扫码打开虎嗅APP
特别策划
2026-04-21 17:03技术史上有一个反复上演的错觉。每一次重大技术跃迁到来时，公共讨论总会迅速分裂成两个极端：一端是无限乐观的应许之地，另一端是弥漫恐惧的替代焦虑。
AI时代尤甚。过去两年，AI相关的产物以近乎蛮横的速度闯入日常生活。
参数规模的竞赛一轮叠着一轮。科技公司的各类发布会上“颠覆“和“重塑“成了最高频的词汇。与此同时，写字楼里的打工人们开始默默计算自己岗位的保质期，应届生在简历上焦虑地加上熟练使用AI工具，社交媒体上关于哪些职业将被取代的帖子永远不缺流量。
这两种叙事有一个共同的盲区。它们都在谈论AI能做什么和会取代什么，却很少去追问一个更本质的问题，当技术的门槛被大幅降低之后，那些长期站在聚光灯之外的人，会发生什么？
2026年4月10日，杭州阿里巴巴园区内，通义实验室联合一席做了一场开发者演讲。五位讲者并不属于人们印象里典型的AI开发者。一位因脑瘫导致构音障碍的算法工程师，一位六十三岁的退休建筑师，一位用AI帮小麦做“体检”的大四机械系学生，一位为长期慢性病家人跑遍十几家医院的产品经理，以及一位致力于让东南亚小语种被AI听懂的新加坡研究员。
他们试图用AI解决的困境，不会出现在任何一场AI发布会的PPT上。它们太小、太散、太不性感，商业逻辑很难为它们买单。
但恰恰是这些被忽略的角落，成了观察AI真实价值的一面棱镜。
语言是人进入社会最基本的通行证。失去清晰表达能力的人，失去的远不止沟通效率。他们失去的是被倾听的资格。
在中国，超过一千万人面临构音障碍的困扰。脑瘫、渐冻症、中风、听力障碍……不同的病因指向同一种困境：他们说出的话，旁人很难听懂。邱生峰是其中之一。出生时因缺氧导致脑瘫，发音不清，运动姿态异常。他是外向的人，但现实生活里他不得不成为“I人”。
高三那年，课业紧张，没有同学愿意花时间和他沟通，他一度陷入低落。后来考上重庆大学数学系，进入人工智能领域，成为一名感知算法工程师，一个天天训练AI模型的人。但技术能力并没有消除工作上的摩擦。职场里，效率是第一语言。
在开会、谈合作的很多瞬间，让邱生峰逐渐意识到一个更根本的问题：“我们最大的困难，从来不是生理上的说不清，而是环境里的不愿等。”他作为演讲者在台上说出这句话时，还带着些迫切的连音。
市面上绝大多数AI语音工具，只为标准发音而生。它们能精准识别新闻播音员的普通话，却对邱生峰们的声音充耳不闻。国内针对听力障碍的言语训练产品有一些，但那是帮助肌肉正常的人群矫正发音，而针对构音障碍人群的产品，在中文领域几乎空白。
邱生峰决定自己填。2026年1月，邱生峰与两位伙伴启动了“燃言”项目，一款基于千问大模型的无障碍交流AI产品。核心功能不算复杂：识别构音障碍者不清晰的语音，翻译成文字，辅助用户在就医、面试、社交等场景中完成沟通，以及部分语音训练。
三个人先做了最笨的事。把全球六十多篇关于构音障碍的学术论文整理成开源仓库，基于Fun-ASR和Qwen3-ASR等开源模型逐一复现和优化。核心难点在数据。中文构音障碍数据极度稀缺，在他着手之前，国内这一领域的公开数据集几乎为零。他从去年十月开始，带着三十多位种子用户每天坚持录音、标注、迭代，积累了一百多个小时的语音数据。而一般语音模型的训练，往往需要几万小时的数据量。
更棘手的是个体差异。邱生峰对虎嗅表示，坦承当前模型的识别正确率大约在70%左右。“你真的要用到一个真实的场景，每个个体之间的差异非常大。”算力不足时，他一个人带着方案去北京路演，一点点争取训练资源。
“雪中送炭。”他用了四个字概括千问大模型对燃言的意义。从模型能力看，千问大模型在国内属于第一梯队，开源生态体系比较完善。对于一个资源极度有限的个人开发者，开源意味着可以在社区中获得帮助，可以站在前人已经铺好的路上继续往前走。
燃言距离成熟还有很长的路。邱生峰计划将代码开源上传到仓库，吸引更多开发者加入；运营上，则寻求与慈善机构联合推广。在活动现场的采访中，通义实验室一位同事听完他的分享后直接发了朋友圈，希望帮他对接感兴趣的投资人。
上海生声不息科技公司创始人邱生峰
“今天先把一句最重要的话说出去。”写在燃言首页的slogan，不仅适用于构音障碍者。在地球的另一端，有人面临的是另一种说不出口。
主流大语言模型的训练语料高度集中在中文和英文，东南亚超过1200种日常使用语言中的绝大多数，在AI世界里处于失语状态。AI听不懂当地人的母语，即便能做表面的翻译，也无法理解其中的文化语境。一部分人必须先切换到并不熟练的主流语言，才能勉强进入AI的服务范围。
这是一个容易被忽视的公平问题。当某些语言更容易被模型理解，技术带来的便利、表达权和被服务的机会，也在被不均等地分配。
来自新加坡人工智能研究中心的Jian Gang Ngui，想要解决的就是这种另类的沉默。Jian Gang团队基于千问大模型，与大量母语者社区深度协作，让本地语言使用者参与数据筛选、质量验证和评测体系搭建。这种实践的意义，或许本身代表AI时代一个根本性的命题：谁的声音能被留下，谁的文化可能被稀释？
SEA-LION模型开发负责人Jian Gang Ngui
邱生峰让一千万构音障碍者的声音有机会被AI听懂，Jian Gang让上千种小语种有机会进入AI的服务版图。两个人做的事情看似毫无交集，底层的逻辑却是同一个：技术是否普惠，不取决于它能服务多少主流用户，而取决于它愿意为多少被遗忘的人弯下腰来。
AI能做什么？科技行业从不缺乏宏大叙事。但对于戴嘉玮来说，这个问题的答案藏在他抽屉里那厚厚一摞纸质病历中。
过去十几年，他的家人经历了漫长的慢性病治疗。化验单、手术记录、用药清单，十几年的病程碎片堆成了一座纸山。作为家属，戴嘉玮带着这些资料跑遍了北京、上海的十几家医院。每一次走进一间新的诊室，流程都是相似的：医生接诊量大，没有时间逐页翻阅历史资料，他只能深吸一口气，像背书一样口头复述漫长的病史，提心吊胆。怕漏掉关键信息，怕说错专业术语，怕一时找不到对应的报告单。
他曾满怀希望地在各大应用市场搜寻，想找一款帮患者自动管理病历的软件。结果自然是没有的。
原因不难理解：为某几种特定疾病的患者家属开发一套病历管理系统，需求太个人化，人群太分散，商业回报率太低。传统软件行业的逻辑是服务共性需求，把功能抽象化、标准化，让所有人去适应软件。至于那些太小、太散、太难规模化的长尾需求，只能被搁置。
戴嘉玮曾在国内头部云厂商和上市大模型公司担任AI产品经理，他比大多数人更清楚这套逻辑的运行机制，也更清楚这套逻辑正在被打破。
AI产品经理、独立开发者戴嘉玮
在通义实验室的端侧AI创新开发者挑战赛中，他基于千问视觉模型独立开发了Aura智能健康助手。用户拍照上传化验单或录入问诊记录，系统自动识别后整理一份PDF文档，看病时直接递给医生就行。
选择Qwen3-VL，因为它能精准理解不同类型的医疗报告，量化后的版本性能出色，可以在个人笔记本电脑上流畅运行。出于对医疗场景隐私保护的考量，他坚持将模型完整部署在本地设备端。
过去，这样一个涉及图像识别和自然语言处理的系统，需要一个团队协作数月才能跑通。他第一次做，花了两天。上周用最新的千问3.6多模态模型重新实现时，只用了两个小时 。
“面对AI带来的变化，其实没什么宏大的生存法则。”戴嘉玮在演讲结尾说，“我最大的体会就是：从一个真实的小问题开始。”
而同样从一个“真实的小问题”出发的，还有二十四岁的范文涵。他在河南农村长大，小时候对小麦的全部认知来自一次干旱，那年减产严重，他记住了父母从地里回来时的愁容。后来上了大学，读的是机械设计专业，离小麦越来越远。
千问大模型00后开发者、郑州轻工业大学机械工程专业大四学生范文涵
直到高中最好的朋友考上了农学专业，有一次吐槽点燃了他：做抗逆实验要每两小时轮班测量株高、叶宽、分蘖数，测完还得对着手写表格逐行敲进Excel，一个小数点标错就可能导致整组实验数据作废。几个人轮班倒，晚上睡不了一个完整的觉。
2026年了，AI、智能体、工作流满天飞，一线育种实验还在用最原始的方式跟数据死磕。范文涵觉得这件事不对。他拉着工作室几个机械和电子背景的同学开始干。
实体调研后，找到了一个真正意义上的行业痛点：怎么高效、精准地采集和分析生长数据？为此，这支学生队伍搭建了环境模拟舱，集成传感器采集实验数据，开发表型识别算法自动提取叶宽、叶长、株高等指标。
数据采集之后的核心环节是分析。他们需要让AI学会育种专家的分析逻辑。对比了国内多个开源大模型后，其选定了Qwen3-1.7B：参数量小，适合端侧部署；千问开发者社区有从零微调到部署的完整教程，让没有AI科班背景的人也能直接上手。
历时近一年，系统成型。输入环境参数与麦苗表型数据，AI就能仿照专家思路，输出抗旱评分与后续育种建议。人工记录时间缩短了三分之二，评估准确率稳定在92%以上。
“大学期间最忌讳的就是被专业限制住手脚。”但千问开发者社区里，前人已经把可能遇到的坑都填平了，他要做的只是一步一步去试。
AI给个体带来的最大变化，可能不是效率的提升，而是一种此前不存在的可能性。那些被商业逻辑判定为不值得做的需求，那些被专业壁垒拦在门外的尝试，变得可行了。技术对人的善意，往往就藏在这些的缝隙里。
每一轮技术浪潮都会裹挟着同一个追问：我会被替代吗？蒸汽机时代问过，互联网时代问过，AI时代，这个问题以更尖锐的姿态重新出现。
赵伟程今年六十三岁。他站在这个追问的另一端，一个已经退休的人，一个按照传统社会脚本应该退出舞台的人。
AI创作者、面向退休人群的AI公益讲师赵伟程
他讲了一个触发自己思考的瞬间。在一次活动中，一位三十岁左右的年轻人对自己退休后如何生活感到疑惑。而赵伟程意识到了这背后的两层焦虑：一层是对当下的，AI发展这么快，我会不会被替代？另一层是对未来的，到了六十岁，我还跟这个时代有没有关系？
“我想给那个年轻人讲一个回答。”他说。“一个退休的人，怎么因为AI又重新生长了起来。”
退休前，赵伟程在建筑行业深耕了近四十年，长期从事装配式建筑的设计和研发。退休后，他把五千多份建筑图纸交给AI，用自己四十年积累的专业规则指导它提取、分类、分析。类似的项目，过去有人带着三个博士、四个硕士做了三个月。他一个人，五天完成并交付使用。
“AI很像一个脑子很快、手也很快，但完全没有现场经验的实习生。”在他的判断里，AI反而让他作为个体的价值进一步释放，“它把我的思考，变成了能更快执行的过程。”
一种被替代论的喧嚣所遮蔽的关系，正在发生。AI是在放大人的经验、判断和审美，而非取代。
这个认知把赵伟程推向了更远的地方。他开始在社区大学做AI公益课程，面对的学员是退休老人。到现在，学生已经超过一千人。教的内容非常的具体。比如，能不能让AI解读体检报告？能不能把老同学聚会整理成一篇朋友圈？
很多人退休以后，会慢慢觉得自己“退出了”。退出工作，退出公共话题，退到生活的背景板后面。AI给他们提供了一个重新表达的入口，有人画画，有人做短视频，有人写自己的故事。一个人一旦重新开始表达，他跟这个世界的关系，也会重新连上。
赵伟程自己也在"重新连接"。在一次公益分享课上，一位自闭症儿童机构的老师问他，AI能不能为孩子们做点什么。交谈中，老师提到一个孩子常说的一句话："妈妈来了，带来了很多小动物。"这句话击中了他。于是，他把这句话交给AI，反复调试、修正，直到《妈妈来了》的画面逐渐。
作品引发里社会性关注，有人看到就想起小时候等妈妈回家的感觉，也有人因此开始关注自闭症儿童群体。这个经历让老赵确认了一件事：AI终究无法替代人的情感，但能让那些被忽视的情感被看见。这几年他也陆续参加了不少AI创作比赛，并在通义实验室"万相妙思+"全球创作者大赛中，获得了专业组提名奖。对他而言，奖项只是一个注脚。真正的收获在于另一种确认——技术并没有把人推向更深的孤岛，反而在提供一种温柔的牵引。
戴嘉玮在演讲中，引用了一位投资人的观点。“AI让软件开发成本降了100倍，但软件的需求，可能会增加1000倍。”这精准描绘了当下的正在发生。
这些故事里没有惊天动地的技术突破，也没有一夜之间改变世界的英雄叙事。即使是作为基地的千问大模型，所扮演的关键角色也相对朴素。这些非主流的AI开发者们，选择千问的理由高度一致：开源、社区完善、可定制、能在有限的资源条件下跑通。
当开源大模型将技术门槛大幅降低，那些过去因为商业回报太低而被搁置的细分需求，正在被一个个具体的人重新拾起。
这或许指向了一个正在浮现的行业信号。未来模型之间的竞争力，可能不仅取决于参数规模和跑分排名，更取决于谁能更深入地进入具体场景，理解具体的人。
当技术足够强大时，真正的差异化可能不在能力，而在意愿。是否愿意为一千万构音障碍者训练一个语音模型？是否愿意为一个县城癌症患者的家属做一份结构化病历？是否愿意让1200种小语种在AI世界里都有一席之地？
AI的热浪仍在翻涌。参数在攀升，资本在涌入，关于替代与颠覆的争论不会停息。但在那些争论触及不到的角落，在一间录音室、一张化验单、一片麦田、一间社区大学的教室里，有人正在用技术，安静地回应着真实的困境。
他们是热浪中的音符。声音或大或小，频率各异，但每一个都在提醒同一件事：技术的温度，从来不由参数定义，而由人来赋予。
“别把变老，想成一条只能往下走的路。只要你还愿意更新自己，年龄的增长未必意味着退化。它也可能意味着：你正在长出另一种能力，另一种自由，另一种人生。”在演讲的最后，赵伟程送给那位三十岁年轻人的话，或许就是最好的注脚。
