2026年9月2日，亚洲公益事业研究中心（Centre for Asian Philanthropy and Society，以下简称CAPS）发布《亚洲人工智能向善投资观察》（Cars Without Roads: Investing in AI for Good Across Asia）。报告基于对亚太地区 220 项人工智能（AI）向善实践的梳理，以及对 10 个经济体 42 家机构的深度访谈，考察 AI 项目从探索、试点走向规模化应用和常态化运营的过程中面临哪些障碍、需要哪些支撑条件，并进一步分析私人社会投资应如何配置资源，才能更有效地支持 AI 向善实践长期发挥作用。
研究发现，当前亚洲已经涌现出不少面向社会问题的 AI 工具和应用，但不少项目仍停留在试点阶段，真正融入机构日常运营、获得持续预算支持的并不多。问题不只在于能否把工具开发出来，更在于能否让它真正被采用、持续运行，并扩大应用范围。
报告因此提出“车”与“路”的比喻：“车”是已经开发出来的 AI 模型、工具和应用；“路” 则是支撑这些工具落地并长期发挥作用的人才与组织能力、持续资金、基础设施与协作机制，以及治理保障。英文标题 Cars Without Roads 概括的，正是工具和应用快速涌现，而支撑其落地、持续和规模化的条件尚未同步形成的失衡。
图：AI 向善资金配置：现状与潜力 | 图源：CAPS
让AI向善：从“造车”到“修路”
本次发布会以线上形式举行，CAPS 执行总监樊丽莎（Manisha Mirchandani）表示：「过去两年，AI 以前所未有的速度进入公益领域，而资助方普遍缺少判断依据——资金应该投向哪里、什么时候投、投给谁。CAPS 开展这项研究，正是希望为亚洲的私人社会投资者提供一份基于实证的行动参考。」
CAPS 大中华区研究与咨询总监、上海代表处首席代表江安琪在发布报告时指出，研究首先揭示了一个明显落差：AI 向善的参与意愿很高，但常态化应用远未跟上。在参与访谈前问卷的 36 家机构中，83.3% 预计未来两到三年会进一步深化对 AI 向善的参与，但只有 13.9% 已将AI纳入日常运营，并设立持续性预算。
围绕私人社会投资如何更有效地帮助机构跨越这一差距，报告提出四项核心发现：
第一，人力与组织准备度往往比模型能力更具决定性。42家受访机构中，有34家明确提及人力与组织能力对AI应用落地的重要性。这种准备度既包括领导层能否判断AI适合解决什么问题，也包括员工能否适应新的工作方式，以及技术团队与业务一线能否持续协作，将个体尝试转化为稳定的组织能力。但多家受访机构反映，资金更容易覆盖工具开发与短期培训，长期伴随、技术转化和组织能力建设则较难获得持续支持。
第二，部分AI向善项目的成本结构与传统资助模式存在结构性错配。对于按量计费的AI服务而言，开发与部署只是投入的开始，后续使用、监测和维护仍会持续产生费用，且服务规模扩大也可能推高整体运营支出。
传统资助通常侧重开发与初期部署。当工具完成验证、准备扩大应用时，原有资助往往无法覆盖随使用规模增长而产生的持续成本。报告将这种伴随有效应用而出现的成本压力称为“成功的代价”：项目越成功、使用者越多，后续资金压力反而越大。
图：成功的代价 | 图源：CAPS《亚洲人工智能向善投资观察》（2026）
第三，共享基础设施建设的主要难点在于协调。可共享的数据资源、算力、技术组件、平台和服务渠道可以惠及多家机构，却很少适合由单一机构独立建设和长期维护。主要难点往往不在于某项技术能否实现，而在于如何组织各方共同投入、明确建设与维护责任，并推动已有资源相互连接和复用。
第四，治理介入的时点决定可调整空间的边界。AI 治理应贯穿项目构想、开发与使用的全过程。42家受访机构中31家提及伦理问题，但部分机构直到工具部署或投入使用后才开始集中讨论治理。此时项目目标、数据选择与系统架构已基本定型，可调整空间有限。治理因此不是项目完成后的单次审查，而是一系列贯穿项目全过程的决策：介入越早，能够改变的内容越多。
图：AI 治理的时机 | 图源：CAPS《亚洲人工智能向善投资观察》（2026）
推动 AI 向善的五项行动建议
基于上述发现，报告向资助方提出五点建议：
一是支持跨界人才长期发展，为既懂技术、又了解公益实务的人才提供长期岗位支持；二是与服务对象共同定义需求，将需求探索纳入前期支持，留出共同梳理问题和检验假设的时间；三是推动基础设施共建共享，围绕数据、算力、平台和服务渠道开展联合投入，并明确建设、维护和使用责任；四是提供灵活的多年期资金，覆盖持续运营成本，并根据实际使用成本作出调整，避免项目验证有效后因资金断档而无法继续运行；五是将治理前置，在项目构想时就明确数据使用、安全评估、责任归属、申诉机制和人工监督安排。
江安琪指出，AI工具与模型仍在快速演进，“车”会越来越多、越来越好；它们能否转化为长期的公共价值，取决于“路”能否获得同等、持续的投入。
路在何方？AI 向善实践者对话
发布会上，来自印度、韩国和中国的实践者围绕“AI向善，路在何方”展开圆桌对话。
图：发布会圆桌对话 | 来源：CAPS
EkStep 基金会联合创始人兼首席执行官尚卡尔·马鲁瓦达（Shankar Maruwada）以农业领域实践说明，路修通之后，应用落地可以有多快。该基金会与马哈拉施特拉邦政府合作的 AI 农业咨询平台，由二十余家机构历时九个月建成，上线一年已有四五百万农民使用；埃塞俄比亚借鉴这一经验，三个月即推出本地版本；经验再回到印度奶业合作社，部署周期缩至三周，覆盖 360 万农户。其间模型并未变得更 “聪明”，是落地时间压缩了九成以上。在他看来，技术至多占规模化成败的两成，其余八成是数据、语言、人员适应与问责机制。他介绍了 EkStep 与多方共同发起的 100 AI Diffusion Pathways by 2030倡议，目的正是把这八成的经验记录下来供他人借鉴，并呼吁资助方敢担风险、参与铺路。
SK 电讯 ESG 推进室负责人、副总裁严钟焕（Um Jong-hwan）介绍的是一项已经运行多年的服务。自 2019 年起，SK 电讯与地方政府合作推出 AI Care 服务，通过自研语音 AI 智能音箱识别异常，并可在数秒内接通紧急救援；目前覆盖 1.8 万户家庭，累计救援超 1500 次，2025 年估算减少社会成本约 1000 万美元。他指出，AI Care 不只是一款产品，而是一套由 AI 赋能的社会照护体系，技术开发只是其中较容易的部分。他提出的问题是，生成式 AI 的算力、监测与电力成本会随使用规模增长，未来五到十年由谁来承担？公益资金无法长期独担，需要企业、政府与基金会共同分担。
深圳市南山区益起共创公益服务中心理事长王琦介绍，鉴于公益组织受管理费 10% 上限约束、难以投入足够资金购买技术服务，益起共创将模块化 AI 运营系统以捐赠方式交付，由 AI 承担信息处理类工作，人均能效可提升五六倍。谈及挑战，他指出算力等技术基础设施目前依赖科技企业 “项目制” 捐赠，可持续性难以保证。为此，益起共创正与基金会和科技企业共建共享算力池，分摊成本与风险。在他看来，AI 不是替代人，而是替代 “低效的时间” ，让人回到人与人之间的连接。
AI 向善，需要各方协同
图：阿里巴巴公益基金会秘书长姚瑶闭幕致辞 | 来源：CAPS
阿里巴巴公益基金会秘书长姚瑶在闭幕致辞中指出，AI 向善需要的不仅是造车的热情，更是修路的耐心。她分享了阿里巴巴的科技伦理实践——集团科技伦理治理委员会以 “以人为本、普惠正直” 为准则划定边界，基金会则指引向善方向。在她看来，AI 向善的可持续推进需要各方协同，仅凭单一机构的力量终有局限。她呼吁各方在人才、基础设施、资金与治理上协同投入，推动 AI 向善从试点走向规模化。
人工智能向善指南同步上线
与报告同步上线的“人工智能向善指南”（AI for Good Navigator）是一个免费开放的中英双语平台。
平台将报告的核心发现和 220 项亚洲案例整理为可检索、可比较的研究工具，设有总览、报告摘要、案例中心、信息图表和路线图五个板块。用户可以按议题、经济体和机构类型筛选案例，选择不同维度生成图表，也可以查找条件相近的亚洲实践作为参照。
标签：