AI普及：被高估的神话

阅读时长

快速阅读约 3 分钟

📖 “AI 将像电力一样普及每个人”——这是科技界最爱讲的陈词滥调。但揭开这层表象，现实却很骨感：摩尔定律早已失效，大模型的算力需求却仍在呈指数级飙升；算法优化只能做些修补；更被忽略的是，AI 推理具有“无规模效应”的特性——每次调用都需要独立计算，成本无法随规模扩大而摊薄。此外，算力的分配正被地缘政治力量深度渗透。所谓的 AI 普惠，从来都不是单纯的技术问题。

1

那个被讲述的传说

2010 年代末，深度学习取得突破，人们笃信 AI 会像互联网一样走向大众。算力成本日益降低，模型对硬件的门槛不断下降——这似乎顺理成章。

背后确实也有利好消息：Transformer 架构不断优化，MoE（混合专家模型）使每次推理仅需激活部分参数，量化技术将大模型压缩至消费级硬件即可运行。DeepSeek 用更少的算力打造出接近顶级的模型，证实了“以效率换取规模”这条路径是行得通的。

但这只是故事的一面。

2

被忽视的两道壁垒

2.1

无规模效应的悖论

AI 推理具有一个根本特征：不存在规模效应。

传统工业品可以通过规模化降低成本——生产一万件 T 恤比生产十件便宜。但 AI 却不同：生成一张图片需要从头运行整个扩散模型；回答一个问题需要重新计算所有参数。使用 100 次和 10000 次，算力消耗基本相同。

更反直觉的是：模型越大，单次推理消耗越高。从 70B 到 1T，成本增长呈指数级而非线性。这与软件截然相反——软件的边际成本趋近于零，而 AI 推理的边际成本几乎恒定。

还有一个更诡异的现象——杰文斯悖论[1]。

当单次调用成本下降时，人们的使用量反而激增，总消耗量不仅未减少，反而增加。AI 让每个人使用更便宜，但人类消耗的总算力却比优化前更多。

2.2

内存与存储的物理壁垒

计算存在逻辑瓶颈，物理层面还有一道更坚硬的阻碍。

MoE 让每次推理仅激活少数“专家”网络，计算量确实减少了。但所有专家仍需常驻显存——模型权重必须完整加载至高速内存，计算量虽降，内存压力却未减。

这就像雇佣一百个领域的专家，但发工资时这百人的基本工资都得照付。你节省的是“让谁加班”，而非“养这些人要多少钱”。从 2025 年起，全球 HBM（高带宽内存）持续短缺，SK 海力士、三星等供应商的产能已预订至数年后[2]。这并非市场波动，而是结构性短缺。模型的“知识”必须以某种物理形式存在，访问速度越快，成本越高，普通人越难触及。这是物理定律，非工程问题。

因此，普通人本地部署大模型的想法被严重高估了。128GB 才是运行满血 70B 模型的起步配置。大多数人手中的设备永远无法运行最顶级的模型。这意味着——你读到的许多“AI 分析”可能来自一个被压缩过的阉割版。它说话流畅，但不代表它是正确的。更危险的是，你不会怀疑它的能力有限，只会认为“AI 说的一定是真的”。不知道，比错信更安全。

3

算力霸权正被当作筹码

算法效率有上限，而地缘政治的影响更为深远。

2026 年 3 月，美国商务部起草了一份出口管制草案：全球 AI 算力分配将进入“特许经营”时代。第一级（年装机 1000 块 GB300 以内）简单审查；第二级须全面披露商业模式；第三级（超过 20 万块 GB300），买方国家政府须在美国进行“匹配投资”——你在中东建数据中心，必须在美国投资同等规模，并允许美国政府实地考察[3]。

这不是管控，而是用算力换取地缘政治让步。

中东每获得 1 美元算力，需在美国投资 1 美元；欧洲和日本想要芯片，一要在贸易谈判让步，二要在军事上配合，三要向美国资本开放市场。所谓的“AI 普惠”，在美国主导的体系中，是需要附加政治条件的奢侈品。

结论是：障碍不仅是技术和成本。这个世界上根本不存在一个有足够意愿推动普惠的全球霸权。掌握算力的国家，正利用它进行地缘政治交易，而非拆除门槛。

4

破局路径存在，但都不“免费”

AI 普惠有可能实现吗？有，但每条路都有严重局限。

效率路线值得继续投入。DeepSeek 已证明这条路是行得通的。但算法突破仍受制于摩尔定律放缓的大背景。

多极化生态是另一个现实路径。当中国国产芯片崛起，欧洲建立独立数据中心，竞争走向多极化，普通人被单一体系排除的风险会降低。

商业模式重构也值得探索。按量收费、分层订阅，让不同支付能力的人获得不同层次的服务——而不是假装“一切免费”暗中补贴，最终导致所有人都用不上。

但开源有一个根本问题：模型权重可以自由获取，但运行模型所需的硬件才是真正的稀缺资源。而硬件分配，正沿着地缘政治边界重新划线。

三条路都有价值，但没有一条是免费的。

5

最终，AI 普惠是一个目标，而非承诺

写到这里，有一种说不清的失落感。

不是因为结论悲观，而是因为这个问题本不必如此复杂。如果 AI 真的像被包装的那样普惠，它应该像互联网一样自然流向每一个需要它的人。但当我们算清账目、看清地缘政治逻辑，会发现 AI 普惠从来不是技术演进的自然结果。

更隐蔽的问题是：AI 正在将不平等制度化。

先进 AI 成为生产力核心工具后，使用它的人与不使用它的人之间的差距会越来越大——能用好 AI 的人创造更多价值、赚更多钱，进而购买更好的 AI 服务。这是一个自我强化的循环：能力鸿沟→财富鸿沟→更大的能力鸿沟。AI 并未缩小不平等，反而可能将其固化，创造新的数字阶层。

就像电力、互联网、移动通讯这些通用技术一样——AI 的好处不会均匀分配。在它成为真正的“公共品”之前，它会先是一段时间的“精密仪器”，只有少数人知道如何使用、谁可以使用、以及为何使用它。

AI 普惠是一个目标，而不是一个承诺。能否走到那里，取决于我们愿意为它付出多少代价。

[1] 杰文斯悖论——指效率提升导致资源消耗不减反增的反直觉现象。经典案例：煤炭使用效率越高，反而导致煤炭总消耗量上升。

[2] 《AI 芯片初创公司面临四重掣肘》，36 氪半导体产业纵横，2026 年 4 月。

[3] 《特朗普关税挫败后的投资匕首》，华尔街见闻，2026 年 4 月。