AI超规模化加剧数字不平等

人工智能正迅速成为日常基础设施的一部分——在某些地区。它帮助撰写电子邮件和软件代码，筛选工作申请，驱动推荐系统，并越来越多地被整合到教育、医疗、金融和公共管理中。行业领袖谈论着“人人享有AI”，而各国政府则急于发布国家AI战略并建设主权计算能力。

然而，过去十年间，我在从欧洲到撒哈拉以南非洲和东南亚的地区从事数字包容和数字素养项目时，看到了同样的模式反复出现：每一波新的“变革性”技术都落在了一个已经因连接性、技能和机构能力而分层的地形上。当前的AI浪潮也不例外。如果说有什么不同，那就是它加剧了这些潜在的分裂。

尽管如此，一些国家正在探索参与AI发展的方式，而不是直接复制由美国和中国主导的前沿模型竞赛。南非和印度尼西亚的最新发展既展示了可能性，也揭示了挑战。其影响远远超出对AI的访问权。那些主要作为AI消费者而非创造者的国家，面临着失去建设本地创新生态系统、加强公共部门能力以及确保自身语言、文化和社会优先事项在AI系统中得到体现的机会。从这个意义上说，AI鸿沟也正在变成经济机会和技术影响力的鸿沟。

AI计算集中在少数地方 斯坦福大学2026年AI指数报告的最新分析显示，仅美国就托管了超过5000个数据中心，是其他任何单一国家的十倍以上。由于AI工作负载越来越多地在云平台上执行，而非本地基础设施，这种计算能力的集中也变成了依赖性的集中。根据世界银行的数据，2023年美国约占全球云计算和数据存储服务出口的87%。

对大多数国家而言，这意味着AI发展不仅在技术上，而且在商业和地缘政治上被外包，并脱离了它们的控制。其结果是，一个由少数国家和公司托管驱动全球部署系统的计算引擎的AI生态系统。在狭窄的制度 and 语言环境中训练、标准化和治理的系统，可能难以服务于真正的全球公众。

技能和AI素养深度分层 即使在存在连接性和云访问的地方，并非所有人都能平等地利用它们。在OECD国家，只有约40%的成年人具备超过基本的数字问题解决技能，而高级计算和AI相关能力仍然集中在受过高等教育的工人和技术密集型行业。

与此同时，各国政府竞相将AI融入教育，通常从高等教育开始。联合国教科文组织报告称，全球范围内将AI融入教育的努力日益增多，而对小学和初中AI素养教育以及教育工作者伦理培训的支持仍然不均衡。

那些拥有良好教育、高级数字技能和稳定连接性的人最有能力将AI视为扩展自身能力的工具。最近的OECD调查数据显示，参与AI相关培训的情况仍然强烈地按教育程度分层：36%受过高等教育的受访者报告在过去一年中接受了AI相关培训，而只有18%受过高中教育的受访者有此经历。处于鸿沟错误一侧的人更可能将AI体验为一个对他们施以作用的 opaque 系统，例如算法福利系统（如荷兰儿童福利丑闻）和AI辅助招聘工具（如亚马逊已停用的AI招聘系统），而不是一种他们可以主动质疑或塑造的技术。

投资与治理：谁能在谈判桌上占有一席之地？ 核心议程设置权通常仍然掌握在一小部分行业参与者和少数技术先进国家手中。大多数其他国家则处于永久的追赶状态，将进口的模型、标准和“可信AI”模板适应于自身环境，并且在评估权衡或提出替代方案方面可能本地能力有限。

在印度尼西亚和南非等国家，社区大规模生成数据，但在AI系统如何设计、治理或部署方面仍然几乎没有发言权。它们的语言在训练数据中代表性不足；它们的机构在监管论坛中资源不足；它们的经历很少出现在基准数据集中。对许多全球南方国家而言，参与AI仍然主要是通过适应进口系统，而不是塑造这些系统如何设计、治理或部署。

在南非，通信和数字技术部于2026年4月发布了国家AI政策草案，提议建立新的监督机构。几天后，该部门撤回了草案，因为有记者发现其中至少六个学术引用并不存在，显然是AI生成的幻觉。部长称之为“不可接受的失误”。这一事件尖锐地说明了AI治理雄心与实施所需机构能力之间的差距，尽管该国此后成立的AI专家小组有机会利用南非独特的杠杆作用。

印度尼西亚则展示了一个经过深思熟虑、尽管受限的公共部门能动性案例。国家研究创新局（BRIN）现在根据国家战略领导AI实施，它已经建立了针对 underserved 社区的实用AI工具，而不是前沿能力，例如一个利用卫星数据和机器学习帮助手工渔民找到鱼群的应用程序，训练于印尼语和爪哇语、巽他语等本地语言的多语言模型，以及部署在政府服务中的AI聊天机器人。2025年8月，通信和数字事务部发布了国家AI路线图，目标是每年培训10万名AI技能工人。

选择并不仅仅是“AI超级大国”和“被动接受者”之间的抉择。区域合作可能变得越来越重要。2024年，非洲部长们通过了《大陆AI战略》和《非洲数字契约》，2025年4月在基加利举行的全球AI非洲峰会的参与者探讨了区域协调、本地语言AI模型、公立大学和开源生态系统如何减少对外部开发AI系统的长期依赖。

思考AI鸿沟的另一种方式 这一切并不意味着人们应该放缓或放弃AI，也不意味着云集中或风险投资本质上是坏的。相反，当我们谈论“AI革命”时，我们也应该问谁能塑造它，谁只能适应它。

数字鸿沟辩论曾经聚焦于设备和连接性，后来扩展到技能和结果。但当前的AI浪潮增加了另一个层面：在决定AI的用途、它旨在解决的问题以及它最终服务的社会优先事项方面，谁能够有意义地参与其中的不平等。

对于工程师和政策制定者来说，这提出了困难但必要的问题。他们设计的AI系统和基础设施是否拓宽了（而不是缩小了）参与塑造技术变革的范围？当政府推出国家AI战略或将AI整合到公共服务中时，他们考虑的是谁的制约因素、语言和制度现实？

许多观察者将当前的AI时刻视为一场竞赛。但技术竞赛从来不仅仅关乎速度。它还关乎谁能影响变革的方向。

AI已经全球扩散。更深层次的问题是，负责它的技术人员和政策制定者是否能确保塑造未来的有意义参与也能同样扩散。