Influence of Scalable AI: Foundations, Business Models, and Impact Pathways

核心观点

本报告探讨了人工智能在低中等收入国家（LMICs）实现规模化影响力的基础、商业模式和影响路径。报告强调了数据、技术、商业模式和移动技术的重要性，以及它们如何共同推动人工智能在LMICs产生积极影响。

数据：人工智能的基础

• 数据类型：影响性人工智能需要多样化的数据，包括农业与环境数据、健康和生物特征数据、商业和供应链数据、以及用户生成和合成数据。
• 数据挑战：LMICs面临数据稀缺、碎片化、质量低和获取困难等挑战。
• 解决方案：创新者通过将数据收集嵌入用户中心的设计，利用移动渠道、物联网和遥感等技术，以及开发针对特定任务或资源受限环境的小型语言模型（SLMs）来解决数据问题。

技术可扩展影响的基石

• 技术栈：LMICs的AI创新主要集中在应用层，利用大型科技公司的基础模型进行本地化和整合，构建适合低资源环境的科技栈。
• 技术趋势：常见的建筑技术模式包括混合人工智能方法、模块化与灵活性，以及人机共生（HITL）。
• 开源和基础模型：开源模型和预训练模型在LMICs的AI应用中发挥着重要作用，降低了成本和开发速度。

可持续的具有影响力的AI商业模式

• 市场进入策略：B2B和B2G模式是LMICs中最常见的商业模式，因为它们能够克服低收入终端用户支付能力低的挑战。
• 战略合作伙伴关系：多元化的收入来源和战略合作伙伴关系对于实现可持续性至关重要。
• 盈利模式：报告比较了盈利模式和非盈利模式的相似之处和差异，指出两者都高度依赖混合金融，并倾向于B2B或B2G的焦点。

移动在人工智能革命中的作用

• 移动技术：移动技术是LMICs中人工智能影响生态系统的核心，作为不可或缺的传播渠道和基础设施。
• 移动网络运营商（MNOs）的角色：MNOs在人工智能生态系统中发挥着多重作用，包括作为创新生态系统伙伴、数据提供商、公共基础设施/配送渠道，以及基础设施和计算服务提供商。

增值效益：人工智能的转型能力

• AI创造价值的方式：人工智能通过访问与拓展、个性化、准确度、自动化与效率、以及系统价值等方面为个人、服务提供者和整个系统创造增值效益。
• 影响层次：人工智能的影响可以从个人到系统层面，包括经济影响、健康和幸福感影响，以及系统性及环境影响。

未来人工智能趋势及其影响

• 政府采用程度提高：政府与人工智能创新者在公共服务提供方面的合作将变得更加普遍。
• 人工智能作为数字公共产品：创新者开源技术关键组件，以利于更广泛的生态系统。
• 超本地化：未来人工智能应用将更加注重适应当地环境，包括语言、文化和特定需求。

考虑构建影响深远的人工智能生态系统所需的因素

• 政府角色：政府应投资数字公共基础设施（DPI）、支持本地数据倡议、促进政策制定，并充当锚定客户。
• 移动网络运营商的角色：MNOs应合作开发低资源语言、提供公共接口层、投资数据中心和边缘计算基础设施，并成为战略分销合作伙伴。
• 其他因素：还需要推广道德AI实践、发展国内云和边缘计算基础设施，以及发挥移动货币基础设施建设作用。

关键数据

• Eneza教育：在肯尼亚有超过一百万学习者，计划在埃塞俄比亚进行扩张。
• Wysa：在105个国家的700万用户中，98%的用户可以免费使用其心理健康服务。
• Digital Green的FarmerChat：已有32万名个人用户使用FarmerChat，其中60%的用户报告采用了一种新的、改进的耕作方法。
• LifeBank：已在13个非洲城市交付了超过34万件医疗产品，挽救了超过24万人的生命。

研究结论

人工智能在LMICs具有巨大的潜力，可以为个人、社会和经济发展带来积极影响。然而，要实现规模化影响，需要所有利益相关者的共同努力，包括创新者、政府、科技公司、MNOs和投资者。通过投资数字基础设施、支持本地化创新、建立可持续的商业模式，以及推广道德AI实践，可以构建一个有弹性和公平的人工智能生态系统，为LMICs创造更美好的未来。