想要縮小“發展鴻溝”，維護全球產業系統的穩定，就需要廣泛開展國際合作，并以聯合國為核心，創建具有普適性特征的全球人工智能治理體系，確保所有國家都能夠共享人工智能技術發展給人類帶來的機遇。
美國微軟公司、“元”公司等技術巨頭正增加投入，大力興建人工智能（AI）數據中心，以滿足巨大需求。
“通向智能時代的道路是用無數金錢鋪就而成的”，這是我們今天這個時代全球科技發展進程中最令人無奈的事情之一。
一方面，我們能夠清晰地看到，人工智能技術的高速發展正在改變著世界經濟的內容，并創造出難以想象的經濟紅利，因此，人工智能技術與產業的發展讓幾乎所有國家趨之若鶩。但另一方面，推動人工智能技術發展所需成本正在直線攀升，高昂的成本正在迫使很多經濟和技術基礎條件不足的國家和地區面對新技術時踟躕不前。
位于美國愛荷華州的微軟公司的數據中心。圖源：新華社
影響人工智能的發展成本的因素來自多個方面，但隨著人工智能技術的進步，我們會發現，幾乎在每個關鍵要素的成本都在持續增長。
我們以大語言模型為例，就可以清晰地看到成本增長的軌跡。第一，大語言模型的訓練需要大量的標記數據，數據的收集、清洗、組織和處理都是成本高昂且耗時的過程。隨著模型越來越大，數據集越大、越復雜，軟件成本增加得越快。有很多數據的獲取還涉及到版權和等問題，都需要額外付費。
第二，大語言模型的訓練需要大量的計算資源，當前人工智能企業極為依賴高性能的圖形處理器（GPU），而這些芯片幾乎都是由行業領頭羊英偉達公司制造的。高性能芯片價格非常昂貴，單品價格常常達到數萬美元，而且長期供不應求。大型數字企業在訓練自己的大模型時常常需要數萬甚至數十萬顆高性能芯片，僅此一項，成本就將達到數十億美元。
第三，大型的數據中心也是發展大語言模型過程中不可缺少的重要環節。每一個大型數據中心的成本都達到數億甚至數十億美元的規模。在過去十年的時間里，全球范圍內的數據中心已經由3600個增加到7000以上，幾乎翻了一番。全球數據中心的建筑面積更是增加了5倍以上。快速膨脹的數字基礎設施價格也在不斷提升人工智能企業的成本。
第四，人力資源是人工智能發展的另一關鍵要素。為了創建大語言模型，企業需要招聘很多數據科學家、機器學習工程師和軟件開發人員，還需要很多頂級科學家擔任項目負責人。很多人工智能崗位的能力要求高，但相關領域的人才供應有限，導致行業的工資水平不斷增長，招聘成本越發昂貴。
除此之外，系統維護和更新的成本、法律與倫理成本、社會保障成本也在隨著人工智能產業的發展以幾何倍數提升。按照位于美國加州舊金山的人工智能初創公司Anthropic的首席執行官達里奧·阿莫迪的說法，目前市場上的人工智能模型訓練成本約為1億美元，但“現在正在訓練的模型以及今年晚些時候或明年初發布的模型成本接近10億美元……我認為在2025年和2026年，我們將更多地走向50億或100億美元”。這種成本增速令包括微軟、Meta在內的科技巨頭都感到了財務上的壓力，更是將幾乎小成本運行的初創公司排除在大模型研究之外。
這種狀態不僅出現在大語言模型的訓練上，幾乎所有的人工智能項目的成本都在過去幾年中出現了大幅提升。成本因素猶如一堵不斷升高的圍墻，正在將我們所處的世界分割成漸行漸遠的兩個部分。這堵墻不僅阻礙了初創及中小企業的生存和創新，而且嚴重影響了發展中國家的人工智能產業發展。
發展中國家大多是人工智能領域的后進者，他們不僅不缺乏有競爭力的科技企業，也缺乏足夠的資金、人才與技術積累，甚至在與信息通信相關的基礎設施都嚴重不足。在這樣的情況下，以幾何速度激增的發展成本對于發展中國家而言猶如壓倒駱駝的最后一根稻草，幾乎完全剝奪了他們平等分享人工智能紅利的機會。全球人工智能領域本就已經存在的“發展鴻溝”在高成本的推動下正在持續擴大，將會造成世界發展的進一步失衡。
總之，高昂的人工智能發展成本對發展中國家來說形成了嚴峻挑戰。在現有全球體系中，發展中國家已經無法依靠自己的力量擺脫困境。想要縮小“發展鴻溝”，維護全球產業系統的穩定，就需要廣泛開展國際合作，并以聯合國為核心，創建具有普適性特征的全球人工智能治理體系，確保所有國家都能夠共享人工智能技術發展給人類帶來的機遇。