1.3 中心化人工智能基础设施的瓶颈

人工智能基础设施的可扩展性和效率至关重要，因为它们直接决定了人工智能系统的部署成本和最终性能。然而，当前对主要由少数大型云提供商控制的中心化基础设施的依赖，带来了数个关键挑战：

1. 高成本和垄断定价：

中心化云提供商通常以较高的价格提供计算资源，其定价模式往往更有利于大型企业客户。缺乏议价能力和规模经济优势的中小型开发者面临着显著更高的成本壁垒。随着人工智能模型能力不断演进，整合文本、视觉、听觉等多模态能力，服务每个用户的平均成本正在显著上升。依赖这些先进模型的开发者因此承受着越来越高的费用压力，尤其是在完全依赖中心化云基础设施的情况下。此外，习惯于免费或低成本互联网服务的终端用户通常不愿直接承担这些上涨的成本，这进一步将财务负担转嫁给了应用开发者。

2. 审查和中心化控制的风险：

将全球的计算资源集中在少数占主导地位的提供商手中，带来了与审查制度和中立性缺失相关的重大风险。这些中心化实体有权单方面施加使用限制、监控用户活动，并可能审查或关闭不符合其内部政策的应用程序。随着人工智能系统持续发展并更深度地融入社会经济各领域，这种权力集中问题变得日益严峻。少数参与者行使的控制权可能导致，由效率提升带来的经济利益被这些实体所攫取，而非广泛地分配给生态参与者和全社会，这阻碍了人工智能技术成本的降低和普惠化。这种中心化趋势威胁着人工智能技术的开放性和可及性，并通过限制可开发和部署的应用程序及模型的多样性，最终扼杀创新。