夜雨聆风读完需要
速读仅需 3 分钟
📖 "AI 将像电力一样普惠每个人"——这是科技行业讲得最顺嘴的故事之一。但剥开这层糖衣，骨感的现实是：摩尔定律早已失速，大模型的算力消耗却仍在指数级膨胀；算法优化只能在边缘打补丁；更被忽视的是，AI 推理本身存在"无规模效应"——每次调用都是独立计算，成本无法随规模摊薄。而算力的分配，正在被地缘政治力量深度介入。AI 普惠，从来不是纯粹的技术问题。
1
那个被讲述的故事
2010 年代末，深度学习取得突破，人们相信 AI 会像互联网一样走向大众。算力越来越便宜，模型对硬件要求越来越低——听起来理所当然。
背后的确有好消息：Transformer 架构持续优化，MoE 让每次推理只激活部分参数，量化技术把大模型压缩到消费级硬件也能跑。DeepSeek 用更少算力做出了接近顶级的模型，证明了"以效率换规模"这条路是通的。
但这些只是故事的一面。
2
被忽视的两道硬墙
2.1
无规模效应的悖论
AI 推理有一个根本特点：没有规模效应。
传统工业品可以通过规模化摊薄成本——造一万件 T 恤比造十件便宜。但 AI 不是这样：生成一张图，是从头跑一遍整个 diffusion 模型；回答一个问题，是把所有参数重新跑一遍。用 100 次和 10000 次，算力消耗基本不变。
更反直觉的是：模型越大，每次推理消耗越多。从 70B 到 1T，成本增长是指数级的，而不是线性的。这和软件完全相反——软件的边际成本趋近于零，AI 推理的边际成本几乎不变。
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，人们的使用量反而暴涨，总消耗不仅没减少，反而被放大。AI 让每个人用得更便宜，但人类用它消耗的总算力，反而比优化前更多。
2.2
内存与存储的物理墙
计算有逻辑墙，物理层面还有一道更硬的。
MoE 让每次推理只激活少数"专家"网络，计算量确实省了。但所有专家仍需常驻显存——模型权重必须完整加载到高速内存，计算量下去了，内存压力没有下去。
这就像雇了一百个领域的专家，但发工资时这一百个人的基本工资都得发。你节省的是"让谁加班"，不是"养这些人要多少钱"。 从 2025 年起，全球 HBM（高带宽内存）持续供不应求，SK 海力士、三星等供应商的产能已被预订到数年后[2]。这不是市场波动，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，普通人越难接触。这是物理定律，不是工程问题。
所以普通人本地部署大模型这件事，被严重高估了。128GB 才是跑满血 70B 的起步配置。大多数人手里的设备，永远跑不了最顶级的模型。这意味着——你读到的很多"AI 分析"，很可能来自一个被压缩过的阉割版。它说话流畅，但不代表它是对的。更危险的是，你不会怀疑它的能力有限，只会以为"AI 说的一定是真的"。不知道，比错信，更安全。
3
算力霸权正在被当作筹码
算法效率有上限，而地缘政治的影响更深远。
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做"匹配投资"——你在中东建数据中心，得在美国也投同等规模，还得允许美国政府实地考察[3]。
这不是管控，是用算力换地缘政治让步。
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，三要给美国资本开放市场。所谓"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：障碍不只是技术和成本。这个世界上根本没有一个有足够意愿推动普惠的全球霸权。掌握算力的国家，正在用它做地缘交易，而不是拆除门槛。
4
破局路径存在，但都不"免费"
AI 普惠有没有可能？有，但每条路都有严重局限。
效率路线值得继续投入。DeepSeek 已证明这条路是通的。但算法突破依然受制于摩尔定律减速的大背景。
多极化生态是另一个现实路径。当中国国产芯片成长，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，最终让所有人都用不上。
但开源有一个根本问题：模型权重可以自由获取，运行模型需要的硬件才是真正的稀缺资源。而硬件分配，正在沿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，不是承诺
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来可以不必这么复杂。如果 AI 真的像它被包装的那样普惠，它应该像互联网一样自然流向每一个需要它的人。但当我们把账算清楚、把地缘政治的逻辑看清楚，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之后，使用它的人与不使用它的人之间的差距会越拉越大——能用好 AI 的人创造更多价值、赚更多钱、进一步购买更好的 AI 服务。这是自我强化的循环：能力鸿沟→财富鸿沟→更大的能力鸿沟。AI 没有缩小不平等，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 的好处不会是均匀分配的。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"，只有少数人知道怎么用它、谁能用它、为什么用它。
AI 普惠是一个目标，而不是一个承诺。能不能走到那里，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。
