通信世界网消息（CWW）中国移动研究院用户与市场研究所所长林琳此前发表了题为《以智能向善为理念，推动人工智能包容性发展》的主题演讲。
林琳指出，AI技术的发展面临着接入鸿沟、使用鸿沟和能力鸿沟三大挑战。数字基础设施发展的差异，加上AI技术的不断演进，可能会在使用和能力层面上产生分化，导致相对弱势的群体沦为“AI隐形群体”。因此，需警惕这一“AI隐形群体”现象的蔓延及其可能引发的一系列社会问题，这要求我们坚持AI技术为人服务的原则，从数字包容的视角，加强技术、知识、技能的普惠扩散，推动数字平权的实现。
林琳表示，随着生成式人工智能技术的突破，AI已成为驱动社会持续发展跃进的关键力量。回溯过往的技术和社会发展轨迹，可以看到，每一次技术的革新与演进往往伴随着发展的不均衡现象。比如，伴随互联网和移动互联的发展，“数字鸿沟”也经历出现到逐步缩小、弥合的过程。在AI技术不断发展的当下，我们又将面临新一轮由接入鸿沟、使用鸿沟到能力鸿沟依次递进的三层挑战。这需要我们进行前瞻性的预判与规划，携手共同应对与解决。
林琳指出，回顾互联网发展历程，接入鸿沟主要聚焦于网络覆盖的有无。而随着AI技术的革新和快速发展，AI已经出现了从散点应用向规模化发展、赋能各行各业发展的趋势，这无疑给数字基础设施提出了更严格的要求。其中，首当其冲的是对网络的高质量要求。据国际电信联盟（ITU）发布的《衡量数字发展：2024年事实与数字》报告显示，高收入国家84%的人口已被5G网络覆盖，每100名居民中有153个移动宽带用户和38个固定宽带用户，而低收入国家仅有4%的人口覆盖5G服务，每100名居民中只有40个移动宽带用户和1个固定宽带，完全无法满足诸如实时的人工智能交互、大规模数据快速传输等复杂应用场景的需求。
除高质量的网络覆盖外，算力资源和数据资源已成为制约AI技术广泛应用与深度发展的关键因素。一方面，AI大模型所需的高性能计算资源建设和运营成本高昂，能源消耗大，根据市场调研机构Synergy Research Group的数据，截至2023年底，全球超大规模数据中心主要集中于美国、亚太和欧洲。
林琳表示，随着AI大模型复杂度和数据量急剧增加，智能应用创新不断加速，对算力的需求将呈指数级增长。据华为《智能世界 2030》报告预测，2030年人工智能算力需求将达到864ZFLOPS，算力需求十年百倍的增长将成为常态。缺乏可负担的算力资源，将极大限制发展中国家在全球人工智能产业生态里的参与度和融合能力。另一方面，数据是人工智能模型训练的原材料，也是决定模型质量的关键要素。数字经济发展较早的地区，在数字化转型的过程中积累了大量的生产生活和公共服务数据。数字经济发展较晚的地区受数字化进程限制，大量的信息并没有转化成为数据，尤其是标注、清洗后的高质量数据集更为缺乏，相关的公共数据开放和利用也面临挑战。世界银行2023年数据统计表现指数（Statistical Performance Indicators, SPI）显示，非洲、拉美、亚太地区的部分国家在人口普查数据、行政数据、地理空间数据的可用性方面相对滞后。
数字基础设施发展水平差异，叠加AI技术的演进，未来可能会带来使用层面、能力层面的分化，产生“赢者统吃”“强者恒强”的马太效应。其实这个问题，在移动互联网时代已经存在。相对弱势的群体因年龄、经济、基础设施等多种原因，无法有效地接触、使用或受益于AI技术，使得相关应用难以精准获取他们的需求反馈，导致无法推动针对弱势群体需求的版本迭代，进一步加剧应用不适配，从而形成不能用、不会用、不好用的恶性循环，最终导致其沦为“AI隐形群体”。在AI时代，可以预判到这些挑战将更为严峻。以老年群体为例，他们中的许多人在数字时代就是“边缘群体”。在此背景下，政府、企业正通过加强培训、推动产品适老化改造来弥合其面临的数字鸿沟。但到了AI时代，由于产品服务本身的设计极大依赖于用户的参与，这种从供给切入的“补短板”模式将无法奏效。比如，由于老年人不会使用与AI大模型进行交互对话，导致大模型的语料库中难以采集足够的语料数据，这种样本偏差将影响模型的后续迭代，使其无法回应老年群体的偏好和需求，并持续形成恶性循环，而这类问题无法单纯依靠传统的产品改造手段予以妥善解决。
从互联网时代到人工智能时代，新兴技术在推动科技创新、经济增长以及社会进步方面发挥着前所未有的潜力，但也带来了更严峻的风险与挑战。为此，我们需要坚持AI技术为人服务的原则，从数字包容视角，加强技术、知识、技能的普惠扩散，跳脱“马太效应”循环，保障个体拥有平等的发展权、参与权、获益权，推动实现数字平权。
林琳建议，我们应积极支持联合国在国际合作中发挥主渠道作用，充分发挥国互联网治理论坛（IGF）、国际电信联盟（ITU）等国际平台、专业组织的桥梁纽带作用，以行业研讨、案例分享等形式，推动不同发展阶段的区域国家间的经验共享和合作交流。
在数字基础设施层面，大家都在努力推动欠发达地区的网络覆盖，在未来的AI时代，也需要关注算力方面的合作协同。在经验交流的基础上，可以通过建立联合实验室等方式，汇聚科研机构、高校等各界力量，共享关于算力资源调配、提升数据质量方面的实践经验。加强相关标准、规范的交流合作，构建兼容、互信、互惠的发展环境。
在技术应用层面，鼓励搭建开放包容、平等参与的人工智能多边合作平台，依托世界人工智能大会等平台，鼓励不同区域国家的人工智能创业创新群体相互开放，生态加速融合。支持企业、高校和科研机构加强对接，开展人工智能技术研发合作。同时，鼓励处于AI技术前沿的国家发挥示范引领作用，在算法设计、产品研发等过程中，充分考虑不同群体、文化、行业等多样性，积极开展经验总结与分享交流活动，为全球AI技术的普惠应用提供宝贵借鉴。
最后，林琳指出，应该守牢技术发展以人为本的原则，加强治理的对话与合作，筑牢安全和伦理屏障。针对数字基础设施的安全保障治理、数据流动安全和跨境合作、人工智能安全标准和风险治理框架对接、人工智能伦理规范合作等议题开展交流合作。
