1. 个人智能体订阅费：一笔新的固定支出与数字掉队

2026年4月，首尔冠岳区一间考试院。二十六岁的求职者K每月记账时，总在同一个条目前停下来。ChatGPT Plus月费20美元，Claude Pro月费20美元，Copilot月费30美元。三项加起来每月超过10万韩元。对于月租35万韩元、伙食费40万韩元的他来说，AI订阅费已经是第四大固定开支。他没法取消。免费版本既不能好好润色简历，也不能准备编程测试，连模拟面试都跑不顺畅。

1830年代的纽约，本杰明·戴决定以1美分的价格卖出一份报纸时，他发明了将读者注意力转卖给广告商的商业模式。便士报革命降低了信息的门槛。190年后，人工智能走上了相反的道路。过去，用户以观看广告为代价享受免费服务，本身就是「产品」。现在，用户必须每月支付固定订阅费才能接入高性能智能，成了一个永久性的支出源。

Hashed的金瑞准代表在「30道裂缝」备忘录中以80%的实现概率预测了这一变化：「城市劳动者中的大多数将日常运行2到5个智能体。订阅费成为新的固定支出。正如智能手机曾经做到的那样，不用已不再是一种选择，而是掉队。」这句话的分量可以用数字验证。在低收入国家，97%的用户停留在免费版本，能负担付费订阅的比例仅为3%。免费版本伴随性能限制和响应延迟，在需要实时决策的竞争环境中，这种差距是致命的。

斯坦福社会创新评论（SSIR）2026年1月的分析精准地指出了这一结构。当前低价乃至免费的人工智能时代不可持续。2025年到2026年初，免费工具仍广泛存在，但高级功能已经向付费层级集中。能源、硬件、隐私、市场支配力这些人工智能的底层经济学开始自我主张。问题在于，这种成本转嫁最先抵达的是最脆弱的群体。

米尔顿·弗里德曼主张的股东价值优先逻辑，被用来为这种不平等正名。企业专注于出售更高效的智能以获取利润，对社会排斥毫无兴趣。经过订阅费这道过滤器，经济贫困延伸为认知贫困。没有高性能智能体，健康管理、行政服务获取、教育机会确保都变得困难。尤瓦尔·赫拉利警告过的「经济上无用的阶级（economically irrelevant class）」正在订阅费壁垒后面变为现实。

微软的菲利普·罗特曾提到过去「盒装软件（shrink-wrapped software）」时代，一次购买即产生所有权。转向云端订阅模式后，智能从所有的对象变成了接入的对象。接入权需要每月续期。停止续期的瞬间，昨天还在用的工具就消失了。这跟借书阅读不同。是智识生产力本身被绑定在月度付费上的结构。在这个结构里，取消订阅的人不是生产力下降，而是从竞争中彻底退出。

截至2026年，全球人工智能支出总额突破3010亿美元。其中38%集中在美国，26%在中国。其余国家分享碎屑。对智能的收费从源头上阻断了教育成就的机会，使代际贫困固化。早期互联网承诺的知识民主化，正被知识付费化的现实所翻转。人工智能承诺的富足，只送达给订阅付款获批的人。K今天仍然在账本前犹豫。削减伙食费，还是取消订阅。问题在于，这个选项根本不是选择。

2. 代际数字素养鸿沟

2025年伦敦政治经济学院（LSE）的调查结果描绘出一幅图景。Z世代劳动者中83%在工作中使用人工智能。千禧一代73%，X世代60%，婴儿潮一代52%。比数字本身更重要的是其间的质感。Z世代中有一半表示，在向上司提问之前会先问ChatGPT。一个先找机器的世代和一个先信经验的世代，坐在同一间办公室里。

这种差距不是使用频率的问题，而是素养的问题。据微软Viva研究，70%的组织在向员工传授所需AI能力方面存在困难，62%的领导者明确意识到AI素养差距的存在。问题在于这种差距在代际间呈非对称分布。领英就业市场报告显示，要求AI素养的招聘启事在过去一年增长了70%。AI能力正在像计算机或互联网使用能力一样，成为基本资质。

法律界的现实很好地说明了这一点。过去，初级律师通过数年审阅文件、编写时间线等艰苦的基础工作积累熟练度。现在人工智能几分钟就能完成这些工作。年轻一代迅速适应了输入提示词、验证结果的新节奏。而通过师徒式教育积累专业性的老一代，在自己的经验被转化为训练数据的过程中经历着身份危机。老一代三十年积累的直觉依然珍贵，但如果没有将其与AI系统结合并转化为产出的语法，市场不会给予应有的估值。

普华永道2025年全球AI就业晴雨表给出了令人震惊的数字。具备AI能力的劳动者的工资溢价从2024年的25%跃升至2025年的56%，一年内翻了一倍以上。这意味着善用AI的人和不善用AI的人之间的收入差距不是线性扩大，而是指数级扩大。换算成年薪，是1.8万到3万美元的差距。

安永和AARP在2026年4月发布的联合调查揭示了另一个侧面。对16个国家60岁到85岁之间的2515人进行调查后发现，企业和学界假设婴儿潮一代对AI引入不感兴趣，这个假设本身就有问题。实际上大多数情况是有兴趣但获取路径被堵住了。教育资源的分配不均使兴趣被架空。任仕达的调查结果佐证了这一点：接受过人工智能相关培训的劳动者仅占总数的13%。

联合国开发计划署在2025年报告「下一次大分流（The Next Great Divergence）」中直接提到了代际裂痕。22岁到25岁劳动者在高暴露职业中的就业率近年来下降了约5%。人工智能在减少入门级机会的同时，年长劳动者反而享受到了生产力提升的好处，形成了一种悖论结构。年轻一代熟练掌握工具，却找不到积累经验的岗位；老一代经验丰富，却对操作工具的语法感到陌生。两代人各以各的方式被边缘化。

代际知识传递模式正在解体。过去，资深员工教初级员工实务，初级员工向资深员工介绍新技术，这个循环运转良好。人工智能夺走了初级员工的工作，这个循环断裂了。人类数千年积累的专业知识体系面临碎片化的风险。据世界经济论坛统计，77%的雇主计划在2025年到2030年间对员工进行AI再培训。计划有了，执行是问题。任仕达调查中，55%的劳动者表示为保住职业生涯希望获得更多AI培训，但实际接受培训的比例仅为13%。欲望与现实之间的这42个百分点差距，才是代际数字素养问题的本质。

3. 国家间AI基础设施差距与数字殖民结构的再现

2025年，比利时布鲁塞尔，微软数字主权峰会。会上一个事实被反复强调：数据主权已是国家生存战略。美国和中国少数大企业占据了全球人工智能研发投资的40%以上。2026年全球AI投资3010亿美元中，美国拿走38%，中国拿走26%。剩余的36%由200多个国家瓜分。

世界经济论坛发布的「数字经济趋势2026」报告的诊断很尖锐。AI的收益集中于少数大型科技企业和国家，数字能力和网络韧性方面，大型组织与小型组织之间、发达国家与新兴国家之间的不平等正在放大。数据、算力、专业人才这些AI能力的集中性质加剧了全球不平等，资源匮乏的组织成为互联系统中的薄弱环节，造成系统性风险。

有一种视角用殖民主义的语法来解读这个结构。过去帝国掠夺领土和资源，今天的数字帝国收割数据和注意力。谷歌和Meta这样的平台从全球用户身上提取海量数据来精炼自家模型，但收益和技术控制权集中在硅谷。肯尼亚的内容审核员以每小时不到2美元的工资，暴露在过滤AI有害内容造成的精神创伤中。2023年5月，内罗毕约150名现任和前任审核员成立了「非洲内容审核员工会（ACMU）」，这说明这种剥削有多么系统化。在智利，数据中心的冷却用水正在耗竭水资源。技术的光鲜背后藏着资源掠夺的古老模式。

截至2026年，22亿人仍然无法接入互联网，数十亿人处于「不完全连接」状态，缺乏稳定宽带、数字设备和参与数据经济的能力。国际电信联盟2025年版ICT发展指数确认，低收入国家进步迅速，但在宽带速度、可获得性和使用率方面与高收入国家的差距依然很大。垄断人工智能基础设施的国家制定标准、主导监管框架。技术力不足的国家不得不接受缺少本国价值观和文化语境的外来AI系统。一个国家的行政、国防、社会系统受制于外国企业的算法，这威胁到国家主权的根本。

金瑞准代表在「30道裂缝」中提出的国家规模与AI竞争力的关系，也应在这个语境下理解。韩国1.8万亿美元的GDP难以与美国或中国在基础设施上竞争。他提出韩日经济整合，是出于一种迫切的认知：没有规模经济，就会在AI时代从规则制定者沦为规则接受者。英伟达单季营收突破400亿美元、垄断数据中心市场的现象，显示出基础设施权力的集中度已经到了何种极端。

争取「区域性AI主权」的动向不断出现，但要独立构建超大规模云基础设施，需要巨额资本和能源。五大科技巨头的资本支出在2025年突破4000亿美元，2026年预计再增长75%。在这种现实下，中小国家要加入这场竞赛几乎不可能。开源模型被提出作为替代方案，但如果没有实际运行的基础设施和专业人才，就像一辆有代码却没有引擎的汽车。未能实现技术自立的国家，在系统故障、政策变化、地缘冲突面前毫无防备。人工智能基础设施差距直接转化为军事力量和经济力量的差距，重塑全球权力版图。四大科技巨头3200亿美元的AI投资规模超过大多数国家的GDP，这意味着我们未曾选举的企业正在设计我们的未来。联合国开发计划署警告的「下一次大分流」不是因为AI而产生的，而是因为我们没有采取行动。

4. 中小企业与大企业之间的AI引入速度差异

一个数字说明了一切。据经合组织2025年统计，250人以上大企业的AI引入率为40%。50到249人的中型企业是20.4%。10到49人的小企业仅为11.9%。欧盟统计局2025年数据更为极端：大企业55%，小企业17%。差距达38个百分点。云计算或物联网等其他数字技术中也存在规模差距，但AI领域的差距远大于此。小企业引入云服务的概率是大企业的一半，但引入AI的概率连三分之一都不到。

大企业投入数万亿韩元规模的资本构建专用AI模型，自动化整体业务流程，重新设计成本结构。在法律界，大型律所引入汤森路透的「Co-Counsel」等专用法律AI来提升竞争力，而小型事务所仍依赖人工操作。G7国家的平均企业运行5.7个不同的AI应用程序，半数以上认为AI对核心运营不可或缺。这不是实验，是依赖。

Jones IT 2026年2月的报告指出了一个关键点：78%的大型组织在至少一个业务功能中使用AI，而美国中小企业中将AI用作生产技术的比例仅为3%到4%。当然，基于自我报告的调查中，55%的中小企业声称在2025年使用了AI。但这是定义问题。用ChatGPT起草邮件与将AI整合进核心业务流程是两回事。据经合组织调查，使用生成式AI的中小企业中，将其用于核心业务的比例仅为29%。其余71%只在边缘业务中使用AI。

成本是一堵墙。美国中小企业局（SBA）的调查显示，5人以下微型企业中82%认为AI不适用于自己的业务。企业规模越大，这个比例下降越快。这是认知和教育的差距，并非真的不适用。仅12%的中小企业投资了AI相关培训，但29%将培训不足列为最大障碍。认知传播很快，行动远远落后。仅27%的中小企业有信心有效引入AI，而中型企业是82%。信心本身与企业规模和内部技术专业性成正比。

德勤2026年发布的「企业AI现状」报告并列了两个数据：2025年劳动者的AI可及性上升了50%；将40%以上AI项目投入实际生产的企业数量预计在6个月内翻倍。早期行动的企业与仍在试验阶段的企业之间的鸿沟正在拉大。

这种差距之所以危险，是因为食物链效应。大企业高度自动化的系统要求供应链中的中小合作伙伴提供更低的单价和更高的效率。从人工智能推荐系统中消失的中小企业产品，连触达消费者的机会都失去了。金瑞准代表预测「1人SaaS公司将爆发」（实现概率70%）也是这个语境。当智能体承担开发、设计、客服、营销时，一个人就能运营月营收数亿韩元规模的软件。悖论在于，这种1人企业的爆发可能更快地瓦解现有中小企业存在的理由。

有人指出EU AI法的合规成本给中小企业带来了不成比例的负担。能力不足的问题（EU企业中70.89%反映缺乏专业人才）未得到解决，监管却在增加。中小企业可能在进入AI所承诺的「激进丰裕（radical abundance）」时代之前，就被转型成本的重量压垮。技术不均衡正在侵蚀整个产业的韧性。而这种韧性的削弱最终也会反噬大企业。供应链的强度取决于最薄弱的环节。

将人工智能视为像水和电一样的社会公共品，还是交由市场逻辑决定。这个问题已经超出了学术争论的范畴。联合国开发计划署将AI定义为「21世纪的通用基础设施（general-purpose infrastructure）」，意味着它与电力和道路一样根本。如果对这一基础设施的获取深度不平等，下一次大分流不可避免。而那次分流不是因为AI，是因为我们放任了它的发生。