天然气赌注：科技巨头押注化石燃料为 AI 数据中心供电
在数据中心领域，可再生能源多年来一直是主角。但如今，亚马逊、谷歌、Meta 和微软等超大规模科技企业正将目光投向一个截然不同的方向——天然气。
能源研究机构 Noreva 发布报告指出，随着超大规模企业需求与天然气供应增长放缓、液化天然气出口上升相碰撞，美国部分地区天然气价格可能在未来几年内翻三倍。业界担忧，这些科技巨头可能尚未为潜在的价格冲击做好准备。
"我认为能源市场的每个人都被一种感觉麻痹了——天然气价格不可能再上涨。"Noreva 首席执行官 Peter Gardett 接受 TechCrunch 采访时表示，"你只需用简单的算术就能算出，几年后天然气市场将比现在紧张得多。"
科技巨头的天然气押注
廉价天然气已促使超大规模企业大举锁定市场份额。今年 3 月，Meta 宣布将在路易斯安那州建设一座 7.5 吉瓦（gigawatt）天然气发电厂，为其 Hyperion 数据中心供电。几天后，微软和谷歌也各自宣布将在得克萨斯州建设吉瓦级天然气发电厂。亚马逊同样不甘示弱，计划在得克萨斯州建设一座 7.6 吉瓦天然气发电厂。
对于一向对大型资本支出持谨慎态度的公司而言，数据中心建设热潮正将他们推向一个更为陌生的领域——能源市场。Gardett 透露，他接触过的一位投资者对其愿意承担如此大规模的天然气价格风险感到"惊讶"："他们正在做一些承购商通常不会做的事情。"
价格走势与风险
Noreva 预计，天然气价格将在部分枢纽地区突破每百万 BTU 10 美元。目前，天然气价格区间约为每百万 BTU 2 至 4.50 美元，亨利港（Henry Hub，路易斯安那州广泛交易的期货合约基准）价格略低于 3 美元。
燃料约占大型发电厂发电成本的 50%，因此天然气价格翻番或涨至三倍，将使"自带电力"的 AI 数据中心运营成本大幅攀升。这可能推高 Token 成本，也可能迫使超大规模企业接入电网，进而推高整体电价。
就近期而言，天然气价格走势平稳——期货市场并未预期重大变化。"这不是一个不合理的赌注，"Gardett 表示。但他并不认同这种乐观判断。
需求飙升打破平衡
Gardett 指出，天然气价格长期稳定，得益于多年需求相对平缓，以及新供应的稳步增加——新供应抵消了老旧气井产量下降的影响。他预计能源企业仍能增加供应，但增速将不及以往。此外，新井的开发成本也在上升。
"仅凭这一点还不足以改变经济学逻辑。真正改变数字的是两件事：第一，我们终于将国内天然气市场与国际天然气市场连接起来了；第二，AI 需求拉动。"Gardett 说道。
超大规模企业被得克萨斯州和路易斯安那州的廉价天然气所吸引。在西得克萨斯州，大多数油井以开采石油为主，天然气作为副产品长期缺乏市场出路。由于缺乏大型管道外输，生产商只能低价出售给当地用户。但这一局面正在改变。
"他们终于建成了部分管道，而且大量天然气正流向出口市场。"Gardett 表示。
随着西得克萨斯州与全国及国际市场联系日益紧密，当地需求将影响其他地区价格，反之亦然。哪怕是超大规模企业大型数据中心附近的轻微价格波动，都可能在其他地区被放大。
"会出现有些地方天然气充裕、有些地方严重短缺的局面，从而产生巨大的地区价差。"Gardett 说道。正是这种价差，将推动部分地区的天然气价格长期维持在每百万 BTU 10 美元以上。
潜在影响与舆论风险
即便超大规模企业能够承受更高价格，其天然气消费增长也可能为数据中心舆论风暴增添新维度。目前已有 80% 的消费者担忧数据中心对电价的影响。一旦这种焦虑蔓延至天然气账单，后果不容小觑。
"在未来的 Alphabet 财报电话会议上，你会听到他们谈论天然气价格与谷歌业绩之间的相关性——这听起来很奇怪，但这就是我们所处的局面。"Gardett 坦言。
超大规模企业在急于为 AI 数据中心供电的过程中，正迅速与化石燃料世界深度绑定。这是一个他们相对缺乏经验的领域，但可能很快对其业务产生实质影响。
隐私新招：对抗性图案如何"骗过"监控摄像头
监控摄像头无处不在，人脸识别技术也在飞速迭代。但最近一种"对抗性图案"（adversarial pattern）技术悄然浮出水面——它能让使用者在摄像头前"隐形"。
这类技术的核心逻辑并不复杂：通过对服装、配饰或蔷面进行特定图案设计，使计算机视觉系统在识别过程中产生误判。与传统"遮挡面部"的笨拙方式不同，对抗性图案利用了深度学习模型的一个天然缺陷——对局部特征的过度依赖。当一幅经过精心计算的图案出现在画面中时，算法会将其误认为某类已知物体，或直接忽略该区域，从而实现"隐身"效果。
需要说明的是，目前公开的方案大多属于概念验证阶段，在真实复杂场景（光照变化、角度差异、模型迭代）中的稳定性仍有待验证。
为什么这类技术开始受到关注
隐私焦虑是主要驱动因素。全球监控摄像头数量已超过十亿量级，其中搭载 AI 识别能力的比例在持续攀升。对于关注个人隐私的极客、记者或身处特定环境的人群来说，"技术对技术"的思路具备一定吸引力。
与此同时，相关研究的公开化也降低了入门门槛——多篇学术论文已在 GitHub 等平台开源了图案生成代码，使非专业人士也能快速上手。
落地现状与局限
实际应用中面临几个现实问题：
- 环境依赖强：同一套图案在不同的摄像头型号和算法版本下效果差异显著
- 可重复性存疑：多数实验在受控实验室环境下完成，户外实测数据有限
- 法律边界模糊：部分地区明确禁止故意干扰监控设备运行
如果你对此感兴趣，建议先从学术论文入手，了解其原理再做判断，而非盲目复制图案用于实际场景。
附：Meta AI 负责人表态引发争议
同期，Meta CEO 马克·扎克伯格（Mark Zuckerberg）在一份 AI 部署宣言中的表态引发了不少争议。有评论认为，其言论在公众对 AI 信任度本就偏低的当下，进一步加剧了舆论反感。无论企业如何定义 AI 的角色，普通用户对数据被采集、被分析的担忧始终是真实存在的。
- This 'adversarial' pattern can prevent surveillance cameras from detecting you
- Mark Zuckerberg's AI manifesto is exactly why people don't like AI
评论