川海智库

报告概述

本报告是世界银行《数字进展与趋势报告》系列的第二期，聚焦人工智能（AI）对发展中国家的发展影响。报告定义了AI生态系统，分析了AI创新、适应和采用的全球不平等现象，并提出了支撑AI能力的四大基础支柱（4C）：连接（数字基础设施）、计算（芯片与数据中心）、上下文（训练数据与模型适配）和能力（数字技能）。报告通过大量数据驱动分析，为各国根据自身AI就绪程度制定优先投资策略提供了框架。

报告的核心结论

小型AI可为发展中国家带来即时且可触及的效益

报告指出，低中收入国家可通过“小型AI”——即廉价、易用、可在日常设备上运行的AI应用——在有限资源下获得显著发展收益。这类应用已在农业、教育和医疗等领域展现社区层面的转型力量，有助于发展中国家绕过传统发展障碍。

AI创新高度集中于高收入国家，适应与采用不均

高收入国家贡献了全球87%的知名AI模型、86%的AI初创企业和91%的累计风投资金。尽管生成式AI（如ChatGPT）在全球快速普及，但低中收入国家在企业及政府层面的采用仍处于早期阶段，面临基础设施、技能和数据本地化的多重障碍。

强化4C基础是释放AI潜力的关键

报告提出连接、计算、上下文和能力四大基础支柱。足够的宽带覆盖与可靠电力是参与AI的前提；可负担的计算资源是训练和部署模型的刚需；本地化数据与内容确保AI工具的相关性；数字技能则贯穿采用、适配与创新全过程。各国需根据自身就绪程度平衡投资。

战略投资AI是发展中国家的当务之急

AI正在重塑全球比较优势，延迟行动可能导致发展鸿沟进一步扩大。报告呼吁各国根据AI就绪水平（低/中/高）制定差异化投资策略，从基础的连接与数字素养到前沿的模型研发，逐步提升AI能力，以抓住出口增长、就业创造和长期转型的机遇。

报告回答的关键问题

人工智能如何帮助发展中国家实现跨越式发展？

报告指出，通过部署低成本、适配本地需求的“小型AI”，发展中国家可在农业、教育和医疗等领域迅速获得实际效益。例如，AI聊天机器人为农民提供农艺建议，辅助教师备课，支持护士跟踪患者。这类应用无需巨额投资，却能显著提升服务可及性和效率，帮助社区突破传统发展瓶颈。

发展中经济体在AI创新和采用方面面临哪些关键差距？

主要差距体现在四个方面：连接方面，低收入国家宽带覆盖与速度严重不足；计算方面，高性能服务器和数据中心几乎全集中在高收入国家；上下文方面，英文数据主导训练集，非英语语言的本地数据匮乏；能力方面，基础数字技能在低收入国家不足5%，AI人才流失严重。这些差距导致发展中国家在AI创新中角色边缘化，采用深度也有限。

什么是AI基础建设的4C框架？

4C框架指支撑AI就绪的四大支柱：Connectivity（连接）——可靠的高速宽带与可持续能源；Compute（计算）——高性能AI芯片、数据中心和云服务；Context（上下文）——高质量的训练数据、模型与应用适配本地需求；Competency（能力）——覆盖基础到高级的数字技能。报告强调，各国应根据自身AI战略重点（采用、适配或创新）在四者间平衡投资。

世界银行认为AI会加剧全球不平等吗？

报告认为，若不采取积极政策，AI可能加剧国家内部和国家间的不平等。AI创新和计算资源集中在少数高收入国家和企业，发展中国家在生产率提升、就业创造和出口机会方面可能落后。报告特别警告“过早去职业化”风险——AI可能压缩发展中国家高技能就业的空间。因此，需要全球协调与国内政策干预来确保AI收益的广泛分配。

报告中的代表性数据

87%的知名AI模型、86%的AI初创企业、91%的累计风投资金来自高收入国家

全球AI创新集中度

截至2025年7月，高收入国家在全球AI创新中占据主导地位，低中收入国家（除中国和印度外）合计仅占4%的AI初创企业和不足1%的AI模型与专利。

高收入国家93%，低收入国家27%；人均数据流量高收入国家1400GB，低收入国家5GB

2024年互联网渗透率与数据消费差距

2024年，互联网接入差距有所缩小，但数据消费鸿沟持续扩大，低收入国家的人均流量仅约高收入国家的0.4%。

2021–2024年，中高收入国家AI岗位增长16%，中低收入国家增长11%，高收入国家仅增2%

AI相关工作需求增长

2021–2024，生成式AI岗位需求全球同期增长9倍，发展中国家在AI技能需求上的增速超过发达国家，但总体基数仍低。

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

  • 详细分析了AI与传统通用技术的区别，以及AI对劳动市场、工业组织、国际贸易和生产力潜在影响的四种情景（短期/长期、正面/负面）。
  • 各章节深入探讨4C支柱：第2章覆盖移动网络、卫星连接、数字基础设施与数字贸易；第3章分析AI芯片、超级计算机和云计算的供应链集中度与可持续性。
  • 第4章考察训练数据的生产链、语言多样性鸿沟，以及开源与闭源AI模型在发展中国家应用中的利弊权衡。
  • 第5章从需求和供给两侧评估数字技能，涵盖AI与生成式AI技能的全球分布、教育体系响应及人才流失现象。
  • 第6章提供基于AI就绪水平（低/中/高）的分层政策建议，并讨论财政、劳动力、社会保护及AI治理的跨领域议题。
  • 附录A包含三个主题案例研究：AI在教育（印度与尼日利亚）、农业与能源（全球）、以及数字交付服务（菲律宾与乌兹别克斯坦）中的实际应用与政策启示。
  • 超过50幅数据图表，按收入组和地区展示了互联网使用、固定/移动流量、计算能力分布、AI投资流向等关键指标。
  • 针对“模型崩塌”、合成数据、脑力流失等前沿问题的技术参考资料与政策讨论。

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