人工智能的应用正在加速，但公众信心并没有同步上升。皮尤研究中心最新数据显示，如今52%的美国人表示，人工智能在日常生活中的扩大使用让他们“更担忧而非兴奋”，这一比例高于2021年的37%；只有9%的人感到“更兴奋而非担忧”。7

这背后或许有一个简单的解释：许多人感受到的并不是一项让所有人共同受益的进步，而是一场快速、透明度不足的权力转移。雇主、平台和科技公司获得了新的能力，普通人却要承担工作、教育、隐私、创作和控制权方面的不确定性。

好处很抽象，风险却很具体

AI可以用于写作、搜索、编程和客服等任务。但这些好处并非人人都能同样明显地感受到。一项为企业节省成本的功能，对员工而言可能意味着岗位受到威胁；一套让企业提高效率的自动化客服，对消费者而言却可能变成一道难以绕开的“人工客服障碍”。

这造成了明显的感知落差。AI的潜在收益通常以关于生产率、医疗和科学发现的长期预测呈现；而它的负面影响则会直接出现在日常生活中：一个错误答案、一场诈骗、一段合成内容、一套职场监控系统，或某个未经同意就被加入产品的AI功能。

工作和教育，让焦虑变得无法回避

人们不必相信所有工作都会消失，才会担心AI。他们可能担心的是：入门级岗位减少、议价能力下降、职场监控加强，或者原本需要专业技能的工作，最后只剩下监督自动化系统。

皮尤最新调查显示，这种担忧已经相当普遍：71%的美国人预计，未来20年人工智能会减少美国的就业岗位。5 对年轻人而言，问题尤其迫近，因为教育和职业起步阶段正是人们积累经验、建立技能和寻找第一份工作的时期，而自动化可能改变这一切。

生成式AI也让学习变得更加复杂。它可以帮助学生和教师，却也可能替学生绕过作业过程，让考试和评价更难进行，并模糊“借助工具完成”和“真正独立理解”之间的界线。当人们无法判断一项成果中究竟有多少是真实的人类努力，整个教育体系的可信度也会随之下降。

创作与所有权，已经变成信任问题

对作家、艺术家、音乐人和其他创作者来说，围绕AI训练数据的争论并不只是技术问题。它还涉及是否获得许可、如何署名、能否获得报酬，以及当人类创作被用于训练商业系统时，最终由谁受益。

因此，即便AI生成的内容有用，当创作者认为自己的作品是在缺乏真正同意的情况下被吸收时，结果仍可能显得像一种“抽取”。问题也不止于版权归属：皮尤研究发现，美国人更倾向于认为AI会削弱而非改善人们的创造性思维能力，以及建立有意义人际关系的能力。12

这也有助于解释实体媒介、纸质笔记本、胶片相机、线下活动等事物为何具有吸引力。这未必意味着人们要拒绝所有技术，而可能代表一种对作品来源、隐私、专注感、适度阻力，以及“被珍视的东西确实由人创造”的确定感的追求。

现有证据并不能证明，单是反对AI就推动了复古科技的广泛回归。但这种文化反应是可以理解的：当数字系统变得越来越自动化、越来越不透明时，由人亲手完成的体验自然会显得更加独特。

默认加入的AI功能，让人觉得自己正在失去选择

当AI工具是可选的、透明的，并且容易控制时，许多用户或许愿意尝试。但如果AI被默认嵌入熟悉的产品，将客户自动引向聊天机器人，或让人无法弄清个人数据如何被使用，反应就会完全不同。

这一区别对产品设计至关重要。使用不等于接受。人们可能因为现实中没有替代方案而继续使用某个系统，同时仍然不满于企业把它强加给自己。这种不满最终可能影响用户留存、品牌信任和付费意愿。

不信任不仅针对模型，也针对开发者

公众的怀疑对象不仅是AI模型，也包括背后的机构和企业高管。一项由CNBC与Generation Lab开展的调查访问了1,088名18至34岁的美国人，结果显示，受访者对9位知名AI行业领袖能否负责任地处理AI，都以不信任者占多数；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%。

Anthropic首席执行官达里奥·阿莫代伊将这种局面称为“信任危机”。他认为，人们本来就不信任企业、政府和科技行业，并怀疑新系统最终会被用来对付自己。17

这也解释了为什么单靠公关宣传很难扭转局面。当公众真正想问的是“谁在控制它，谁会从中获益”时，如果人们无法在自己的生活中验证答案，再乐观的宣传也可能听起来像是在回避问题。

数据中心，让抽象争论变成社区议题

AI热潮的实体基础也越来越难以忽视。数据中心把人工智能与电力、水资源、土地、电网投资和公共政策联系在了一起。面对新增基础设施，社区有理由追问：本地成本是否确定，而承诺中的就业岗位、较低账单或其他收益是否仍然只是未知数？

这并不必然意味着反对技术，而是对问责的要求：公开影响，公平承担基础设施成本，减少本地损害，并提供可执行的社区收益。如果这些条件都不存在，那么抵制就可能是面对成本与收益分配不均时的理性反应，而不只是“反科技”。

信任下滑，为什么会成为AI公司的商业问题

对AI公司而言，不信任可能限制产品采用、用户留存、付费意愿、招聘、监管许可，以及建设基础设施的能力。如果消费者把一个技术上令人印象深刻的模型，与裁员、强制功能、创作成果被无偿利用或服务不可靠联系起来，它就很难形成持久的消费价值。

Airbnb首席执行官布莱恩·切斯基曾表示，硅谷需要开发更多能解决普通人日常问题的AI产品，而不是主要面向企业客户，或仅仅展示模型能力。 这既是沟通问题，也是产品问题：当人们能够清楚地说出某项技术改善了自己生活中的什么事情，他们才更可能真正支持它。

阿莫代伊的批评同样直截了当。他承认，AI公司还没有兑现最宏大的承诺，并指出，反复声称AI能够治愈癌症，不能替代真正的突破。 这意味着，可信度最终来自可靠、可见且能被广泛分享的成果，而不是不断升级的未来预测。

什么才能改善公众观感？

如果AI企业希望获得更广泛的接受，至少需要兑现五项实际承诺：

• 从真实需求出发。 产品应解决普通用户反复遇到的问题，而不是只展示技术能力。
• 把控制权交还给用户。 清晰的主动选择、方便的退出机制、透明的数据使用规则，以及可获得的人工服务，都能让参与真正成为自愿行为。
• 让收益得到分享。 生产率提升应转化为更好的服务、更低的成本、更多培训和更有保障的工作，而不只是更高的利润率。
• 尊重人的贡献。 创作者需要有实际可用的许可、来源追踪、署名、补偿和权利执行机制。
• 用结果证明承诺。 在医疗、可负担性、教育和生活水平方面可量化的改善，比又一轮营销活动更能建立信任。

公众未必要求人工智能停止发展。他们真正想知道的是：进步究竟为了谁？谁有权决定它如何被使用？承担风险的人能否分享收益？

在企业通过产品设计和可观察的实际结果回答这些问题之前，AI越快地进入生活，公众的热情或许反而越难增加。

人工智能的应用正在加速，但公众信心并没有同步上升。皮尤研究中心最新数据显示，如今52%的美国人表示，人工智能在日常生活中的扩大使用让他们“更担忧而非兴奋”，这一比例高于2021年的37%；只有9%的人感到“更兴奋而非担忧”。7

这背后或许有一个简单的解释：许多人感受到的并不是一项让所有人共同受益的进步，而是一场快速、透明度不足的权力转移。雇主、平台和科技公司获得了新的能力，普通人却要承担工作、教育、隐私、创作和控制权方面的不确定性。

好处很抽象，风险却很具体

AI可以用于写作、搜索、编程和客服等任务。但这些好处并非人人都能同样明显地感受到。一项为企业节省成本的功能，对员工而言可能意味着岗位受到威胁；一套让企业提高效率的自动化客服，对消费者而言却可能变成一道难以绕开的“人工客服障碍”。

这造成了明显的感知落差。AI的潜在收益通常以关于生产率、医疗和科学发现的长期预测呈现；而它的负面影响则会直接出现在日常生活中：一个错误答案、一场诈骗、一段合成内容、一套职场监控系统，或某个未经同意就被加入产品的AI功能。

工作和教育，让焦虑变得无法回避

人们不必相信所有工作都会消失，才会担心AI。他们可能担心的是：入门级岗位减少、议价能力下降、职场监控加强，或者原本需要专业技能的工作，最后只剩下监督自动化系统。

皮尤最新调查显示，这种担忧已经相当普遍：71%的美国人预计，未来20年人工智能会减少美国的就业岗位。5 对年轻人而言，问题尤其迫近，因为教育和职业起步阶段正是人们积累经验、建立技能和寻找第一份工作的时期，而自动化可能改变这一切。

生成式AI也让学习变得更加复杂。它可以帮助学生和教师，却也可能替学生绕过作业过程，让考试和评价更难进行，并模糊“借助工具完成”和“真正独立理解”之间的界线。当人们无法判断一项成果中究竟有多少是真实的人类努力，整个教育体系的可信度也会随之下降。

创作与所有权，已经变成信任问题

对作家、艺术家、音乐人和其他创作者来说，围绕AI训练数据的争论并不只是技术问题。它还涉及是否获得许可、如何署名、能否获得报酬，以及当人类创作被用于训练商业系统时，最终由谁受益。

因此，即便AI生成的内容有用，当创作者认为自己的作品是在缺乏真正同意的情况下被吸收时，结果仍可能显得像一种“抽取”。问题也不止于版权归属：皮尤研究发现，美国人更倾向于认为AI会削弱而非改善人们的创造性思维能力，以及建立有意义人际关系的能力。12

这也有助于解释实体媒介、纸质笔记本、胶片相机、线下活动等事物为何具有吸引力。这未必意味着人们要拒绝所有技术，而可能代表一种对作品来源、隐私、专注感、适度阻力，以及“被珍视的东西确实由人创造”的确定感的追求。

现有证据并不能证明，单是反对AI就推动了复古科技的广泛回归。但这种文化反应是可以理解的：当数字系统变得越来越自动化、越来越不透明时，由人亲手完成的体验自然会显得更加独特。

默认加入的AI功能，让人觉得自己正在失去选择

当AI工具是可选的、透明的，并且容易控制时，许多用户或许愿意尝试。但如果AI被默认嵌入熟悉的产品，将客户自动引向聊天机器人，或让人无法弄清个人数据如何被使用，反应就会完全不同。

这一区别对产品设计至关重要。使用不等于接受。人们可能因为现实中没有替代方案而继续使用某个系统，同时仍然不满于企业把它强加给自己。这种不满最终可能影响用户留存、品牌信任和付费意愿。

不信任不仅针对模型，也针对开发者

公众的怀疑对象不仅是AI模型，也包括背后的机构和企业高管。一项由CNBC与Generation Lab开展的调查访问了1,088名18至34岁的美国人，结果显示，受访者对9位知名AI行业领袖能否负责任地处理AI，都以不信任者占多数；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%。

Anthropic首席执行官达里奥·阿莫代伊将这种局面称为“信任危机”。他认为，人们本来就不信任企业、政府和科技行业，并怀疑新系统最终会被用来对付自己。17

这也解释了为什么单靠公关宣传很难扭转局面。当公众真正想问的是“谁在控制它，谁会从中获益”时，如果人们无法在自己的生活中验证答案，再乐观的宣传也可能听起来像是在回避问题。

数据中心，让抽象争论变成社区议题

AI热潮的实体基础也越来越难以忽视。数据中心把人工智能与电力、水资源、土地、电网投资和公共政策联系在了一起。面对新增基础设施，社区有理由追问：本地成本是否确定，而承诺中的就业岗位、较低账单或其他收益是否仍然只是未知数？

这并不必然意味着反对技术，而是对问责的要求：公开影响，公平承担基础设施成本，减少本地损害，并提供可执行的社区收益。如果这些条件都不存在，那么抵制就可能是面对成本与收益分配不均时的理性反应，而不只是“反科技”。

信任下滑，为什么会成为AI公司的商业问题

对AI公司而言，不信任可能限制产品采用、用户留存、付费意愿、招聘、监管许可，以及建设基础设施的能力。如果消费者把一个技术上令人印象深刻的模型，与裁员、强制功能、创作成果被无偿利用或服务不可靠联系起来，它就很难形成持久的消费价值。

Airbnb首席执行官布莱恩·切斯基曾表示，硅谷需要开发更多能解决普通人日常问题的AI产品，而不是主要面向企业客户，或仅仅展示模型能力。 这既是沟通问题，也是产品问题：当人们能够清楚地说出某项技术改善了自己生活中的什么事情，他们才更可能真正支持它。

阿莫代伊的批评同样直截了当。他承认，AI公司还没有兑现最宏大的承诺，并指出，反复声称AI能够治愈癌症，不能替代真正的突破。 这意味着，可信度最终来自可靠、可见且能被广泛分享的成果，而不是不断升级的未来预测。

什么才能改善公众观感？

如果AI企业希望获得更广泛的接受，至少需要兑现五项实际承诺：

• 从真实需求出发。 产品应解决普通用户反复遇到的问题，而不是只展示技术能力。
• 把控制权交还给用户。 清晰的主动选择、方便的退出机制、透明的数据使用规则，以及可获得的人工服务，都能让参与真正成为自愿行为。
• 让收益得到分享。 生产率提升应转化为更好的服务、更低的成本、更多培训和更有保障的工作，而不只是更高的利润率。
• 尊重人的贡献。 创作者需要有实际可用的许可、来源追踪、署名、补偿和权利执行机制。
• 用结果证明承诺。 在医疗、可负担性、教育和生活水平方面可量化的改善，比又一轮营销活动更能建立信任。

公众未必要求人工智能停止发展。他们真正想知道的是：进步究竟为了谁？谁有权决定它如何被使用？承担风险的人能否分享收益？

在企业通过产品设计和可观察的实际结果回答这些问题之前，AI越快地进入生活，公众的热情或许反而越难增加。