一個泰國農(nóng)民詢問作物補(bǔ)貼政策，一個尼日利亞母親用約魯巴語搜索疫苗接種時間表，一個巴西公民用葡萄牙語填寫稅務(wù)表格——他們面對的AI，運行能力只有英文用戶的零頭。不是智力不夠，是模型根本沒學(xué)過他們的語言。

這是當(dāng)前AI行業(yè)最隱蔽的裂縫：超過92%的訓(xùn)練數(shù)據(jù)是英語，全球約7000種語言中，主流大模型真正支持的只有50種左右。這里說的"支持"，僅僅是"能給出回答"，不涉及準(zhǔn)確度。剩下的語言，要么被低質(zhì)量的機(jī)器翻譯英語內(nèi)容粗糙覆蓋，要么完全缺席。

行業(yè)忙著慶祝"人類水平"的基準(zhǔn)測試成績，但這些基準(zhǔn)測試 overwhelmingly 是英語的。對世界上大多數(shù)人來說，AI革命還沒真正抵達(dá)——它卡在海關(guān)，等著一個翻譯。

巴別塔的當(dāng)代回聲

大約4000年前，巴比倫是地球上最國際化的城市。位于現(xiàn)代伊拉克境內(nèi)，地處古代貿(mào)易路線的十字路口，阿卡德語、蘇美爾語、阿拉姆語、埃蘭語等數(shù)十種語言在此日常碰撞。商人、學(xué)者、外交官從美索不達(dá)米亞各地匯聚于此，這座城市之所以繁榮，正是因為它找到了跨越語言的橋梁——通過抄寫員、翻譯官，以及世界上第一批多語種圖書館。

《圣經(jīng)》中巴別塔的故事背景就設(shè)在巴比倫，但講法不同：上帝將人類分散到世界各地，混淆他們的語言，使他們無法再相互理解。這是一個關(guān)于溝通斷裂的故事——共享的工程因語言不通而變得不可能。

我們正生活在一個奇怪的回聲里。人類建造了史上最強(qiáng)大的推理機(jī)器，能寫詩、證明定理、生成可運行的代碼。但這些機(jī)器用英語思考。當(dāng)世界其他地方試圖與它們對話時，塔就崩塌了。不是智力不存在，而是語言屏障在信號抵達(dá)模型的推理核心之前，就已經(jīng)將其腐蝕。

用英語問前沿大模型任何問題，你會得到 polished、準(zhǔn)確、推理嚴(yán)密的回答。用泰語問同樣的問題，結(jié)果往往像用漏勺喝湯——信息還在，但精華流走了。

數(shù)據(jù)荒漠里的語言

大模型的能力邊界由訓(xùn)練數(shù)據(jù)劃定。英語在互聯(lián)網(wǎng)上占據(jù)絕對優(yōu)勢：維基百科60%以上內(nèi)容、學(xué)術(shù)論文90%以上、高質(zhì)量書籍和代碼庫的主流語言。這種優(yōu)勢被直接繼承到模型權(quán)重里。

低資源語言的困境是雙重的。首先是數(shù)據(jù)量——斯瓦希里語、孟加拉語、泰盧固語等數(shù)億人使用的語言，數(shù)字化文本可能只有英語的幾千分之一。其次是數(shù)據(jù)質(zhì)量——大量所謂"多語言"內(nèi)容，實為英語材料的機(jī)器翻譯，帶著翻譯腔和事實錯誤進(jìn)入訓(xùn)練集。

一個模型在英語上學(xué)會的邏輯推理、事實核查、語境理解，在低資源語言上無法自動遷移。語言不只是詞匯替換，是整套思維方式的載體。當(dāng)模型用"英語思維"處理泰語輸入，它其實在做一個損耗極大的轉(zhuǎn)碼游戲。

更隱蔽的傷害在于反饋循環(huán)。AI生成的低質(zhì)量多語言內(nèi)容又回流互聯(lián)網(wǎng)，成為下一代模型的訓(xùn)練數(shù)據(jù)。劣幣驅(qū)逐良幣，數(shù)據(jù)荒漠逐漸擴(kuò)大。

被折疊的用戶體驗

產(chǎn)品層面，這種不平等被界面設(shè)計巧妙掩蓋。聊天機(jī)器人的輸入框看起來對所有人平等開放，但背后的服務(wù)質(zhì)量天差地別。

英文用戶享受的是原生體驗：復(fù)雜指令理解、多輪對話連貫、專業(yè)術(shù)語準(zhǔn)確、文化語境恰當(dāng)。非英語用戶得到的是降級版本：簡單查詢尚可應(yīng)付，一旦涉及專業(yè)領(lǐng)域、微妙表達(dá)或本地知識，模型就開始"幻覺"——用自信的語氣編造答案。

這種降級對高教育程度、能切換英語的用戶影響有限。但對真正的全球多數(shù)——那些只會本地語言、依賴AI獲取關(guān)鍵信息的人——這是結(jié)構(gòu)性排斥。他們被要求用第二甚至第三語言與機(jī)器交互，或者接受質(zhì)量打折的服務(wù)。

技術(shù)民主化的承諾，在語言門檻前出現(xiàn)了分叉。

修補(bǔ)與重建

行業(yè)并非毫無作為。多語言預(yù)訓(xùn)練、跨語言遷移學(xué)習(xí)、特定語言微調(diào)——這些技術(shù)方向都在推進(jìn)。一些開源項目專注收集低資源語言的本土語料，繞過英語中心的中介。

但商業(yè)激勵結(jié)構(gòu)是擰巴的。訓(xùn)練數(shù)據(jù)的獲取成本、計算資源的分配、產(chǎn)品優(yōu)先級的排序，都向高回報市場傾斜。英語用戶付費意愿強(qiáng)、數(shù)據(jù)反饋豐富、品牌效應(yīng)顯著。邊緣語言社區(qū)的投入產(chǎn)出比，在 spreadsheet 上很難好看。

更深層的張力在于：大模型的"通用智能"敘事，與語言特定性的現(xiàn)實之間的矛盾。我們傾向于認(rèn)為推理能力是抽象的、可遷移的，但證據(jù)表明，語言深度嵌入認(rèn)知過程。一個從未真正"浸泡"在某語言中的模型，對該語言使用者的思維方式始終是陌生的。

巴比倫的抄寫員花了數(shù)千年積累多語言知識。我們似乎期待大模型用幾十年走完這條路，卻忘了它們的學(xué)習(xí)材料本身就不平衡。

下一次當(dāng)你用中文向AI提問，得到看似流暢的回答時，可以多想一層：這個回答的"母語"是什么？它理解你的問題，還是僅僅在模擬理解？如果答案關(guān)乎你的健康、財務(wù)或法律權(quán)利，這種模擬的代價是什么？