AI进步越快，公众为何越不信任它？

AI变得越来越强，并不意味着公众就会因此更喜欢它。皮尤研究中心的最新调查显示，52%的美国人表示，面对AI在日常生活中的扩大使用，自己的感受是“担忧多于兴奋”；2021年这一比例为37%。只有9%的人表示“兴奋多于担忧”。7

最简单的解释是：对很多人来说，AI更像是一场迅速而不透明的权力转移。雇主、平台和基础设施运营商获得了新的杠杆，而普通人却要在工作、教育、隐私、创作和社区资源等问题上承受更多不确定性。技术进步很快，但围绕技术形成的社会契约并没有同步更新。

AI的好处不如风险显眼

AI可以帮助人们搜索信息、写作、编程、处理客服以及完成其他日常任务。但这些好处未必会被用户视为改变生活。一项节省几分钟的功能，往往不如一个突然出现的聊天机器人、一条错误答案、一次自动化拒绝，或一个让人感觉正在监控自己的系统更令人印象深刻。

于是，公众的感受形成了明显的不对称：收益通常是渐进式的，而且分配并不均衡；损失却可能非常私人化。人们可能担心诈骗、虚假信息、监控、个人数据或创作作品被未经同意地使用，也可能担心自己在职场上的议价能力下降，却看不到生活因此获得同等程度的改善。

Airbnb首席执行官布莱恩·切斯基也从科技行业内部提出了类似观点。他认为，硅谷需要打造更多普通人能够用来解决实际生活问题的AI产品，而不是把主要精力放在企业应用和展示模型能力上。33

工作与教育，让抽象恐惧变成日常压力

人们不必相信所有工作都会消失，才会对AI感到担忧。雇主可能利用AI减少招聘、加强监控、降低岗位技能要求，或削减帮助年轻人进入职场的初级岗位。皮尤的最新调查显示，71%的美国人预计，未来20年AI会减少美国的就业岗位。5

年轻人尤其容易从这个角度看待AI：他们正进入一个企业仍在决定哪些任务应该自动化、哪些技能仍然有价值的劳动力市场。一项由CNBC与Generation Lab开展、调查1088名18至34岁美国人的研究发现，45%的人预计AI会损害自己的职业发展，认为AI会带来帮助的只有10%。49

教育领域也面临类似困境。生成式AI让学生更容易完成作业或生成答案，却未必真正掌握背后的知识。这既增加了教师评估的难度，也让学生的真实努力更难被识别。即便AI作为学习辅助工具确实有用，它的普及仍可能削弱人们对学历或作品“是否代表个人真实理解”的信心。

创作、所有权与人的努力同样重要

AI与创意工作的争议，并不只是模型架构或版权规则之争，也关乎认可与权力。

作家、艺术家、音乐人及其他创作者可能看到：模型使用人类创作的作品进行训练，却没有明确的许可、报酬或署名。他们还可能面对充斥着低价合成内容的市场，这些内容模仿人类的风格，却进一步压低原创者的处境。

因此，AI在一些人眼中不再只是中性的生产力工具，而更像一种价值提取系统：它吸收人类文化创造的价值，同时削弱创作者的谈判能力。皮尤的研究发现，美国人更倾向于认为AI会削弱，而不是提升人们的创造性思考能力和建立有意义关系的能力。12

这也有助于解释，为什么一些人开始关注实体媒介、线下活动以及更能体现作者和参与者存在感的产品。现有证据还不足以证明，AI反弹单独推动了这些选择，但对来源可追溯性、隐私、主动参与和人的控制权的需求，确实可能是其中一部分吸引力。

当“便利”变成无法拒绝的安排，反感就会出现

许多人可以接受一个自愿使用的AI工具，却不愿接受AI取代自己已经珍视的服务。两者的区别非常关键。

用户可能希望AI帮助自己起草文件，却不希望个人数据被用于模型训练；可能欣赏更快的客服，却仍然希望能够联系真人；可能愿意主动使用AI助手，却反对它被默认加入熟悉的产品，或在没有清晰关闭选项的情况下嵌入工作流程。

因此，控制权并不是一个无关紧要的界面偏好。清晰披露、真正有意义的同意机制、简单易用的退出选项，以及在高风险场景下提供人工替代方案，决定了AI在人们眼中究竟是工具，还是横亘在人与服务之间、无法移除的一层。

数据中心让AI的成本变成政治问题

AI并非只存在于“云端”。数据中心需要电力、水、土地、输电网络投资以及其他社区资源。随着新设施和扩建项目变得更加显眼，当地居民自然会追问：谁得到收益，谁承担成本？

如果新增就业、较低的电费、税收收入或可执行的社区回馈都不确定，而对当地资源的需求却是眼前就要付出的代价，那么反对数据中心并不一定代表敌视技术，也可能是对风险分配不均的理性回应。

公众对发展速度的担忧进一步放大了这种反应。2026年5月的一项《经济学人》/YouGov民调显示，71%的美国人认为AI发展得太快，只有2%认为发展得太慢。57皮尤也报告称，多数美国人认为AI推进速度过快，并可能使个人信息面临风险；67%的人对美国政府能否有效监管AI缺乏信心或完全没有信心。60

不信任的不只是模型，还有开发和部署它们的人

公众的怀疑不仅针对AI模型，也指向推动和部署这些模型的机构与高管。在CNBC/Generation Lab对18至34岁人群的调查中，当受访者被问及9位知名AI行业领导者是否会负责任地处理AI问题时，每一位都遭遇了多数人的不信任。51

这很重要，因为信任是逐步累积的。当企业不断提出雄心勃勃的预测，要求社区接受颠覆，却只提供有限的透明度和问责机制时，它们的保证就会被打折扣。一个技术上令人惊叹的产品，很难单靠性能消除人们的判断：其所有者最终会优先考虑公共利益，还是增长、控制权和投资者回报？

Anthropic首席执行官达里奥·阿莫代伊将这种局面称为“信任危机”，并认为公众对企业、政府和科技行业的怀疑早于当前的AI热潮。17即便这一诊断本身不能解决问题，它仍揭示了关键所在：公众并不是在等待一场更有说服力的广告宣传。

为什么信任下滑会成为AI企业的商业问题

对于AI公司而言，不信任可能限制产品采用率、用户留存、付费意愿、招聘能力、监管空间以及基础设施建设能力。它还会让用户更难容忍错误，更容易怀疑企业的数据处理方式。

对于那些价值难以被验证的产品，这一商业挑战尤其尖锐。如果消费者把AI视为裁员、监控、创作价值提取、强行植入功能，甚至推高当地公用事业成本的机制，那么“未来会提升生产力”的承诺，未必足以说服他们今天就采用它。

这正是行业叙事与个人体验之间的鸿沟。企业往往用总体生产力增长或遥远的科学突破来描述AI；个人却会问一些更直接的问题：它真的帮到我了吗？这是我主动选择的吗？我能检查它的结果吗？如果它取代了我工作的一部分，谁会获益？我的数据和所在社区会发生什么？

什么才能重新建立公众信心

更好的沟通或许能帮助企业解释一个有用的产品，但它无法替代更好的产品和更好的治理。要重建信任，至少需要做到以下几点：

• 围绕真实的消费者需求开发产品。 产品应该解决普通人能够感知的问题，而不是单纯展示更大的模型。
• 保留有意义的选择权。 提供清晰的主动加入和退出机制、透明的数据政策，并在高风险场景下保留人工替代方案。
• 让收益得到更公平的分享。 生产力提升应当转化为更好的工作、培训机会、更低的成本和更易获得的服务，而不只是更高的利润率。
• 尊重创作者。 同意、来源证明、署名、报酬和可执行的权利，是AI获得合法性与社会认可的核心。
• 保护学习与判断能力。 AI可以辅助教育和工作，但不应让人的真实理解无法评估，也不应在重要决策中模糊责任归属。
• 赢得社区的同意。 基础设施项目需要公开报告对当地的影响，并提出可信、可执行的社区收益方案。
• 用结果取代预测。 阿莫代伊承认，AI公司还没有兑现最重要的承诺。AI可能治愈癌症或消除大多数疾病，仍然是预测而非已经确立的结果。23真正的可信度，来自健康、可负担性和生活水平的可衡量改善。

公众未必是在拒绝AI的一切应用。他们要求的是证据：这项技术能否在扩大人类能力的同时，不夺走人的自主权、机会、创作署名和控制权。在人们能够于自己的生活中看见这种平衡之前，技术进步越快，带来的可能越是担忧，而不是兴奋。