核心洞察：
AI 技术的表面“民主化”掩盖了由算力、数据、教育和认知构成的深层壁垒，正在形成一个新的、能自我强化的“智能阶级”结构。
本讲概要：
本讲揭示了冰山之下的四大不平等壁垒，描绘了“智能资本家”“智能利用者”和“智能边缘人”三个新阶层的画像。它旨在警示正在形成的深刻社会撕裂，并探讨了可能的应对路径。
2023 年，当 ChatGPT 向全球免费开放时，媒体欢呼“AI 的民主化时刻”——任何人只要有网络，就能使用世界顶级的 AI。教育学者称这是“知识平权的里程碑”，科技乐观主义者预言“AI 将消除不平等”。但一年后，一份研究报告揭示了不同的现实：在中国，北京、上海、深圳的 AI 使用率是中西部农村地区的十五倍；在使用深度上，一线城市用户平均每天使用 AI 工具完成复杂任务的比例是小城市用户的八倍。AI 技术确实在表面上“民主化”了——任何人都能访问，但智能资源正在深层“集中化”——真正能有效利用 AI 的，依然是少数人。
这不是 AI 的问题，而是所有技术革命的共同规律。印刷术的发明被认为会普及知识，但最初两百年里，识字率提升缓慢，因为大部分人没有教育基础来阅读；互联网被认为会消除信息鸿沟，但“数字鸿沟”随之出现——有些人用互联网学习创业，有些人只用来刷短视频。每一次技术革命，表面的“接入平等”都会掩盖深层的“能力不平等”。AI 也一样，甚至更严重。
AI 的不平等不是简单的“有人用得好、有人用不好”，而是多层次的结构性壁垒——从算力、数据、教育到认知，每一层都在制造和放大差距。这些壁垒像冰山一样：你看到的是“人人都能用 ChatGPT”的水面，看不到的是冰山之下巨大的不平等基座。理解这些壁垒，不是为了悲观或抱怨，而是为了看清真相：AI 时代的阶级分化正在形成，如果不警觉和干预，智能鸿沟可能成为 21 世纪最深刻的社会撕裂。## 冰山之下的四大壁垒
AI 不平等的真相，隐藏在四个层次的壁垒中。每个壁垒都在制造差距，而它们叠加起来，形成了难以逾越的鸿沟。
壁垒一：算力的极端集中
第一个也是最根本的壁垒是算力——AI 模型的训练和运行需要海量算力，而算力正在极度集中。2024 年的数据显示：全球 AI 算力的 70% 集中在美国三家公司（微软、谷歌、亚马逊）和中国两家公司（阿里、腾讯）手中。训练一个 GPT-4 级别的模型，需要数万块高端 GPU，成本超过 1 亿美元。这个门槛让绝大多数组织和个人被排除在“创造 AI”的圈子之外。
2023 年，英伟达 H100 GPU 的短缺成为全球科技新闻。这种专为 AI 训练设计的芯片，单价 4 万美元，全球订单排队超过一年。大公司用现金和关系优先拿货，小公司和研究机构只能等待。有报道称，一些大公司的 AI 实验室拥有数万块 GPU，而一些大学实验室只有几十块，甚至需要“共享使用”。算力的集中，意味着创新能力的集中——只有有钱有资源的组织，才能训练最先进的模型、探索最前沿的技术。
这个壁垒还在加固。随着模型越来越大（从 GPT-3 的 1750 亿参数到 GPT-4 的更多参数），训练成本呈指数增长。行业专家预测，下一代超大模型的训练成本可能达到 10 亿美元。这不只是创业公司做不到，连很多中型科技公司都负担不起。AI 能力的制高点，正在向极少数拥有巨额资本和算力资源的巨头集中。### 壁垒二：数据的不对称优势
第二个壁垒是数据——AI 的质量取决于训练数据的质量和规模，而数据正在高度不对称。大公司拥有海量的用户数据：谷歌有搜索数据、Meta 有社交数据、亚马逊有购物数据、字节跳动有短视频数据。这些数据是训练 AI 的“石油”，而小公司和个人开发者无法获得。
更深层的不平等在于数据的价值差异。公开数据（互联网文本、开源数据集）任何人都能用，但价值有限，因为大家都在用同样的数据训练；真正有价值的是专有数据——特定场景的、标注精良的、持续更新的数据。比如医疗 AI 需要病历数据，但病历被医院垄断；金融 AI 需要交易数据，但交易数据被金融机构控制。拥有专有数据的组织，能训练出更精准的模型，形成难以追赶的优势。
这还创造了“数据飞轮”效应：大公司的 AI 产品吸引更多用户，用户使用产生更多数据，更多数据改进 AI 质量，更好的 AI 吸引更多用户。这个正反馈循环让强者更强、弱者更弱。数据不平等不只是起点的差异，更是自我强化的机制——如果你一开始没有数据优势，你会越来越落后。
壁垒三：教育的数字鸿沟
第三个壁垒是教育和认知能力——即使 AI 工具免费，能够有效使用它们也需要教育背景和认知能力。一个清华学生和一个偏远山区的初中生，都能访问 DeepSeek，但他们的使用效果天差地别。清华学生知道如何提问、如何迭代、如何把 AI 整合到复杂任务中；山区学生可能连“提示词工程”是什么都不知道。工具的平等不等于能力的平等。
2024 年的一项研究跟踪了不同教育背景用户使用 AI 的模式。结果显示：本科以上学历的用户，85% 会用 AI 做复杂任务（研究、写作、编程、分析），而高中以下学历的用户，80% 只用 AI 做简单查询（查天气、问常识）。同样的工具，在不同人手中发挥的价值差异巨大。更严重的是，教育差距本身在放大——受过良好教育的人能更快学会使用新 AI 工具，而教育不足的人面对快速迭代的技术会越来越迷茫。
城乡差距尤其明显。在中国一线城市，很多中学已经开设 AI 课程、配备 AI 教学助手、鼓励学生用 AI 做项目。但在农村地区，很多学校连基础计算机教育都缺乏，更谈不上 AI 素养培训。这意味着城市孩子在十几岁就开始掌握 AI 工具、建立 AI 思维，而农村孩子可能到大学甚至工作后才第一次接触。起点的差距会放大为终生的差距。### 壁垒四：认知框架的分化
第四个也是最隐蔽的壁垒是认知框架——如何理解 AI、如何定位自己与 AI 的关系。我们在第 23 讲讨论过“三大透镜”——有人用“机会透镜”看 AI，有人用“威胁透镜”看 AI。这不是知识差异，而是认知差异。拥有“机会透镜”的人会主动探索、实验、抓住 AI 红利；拥有“威胁透镜”的人会回避、抵触、错过机会。
这个认知差异往往与社会阶层相关。研究显示：受过高等教育、从事知识工作、收入较高的人群，更倾向于把 AI 视为“机会”和“工具”；而教育程度较低、从事重复性工作、收入较低的人群，更倾向于把 AI 视为“威胁”和“替代者”。这是自我实现的预言——如果你相信 AI 是机会，你会去学习和利用，真的获得机会；如果你相信 AI 是威胁，你会回避和抵触，真的被边缘化。更深层的是“元认知”差异——是否有能力“学习如何学习”“适应快速变化”“更新认知框架”。在 AI 快速迭代的时代，这种元认知能力决定了你能否持续跟上。而元认知能力的培养，需要长期的教育投入和认知训练，这又回到了教育不平等的问题。认知壁垒是最难突破的，因为它不是资源问题（给你资源你也不知道怎么用），而是思维模式的问题。
新的阶级结构
四大壁垒叠加，正在形成 AI 时代新的阶级结构。这不是传统的“有产阶级 vs 无产阶级”，而是“智能阶级”的分层。
顶层：智能资本家
位于金字塔顶端的是智能资本家——拥有算力、数据、顶尖人才的科技巨头。他们不只是“使用 AI”，而是“定义 AI”——决定什么模型被开发、什么能力被开放、什么价格被收取。OpenAI、谷歌、百度、字节跳动等公司，掌握着最先进的 AI 能力，形成了“AI 基础设施”的垄断。他们是 AI 时代的“地主”，控制着智能生产资料。
这个阶层的权力不只是经济的，更是社会的。他们的决策影响数十亿人——OpenAI 决定 GPT 是否开源，影响全球开发者生态；谷歌决定搜索算法如何整合 AI，影响信息获取方式。这种权力没有民主程序，没有制衡机制，完全基于技术和资本的垄断。
中层：智能利用者
中间阶层是智能利用者——那些虽然不能创造 AI，但能够深度利用 AI 的群体。他们受过良好教育、从事知识工作、掌握了 AI 使用技能。他们用 AI 编程、写作、设计、分析，生产力获得 10 倍提升。这个群体会在 AI 时代获得巨大优势——他们是“工业时代的工程师”，掌握核心技能，获得高薪和尊重。
但这个阶层内部也在分化。“会用 AI”和“精通 AI”之间有巨大差距。前者只是工具使用者，后者是 AI 工作流的设计者——能够整合多个 AI 工具、设计人机协作系统、创造新的价值模式。精通 AI 的人会成为这个阶层的顶端，会用 AI 的人可能只是中端，差距会持续拉大。
底层：智能边缘人
金字塔底部是智能边缘人——那些由于教育、资源、认知的限制，无法有效利用 AI 的群体。他们的工作可能被 AI 替代（如客服、数据录入、简单文案），但他们又没有能力转型到 AI 创造或利用的岗位。他们不是“不工作”，而是只能做 AI 做不了的低技能、低报酬工作——如护工、快递员、清洁工。
这个阶层面临的不只是收入差距，更是意义鸿沟。当社会价值越来越由“智能贡献”定义，而他们无法贡献智能价值，他们会感到被边缘化、不被需要。历史告诉我们，经济不平等是可以忍受的，但“不被需要的感觉”会引发深刻的社会问题——无意义感、愤怒、激进化。智能边缘人不只是经济上的弱势，更是存在性的危机。
鸿沟的自我强化
AI 不平等的可怕之处在于，它不是静态的差距，而是自我强化的鸿沟。第一，能力差距会放大收入差距。会用 AI 的人生产力更高、创造价值更多、获得报酬更多；这些报酬又能投入到更好的教育、更好的工具、更多的学习机会，进一步提升能力。而不会用 AI 的人，收入停滞或下降，无力投资于能力提升，陷入恶性循环。
第二，教育差距会代际传递。智能利用者的孩子，从小接触 AI 工具、培养 AI 思维、获得最好的 AI 教育；智能边缘人的孩子，在资源匮乏的环境中成长，落后的起点会决定落后的终点。阶层固化会比工业时代更严重，因为智能能力的差距比体力或简单技能的差距更难弥补。
第三，社交网络会加剧分化。智能利用者的社交圈都是同类人，他们分享 AI 工具、交流 AI 技巧、互相激励探索；智能边缘人的社交圈缺少这种氛围，甚至充满对 AI 的恐惧和抵触。“信息茧房”会让两个阶层越来越活在不同的世界里，相互理解越来越难。
如何避免撕裂
认识到智能鸿沟的严重性，我们需要在个体和社会层面都采取行动。
个体层面：主动跨越
如果你意识到自己可能落入“智能边缘人”，唯一的出路是主动学习、主动适应。等待“公平”不会改变什么，抱怨“不平等”只会浪费时间。承认现实：这个世界确实不公平，但你依然可以努力跨越。具体方法包括：利用免费资源（YouTube、B 站、开源课程）自学 AI 工具；加入学习社群获得支持和指导；从简单任务开始练习，逐步提升能力。这不是“鸡汤”，而是残酷的现实——在快速变化的时代，不进则退。### 社会层面：制度干预
但仅靠个体努力是不够的，社会需要制度性干预来缓解鸿沟。第一，教育公平——政府需要投入资源，确保农村和低收入地区的学校也能提供 AI 教育，培养 AI 素养。不能让城乡教育差距进一步扩大为智能鸿沟。第二，算力和数据的部分开放——政府可以建立公共算力平台，让小企业和研究者能以合理成本使用；可以推动某些公共数据的开放，降低数据不平等。第三，社会保障体系的重构——当大量工作被 AI 替代，传统的“工作—收入—生存”模式会崩溃，需要探索新的社会保障机制（如全民基本收入）。
更根本的是意识形态的转变——我们需要从“效率至上”转向“包容性增长”，从“赢者通吃”转向“共同繁荣”。技术进步不应该让一部分人暴富、另一部分人被抛弃，而应该让整个社会共同受益。这需要的不只是技术解决方案，更是政治意愿和社会共识。
警惕鸿沟，避免撕裂
读完这一讲，核心认知是：AI 技术的表面民主化，掩盖了深层的资源集中化和能力分化。我们正站在一个分岔路口。一条路通向“AI 寡头垄断+智能阶级固化+社会深度撕裂”的暗黑未来；另一条路通向“AI 普惠+能力提升+包容性增长”的光明未来。走向哪条路，不是技术决定的，而是人类选择的。如果我们对智能鸿沟视而不见、放任自流，第一条路几乎是必然；如果我们正视问题、主动干预，第二条路是可能的。
对个体而言，清醒认识自己的位置，主动采取行动。对社会而言，建立机制和共识，确保 AI 的发展不是少数人的狂欢，而是全体人的进步。智能鸿沟不只是技术问题、经济问题，更是文明问题——它将决定 21 世纪人类社会的面貌。警惕它、正视它、应对它，不是为了阻止 AI 发展，而是为了让 AI 真正成为全人类的福祉，而不只是少数人的特权。
但智能鸿沟只是 AI 带来的经济结构变化的一个侧面。更深层的变革正在发生——当 AI 让内容创造的边际成本接近于零，整个经济学的基础假设都在动摇。什么会变得一文不值？什么会成为新的稀缺资源？传统的价值逻辑如何被颠覆？
这就是下一讲要探讨的：无限供给经济学——当创造的边际成本归零。当你理解了这个经济学的范式转移，你就能看清 AI 时代的价值逻辑和财富分配规则。