当代大型语言模型（LLM）虽已支持多种语言，但仅靠语言覆盖并不足以保证AI具备文化感知力。随着AI迅速发展，数字弱势文化群体面临被技术排斥的风险。一项针对全球用户的调查揭示，AI在文化理解上的缺口正造成广泛影响。
语言切换问题尤为突出：在非英语用户中，89.5%的人因认为英语回答质量更高而切换语言，这导致AI工具对英语不熟练者的效用大打折扣。超过三分之一的受访者（38%）认为AI未能充分理解其文化，63%的用户表示AI曾至少一次违反其文化规范。问题涵盖从语言形式到历史叙事的多方面，例如AI默认使用法国法语而非魁北克法语，或在处理印地语和旁遮普语时忽视代码切换的语境。
此外，用户担忧AI会进一步边缘化其文化：67%的受访者中度或强烈认同这一观点。文化是通过人际互动滋养的，而AI无法补偿这一点。在现实场景中，63%的用户使用AI了解其他文化，若AI歪曲文化规范，将加剧误解。
调查还显示，AI在多个任务领域缺乏文化意识，包括创意写作、翻译、本地信息查询、法律和政府相关任务、社交媒体内容生成以及医疗健康问题。用户列举的具体失败案例包括：用卡伊方言（kajkavian croatian）查询萨格勒布电车信息时无法获得答案，而用英语提问多伦多地铁线路则能正确回应；埃及用户询问婚礼平均费用时，AI给出的估算脱离当地实际；魁北克用户用法语请求食谱，AI却使用法国法语而非魁北克法语。
文化意识不仅仅关乎语言，更涉及对礼仪、历史叙事和社会规范的深刻理解。例如，德国用户指出AI在正式性、文化细微差别和性别处理上表现糟糕；韩国用户认为AI的回答过于泛化或西方中心主义；使用印地语或旁遮普语时，AI常默认西方社交规范，无法捕捉代码切换的语境，使回答显得不自然甚至失礼。多位用户反映，在埃及阿拉伯语、韩语、日语、意大利语、克罗地亚语或印地语中，AI经常呈现西方历史叙事而忽视当地的传统和视角。
如果不解决这些文化障碍，使用动态将自我强化：获得糟糕结果的用户会减少使用，导致来自这些社区的数据无法反馈到模型开发中，从而进一步加剧文化差距。要构建文化感知AI，需实现区域本地化、校准礼貌程度、引用多元来源，并自然处理混合语言。随着AI融入日常生活，文化意识必须作为核心设计要求，从模型之初就予以重视，以打造反映并尊重全球用户需求的技术。