AI发展路径：硅谷模式与全球南方创新对比

美籍华裔记者郝珂灵通过调查，揭示了生成式AI背后硅谷科技巨头与全球南方研究者之间存在的路线差异。她观察到，当前以超大规模模型为核心的AI发展模式，在资源分配和全球影响方面，与传统硅谷的叙事存在显著分野。

AI的愿景往往被包装成普惠人类的工具，然而，深度调查显示，技术巨头的驱动力更倾向于建立主导地位和资本回报，而非纯粹的非营利目标。这种精英主导的路径，使得AI的定义也变得高度模糊，从面向消费者的助手到解决全球性问题的系统，其目标随资本的驱动而不断调整。

与硅谷内部的规模化扩张模式形成对比的是，中国DeepSeek等项目展示了在低算力成本下进行创新实践的潜力。全球南方地区的研究者们则利用有限的资源，针对当地的民生需求，开发出服务于特定语境的AI方案，这表明AI的进步并非单一的“硅谷模式”所限定，存在多元化的发展方向。

在环境和社会成本方面，AI基础设施的巨大需求也引发了广泛关注。数据中心对能源和水资源的消耗量，在某些地区已达到惊人的规模，这不仅影响了环境承载力，也加剧了全球南方国家在资源获取上的困境。例如，部分地区的数据中心用水需求与当地的饮用水供应产生直接竞争，引发了社区对资源分配的担忧。

此外，AI技术的应用并非均衡分布。一些被技术巨头所影响的地区，反而可能陷入资源掠夺的循环，即依赖外部资源来实现地方发展，从而限制了当地想象不同发展路径的能力。更令人担忧的是，为了支撑大规模模型训练，全球贫困地区可能被用作内容审核的低成本劳动力，这凸显了技术发展背后对全球劳动力的不平等影响。

郝珂灵强调，当前AI的进程受到少数强大精英的意识形态和商业动机的制约。对于AI的未来走向，关键在于全球各方如何参与讨论和设计，而不是让少数公司完全定义技术发展方向。中国在数据保护方面取得的进展，以及对AI技术应用的多样化探索，为寻找更具普惠性的AI路径提供了新的思考角度。