川海智库

报告概述

本报告是《数字进展与趋势报告》系列的第二期，全面、数据化地呈现全球人工智能格局。研究对象为人工智能在发展中国家的发展，覆盖全球AI创新、采纳、适应趋势。报告提出并深入分析支撑AI应用的四项基础要素——4Cs（连接、算力、上下文、技能），评估各国表现，识别市场失灵和政策需求。报告强调小AI的即时影响力，帮助读者理解发展中国家如何在不追逐前沿技术的情况下利用AI解决本地问题，并为政策制定者提供投资优先级建议。

报告的核心结论

AI创新高度集中于高收入国家，但发展中国家正积极采纳小AI。

报告指出，高收入国家贡献了87%的显著AI模型、86%的AI初创公司和91%的AI创业累计风险投资。然而，中等收入国家在个人层面使用生成式AI工具（如ChatGPT）的比例快速增长，巴西、印度、印尼和越南等国的流量已占全球40%以上，显示出小AI的广泛采纳潜力。

小AI为低资源国家提供立即可行的解决方案。

小AI指价格可负担、运行在普通设备上的人工智能应用。报告列举了巴西、埃及、印度、尼日利亚等国的案例，教师用AI备课，护士用AI跟踪患者，农民通过AI获得农技建议。这些应用直接回应当地需求，无需大规模基础设施投资，是发展中国家实现AI红利的最佳切入点。

4Cs是AI促进发展的基础，各国需根据准备度优先投资。

连接、算力、上下文和技能构成了AI就绪度的四大支柱。报告显示，高收入国家互联网渗透率达93%，而低收入国家仅27%；算力方面，美国人均服务器数量是中等收入国家的200倍、低收入国家的20000倍。各国应根据自身水平在4Cs上差异化投入，例如低收入国家优先提升连接性和基础数字技能，中等收入国家则需加强算力和本地数据建设。

数字技能鸿沟严重制约发展中国家AI采纳。

报告数据显示，2023年高收入国家66%的人口拥有基础数字技能，而低收入国家这一比例不足5%；高级数字技能方面高收入国家约10%，低收入国家低于1%。同时，AI相关岗位需求在中等收入国家增长更快（2021-2024年16%），但人才外流严重（如尼日利亚、孟加拉国流出入比超过3倍），加剧了技能瓶颈。

报告回答的关键问题

发展中国家如何利用人工智能？

报告指出，发展中国家应优先采纳“小AI”——即价格可负担、可在普通设备上运行、针对本地需求定制的人工智能解决方案。通过使用开源模型和现有AI工具（如ChatGPT API），教师在备课、农民在获取农技建议、医疗人员在患者跟踪等方面已取得切实成效。此外，中高收入国家可进一步对开源模型进行微调，发展本土创新。

小AI是什么？为什么重要？

小AI是指低计算资源、低成本、可离线或弱网运行的人工智能应用，能够直接部署在普通智能手机或低配计算机上。报告认为，对于缺乏大规模算力和数据中心的低收入国家，小AI是实现即时、可扩展影响的关键途径，已在农业、教育、医疗等领域展现出显著价值，帮助发展中国家跳过传统基础设施限制。

AI会加剧全球不平等吗？

报告认为，如果缺乏干预，AI极可能加剧国家间和国家内部的不平等。AI创新和采纳高度集中在高收入国家，低收入国家在算力、数据、人才等方面均处于劣势，可能导致“过早去专业化”，压缩高技能就业空间。报告呼吁各国通过投资4Cs、加强社会安全网和国际合作来防范风险。

发展中国家应优先投资哪些AI基础设施？

根据报告提出的4Cs框架，低收入国家应优先投资连接（宽带覆盖与设备可负担性）和基础数字技能；中等收入国家在保持连接升级的同时，需加强算力（如通过云计算或本地数据中心）和本地化数据建设（收集、标注、开放政府数据），并培养中级和高级数字技能，以适应AI采纳和局部创新。

报告中的代表性数据

87%的显著AI模型、86%的AI初创公司、91%的AI初创累计融资

AI模型与初创企业分布

截至2025年7月，高收入国家在AI创新中的绝对主导地位。相比之下，排除中国和印度后，低收入和中等收入国家仅占全球AI初创公司的4%、融资的不到1%。

高收入国家93%，中高收入81%，中低收入54%，低收入27%

互联网渗透率差距

2024年，2022-2024年间，中低收入国家是新增互联网用户的主要来源（约2亿人），但低收入国家渗透率仅提升3.4个百分点，仍只有四分之一人口在线。

基础技能：高收入66%，中高收入38%，中低收入21%，低收入<5%

数字技能人口占比

2023年，高级数字技能方面，高收入国家约10%，中高收入3.5%，中低收入1.6%，低收入低于1%。技能鸿沟是AI采纳中最突出的制约因素之一。

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

  • 全球AI创新与采纳趋势分析：详细追踪AI模型、初创企业、专利及投资在不同收入国家的分布，揭示创新高度集中于美国和中国，但采纳正在向中等收入国家扩散。
  • 4Cs框架深度评估：逐一分析连接（宽带覆盖、速度、数据消费）、算力（超级计算机、数据中心、云服务）、上下文（训练数据数量、语言多样性、开放模型）和技能（基础/中级/高级数字技能供需）的全球格局与差距。
  • 三部门案例研究：教育（印度和尼日利亚的AI教学应用）、农业与能源（精准农业、智能电网、资源优化）、数字交付服务（菲律宾和乌兹别克斯坦的BPO与IT外包转型），展示AI的实际影响与挑战。
  • 市场识别与政策建议：针对每个C识别市场失灵和外部性（如数据产权模糊、人才外流、环保成本），提供从低准备度到高准备度国家的差异化投资优先级。
  • AI对劳动市场、产业结构、贸易和宏观经济的潜在影响分析：讨论过早去专业化风险、劳资博弈变化、服务外包重构以及长期生产率前景。
  • 全球AI治理与风险应对：概述各国AI监管趋势，提出可信AI原则，包括网络安全、隐私保护、算法偏差、虚假信息及版权问题的政策工具。
  • 丰富的可视化图表与数据索引：包含超过20个交互式图表（如ChatGPT流量地图、算力分布气泡图等），以及完整的指标定义和数据来源说明。

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