产生的法律纠纷。

但如今已有数据短缺的讨论。据估计，被索引的互联网上约有四百万亿单词，但正如 OpenAI 联合创始人安德烈·卡帕西所言，其中大部分是"彻头彻尾的垃圾"。高质量文本更难寻觅。研究人员表示，若趋势持续，人工智能开发者可能在 2026 至 2032 年间耗尽可用的人类文本供应。由于 AI 聊天机器人只是重复利用现有作品，它们依赖陈词滥调，表达方式很快变得陈旧。想从它们那里获得新颖优质的文字很难——我试过。

微软的 Priest 告诉我，她并不担心数据耗尽的问题：文本之外还有更广阔的天地，AI 开发者们才刚刚开始探索。下一个前沿是"世界模型"数据，这些数据将用于训练机器人。视频流和空间数据将源源不断地输入数据中心，用以开发自主机器人。英伟达的黄仁勋也想进军这个市场，去年曾带着两台移动机器人登台亮相。在洛杉矶，我曾驻足观望过无人驾驶汽车，最近还偶遇过一辆自动送货小车。但直到最近去北京时，我才真正明白机器人革命将会是什么模样。

在中国，机器人无处不在。我在商场里看到它们整理货架、清扫地面。当我在酒店房间点餐时，送餐的是一个两英尺高的轮式垃圾桶造型机器人，发出孩童般的声音。我困惑地打开门，发现它正站在我面前，身上套着仿管家制服，用普通话叽叽喳喳地说着话。机器人前部的舱门突然打开，滑出一盘面条。机器又叽叽喳喳叫了几声。我取走食物后舱门关闭，机器人滚轮转动着离开了。我手捧餐盘呆立良久，思索着自己是否还能再和真人说上话。