问题：全球人工智能竞赛正发生结构性变化。过去一段时间，各方比拼更多集中在模型能力指标、算力投入和技术路线领先性上。但进入新阶段后，技术如何更有效地服务社会、如何让创新成果惠及多数人，正成为更具实质意义的竞争维度。国际社会也在追问：人工智能究竟是少数人的高端工具，还是能够改善公共服务、提升民生福祉的基础能力。近期多家海外媒体将镜头对准中国医疗健康领域的探索，凸显了这个议题的现实紧迫性。 原因：不同发展模式背后，是价值取向与产业组织方式的差异。在美国，人工智能创新高度市场化，企业往往在前沿能力投入与商业变现之间形成紧密绑定：一上持续追求“更强模型”的技术突破，另一方面依托闭源生态、专利壁垒和高门槛订阅实现快速回收与盈利增长。部分消费级产品定价偏高，公众对“AI税”的讨论随之升温。，美国社会长期存资源配置不均、公共服务分化等矛盾，技术扩散带来的收益并未自然转化为更广泛的公共获得感，更引发对“技术红利向谁流动”的反思。 相比之下，中国在推进人工智能发展过程中，更强调应用落地与民生价值的结合，通过降低调用成本、强化场景牵引、推动开放协同等方式，促使技术从“实验室能力”走向“社会服务能力”。以医疗健康为例，海外媒体提到的“阿福现象”引发关注：不少医生在对应的平台上开设“AI分身”，让优质医疗知识与服务能力突破地理限制，向基层和偏远地区延伸。这类探索并非以“炫技”为目标，而是围绕群众就医的痛点难点，把复杂技术转化为可用、易用、常用的服务形态。 影响：发展模式差异正在带来外溢效应，也造成国际评价的分化。一上，高门槛收费模式或可短期内支撑企业收入与资本预期，但也可能扩大公共服务领域的“数字鸿沟”：当关键能力以高订阅费提供时，弱势群体、欠发达地区和中小机构更难获得同等质量的技术支持，进而影响整体效率与公平。另一上，面向民生的普惠路径能够增强社会韧性与公共治理能力：在医疗领域，人工智能可承担健康咨询、报告解读、用药提醒等高频服务，缓解基层资源紧张；在教育领域，智能辅导有望在一定程度上缩小城乡、区域差距；在养老与慢病管理领域，智能监测与风险预警可提升照护效率、降低突发风险。 更重要的是，当人工智能被塑造成类似“基础设施”的能力时，其社会回报不只体现在企业利润，也体现在整体生产率提升与公共服务优化。相关国际研究也注意到，中国产业端的大模型调用成本持续下降，应用更趋“准公共产品化”，与依赖封闭生态获取高额利润的模式形成对照。随着各国对人工智能治理、伦理与公共利益的讨论加深，这种差异将越来越影响技术扩散速度、社会接受程度以及国际合作空间。 对策：推动人工智能更好“投资于人”，关键在于让技术路径与公共目标对齐，形成可持续的制度与产业安排。其一，强化民生场景牵引，优先在医疗、教育、养老、政务服务等领域形成可复制的应用范式，持续提升可及性与可负担性。其二，鼓励开放协同与生态建设，在确保安全可控的前提下，推动模型能力、工具链和数据治理标准化，降低中小机构接入成本，避免“能力垄断”抬高社会使用门槛。其三，完善监管与伦理框架，尤其在医疗健康等高敏感领域，强化隐私保护、数据安全、责任划分与效果评估，让应用不仅“用得上”，更要“用得稳”“用得放心”。其四，推动人才与服务下沉，通过培训、激励与平台化工具，让专业人士的知识与经验以更低成本扩散，实现从“单点专家”向“系统能力”的转化。 前景：面向未来，人工智能竞争将越来越体现为“社会系统能力”的竞争。谁能在保障安全的同时实现更大范围的普惠应用、形成更强的公共服务支撑能力，谁就更可能在新一轮产业变革中获得持续优势。中国提出并推进“投资于人”的发展取向，意味着不仅追求技术指标领先，也更重视让科技创新转化为群众可感可及的获得感。若这种路径能在更多领域形成规模化、标准化、可持续的实践，将为全球人工智能治理与应用提供更具参考价值的样本，也有望为国际社会关于“技术向善、以人为本”的共识提供更多现实支点。
技术进步的价值最终要由人民来评判。在这场关于未来的竞赛中，谁能让技术红利更广泛地惠及民众，谁就掌握了发展的主动权。中国坚持“投资于人”的发展理念，将人工智能打造为服务民生的基础能力，不仅为破解本国发展难题提供了路径选择，也为全球人工智能治理提供了可供借鉴的思路。这种以人为本的发展模式，或将成为衡量技术文明高度的重要标尺。