想要缩小“发展鸿沟”，维护全球产业系统的稳定，就需要广泛开展国际合作，并以联合国为核心，创建具有普适性特征的全球人工智能治理体系，确保所有国家都能够共享人工智能技术发展给人类带来的机遇。
美国微软公司、“元”公司等技术巨头正增加投入，大力兴建人工智能（AI）数据中心，以满足巨大需求。
“通向智能时代的道路是用无数金钱铺就而成的”，这是我们今天这个时代全球科技发展进程中最令人无奈的事情之一。
一方面，我们能够清晰地看到，人工智能技术的高速发展正在改变着世界经济的内容，并创造出难以想象的经济红利，因此，人工智能技术与产业的发展让几乎所有国家趋之若鹜。但另一方面，推动人工智能技术发展所需成本正在直线攀升，高昂的成本正在迫使很多经济和技术基础条件不足的国家和地区面对新技术时踟蹰不前。
位于美国爱荷华州的微软公司的数据中心。图源：新华社
影响人工智能的发展成本的因素来自多个方面，但随着人工智能技术的进步，我们会发现，几乎在每个关键要素的成本都在持续增长。
我们以大语言模型为例，就可以清晰地看到成本增长的轨迹。第一，大语言模型的训练需要大量的标记数据，数据的收集、清洗、组织和处理都是成本高昂且耗时的过程。随着模型越来越大，数据集越大、越复杂，软件成本增加得越快。有很多数据的获取还涉及到版权和等问题，都需要额外付费。
第二，大语言模型的训练需要大量的计算资源，当前人工智能企业极为依赖高性能的图形处理器（GPU），而这些芯片几乎都是由行业领头羊英伟达公司制造的。高性能芯片价格非常昂贵，单品价格常常达到数万美元，而且长期供不应求。大型数字企业在训练自己的大模型时常常需要数万甚至数十万颗高性能芯片，仅此一项，成本就将达到数十亿美元。
第三，大型的数据中心也是发展大语言模型过程中不可缺少的重要环节。每一个大型数据中心的成本都达到数亿甚至数十亿美元的规模。在过去十年的时间里，全球范围内的数据中心已经由3600个增加到7000以上，几乎翻了一番。全球数据中心的建筑面积更是增加了5倍以上。快速膨胀的数字基础设施价格也在不断提升人工智能企业的成本。
第四，人力资源是人工智能发展的另一关键要素。为了创建大语言模型，企业需要招聘很多数据科学家、机器学习工程师和软件开发人员，还需要很多顶级科学家担任项目负责人。很多人工智能岗位的能力要求高，但相关领域的人才供应有限，导致行业的工资水平不断增长，招聘成本越发昂贵。
除此之外，系统维护和更新的成本、法律与伦理成本、社会保障成本也在随着人工智能产业的发展以几何倍数提升。按照位于美国加州旧金山的人工智能初创公司Anthropic的首席执行官达里奥·阿莫迪的说法，目前市场上的人工智能模型训练成本约为1亿美元，但“现在正在训练的模型以及今年晚些时候或明年初发布的模型成本接近10亿美元……我认为在2025年和2026年，我们将更多地走向50亿或100亿美元”。这种成本增速令包括微软、Meta在内的科技巨头都感到了财务上的压力，更是将几乎小成本运行的初创公司排除在大模型研究之外。
这种状态不仅出现在大语言模型的训练上，几乎所有的人工智能项目的成本都在过去几年中出现了大幅提升。成本因素犹如一堵不断升高的围墙，正在将我们所处的世界分割成渐行渐远的两个部分。这堵墙不仅阻碍了初创及中小企业的生存和创新，而且严重影响了发展中国家的人工智能产业发展。
发展中国家大多是人工智能领域的后进者，他们不仅不缺乏有竞争力的科技企业，也缺乏足够的资金、人才与技术积累，甚至在与信息通信相关的基础设施都严重不足。在这样的情况下，以几何速度激增的发展成本对于发展中国家而言犹如压倒骆驼的最后一根稻草，几乎完全剥夺了他们平等分享人工智能红利的机会。全球人工智能领域本就已经存在的“发展鸿沟”在高成本的推动下正在持续扩大，将会造成世界发展的进一步失衡。
总之，高昂的人工智能发展成本对发展中国家来说形成了严峻挑战。在现有全球体系中，发展中国家已经无法依靠自己的力量摆脱困境。想要缩小“发展鸿沟”，维护全球产业系统的稳定，就需要广泛开展国际合作，并以联合国为核心，创建具有普适性特征的全球人工智能治理体系，确保所有国家都能够共享人工智能技术发展给人类带来的机遇。