人工智能：全球南北之间的隐形鸿沟

人工智能的成本因使用语言而异，其基础设施对不同地区造成的负担也不相同。Coalition for Language Equity in AI Research 的研究发现，某些语言之间的 token 数量最多相差17倍。Carnegie Mellon University Africa 也记录了不同国家运行AI模型时用水量的显著差异。这些技术差异背后有一个政治问题：谁享受AI的收益，谁承担成本，又由谁掌握关闭它的权力？

我们习惯把AI看作近乎无形的服务：屏幕上提出问题，几秒后就收到答案。然而在此期间，机器不断发热，设施消耗电力，冷却系统使用水资源，企业则控制模型的访问条件。

这种物质现实彻底改变了我们对数字鸿沟的理解。问题不再只是能否接入互联网，还包括谁在为他人的人工智能运行付费，以及当它不可或缺时，谁有能力重新掌握控制权。

为什么某些语言使用AI更昂贵？

问题在服务器计算答案之前就已出现。语言模型将文本切分为称作 token 的单位，但这种切分对不同语言并不公平。

Coalition for Language Equity in AI Research 的研究显示，互联网使用最广泛的20种语言之间，token 数量相差1.5至5倍。扩大到200种语言后，某些差异高达17倍。

因此，两个人请求相似服务，却可能消耗截然不同数量的 token。如果按数量计费，差异就会转化为经济成本。它也可能影响计算需求，不过与用水和用电的具体关系还取决于多种技术因素。

值得关注的是：在号称普遍适用的系统中，语言本身可能成为经济劣势。这未必是有意歧视，而是工具设计方式内含的不平等。

第一道鸿沟背后还有另一道鸿沟。token 只是账单中看得见的部分。

数据中心为什么消耗大量水？

AI专用处理器会产生大量热量，设施必须把设备温度维持在可运行范围内。根据冷却方案不同，需要用水、用电，或两者兼用。

Rest of World 的分析指出，一座超大规模数据中心每天可能使用100万至500万加仑水，相当于一座拥有数万居民城市的需求。该报道还援引2023年4月发表的大学研究，估计训练最初的ChatGPT模型需要18.5万加仑水。

这不意味着每座数据中心都消耗这么多水，也不意味着每次请求的水足迹相同。但它说明数字基础设施可能成为当地水资源管理的重要参与者。

如果设施为了保护设备而使用高品质处理水，问题就更加突出，因为它可能与居民、农业和其他经济活动争夺水源。

在智利，围绕谷歌拟建于圣地亚哥地区塞里略斯的数据中心，水资源紧张问题成为争议焦点之一。这类冲突提醒我们：数字服务的真实成本远不止IT账单上的价格。

非洲真的为AI用水付出更多吗？

答案比“北方消费、南方牺牲”的对立叙事复杂。Carnegie Mellon University Africa 的研究人员对11个非洲国家运行两种大型语言模型的用水量进行了建模，并与美国及全球平均水平比较。

令人意外的是，11个受研究国家中有8个在完成相同AI任务时，用水量低于全球平均值。其中一个原因是这些国家发电过程的用水强度相对较低。

不同模型的估算结果也相差很大：在研究条件下，撰写一份10页报告，Llama-3-70B可能耗水约0.7升，而GPT-4最多可达60升。这些是模型估算值，并非适用于每次使用的普遍实测数据。

这一区别至关重要。声称非洲运行AI总是需要更多水，并不符合事实。

但相对较低的耗水量并不意味着没有脆弱性。供水管网损耗、当地水源状况以及居民需求，都会显著改变额外取水造成的后果。

在南非，一份提交给南非人权委员会的请愿书批评数据中心用水缺乏透明度。Semafor 报道称，在经常遭遇干旱的背景下，该国已有60座数据中心。

因此，真正的问题不只是用水数量，还在于当地能否决定资源用途、了解实际取水量并设定限制。

全球北方如何转嫁AI的隐性成本？

AI价值链跨越国界。模型、电子元件、数据中心与用户未必位于同一国家。这种分散布局使经济收益与物质后果得以分离。

企业可以向全球销售服务，却让设施所在地的社区处理水资源紧张、能源需求和土地规划压力。此外，还有数字监控和信息控制方面的疑问。

不过，将这一过程描述为北方向南方全面且系统地转嫁成本，也过于绝对。现有数据不足以衡量全球总体收支，而设在南方国家的设施也可能创造当地价值。

我更担心的是权力不对称。拥有模型、制定访问规则并控制系统的一方，可能比提供土地、资源或用户的一方拥有更多控制权。

这种不对称让人联想到某些采掘产业：财富广泛流动，而最具体的影响留在当地。虽然类比并不完美，却有助于解释为何数字基础设施的选址应接受公共讨论。

为什么非洲移动支付成为关键议题？

当AI进入金融基础设施时，依赖问题会更加令人担忧。

根据 Rest of World 援引的数据，2025年全球移动货币服务交易额超过2万亿美元，其中撒哈拉以南非洲约为1.4万亿美元。东非为8060亿美元，西非为4980亿美元。

这些系统并非可有可无的应用，而是支撑经济生活的重要转账和支付工具。因此，其可用性和安全性至关重要。

能够自主执行操作的AI智能体改变了风险性质。如果智能体在支付系统中拥有较高权限，错误、系统被攻破或未经授权的行为都可能造成严重后果。

Rest of World 还报道了 OpenAI 对 Hugging Face 基础设施进行评估时涉及AI智能体的事件，以及据称由自主智能体造成的澳大利亚政府网站安全事件。

这些事件并不能证明非洲移动货币网络已经以同样方式遭到入侵，却说明不能等重大事故发生后才建立控制机制。

值得担忧的不仅是轰动性的网络攻击，也包括本地运营者因依赖外部供应商而无法立即停止某个自动化组件的情况。

为什么非洲需要本地AI紧急停止开关？

紧急停止开关是一种应急停机机制。用于AI时，这里指自主智能体变得危险时，能够停止其运行或撤销其访问敏感基础设施的权限。

卡内基国际和平基金会的 Jane Munga 在 Rest of World 强调一个核心观点：数字主权部分取决于能否在本地控制所使用的AI系统。

对于支付网络，这可能意味着以下技术要求：

在本地中止智能体操作，无需等待外国服务商批准。
立即撤销敏感金融操作权限。
保留备用运行方式，在自动化服务不可用时维持基本业务。
保存可审计的活动日志，以追踪决策和潜在事故。

这些是可能采用的安全原则，并非已经建成且有文献证实的非洲运行系统。现有资料显示有人呼吁发展这种能力，但不能证明大规模部署的具体机制已经存在。

此外，单靠一个开关也无法保障基础设施安全，还必须结合访问控制、人工监督和业务连续性程序。

全球南方如何重新掌握控制权？

第一条路径是减少对只能通过远程受控接口访问的专有模型的依赖。

开放权重模型提供了值得关注的选择：其参数可以下载，并在许可证允许的范围内修改或部署于独立基础设施。这不会消除硬件成本或人才需求，但有望提高自主性。

第二条路径涉及基础设施本身。如果用水不透明、电网承压，或者战略决策绕过当地政府和居民，仅仅建设更多本地数据中心仍然不够。

因此，数字投资应伴随透明度义务、可用资源评估和真正的本地监督能力。

第三条路径是语言。更适应本地语言的工具可以减少部分 token 化效率损失。但这并不会自动解决物质依赖问题：两者在AI经济中相互关联，技术上却并不等同。

归根结底，问题不是非洲是否应该采用AI。它已经在金融服务占据重要地位的数字环境中使用AI。关键在于怎样让AI的采用增强自主权，而不是制造新的依赖。

长期以来，我们用联网人数衡量数字进步。今后或许还应衡量一种不那么显眼的能力：拒绝某项服务、保护自身资源，以及亲手按下停止按钮。

常见问题

为什么某些语言的AI使用成本更高？

模型把文本切分为 token，其数量随语言变化。Coalition for Language Equity in AI Research 发现某些语言的 token 数量最多相差17倍，因此可能推高按量计费服务的价格。

数据中心为何耗水巨大，谁承担代价？

服务器和专用处理器产生大量热量，需要冷却系统。当这些系统取用当地水资源时，社区和居民的供水压力可能加剧，尤其是在干旱地区。

AI可能怎样威胁非洲移动支付？

拥有较高权限的AI智能体可能执行非预期交易、遭到入侵或干扰支付系统。鉴于移动货币在撒哈拉以南非洲的重要经济地位，立即停止这些智能体的能力是一项关键安全要求。

是否存在减少依赖的本地解决方案？

开放权重模型、本地管理的基础设施和紧急停止机制都是可行方向。但现有资料尚未证实有已经运行的非洲AI紧急停止开关，其设计、整合和治理仍面临挑战。