报告概述
报告聚焦人工智能在全球发展中国家的发展现状与趋势，重点分析AI创新、采纳与适应的不均衡格局。报告提出AI基础建设的4C框架——连接（数字基础设施）、计算（算力资源）、情境（训练数据与模型）、能力（数字技能），并围绕这四大支柱系统评估各国进展、识别市场失灵与政策缺口。报告旨在帮助政策制定者理解AI对发展中国家的机遇与挑战，并为弥合数字鸿沟提出战略路径。
报告的核心结论
AI创新高度集中于高收入国家，但中低收入国家在AI适应与采纳上增速明显。
高收入国家占据了87%的知名AI模型、86%的AI初创企业和91%的累计风险投资。然而，中等收入国家在生成式AI工具采纳方面增速突出，如ChatGPT在印度、巴西等国流量占比显著，表明发展中国家正通过本地化创新和开源模型加速追赶。
小型AI（Small AI）为资源有限的发展中国家提供了即刻可见的本地化应用机会。
报告指出，小型AI——指可负担、易获取、适用于日常设备的AI方案——已在农业、教育、医疗等领域展现出实质性影响。例如巴西、埃及、印度等国的教师、护士和农民已开始借助AI工具提升工作效率。这种自下而上的创新有助于发展中国家绕过传统发展障碍。
AI基础四大支柱（4Cs）的投入是发展中国家释放AI潜力的关键。
报告强调，连接（可靠宽带与能源）、计算（算力芯片与数据中心）、情境（本地化训练数据与模型）、能力（数字技能）四者缺一不可。各国需根据自身AI准备程度差异化投资，从基础采纳到创新升级，逐步构建AI生态系统。
数字技能鸿沟严重制约发展中国家参与AI经济的能力。
数据显示，高收入国家66%的人口具备基本数字技能，而低收入国家不足5%。AI相关岗位需求在中低收入国家增长更快（如埃及、巴基斯坦增长一倍），但人才外流现象严重，部分国家外流是流入的3-4倍，导致本地AI人才持续短缺。
AI可能加剧全球不平等，政策行动刻不容缓。
报告警告，AI若缺乏主动治理，可能扩大国家间及国内收入差距。发达经济体在生产力提升中占先，而发展中国家面临过早去职业化风险。报告呼吁各国政府优先投资4Cs，并配合财税、教育及社会保护政策，确保AI收益广泛共享。
报告回答的关键问题
发展中国家如何利用AI实现跨越式发展？
报告指出，发展中国家可通过采纳小型AI解决方案实现快速落地，例如使用开源AI模型进行本地化适配，在农业、教育、医疗等领域取得即时效益。同时需投资4C基础建设（连接、计算、情境、能力），形成可持续的AI生态。
AI会取代发展中国家的就业岗位吗？
报告认为，AI既创造新岗位也可能替代部分重复性工作。在数字化可交付服务领域，低技能岗位面临自动化风险，如菲律宾客服岗位预计三年内减少近半。但AI也催生了数据标注、提示工程等新职业，且更多扮演协作者角色而非完全替代。政府需加强再培训和社会保障。
开源AI模型对发展中国家有何重要意义？
开源AI模型降低了准入门槛，使发展中国家无需高昂许可费即可定制本地化应用。2022-2025年发布的知名AI模型中约半数开放权重，性能差距逐渐缩小。例如DeepSeek等模型展示了更低的训练成本。报告建议政府避免过度限制开源AI。
AI训练数据的语言不平等如何影响非英语国家？
英语在互联网内容中占45%，在开源训练数据集中占56%，导致非英语国家AI模型效果不佳。但视频等非文本数据语言分布更均衡，如YouTube上仅21%为英语。报告建议各国投资本地数据收集、使用翻译技术，并鼓励社区贡献多语言数据集。
报告中的代表性数据
高收入国家93%，中高等收入国家81%，中低等收入国家54%，低收入国家27%
互联网用户占比（2024年）
2024年，2022-2024年间，中低等收入国家驱动了全球互联网增长，但低收入国家仍仅27%人口上网，城乡、性别差距依然显著。
美国占全球安全互联网服务器的50%，其他高收入国家41%，其余国家9%
AI芯片与服务器集中度（2024年）
2024年，美国人均服务器数量是中等收入国家的200倍，是低收入国家的2万倍，显示算力资源的极度不均。
全球增长9倍，中高等收入国家增长16%，中低等收入国家增长11%
生成式AI技能岗位需求增长（2021-2024年）
2021-2024年，生成式AI岗位在发展中国家增速超过高收入国家（2%），但总量仍少（仅占所有岗位的0.2%），主要集中在IT和市场营销领域。
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：AI的定义、生态系统与重要趋势，分析AI对全球经济社会的潜在影响，包括劳动力市场、产业组织、贸易与收入分配。
- 第二章：连接（Connectivity），涵盖数字基础设施、5G与卫星互联网扩展、ICT商品与服务贸易趋势，以及数字采纳的城乡与性别差距。
- 第三章：算力（Compute），包括AI芯片市场结构、数据中心容量、云计算出口与算力鸿沟，以及各国应对算力壁垒的策略。
- 第四章：情境（Context），探讨训练数据产业链、语言多样性对AI的影响、开源与闭源模型的选择，以及政府在数据治理中的作用。
- 第五章：能力（Competency），分析数字技能分类、全球AI人才供需、职业数字化转型趋势，以及人才外流对发展中国家的冲击。
- 第六章：结论与政策建议，提出基于AI准备度的4C投资优先级，并讨论财税、劳动力与社会保护政策的调整方向。
- 附录A：三个主题案例研究——教育中的AI（印度与尼日利亚）、农业与能源中的AI、数字化可交付服务中的AI（菲律宾与乌兹别克斯坦），详细分析AI在不同部门的应用、障碍与政策启示。
- 报告包含大量数据图表，如按收入组划分的互联网覆盖率趋势、ChatGPT流量分布、国家AI准备度排名等，为政策制定者提供直观参考。
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。
