网都连不上的地方,谈什么 AI 普惠?
当所有人都在硅谷、在北京的发布会上,为大模型的“算力膨胀”和“意识觉醒”高呼万岁时,真相恰恰相反:
对全球大多数人来说,唯一有尊严、有意义的 AI,是小模型(SLM)。
在技术精英的叙事里,AI 是高高在上的巴别塔;但在现实世界里,AI 的终局不是垄断,而是普及。
扫一颗药,要等 5 分钟
本周,IEEE Spectrum 报道了一个故事:
2019年,尼日利亚创业者 Adebayo Alonge 带着他的假药识别设备 RxScanner 去开普敦做演示。这台手持设备用红外线扫描药片,要把数据发给远端的 AI 比对真假。
那天设备连上了网,但服务器在 14,000 公里外的美国。
扫一颗药,在现场整整卡了 5 分钟。
在非洲,每年有数以千计的人因假药中毒身亡。这 5 分钟,可能就是生与死的距离。
他当场叫工程师把模型“肉身压缩”进一部低端安卓手机。2小时后,新模型诞生:不联网,几秒出结果。
这个在 Hacker News 上引发热议的真实案例,扯下了“AI 普惠”的遮羞布:
巨头们口中的普惠,建立在你有稳定宽带、5G 信号、信用卡订阅、以及精通英语的前提上。
这不是普惠,这是技术殖民,是让穷人永远在信息差和基建差里当二等公民。
真正的普惠,是让技术去适应人的处境,而不是让人去跪迎技术的门槛。
硅谷不聊“小模型”,因为这里没有垄断利润
大语言模型(LLM)动辄万亿参数,烧的是几十亿美金和吞掉几个湖泊的电量。那是 GPT-4、Claude 和 Gemini 的游戏。
而小模型(SLM)通常在 20 亿参数以下,耗电 3 瓦,跑在手机、树莓派甚至一块 $50 的低配芯片上。断网,也能跑。
它们不是大模型的“缩水阉割版”,而是被精准“剪枝”和“蒸馏”出的冷兵器:
在印度,无人机搭载小模型,在机上实时识别腰果叶片病斑,不需要任何地面服务器。
在巴西,一块低配芯片跑心电图模型,开进了连医疗设备都没有的贫困农村。
在乌干达,团队正为本地 40 种甚至没有形成互联网文字的口语构建本地小模型。
为什么主流舆论不爱聊这些?
因为大模型的话语权在极少数巨头手里。“小而分散”的生态无法产生平台垄断,收不走昂贵的 API 订阅费,也圈不到集中化的用户数据。
世界银行的数据极为讽刺:全球最贫困国家中,只有 0.7% 的网民用过 ChatGPT,而发达国家是 25%。
大模型是为高能耗、高基建的社会设计的。而这个世界的B面,多的是连不上网、资源匮乏的角落。
2026,技术正在“向下扎根”
硬核的转折点,正在这个 2026 年密集发生。
首先是硬件彻底卷向边缘。2026 年底,全球将有 45% 的新出货智能手机具备端侧 AI 能力。明年,这个数字将超过一半。
其次是开源小模型的爆发。从 Google DeepMind 的 Gemma 4 到阿里的 Qwen 3.5……这些开放权重的小模型,让任何人都可以拿着本地数据直接微调。
大模型的价值,不再是充当无所不知的“造物主”,而是成为生产成千上万个客观、分散、专属小模型的“工厂”。
当然,我们要保持清醒。小模型不能帮你写代码的同时又帮你诊断心电图,它专业、专一、且在冷启动阶段依然依赖大模型的蒸馏。但它给了一条生路:让弱网、无网的边缘地带,拥有了掀翻信息壁垒的武器。
离线与平权:不是技术降级,是生存刚需
这种“大与小”的对抗,在翻译领域尤为刺眼。
当所有翻译软件都在卷“云端多模态”、“超大上下文”时,我们看到的却是另一幅图景:
在跨国航班的机舱里、在信号微弱的地下铁、在偏远的跨国工厂、在网络受限的特殊区域……全球有海量的用户,在最需要打破语言障碍的瞬间,面对的是手机上那个冰冷的转圈动画。
对他们来说,一个能塞进设备里、不依赖云端、断网也能秒级响应的翻译模型,绝不是“将就用的备用方案”,而是唯一有尊严的解法。
随着 Gemma 4 和 Qwen 3.5 这类小模型的成熟,高性能的端侧离线翻译,不再是妥协,而是主力。
正如 RxAll 创始人 Adebayo Alonge 所说:
“AI 的未来不是一个中心、一个巨型模型。而是数百万个小而精准的模型,部署在边缘,每一个解决一个具体问题、一个具体场景。”
信息不应该被锁在语言的巴别塔里,更不应该被锁在富人区的数据中心里。而我们要对抗的,正是这种无处不在的信息垄断与壁垒。
开启「沉浸式翻译」,网页双语对照,直达最硬核的顶级信源。
不用去猜大厂在发布会上藏了什么猫腻,当别人还在慢吞吞等待碎片化的搬运观点时,你已经站在第一线,看透了下一波技术浪潮的流向。
打破壁垒,把看世界的权力,无条件地交回每个人自己手里。
#
SmallAI# #
SLM# #
信息平权# #
EdgeAI#