原文链接： AI 小老六
过去两年，AI 在公共讨论里被迅速贴上了很多标签：效率机器、版权黑洞、工作替代器、平台资本的新武器。尤其在很多强调公平、劳动权益和反垄断的讨论中，AI 几乎天然被放在了“需要警惕”的位置。
这种警惕当然有现实基础。大模型训练涉及数据来源争议，推理基础设施掌握在少数公司手中，自动化也确实会改变许多岗位的价值结构。但如果我们只把 AI 看成资本扩张的工具，就会错过另一个同样重要的问题：当一种新能力出现时，它是否也可能帮助那些原本缺少能力、缺少资源、缺少制度入口的人？
我越来越倾向于认为，AI 不是天然站在进步主义的对立面。相反，如果我们把注意力从“谁在卖 AI”转向“谁能用 AI 改善处境”，会看到一组完全不同的技术议题。
技术公平的第一层：让更多人能使用计算机
很多关于 AI 的争论，都默认用户是一个健康、受过良好教育、表达能力强、能熟练操作电脑的人。但真实世界里的用户不是这样。
有人长期受慢性疼痛困扰，无法稳定阅读长文档；有人有脑雾，很难把复杂想法组织成清晰文字；有人视力或行动能力受限，依赖语音和自动化完成日常操作；有人在职场沟通中总是因为表达风格不符合主流期待而被误解。
对这些人来说，LLM 不是“偷懒工具”，而是一种能力外骨骼。
它可以把混乱的想法整理成邮件，可以把专业术语解释成可理解的步骤，可以把长材料压缩成可处理的信息块，也可以把用户的表达转换为更适合特定场景的语体。自动字幕、语音交互、文本总结、风格转换，这些能力放在普通产品演示里也许只是“效率提升”，但放在残障和慢性病语境中，就是实实在在的可达性基础设施。
一个社会如果重视无障碍，就不能只在坡道、电梯和字幕上讨论技术辅助。今天的信息社会里，语言、文本、界面和制度文书本身，也正在成为新的门槛。
医疗系统里，患者常常需要替自己发声
“不要问 AI，去相信医生”听起来很稳妥，但它隐含了一个前提：医疗系统总是能公平、充分、耐心地对待每个患者。
很多经历过慢性病、罕见病或长期误诊的人都知道，这个前提并不总成立。真实的就医过程经常需要患者自己整理症状，检索资料，理解检查指标，比较治疗路径，并在有限的问诊时间里把自己的情况讲清楚。
这不是鼓励患者绕过医生，更不是让 AI 替代诊断。恰恰相反，AI 的价值在于帮助患者更好地进入医疗沟通：把杂乱的症状整理成时间线，把论文摘要转化成可理解的问题清单，把申诉、转诊或复查请求写得更清楚。
在这种场景里，AI 不是医疗权威，而是患者的准备工具。它降低的是知识检索和表达组织的门槛。
对那些长期被医疗系统忽视的人来说，这种门槛降低本身就具有公共意义。
阶层差距不只体现在钱上，也体现在表达方式上
很多制度并不是平等地回应所有人。你向学校、医院、保险公司、平台客服、监管部门或雇主表达诉求时，说什么很重要，怎么说同样重要。
受过专业训练的人往往知道如何保持冷静语气、如何提出明确请求、如何要求书面回复、如何引用政策条款、如何留下可追踪记录。这些能力看似只是“沟通技巧”，实际上是阶层优势的一部分。
AI 在这里的意义，是把这种专业表达能力向更多人开放。
一个普通人不必完整掌握法律、监管和商务写作套路，也可以借助 LLM 把自己的遭遇整理成有条理的申诉，把情绪化表达转换成机构更愿意处理的语言，把“我很生气”变成“请在七个工作日内书面说明处理依据”。
这不是小事。很多制度入口并不是真的不存在，而是被语言、格式和专业信号挡住了。AI 如果能帮更多人穿过这层门槛，它就在做一种能力再分配。
教育公平可能是 AI 最大、也最复杂的影响
教育场景中的 AI 争议更明显。一方面，学生可以用它作弊，老师很难判断作业真实性；另一方面，一个足够好的 LLM 也确实像一个随叫随到的辅导老师。
对资源充足的学生来说，这也许只是多一个工具。对缺少家教、缺少答疑、缺少学习支持的学生来说，它可能是第一次拥有可以反复提问、不怕被嫌弃、能按自己节奏解释概念的学习伙伴。
当然，AI 会犯错。但教育系统本身也并非无错。老师会讲错，教材会过时，课堂会忽略个体差异。更合理的比较不是“AI 和理想教师谁更好”，而是“AI 能否补上现实教育资源不足的一部分”。
尤其对注意力障碍、阅读困难或学习方式不同的学生，AI 可以把同一份知识转成问答、表格、故事、测验、对话或语音稿。这种个性化转换能力，是传统课堂很难大规模提供的。
AI 对教育的影响不会单向变好。它可能让懒惰变得更容易，也可能让自驱型学习者进步更快。真正值得关注的是：我们是否能把它设计成扩大机会，而不是扩大差距的工具。
问题不在于 AI 是否进步，而在于它如何被治理
把 AI 说成天然进步，是幼稚的；把 AI 说成天然反进步，也同样粗糙。
任何强大的技术都会被权力结构吸收。搜索、社交网络、智能手机、云计算都经历过类似过程。它们既带来便利，也制造新的垄断和依赖。AI 不会例外。
但正因为 AI 足够重要，我们更不能把讨论停留在拒绝或拥抱的姿态上。真正的问题应该是：
- • 普通人能否低成本使用高质量模型？
- • 残障用户和慢性病患者的需求是否被优先考虑？
- • 教育场景中是否有公共、可信、可审计的 AI 工具？
- • AI 是否只能由少数平台控制？
- • 训练数据、模型行为和使用边界是否有公共治理机制？
如果这些问题没有答案，AI 很可能加剧不平等。但如果这些问题被认真处理，AI 也可能成为新的公共能力基础设施。
我们需要的不是反 AI，而是争夺 AI 的方向
技术的社会意义从来不是固定的。计算机曾经是大型机构的工具，后来成为个人表达、学习和工作的基础设备。互联网曾经承诺开放知识，后来也被平台化和广告系统重塑。AI 也会经历类似的拉扯。
因此，更成熟的立场不是简单地说“AI 好”或“AI 坏”，而是承认它是一种正在形成的基础能力，然后争夺它的使用方式、分配方式和治理方式。
如果 AI 只能服务于削减成本、替代岗位和集中利润，它当然值得被批判。但如果 AI 能帮助残障人士更自由地表达，帮助患者更有力地争取医疗资源，帮助普通人学会和机构沟通，帮助缺少资源的学生获得个性化辅导，那么它也可以成为进步主义议程的一部分。
关键不是 AI 属于哪种意识形态，而是我们让它服务于谁。
