川海智库

报告概述

报告以人工智能（AI）为核心研究对象，覆盖全球各收入水平国家，重点分析发展中国家在AI时代的机遇与挑战。报告引入“4C”框架——连接、计算、数据、技能——作为国家AI准备度的四大基础支柱，系统评估各国在AI创新、适应和采纳方面的进展。通过丰富的数据和案例，报告揭示了AI发展中的严重不平等现象，并提供了政策建议，帮助各国根据自身准备水平制定投资策略，从而推动包容性、可持续的AI发展。

报告的核心结论

“小AI”可为发展中国家带来即时影响

报告指出，“小AI”指低成本、易获取、适合日常设备的AI应用，在低收入和中等收入国家中已展现显著成效，例如在教育、农业和医疗领域。这为资源有限的国家提供了绕过传统障碍、直接受益于AI的路径。

AI创新高度集中于高收入国家

高收入国家贡献了全球87%的重要AI模型、86%的AI初创企业和91%的累计风投资金。相比之下，除中国和印度外，其他中低收入国家仅占4%的AI初创企业、不足1%的初创融资和重要模型，反映了严重的创新鸿沟。

4C基础设施是AI落地的关键瓶颈

连接、计算、数据和技能四大基础决定了各国能否有效采纳、适应和创新AI。例如，低收入国家互联网普及率仅27%，5G覆盖率仅4%，拥有基础数字技能的人口不足5%。这些短板严重制约了AI的推广和效益。

数据鸿沟影响AI模型的本地化效果

英语在全球AI训练数据中占主导地位（开源数据集56%为英语），而许多发展中国家语言数据匮乏。非文本数据（如视频）提供了新机会，但整体上，数据集中导致AI模型难以适应本地语言和文化，降低了实用性和信任度。

报告回答的关键问题

什么是“小AI”，它对发展中国家有何意义？

“小AI”指专为低资源环境设计的AI工具，如智能手机上的聊天机器人或离线AI应用。报告指出，这类AI已在巴西、印度等国的农业和医疗领域产生实际效益，使发展中国家能够以较低成本快速获得AI赋能，推动本地化创新和包容性增长。

世界银行的“4C”框架包含哪些内容？

“4C”包括连接（可靠宽带和能源）、计算（高性能芯片和云服务）、数据（本地化训练数据和模型）以及技能（数字化能力）。报告认为这四者是AI采纳、适应和创新的基石，各国应根据自身发展水平优先投资不同重点。

AI如何加剧全球数字鸿沟？

报告显示，AI创新和受益高度集中。高收入国家控制着绝大多数AI资源，而低收入国家在基础设施、数据和技能方面严重落后。例如，全球92%的AI芯片市场被一家公司垄断，低收入国家每百万人拥有的安全互联网服务器仅为高收入国家的两万分之一。

报告中的代表性数据

超过40%来自中等收入国家，低收入国家不足1%

ChatGPT全球流量来源分布（2024年）

2025年中期，显示中等收入国家（如巴西、印度）生成式AI采用率较高，但低收入国家严重滞后，反映数字鸿沟仍在扩大。

87%的重要AI模型、86%的AI初创企业、91%的AI风投资金

高收入国家AI创新能力占比

截至2025年7月，AI创新高度集中在高收入国家，尤其是美国；中低收入国家（不含中国、印度）仅占极少数份额。

不足5%

低收入国家基础数字技能普及率

2023，相比之下，高收入国家66%的人口具备基础数字技能，巨大差距制约了AI在低收入国家的推广和效益。

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

  • 第一章阐述AI定义、生态系统和潜在经济影响，分析AI对劳动力市场、产业组织和全球贸易的复杂作用。
  • 第二章探讨连接（Connectivity），包括移动网络覆盖、卫星互联网进展、宽带速度和数据消费差距，以及政策建议。
  • 第三章分析计算（Compute）资源分配，涵盖AI芯片市场、云计算贸易、数据中心分布，以及国家应对计算壁垒的策略。
  • 第四章研究数据（Context）鸿沟，包括训练数据质量、语言多样性问题、开放模型与闭源模型的比较，以及政府数据治理角色。
  • 第五章评估技能（Competency），包括各层级数字技能供需、AI相关职位增长趋势、人才跨国流动和脑力流失挑战。
  • 第六章总结政策建议，提出基于AI准备度的4C投资优先级，讨论财政、劳动、教育政策及AI风险治理。
  • 附录包含三个专题案例研究，分别探讨AI在教育、农业与能源、数字交付服务领域的实际应用与政策启示。

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