AI向善的下半场,拼的不是善心

11月5日，阿里巴巴发布《AI向善行动报告2026》。44页，26个案例，横跨医疗、教育、环保、科研。

先别急着感动。

企业向善报告的通行写法，是让读者负责感动：案例催泪，数据漂亮，金句密集。可感动是最廉价的反馈，也是对"向善"二字最轻的消费。

我读这类报告有个不太合群的习惯——先看账本。

读完这44页，我的判断是：AI向善正在从一道道德命题，变成一道算术题。上半场拼善心，下半场拼账本。

· · ·

先说说，为什么是"算术题"。

AI向善喊了两年，你仍然说不清它是什么——这不怪你。这两年它成了科技圈新的接头暗号，没有一份向善报告的公司，都不好意思说自己做大模型。但把这四个字抛给普通人，问它是什么、跟我有什么关系，十个人里九个答不上来。

真不能怪读者。过去"AI向善"的打开方式就两种：一种是伦理宣言，云山雾罩；一种是公益项目，零敲碎打。都挺好，但都缺一个东西——可感知、可对账的机制。

阿里这份报告值得看，就在于它把26个案例摊开在桌上：来，查账。查下来，是三种机制。

第一种，可信机制。AI进医疗，最难的从来不是够不够聪明，而是能不能被信任——医生凭什么把诊断托付给算法？报告的答法很实在：达摩院"平扫CT+AI"已为全球11个国家和地区提供超2000万人次服务；在绍兴试点医院，AI实时预警把确诊时间从4.3小时压到1.7小时，低年资医生的诊断敏感性提升约40%；阿里健康的循证助手"氢离子"，做到100%循证、98%循证忠实性，约三成新医生是同行推荐来的。

这串数字的潜台词是：医疗里的向善，不是"我们想帮你"，而是"证据可查、结果可验"。

第二种，责任机制。AI是头"电老虎"，全社会都盯着算力耗电。报告亮出的数字是：阿里云自建数据中心清洁用电占比73.6%，广东、江苏、四川三省100%清洁电力，年均PUE降到1.187。

环境里的向善，从来不是一句"我们重视绿色"，而是一张可以逐年对账的电费单。

第三种，普惠机制。今年高考季，超过2300万份免费AI志愿报告在千问上被领取，是去年的近两倍——要知道，全国只有5%的考生，请得起动辄几千块的付费志愿指导。"少年云"五年建起403间AI云教室，38万个乡村孩子用上了云电脑。截至2026年9月，阿里累计开源460余款千问模型，全球下载超30亿次。

普惠的向善，不是"让AI造福人类"这种正确的废话，而是让乡村孩子和城市孩子，打开的是同一个工具箱。

发布会上还有个细节值得单说。全场最年轻的分享者只有18岁——中国科大少年班的学生刘思哲。他和同学基于千问的开源模型，研发出阿尔茨海默病语音早筛产品"勿忘我"，已在南京部分社区投入使用。报告里还有个数据：魔搭社区28%的开发者，并不具备专业AI背景。

一个18岁的学生，能站到这种已有上千万患者的顽疾面前，是因为开源把向善的入场券价格打了下来。离问题最近的人，第一次有能力亲手解决自己的问题。这比任何宏大叙事，都更能说明"向众"二字的分量。

三种机制摆在一起，AI向善才第一次从"宣言"变成"清单"：可见、可查、可监督。别小看这六个字，这才是向善真正的含金量。

· · ·

但案例终究是案例。

企业报告里的案例，天然经过筛选——能写进去的，都是跑出来的；跑丢的、跑砸的，不会出现在这44页里。

所以我读这类报告还有第二个习惯：不数它解决了多少问题，只看它敢承认多少问题。按这个标准，这份报告在"诚实"一项上，拿了个高分。

它承认，单位效率的提升，并不必然带来绝对能耗的下降。它承认，数据中心的水资源约束，需要更早纳入选址考量。它甚至承认，AI在闲鱼减排中的具体贡献，"尚难单独量化"。

更难得的是第四章，直接摆出八个没有答案的问题。挑三个最扎的——

一问效果：如何判断AI带来的是真实改善，而不是把"使用规模"包装成"社会价值"？

二问责任：多方参与的AI服务出了错，谁负责？

三问人本身：使用者离开AI之后，思考的能力还在吗？

这三问，问的是阿里自己，也是整个行业。要知道，把"使用规模"当成绩单，正是当下AI叙事里最流行的虚荣指标；而亲手拆穿它的，是报告自己。

报告还搬出一个有点残酷的技术哲学概念——"控制困境"：塑造技术方向的最佳窗口期，恰恰是人们对它理解最不充分的时候。等答案全齐了再动手，往往已经晚了。

敢把这句话写进自家报告，比写一百句"我们承诺"都有含金量。

· · ·

比机制更扎心的，是发布当天下午那场讨论里的三句话。

「只有人才可以向善。」

这句话值得抄写三遍。AI不会自己向善，正如刀不会自己向善。向善从来不是技术属性，是人的选择。

「AI的尽头是生活。」

这是中国社会科学院吕鹏提出的"生活AI"：AI要从生产变量，变成生活变量。技术释放出来的时间、注意力和选择权，最终要交还给人，转化为人的生活能力。技术迭代得再快，终点也只是让每个人成为自己生活的主导者。

「企业最大的核心竞争力就是社会责任。」

这句乍听像口号，细想是判断。当AI从"回答问题"走向"执行任务"，社会给它的信任额度，就是它的增长空间。信任从哪来？从每一次输出都经得起检验来。

三句话指向同一个判断：向善的主体是人，不是模型。机器负责算，人负责判断——这大概是AI时代最稀缺的分工。

· · ·

那么，普通人能做什么？

答案比想象中简单：用起来，问出来，传下去。

用起来——用的人足够多，普惠才不是PPT，边缘人群的需求才可能被看见。问出来——向AI要答案，也向造AI的人要答案：这个功能对我意味着什么？数据用在哪？谁在替我判断？传下去——把"AI向善"翻译成朋友听得懂的人话，而不是转发一篇没人读完的行业通稿。

这也是我们做内容的人，在这轮讨论里的位置。我们做"Talking for good"对谈，做词元向善实验室的研究，把学者、工程师、医生请到同一张桌前，聊的就是这些热词背后的事：算法伦理、数字鸿沟、AI与养老。把"AI向善"从行业黑话翻译成人话，这件事总得有人干。

词元向善实验室主任张强有个说法，我很认同：AI向善的答案，必须落到最弱势群体的"最后100米"，要让"向上"的社会价值可被计量、被看见。词元（Token）是AI价值的最小计量单位，也是风险的最小载体。报告里有个细节很有意思：开一家跨境网店，词元成本约70元；阿里国际站上的中小企业，一年间词元消耗量翻了10倍。

当价值可以被逐词计量，风险就必须被逐词治理。未来的AI竞争，拼的不只是模型有多聪明，还有每一个词元有多干净。

· · ·

结尾，说句大实话。

AI向善，不是口号，是机制；不是企业的慈善，是人的选择。这个行业刚从"能力竞赛"转向"价值讨论"，讨论才刚刚开始，远没到盖棺定论的时候。

26个案例，证明的是能力；8个问题，证明的是清醒。能力决定AI能走多快，清醒决定它能走多远——而最终决定方向的，是人。

只有人才可以向善。而要不要向善，从来不是AI的选择题，是我们的。

词元有向，人心有尺。技术是硬的，讨论可以是暖的。把向善，过成日常。

欢迎关注「趋光求索」——把看不懂的，翻译成有感觉的；把"与我无关"的，翻译成"就在身边"。