川海智库

报告概述

本报告由国际电信联盟（ITU）和德勤（Deloitte）联合编写，旨在提供对人工智能（AI）当前状态、潜在未来轨迹、监管环境及其在关键领域应用的全面概述。报告聚焦于AI在现实世界中的应用、机遇和风险，强调负责任和包容性的AI使用。内容涵盖从生成式AI到自主智能体的技术演进、全球AI治理框架、以及应对伦理、偏见、隐私、劳动力变化和环境可持续性等挑战的策略。报告还通过案例展示了AI如何被用于应对教育、医疗、环境、基础设施和农业等领域的全球挑战，为政策制定者、企业领导者和公众提供了实用的指导和见解。

报告的核心结论

AI正从生成式AI迈向自主智能体时代。

报告指出，2025年AI发展最显著的转变是从生成式AI（GenAI）到Agentic AI的演进。Agentic AI系统能够自主行动、决策和学习，无需人类干预，正在重塑从医疗到金融等行业的业务流程。预计到2028年，33%的企业应用将集成Agentic AI，15%的日常业务决策将由AI自主完成。

全球AI监管呈现多元化态势，欧盟AI法案最为全面。

报告显示，各国对AI的监管方式差异显著。欧盟AI法案采用基于风险的分类体系，于2024年生效，是目前最全面的法规。而美国偏向自愿标准，日本、韩国、中国等亚洲国家也各有侧重。联合国则通过高级别咨询机构等新机制推动全球合作，强调AI治理应与人权和可持续发展目标一致。

AI在医疗、教育、环境等领域已展现解决全球挑战的潜力。

报告详细列举了AI的实际应用案例，如英国国家医疗服务体系（NHS）使用AI将卒中治疗时间从140分钟缩短至79分钟，患者恢复率提高；AI驱动的个性化学习平台帮助弥补教育差距；以及AI用于生物多样性监测、能源优化和气候适应。这些案例表明，AI能够显著提升效率、改善成果，但需要配套基础设施和伦理保障。

AI发展面临能源消耗与可持续性的重大挑战。

报告强调，AI数据中心的电力消耗已占全球约1.5%，预计到2030年将翻倍至约945 TWh。可再生能源和高效算法是减轻环境负担的关键。同时，AI本身也能助力减排，例如在电力、食品和交通领域，AI应用每年可减少3.2至5.4 GtCO₂e排放。

报告回答的关键问题

Agentic AI与传统AI有何不同？

Agentic AI不同于传统生成式AI（主要用于内容生成），它能够自主执行任务、做出决策并持续学习，无需人类干预。例如，Agentic AI可驱动无人机在灾区自主导航、监测农业病虫害，或在医疗领域分析患者数据预测疾病。报告指出，这种技术正重新定义工作流程，但也引发伦理和劳动力方面的担忧。

2025年全球AI监管有哪些主要动向？

2025年全球AI监管呈现多元化：欧盟AI法案正式实施，采用风险分级管理；美国强调自愿标准以加速创新；日本通过软法促进AI发展；韩国和中国制定基础性AI法律；非洲联盟推出大陆AI战略。联合国则建立了全球AI治理对话和独立科学小组，推动国际协调。报告认为，平衡创新与风险是共同目标。

AI如何帮助应对气候变化和环境挑战？

AI通过多种方式助力环境可持续发展：优化能源系统中可再生能源的整合，降低排放；加强极端天气早期预警系统，提升灾害应对能力；利用卫星图像和传感器进行生物多样性监测与非法活动跟踪。报告指出，尽管AI本身消耗能源，但其在减碳方面的净效益显著，预计到2035年在关键领域每年可减少数十亿吨CO₂e。

AI对劳动力市场将产生怎样影响？

报告引用世界经济论坛数据，预计到2030年AI将影响9200万个工作岗位的演变，同时创造1.7亿个新机会。但技能需求将快速变化，39%的核心技能会更新。AI更可能增强而非完全替代人类工作，尤其在高技能行业。因此，投资AI素养和再培训计划至关重要，各国已推出如新加坡SkillsFuture、阿联酋百万AI人才等举措。

报告中的代表性数据

415 TWh

全球数据中心电力消耗

2024年，2024年数据中心约占全球电力消耗的1.5%，约415 TWh。AI是主要增长驱动力之一。

945 TWh

预计2030年数据中心电力需求

2030年（预测），预计到2030年，数据中心电力需求将超过2024年的一倍以上，超过日本当前总耗电量。美国和中国是增长主要来源。

3.2-5.4 GtCO₂e

AI在关键领域年减排潜力

2035年（预测），AI在电力、食品和交通三个领域的应用，每年可减少3.2至5.4 GtCO₂e排放，远超AI相关数据中心能源使用产生的排放。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整报告包含全球AI监管法规的详细对比分析，包括欧盟AI法案、各国国家战略及非洲联盟AI战略，提供政策制定参考。
  • 报告深入探讨了AI的伦理与信任挑战，包括偏见、错误信息、人类控制丧失等问题，并提出设计原则、红队测试和风险管理框架等解决路径。
  • 报告包含丰富的行业应用案例，如NHS卒中诊断AI、MamaMate产后护理设备、印度DeepINDRA洪水管理等，展示AI解决实际问题的效果。
  • 报告对AI数据中心的能源消耗和可持续性进行了量化分析，包括区域差异、可再生能源使用和绿色数字行动倡议。
  • 报告评估了AI对劳动力市场的潜在影响，包括岗位变迁、技能需求变化，以及各国技能提升计划如新加坡SkillsFuture和UAE百万AI人才计划。
  • 报告提供了AI在教育、医疗、环境、基础设施和农业五大领域的关键利益相关方考量，为战略规划提供指引。
  • 报告末尾附有术语表，解释AI治理、Agentic AI、联邦学习等关键概念，帮助读者理解技术术语。
  • 报告包括作者和贡献者名单，来自ITU和Deloitte的专家团队，确保内容的权威性和专业性。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告