AI加剧全球不平等，五年后见分晓？

（来源：MIT TR）

在距离 ChatGPT 横空出世仅仅三年的今天，我们已经很难再用“新技术”来定义 AI。它像一股潮水，快速渗入工作、产品与社会结构，却又让人始终摸不清它真正的方向。我们正站在一个既熟悉又陌生的时间节点：技术前沿在狂奔，商业落地却步履维艰；AI 革命的宏大叙事不断升温，而普通人的日常却变化有限。

在《麻省理工科技评论》 最近的特刊中，高级编辑 Will Douglas Heaven 与《金融时报》全球科技记者 Tim Bradshaw 进行了一场关于“2030 年的 AI 世界”的深度对谈。对谈中呈现的两种极端观点：“AI 将在五年内带来超越工业革命的变革”与“技术扩散必然缓慢”。但 Will 和 Tim 本人均不属于其中任何一派，他们对 AI 的中短期影响都保持审慎，认为真正的变化将受到算力、成本、制度与人类行为的多重约束。

Will Douglas Heaven 写道：

每当有人问我未来会怎样时，我脑中都会响起 Luke Haines 的歌：“别问我未来如何，我可不是占卜师。”但既然如此，我们还是来谈谈 2030 年的世界吧。我的答案是：似曾相似，却又大不相同。

在预测生成式 AI 对近未来影响的问题上，观点分歧巨大。

一方阵营是 AI Futures Project，一个由前 OpenAI 研究员 Daniel Kokotajlo 领导、依靠捐赠的小型研究机构。今年 4 月，他们凭借《AI 2027》引发巨大反响，这是一篇描述两年后世界将如何变化的推想之作。

这篇故事跟随一家名为 OpenBrain 的 AI 公司的技术脱缰式进展，最终导向一个自选结局式的繁荣或灾难。Kokotajlo 及其合著者毫不避讳地表达了他们的观点：在未来十年，AI 的影响将超过工业革命，这一长达 150 年、至今仍塑造我们世界的巨大社会经济变革时期。

另一端则是正常科技派，普林斯顿研究者 Arvind Narayanan 与 Sayash Kapoor，他们是《AI Snake Oil》的联合作者。两人不仅反驳了《AI 2027》中多数预测，更重要的是，反驳其背后的技术观。他们认为：现实中的技术并不是这样运作的。

前沿技术的发展或许迅猛，但整个经济体系与社会的变化，遵循的仍是人类的速度。新技术的大规模采用可能缓慢，社会接受更是需要时间。AI 也不会例外。

在这些极端观点之间，我们究竟该如何判断？

ChatGPT 发布至今刚满三年，但即便是最新一代模型，能否真正取代律师、软件开发者或记者，仍无定论。而且新版本更新已经不再带来当初那种质的飞跃。然而，这项技术仍然如此新，以至于过早否定其潜力显然轻率。想想看：我们甚至还不知道它的完整机理，更不清楚它究竟是用来做什么的。

随着核心技术的迭代速度放缓，AI 公司的竞争焦点将转向应用层。与此同时，高端模型的运行成本正在下降，也更加易于获取。预计未来的大部分创新都将在这一层面展开：对现有模型的新用法将不断涌现，并吸引那些期待下一次重大突破的人们。

与此同时，AI 的进步并不限于大语言模型。例如强化学习，支撑 2016 年 AlphaGo 战胜围棋世界冠军的核心技术；另一类备受关注的是世界模型，这种生成式 AI 在理解物理世界结构方面，比现有 LLM 展现出更强的能力。

归根结底，我认同正常科技派的观点，技术层面的快速突破并不会立即转化为经济或社会层面的变革，其间存在太多复杂的人类因素。

话说至此，Tim，现在交给你了。

Tim Bradshaw 回应：

Will，我比你更确信，2030 年的世界将有明显不同。未来五年，AI 革命会持续推进，但谁能从中获益，将导致“AI 拥有者”与“AI 无产者”之间的深入分化。

AI 泡沫在本十年结束前破裂几乎是不可避免的。无论风险投资的退潮在六个月后还是两年后到来，大批 AI 应用开发者都会在一夜之间消失。有些团队的成果会被其所依赖的基础模型直接吸收；另一些则会惨痛地意识到，没有持续的风投资金，你无法靠花 1 美元、卖 50 美分的方式维持服务。

基础模型公司的存续数量更难预判。但目前看来，OpenAI 在硅谷生态中的相互依赖链条，使其已经太大而不能倒。然而，资金压力终将迫使其大幅提高服务价格。

OpenAI 在 2015 年成立时，承诺要以最有益于全人类的方式推进数字智能的发展。如今，这一愿景愈发显得难以为继。估值 5000 亿美元进场的投资者迟早会要求回报，那些数据中心不可能靠愿景运转。届时，许多企业与个人将已深度依赖 ChatGPT 或其他 AI 服务开展日常工作。能支付得起的人将持续享受生产力红利，吸收过剩算力；而付不起的人将被排除在外。

多层叠用 AI 服务所带来的“复利效应”更加明显。我最近在旧金山听到一个例子：解决 vibe coding（氛围编程）中的瑕疵，只需要对同一个问题重复几轮调用模型，然后再运行几组 AI 代理查找漏洞与安全问题。听上去很便利，但背后极其耗费 GPU。若要真正兑现 AI 所承诺的生产力提升，客户未来的成本必然远高于今天。

实体世界的 AI 亦如此。我完全相信，到本十年末，机器人出租车将在各大城市普及，甚至许多家庭会迎来人形机器人。尽管 Waymo 在旧金山的网约车价格、以及中国优必选与宇树等厂商的低价机器人给人留下即将全民普及的错觉，但让这些系统真正好用且普及所需的算力成本，几乎注定会使它们在相当长时间里成为富裕阶层的专属品。

与此同时，其余大众将留在一个充斥着低质量内容的互联网中，却无力负担真正可用的 AI 工具。

或许未来会出现某种突破性的计算效率革新，改变这一走向。但在当前的 AI 繁荣中，硅谷公司缺乏动力去研发更轻量的模型，或尝试颠覆性的芯片架构。这反而提高了下一波 AI 创新从美国之外涌现的概率，无论来自中国、印度，还是更遥远的地方。

硅谷的 AI 繁荣必将在 2030 年前终结，但围绕技术发展主导权的全球竞争，以及围绕利益分配的政治争论，将持续到下一个十年。

Will 回应：

我同意你的一点，技术成本将创造一个“能用 AI”与“不能用 AI”的世界。即便今天，每月付 200 美元以上的 ChatGPT 或 Gemini 用户，体验已经远远优于免费层用户。随着模型公司寻求回收成本，这种能力差距必将进一步扩大。

全球范围的不平等将更为巨大。全球北方地区的 AI 采用率已呈爆炸式增长。微软旗下 AI 经济研究院近期报告指出，AI 是人类历史上传播最快的技术：“不到三年，已有超过 12 亿人使用过 AI 工具，其普及速度超过互联网、个人电脑乃至智能手机。”然而，没有稳定的电力与网络，AI 根本无法发挥作用，而世界上仍有广大片区缺乏这些基础条件。

我依然怀疑我们会在 2030 年前看到业内人士承诺中的那种全面革命。微软所谓的“采用”，本质上统计的是尝鲜用户，而非真正的长期技术扩散；后者需要漫长时间。而尝鲜用户会感到无聊，然后转向别的东西。

这样吧，如果五年后我真的和一个家用机器人同住，你可以随时把你的脏衣服通过机器人出租车送到我家。

开玩笑的。我可负担不起那玩意儿。

1.https://www.technologyreview.com/2025/12/08/1128922/the-state-of-ai-a-vision-of-the-world-in-2030/