“科技向善”(Tech for Good)如今已成为众多科技公司的共识。然而，一个值得关注的现象是：理念的传播与实际的落地之间，仍存在一定距离。

当“向善”从口号转向行动，科技公司普遍面临几道结构性的难题。

第一道坎：商业回报与社会价值如何平衡？

科技公司本质上是商业主体，需要兼顾股东利益与利润增长。而许多“向善”的项目，服务对象往往是消费能力有限的群体。

腾讯研究院曾尝试为老年人和留守儿童开发更具人文关怀的人工智能模型——让AI能够识别老年人用药咨询中潜在的剂量混淆风险，感知留守儿童表达中的情感需求。这类项目的社会价值显而易见，但由于目标用户群体的消费能力有限，相关应用难以形成清晰的商业回报路径，资源投入因而受到制约。最终，这些AI能力大多停留在试点阶段，未能大规模集成至主流产品。

第二道坎：短期考核与长期探索如何协调？

大型互联网企业的运作普遍以绩效考核为导向。而“科技向善”所需要的，往往是持续的投入与长期的耐心。

有业内人士指出，在高度竞争的绩效体系下，长期探索的空间相对有限。让业务负责人在战略会上提出“项目初期不设具体考核指标”，在实践中面临较大挑战。这样的环境下，部分科技向善项目一经问世，便被要求快速扩大功能规模、追求用户数据增长，反而无法充分解决实际问题。

第三道坎：技术能力与场景理解如何对齐？

不少科技公司倾向于认为，掌握海量数据即可准确理解用户需求。但实际应用中，数据丰富并不等同于场景洞察充分。

以医疗AI为例。一家基层医院引入了一套在头部三甲医院表现优异的医疗大模型系统。然而产品落地一个多月后，模型无法识别当地患者的方言表达，导致生成的病历错乱百出，医生反而需要花更多时间手工校正。正如一位研究者所反思的：“根本原因就在于模型的训练和应用，是完全不同的场景，会有一个错位。”

向善，不是口号是考题

从商业回报与社会价值的权衡，到短期考核与长期探索的协调，再到技术能力与场景理解的对接——“科技向善”落地的每一步都面临着现实条件的约束。

欣慰的是，这些问题正在收获越来越多的关注。经亚太经合组织（APEC）正式批准立项，“APEC技术向善研讨会”将于2026年7月8日至10日在深圳举办。届时，来自APEC各经济体的政策制定者、企业代表和研究者将齐聚一堂，围绕人工智能伦理、中小微企业数字化、包容性增长等议题，共同探讨如何让“科技向善”从理念走向更扎实的实践。

如何把“向善”从愿景转化为产品与服务中的具体行动，仍需探索，但每一步实践都值得关注。