公告层

尼日利亚的治理在过去几十年里练就了一种特定的表演。它需要一个有声望的场地、一个听起来很重要的名字、一位站在讲台上的部长，和一份传播得比它所描述之物更远的新闻稿。公告本身就是产品，而被宣布的东西是次要的——它的主要用途，是作为让这场公告成立的题材。

在纽约举行的第 80 届联合国大会间隙，尼日利亚通信、创新与数字经济部长揭幕了 N-ATLAS——被描述为非洲首个由政府支持的多模态、多语言大语言模型。一个精心挑选的场地，一套雄心勃勃的措辞。

“N-ATLAS 把非洲的声音与多样性放在 AI 的根基处，”部长宣告，“这是让非洲成为塑造 AI 未来的贡献者与领导者这段更长旅程的第一步。”

值得在这里停一停，问一问 N-ATLAS 究竟是什么。

实际建成的是什么？

N-ATLAS 是 Llama-3 8B 的一个微调版本——后者是 Meta 免费发布的开源基础模型——训练数据是尼日利亚语言数据，通过 3MTT 项目志愿者众包录制的语音收集而来。数据收集平台由拉各斯的 AI 创业公司 Awarri 搭建，实际的技术工作是他们做的。模型托管在 Hugging Face 上，支持约鲁巴语、豪萨语、伊博语和尼日利亚口音英语。它不是一个面向消费者的应用，而是一个开发者工具——一个供其他建设者用来开发应用的基础层。

这是相当有用的工作。Awarri 的团队是称职的。它所填补的缺口——非洲语言在全球 AI 训练数据中近乎完全缺席——真实存在，也值得填补。

但让我们精确地说清尼日利亚政府的贡献究竟是什么：它通过一个现成的项目动员志愿者录制语音样本，并为一次基于免费开源模型的微调练习提供了体制背书。这套架构不需要任何新的研究。在语言数据集上微调 Llama-3 是一项文档完备的技术，任何一位称职的机器学习工程师，花一个周末、有一块 GPU 就能完成。最难的部分——数据收集——是众包的。

与此同时，首席工程师坦率承认：他们距离其概念上对标的那些模型的规模还差得很远；GPU 极其昂贵；尼日利亚目前还没有能够支撑大规模 AI 训练的数据中心。Awarri 的推理至今仍要经过 Amazon 和 Google 的云服务。

主管创新的部委，在一个完全依赖外国基础设施的模型上，宣布了 AI 主权。

为什么要建它？

值得问一问 N-ATLAS 到底服务于谁——以及这个人是不是该部委本应解决的瓶颈。

一家志在国内消费市场之外的尼日利亚创业公司，是用英语在构建产品。它的企业客户讲英语，它的国际投资人讲英语，它要达到规模所必需的出口市场讲英语。一个听得懂约鲁巴语声调或伊博语句法的 AI 不是他们的约束，甚至排不进他们约束清单的前十。

对于真正需要本地语言能力的那一小类应用——政府公民服务、农村健康信息、农业推广——用例是真实的，但客户是公共部门，不是创业生态。而尼日利亚的公共部门在“采购了技术却不部署”这件事上，有着记录详实的前科。

创业生态真正需要的——拉各斯每一位在构建 AI 产品的创始人都需要的，无论其用户讲什么语言——是廉价的推理。能够把模型放到生产环境里跑，而不是算力账单比第一个用户先到。能够实验、迭代、测试，而不必把整笔开发预算汇往弗吉尼亚州的某个数据中心。

N-ATLAS 不解决这个问题。它解决不了。它是一个无家可归的模型，被开源到 Hugging Face 上，语言覆盖令人印象深刻，却完全依赖着它在发布时被宣称要替代的那套外国基础设施。

机会成本

投入公告层的每一份资源，都是没有投入基础设施层的资源。在一个创新本就顶着那堵“墙”的全部复利重压运转的环境里，把资源分流到表演性项目不是一个中性的行为，而是一股主动的拖拽力。

资助了 N-ATLAS 的开发及其联大发布的那笔预算，没有去资助一个算力补贴计划。投入录制语音样本的 3MTT 志愿者工时，没有投入能让这些志愿者作为开发者更高产的工具建设。

为换取 TIME100 AI 榜单席位而动用的部长级关注与国际伙伴信誉，没有被用于那个本可以把补贴 GPU 送到尼日利亚创始人手中的采购决定。

而被这一切伤害的人，在新闻稿里是看不见的。

看了一眼 AWS 账单、决定原型不值得继续的创始人。

需要 GPU 却一无所获的研究者。

那些只要环境稍微不那么严苛就会动手开始的小团队——但环境没有，所以他们没有。

他们不会出现在联大。他们只是安静地不去建设。而这个本就足够艰难的生态，又变难了一分。

但资源浪费只是问题的一部分。

更深的问题是误导。

在一个正常运转的系统里，政府的信号告诉生态该建什么。

加速器围绕这些信号调整自己的项目。

投资人把它们解读为监管支持将跟进何处的指标。

创始人围绕它们撰写资助申请和路演材料。

政府是这个生态认为自己该优先做什么的最大单一影响源——这意味着当这个影响源指错方向时，它浪费的不只是自己的资源，还有所有人的。

当部委发出“语言模型是国家 AI 优先事项”的信号时，生态就围着这纸公告搞起了货物崇拜。项目围绕语言模型搭建，注意力流向语言模型。

与此同时，真正的约束——算力获取——不仅无人解决，如今还信号不足。那些需要算力补贴的创始人被含蓄地告知：政府心目中尼日利亚 AI 卓越的图景，是 Hugging Face 上的一个约鲁巴语聊天机器人。

这就是公告层的自我复利。它不仅没有解决问题，还主动误导了那些本来正在自己动手解决问题的人，让问题雪上加霜。

这不是一次孤立的失败。

《国家 AI 战略》（National AI Strategy）没有任何实施计划，而一份没有执行层的愿景文件，不过是同一份公告更精致的版本。

把 N-ATLAS 放在本应赋予它语境的战略旁边，再把战略放在本应赋予战略牙齿的部委旁边，你会发现每一层都是同一个模式：有治理之形，无治理之实。

到了某个时刻，善意的解读就用尽了。当一个系统持续产出进步的表象、同时阻止实际的进步时，其效果在功能上与蓄意破坏无从区分——无论意图如何。

最低垂的果实

Bosun Tijani 的部委本可以是另一个样子。一位拥有真实技术履历、真实生态人脉、真实多边融资渠道的部长——仅 Project BRIDGE 一项，世界银行、非洲开发银行和欧洲复兴开发银行就承诺了 8 亿美元——看着尼日利亚的 AI 创业生态，问一个简单的问题：

最大的约束性瓶颈是什么？移除它的最便宜的干预是什么？

答案不是在一个免费基础架构上微调一个语言模型，再把它传到 Hugging Face。

答案是算力获取。

是那个基础设施层：让开发者能把一个可用原型拿去测试、迭代、规模化部署，而不必在第一个用户注册之前，就把全部开发预算交给外国云服务商。

那样的干预不会登上联大的头条，也换不来 TIME100 AI 的席位。它会是诚实而乏味的工作：一间服务器机房、一个补贴计划、一纸采购决定——通向实际的、可度量的发展。

熟悉的模式

2024 年巴黎奥运会，尼日利亚派出 88 名运动员——史上最大代表团——备战花费 120 亿奈拉。最终零奖牌而归。

尼日利亚全国 100 米冠军 Favour Ofili 没能参加她的主项，因为田径联合会未能及时为她报名。这不是她第一次遭遇这套系统：四年前的东京奥运会上，她是因官员未能组织规定的兴奋剂检测而无法参赛的十名尼日利亚运动员之一。

巴黎 200 米比赛结束、她走下跑道时，记者们注意到没有任何尼日利亚工作人员在场安慰她。

她如今代表土耳其参赛。

天赋和备战都在，但本应把备战转化为参赛的行政层干脆没有运转。而且没有任何人为此负责。

同一届奥运会上，好几位尼日利亚裔运动员为德国、为巴林、为美国摘得奖牌。这些运动员都曾试图代表尼日利亚出赛，却发现这套系统无路可通。

同样的模式正在全球 AI 竞赛中重演。队服发了，横幅挂了，公告也在联合国做了。

但真正能把尼日利亚送上起跑线的基础设施——算力获取、开发者工具、能把个体天赋转化为集体能力的补贴环境——不在待办清单上。如果这份清单真的存在的话。

不过没关系，我们会引领非洲大陆的 AI 采用。

信我，兄弟。