美国中期选举民主党完胜，资本市场开启了一轮“血腥”暴跌。除了重新评估AI的资本开支与商业回报，华尔街也开始将AI扩张与既有社会结构之间的摩擦纳入了定价。
当技术与社会的摩擦变得愈发剧烈时，市场会做出反应，公众会发出声音。那些肆无忌惮地谈论从游戏玩家手中争夺内存资源的企业，在公众眼里越来越像好莱坞电影里的“邪恶公司”。不顾社会影响的AI叙事，正在反噬自己。
社会能否接受AI、能否吸收AI带来的变化，正在成为影响AI进一步扩展的重要变量，也成为全球AI竞争的一部分。不妨将其称之为AI社会化的扩展。
尽管与美国相比，诸多调查显示，中国社会对AI的接受度似乎更高，期望也更积极。但AI的社会化，并不只是社会愿不愿意接受AI的问题。社会还必须具备吸收、治理和约束AI冲击的能力；与此同时，AI本身也必须学会适应社会。
在这样的背景下，理解阿里巴巴昨日发布的《阿里巴巴AI向善行动报告2026》，显得格外应景。在这份报告中，阿里巴巴提出，实现技术系统和社会系统的协同演进，需要以“社会可接受、环境可承载、经济可持续”三方面为基础。这是AI发展的现实路径需要满足三个条件。
阿里巴巴是国内较早尝试系统推进AI与社会关系议题的企业之一。去年，它率先发布了AI向善报告，与传统的“ESG”或者“科技向善”相比，这种提法更直接地回应了AI技术本身带来的新问题。
今年，前沿AI厂商纷纷通过驾驭框架（Harness），努力让智能体更可靠地进入工作环境，却仍然缺少一套驾驭AI与社会关系的框架。网络安全、就业冲击、电力危机、环境影响，可能进一步扩大的数字鸿沟，以及人机关系中人的主体性的忧思，都在加剧AI与既有社会结构之间的摩擦。
智能体的能力会在公共空间外溢失控。7月，OpenAI在内部网络安全评测中使用的智能体，绕过隔离措施，利用漏洞侵入了Hugging Face的部分服务器。此后，智能体攻击网络，成为了科技媒体头条常客。这个风险将随着个人智能体的繁荣进一步加剧。
即使不“主动作恶”，智能体也会“破坏”现有组织机制。通过覆盖初级员工过去承担的助理工作，智能体减少了刚毕业的年轻人积累经验、接受训练、逐步成长为专业人才的机会。
与此同时，智能体批量生产结果，也可能将解释、交流和验证的“债务”，转嫁给专业人员。OpenAI公布的722篇数学文稿震动了数学界，这下，就连一直积极探索AI辅助数学研究的陶哲轩，也无法容忍了。MIT一项调研显示，青年人才继续从事学术数学研究的意愿正在下降。如果说知识是人类进步的阶梯，那么AI是不是在抽走这个梯子？
智能体需要解决能力平权问题。10月，IEEE统计CVPR 2026全部16,034篇投稿论文发现，录用论文使用的GPU数量中位数，是未录用论文的两倍。近期几项NBER工作论文也从学校教育、税务申诉和个人理财三个场景发现，用户获得或利用智能体的能力差距，进一步扩大用户之间的鸿沟。
越强大的智能体，对算力越是饥渴，也更容易带来环境的负外部性。一个多月前，谷歌宣布未来两年在芬兰投资130亿欧元建设AI数据中心。结果，芬兰人民愤怒地发现，谷歌非法砍伐25万棵树，把一大片森林夷为平地；无家可归的狼群入侵了当地部分村庄。
美国正在集中上演一个有关技术系统和社会系统的协同演进的反面案例。地方居民对AI及其企业的不满，正在转化为实际政治压力。民主党赢下了得州等数据中心建设重镇，主张限制新项目的政治力量开始浮现。政策收紧、项目延期和融资环境变化，都可能进一步影响AI能力进步与应用普及的速度。
阿里巴巴的报告，正是中国一家AI企业对上述问题的部分回应。与去年相比，今年的行动框架进一步明确了实践支撑体系，将全栈AI能力、开源与社区、真实场景与反馈纳入其中；行动领域也从健康、教育、科研，扩展至经济机会、安全与包容的社区。
此外，绿色发展不再局限于去年的气候议题，在中国算力网大干快上的风潮中，阿里云数据中心使用绿电的占比，以及它开始着手解决用水问题，这些甚至关系到它2032年建成20GW数据中心的大计。
在这份报告中，阿里巴巴对“AI社会化”的理解与实践，贯穿始终。达摩院的平扫CT+AI，是这份报告的封面故事。它讲述的是一个在不改变现有设备和核心诊疗流程的前提下，AI如何不断扩展同一张医学影像所能筛查的疾病范围的故事。达摩院最新开源的通用医疗影像AI模型DAMO RADAR，覆盖18个器官，可一次性识别超过146种病症，首次达到了影像科专家水平。
更值得关注的是，这项技术尝试回应AI进入医疗体系时面临的社会摩擦。患者担心检查成本和辐射，而自身主诉往往无法完整反映身体可能出现的病变。更通用的筛查技术，有望将多项检查的初筛成本，降低到一次平扫CT加AI辅助分析的水平，也让部分原本不会主动进入筛查流程的人群，获得早期发现疾病的机会。
医生则担心AI增加工作负担，甚至挤压自己学习和成长的空间。平扫CT+AI嵌入既有核心诊疗流程，连接医院影像信息系统，可在几秒内实时判读。模型发现可疑病灶后，会生成相应的定位热力图，帮助医生直观理解AI的判断依据，也为医生发现容易遗漏的异常、积累诊断经验提供了新的参考。
AI进入医疗体系的另一重摩擦，发生在医学判断与专业责任的边界。市场上越来越多面向普通患者的AI工具，以及通用AI模型，可以直接回答医学问题，但普通用户往往缺乏足够的专业知识，难以对AI输出进行有效的交流、验证与反馈，也难以判断其中潜在的风险。
阿里健康的“氢离子”AI应用则相当克制，选择面向医生等专业用户，围绕具体病例完成证据检索、鉴别分析和决策验证，但不替代医生作出判断。对于医生而言，可信赖的AI可能比单纯更聪明的AI更重要。氢离子今年先后与BMJ、NEJM、JAMA等国际医学出版机构达成内容合作，正是试图从专业知识和循证医学基础上建立这种信任。
AI与社会的种种摩擦，同样会发生在教育、科研等等专业领域。但“AI社会化”的实践，难以一蹴而就。在该报告的发布会上，阿里巴巴提到，达摩院的平扫CT+AI在广西某医院落地后，复核了3347例AI阳性病例（AI提示有异常的病例），其中150例完成临床评估后，有121例被建议召回进一步检查。然而，在院方已经通知的患者中，最终只有23%的患者依从复诊。
这对应阿里巴巴报告最后的“效果验证”问题。如何区分技术性能、服务效率与最终收益，以及如何判断AI带来了真实、持续的改善？像这样的面向未来的求真与向善的问题，阿里巴巴一口气提了8个。
解决这些问题，是“AI社会化”的过程，也是它的意义所在。进入社会，是AI再次演进的新起点。AI在这些向善的实践中获得最真实、也最严格的场景反馈；通过解决真正重要的问题，积累技术能力，探索可持续的商业模式；社会也因此给予AI更多信任和空间，使其进入更广泛、更深入的应用场景。
对于中国而言，很长一段时间内，前沿AI厂商普遍缺乏关于AI与社会关系的系统性叙事。这可能让中国的AI社会化进程陷入缺乏透明度的“盲目乐观”。
我们究竟是因为前沿AI能力尚未触及更深层的社会冲击，还是因为在激烈的竞争中，有意无意地降低了这一问题的优先级？中国社会对AI的接受度较高，究竟意味着我们已经具备了吸收AI冲击的能力，还是尚未真正建立起衡量AI社会影响的尺度？
中国AI企业需要回答这些问题，也需要建立自己的观察、披露和验证机制。阿里巴巴的这份报告未必已经给出了完整答案，但至少让人期待它第三年的实践与思考，也期待更多AI厂商将“AI社会化”真正视为AI竞争的另一面。
--
报告下载
https://data.alibabagroup.com/ecms-files/1448640963/bd2b32c8-a4c7-4764-817d-1c121891206f/%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4AI%E5%90%91%E5%96%84%E8%A1%8C%E5%8A%A8%E6%8A%A5%E5%91%8A2026.pdf
