全球劳动年龄人口里，真正用过生成式AI的只有约17%。剩下那83%，在关于AI的讨论里几乎从不出现。
这个数字来自有效公益机构益盒CharityBox联合创始人、CEO治霖。他在播客「知行小酒馆」里，和雨白聊了一个不太讨喜的问题：AI会改变世界，可它真的有让世界变好吗？
治霖给出的答案，建立在一线经验上，而不是技术乐观主义的想象里。
狂欢只覆盖了极小一撮人
治霖引用2026年上半年的数据：全球劳动年龄人口中仅约17%用过生成式AI。这17%里，约97%只用免费聊天产品。愿意付费的，不到全球人口的1%。
真正动手用过vibe coding的，可能是全球前0.5%。
换句话说，社交媒体上呈现的那种「人人都在用AI」的样貌，和真实世界的分布之间，隔着一道很宽的沟。治霖说，那个83%才是这个世界上绝大多数人真实的处境跟状态，而他们在AI时代近乎失语。
这不是一句感慨，是可以被具体场景验证的判断。
AI进不了断电的教室
在四川甘孜等地，治霖看到的现实是：AI既不能讲藏语，也不能做眼底筛查，更不能做白内障手术。当地还经常断电。
山村小学里，企业捐赠的AI心理设备闲置着。原因不复杂——学生没有时间用，全县只有几名心理教师。设备到了，配套的人和机制没到。
能落地的反而是那些成本效益高、依赖人的干预。甘孜的白内障项目里，三五千元就能让一位老人重见光明。培训普通学科老师上社会情感课程，配上课时补贴，一个学期就能明显提升孩子的情绪识别与抗逆能力。
治霖由此提出有效公益的思路：研究每一笔善款的成本效益。约5500美元可避免一名儿童死于疟疾，3.8万元可避免一名先心病儿童过早死亡。
6500亿与3000亿的对比
节目里最尖锐的一组对比，出现在资源分配上。
2026年，美国四大科技公司在AI基础设施上的资本支出预计超过6500亿美元。而研究测算显示，把全球极端贫困人口拉出贫困线，每年约需3000亿美元。
治霖的质疑很直接：我们一年的几个AI头部大厂的资本支出，就已经可以帮助世界两年内实现没有极端贫困。但这笔钱从未被凑出来。
为「抓不住的未来」投入巨资，却对当下仍在受苦的人视而不见——这是他抛出的问题，不是结论。
技术不会自动均等惠及所有人
治霖用恩格斯停顿来说明这件事的历史规律：工业革命时期GDP高速增长，工人工资却长期停滞。
他判断AI时代可能更进一步——不只是工资不涨，而是工作被替代。
对应的讨论落在三个层次上。一次分配，桑德斯主张公众持有一半AI公司股权。二次分配，韩国取消自动化税收抵免后，就业改善且未显著影响行业发展，这项研究支持了税制设计的思路。三次分配，则是慈善公益。
正方会说，技术增长最终会通过某种机制渗透下去。反方会说，恩格斯停顿已经证明这个「最终」可能长达几十年，而AI替代工作的速度更快。
治霖的判断偏向后者。他批评有效利他主义对「每一步都按理想方式发生」的天真预设，也批评SBF式「先赚最多的钱再捐」的路径，以及「AI带来增长—增长自动变成收入—全民基本收入」这种层层逻辑跳跃。他指出，创始人承诺等机制目前的资金量，相对整个市场体量仍然很小。
普通人还能做什么
批评完之后，治霖没有停在无力感上。
他主张个人层面可以做的事：捐出收入的1%，为重要议题发声，在日常中善待他人。
他把捐赠带来的「被需要感」视为持续行动的动力。因为人这种被需要的感觉，帮助别人的感觉，可能是所有需求和感受里最高等级的那种感受。
他还说了一句关于分寸的话：想要真的改变世界，就是需要在非常理性的苛责和追问的同时，又保持最开始想做事情的那种同理心跟爱。
会思考的沙子和杀人的沙子，追根溯源来自同一种东西。技术本身不决定它被用来做什么，决定这件事的是人，以及人愿意把资源分给谁。
热门跟贴