别让免费AI束缚公益的未来

本文来自微信公众号：斯坦福社会创新评论，作者：SSIR中文版，原文标题：《别让免费AI，困住公益的未来》

过去几年，人工智能的可及性高得超乎想象。非营利组织、学校、公共机构和社会企业，只需极低甚至零成本，就能使用先进的AI工具。项目申请、影响力评估、课程大纲、社区活动方案、政策简报等，如今常由AI协助完成。这种可及性被称为AI的“民主化”，但它的根基十分脆弱。

现实是，当前“免费”或高额补贴的AI时代只是临时阶段，并非技术的稳定属性。随着AI从实验工具变为核心基础设施，能源、硬件、隐私和市场支配力等经济要素的影响将逐渐显现，这会对公平性、公益事业及服务弱势社区的机构产生严重冲击。

现在的问题已不是AI是否会成为付费公用事业，而是社会领域的机构能否参与塑造这一未来，还是只能被动适应不利条件。

AI不会突然“停止免费”，而是在数年间逐步收紧可及性，这与其他数字平台的发展轨迹一致。可预见的路径如下：

2025～2026年初：免费和低成本AI工具仍广泛可用，但高级功能开始向付费版本集中。

2026年末～2027年：免费产品运行变慢、功能受限加剧，高上下文理解、隐私保护能力及垂直领域专用模型转为付费服务。

2028～2029年：前沿模型与企业级系统主要采用订阅制或按使用量计费，定价和合作条款参照云服务合同模式谈判。

2030年及以后：AI将成为计量式公用事业，如同宽带和电力，不可或缺、明码定价且深度嵌入关键系统。

这一转变并非仅由技术成熟度周期的常规波动驱动，根源在于现实的资源约束。

1.能源需求。数据中心耗电量已占全球电力消耗的可观份额，AI正成为用电量增长的主要驱动力。国际能源署预测，到2030年，数据中心电力需求将翻一番以上，达约945太瓦时（大致相当于日本当前年用电量），AI优化服务器是主要贡献来源。

如此规模下，无限制免费使用高性能模型在经济和环境层面都难以为继。能源消耗、电网升级及相关气候与水资源影响的成本，终究需要有人承担。

2.硬件瓶颈。高性能AI依赖专用芯片，这类芯片长期供应短缺、价格高昂且产地集中。加速器芯片需求增速远超供应能力，资源稀缺必然导致分配优先级向资金雄厚的大客户倾斜。

3.隐私的隐性成本。随着AI渗透医疗、教育、社会服务和公共管理领域，机构对合规处理敏感信息的系统需求持续提升，这将从根本上改变AI的经济逻辑。当机构需要保护个人数据、适配本地场景、履行监管义务时，现有通用AI工具无法满足需求。

机构需要能处理内部信息（如患者病例、政策文件、课程资料）的AI系统，同时避免信息流入公共数据训练管道。实现这一隐私保护级别需数据隔离与系统定制，会推高计算需求，削弱大规模AI的低成本效率优势。

隐私保护还决定了信息存储与调取方式。当AI系统依赖含敏感信息的文档或对话存储表征时，这些表征必须加密并严格管理，进一步增加基础设施成本。此外，许多机构要求留存AI运行记录以确保责任可追溯与合规性。安全可信的AI是需持续投入的基础设施，而许多小型组织难以负担。

4.整合与平台力量。AI生态正围绕少数掌控基础模型、云基础设施和分发渠道的企业加速整合，与数字经济领域已验证的模式相似：平台规模化并形成用户依赖后，商业化进程加速，议价权不再属于终端用户和公共利益主体。

社会领域面临新型数字鸿沟风险，根源不是设备或网络接入问题，而是谁能负担高质量、高私密性的AI工具。许多服务边缘群体的非营利组织早已在预算有限的情况下依赖AI完成核心工作，随着免费AI资源缩减，它们将面临艰难抉择：要么削减服务能力，要么抽调直接服务经费为AI工具付费。若无干预，资源充足的机构将借助强大AI持续发展，资源匮乏的组织则日益落后，即便社会对其服务需求持续增长。

这一转型不是组织或领导者回避AI的理由，反而应作为全新参与契机——聚焦基础设施、治理和公平性。基金会、非营利组织、公共机构和高校都应在构建可持续、普惠的AI系统中发挥作用。首先，要将AI视为核心基础设施，而非免费附加工具。机构应设立明确的AI专项预算，模拟未来数年不同定价场景，评估现有项目对AI的依赖情况与深度。将AI与网络连接、云存储同等看待，能帮助机构在定价或可及性突变时从容应对。

第二，构建共享能力，而非让每个组织孤立发展AI能力。区域联盟、锚定机构和图书馆系统可整合资源，搭建共享AI实验室和计算中心，与供应商协商更优惠条款，托管适配常规任务的开源模型，并为小型机构提供培训与技术支持。这种以“建设AI基础设施”为重点的模式，契合全球公共利益技术领域的新兴理念，能确保基础设施成为创新与普惠服务的核心载体。

第三，机构可采用多模型、资源感知的使用模式。并非所有任务都需要最先进的前沿模型：小型高效模型足以处理常规文稿撰写与摘要工作，性能更强的系统可专门用于复杂或高风险决策。选择能源消耗透明、提供使用管控功能的供应商，既能降低成本与环境影响，也能保障优质工具的可及性。

美国的非营利组织无需独自建设AI能力。短期内最切实可行的路径是加入由高校、图书馆系统和大型非营利机构主导的区域性“AI公用事业”平台，这类平台可协调共享计算资源、统一供应商合作条款，并提供共享支持服务。国家层面的模式已验证可行性，如美国国家科学基金会主导的国家AI研究资源试点项目，为合作方协调了计算资源、模型、数据、培训与用户支持的接入渠道；社区所有的国家研究平台已为50多家机构实现算力、存储与网络资源共享。在此基础上，可叠加采用美国国家标准与技术研究院AI联盟制定的共享治理标准，确保系统符合伦理规范，切实履行使命。

社会领域领导者还必须投入资源，建设涵盖权力、成本与基础设施概念的AI素养体系。培训不应局限于提示词撰写，更要帮助员工、合作伙伴与社区成员理解模型的训练与部署逻辑、对应的能源与资源需求，以及如何判断AI在特定场景中的适用性。这种深层次素养提升，将同时强化机构的采购决策能力与政策倡导能力。

最后，社会领域必须直接参与相关政策与治理的讨论。随着AI成为工作、教育、医疗与公共管理的基础支撑，关于定价、透明度、可及性与数据治理的决策，将塑造未来数十年的社会公平格局。社会领域的机构可推动公共型、合作型AI公用事业等模式的发展，推动出台保障成本可负担接入权的监管政策，并支持针对开源模型与公益模型的激励机制。唯有积极参与，方能确保AI基础设施朝着服务公共利益的方向发展，而非加剧现有不平等。

低成本、高可及性的AI时代，让众多社会影响力组织得以尝试与创新，但也让它们无形中依赖正在变革的商业模式。

在AI接入权彻底固化为私有化、无问责的公用事业模式之前，我们仍有狭窄窗口期，去设计一套共享、公平、可持续的AI基础设施。如果AI真要成为如电力、宽带一般的基础设施，民众就不能再做被动消费者，必须成为共同设计者：搭建共享基础设施，坚持问责机制，确保AI的下一阶段不仅服务市场，更能服务公共利益。

01	●基金会每年该花多少钱？重思支出决策
►点击阅读

02	●打造社企财务可持续性：六条实战生存法则
►点击阅读

03	●复杂问题，需要用“玩”的方式解决
►点击阅读