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，以“加强AI基础”为主题，系统梳理2025年全球人工智能发展格局。报告将AI视为一种不同于以往通用目的技术的新力量，界定其生态系统、主要趋势及对全球经济社会的潜在影响，并据此提出支撑各国AI采纳、适应与创新的四大基础支柱：连接（Connectivity）、算力（Compute）、情境（Context）与能力（Competency），简称“4Cs”。报告利用多源数据对各国在上述四个维度上的表现进行基准比较，分析供需动态，识别阻碍发展中经济体参与AI变革的市场失灵与外部性问题，并梳理不同AI准备水平国家的政策选项与权衡。对政策制定者、研究者和企业而言，本报告提供了一幅理解AI发展差距、识别优先投资方向、制定本土化AI战略的数据驱动路线图。

报告的核心结论

全球AI创新高度集中于高收入国家。

报告数据显示，高收入国家贡献了87%的重要AI模型、86%的AI初创企业和91%的累计风险投资，而除中国和印度外的中低收入国家合计仅占全球AI初创企业4%、融资和重要模型不足1%，创新鸿沟十分突出。

中低收入国家正通过“小AI”实现快速采纳。

报告指出，ChatGPT全球流量中超过40%来自中等收入国家，巴西、印度、印尼、越南等使用量居前，而低收入国家占比不足1%。“小AI”——廉价、可及、可在日常设备上运行——为资源受限国家提供了立即可见的发展工具。

个人AI采纳领先于企业与政府。

截至2025年4月，高收入国家24%的互联网用户使用ChatGPT，而企业层面的AI采纳即使在发达经济体平均仅8%。全球75%的知识工作者已使用生成式AI，其中78%的员工是自带AI进入职场，凸显了组织采纳的明显滞后。

4Cs是决定AI发展成效的关键基础。

报告提出连接、算力、情境和能力四大基础支柱。不同国家可根据自身AI准备度选择重点，如低准备度国家优先普及连接与基础数字技能，高准备度国家发展本地算力和前沿人才，从而避免投资错配。

数字技能差距与人才外流制约发展中国家AI参与。

2023年高收入国家66%人口拥有基础数字技能，而低收入国家不足5%；AI相关岗位需求在中高收入国家增长16%，但人才外流严重，孟加拉、尼日利亚等国数字人才流出是流入的3—4倍，削弱了本地发展动能。

报告回答的关键问题

什么是“小AI”？对发展中国家有何意义？

报告将“小AI”定义为价格可负担、易于获取、为日常设备设计的AI应用。它能在农业、教育、健康等领域立刻产生本地化影响，帮助资源有限的国家绕过传统发展障碍。虽然规模可能有限，但“小AI”让发展中国家今天就能获得AI的好处。

全球AI算力鸿沟有多大？

报告显示算力供给高度集中：2024年美国占据了全球50%的安全互联网服务器，其他高收入国家41%，世界其余地区仅9%；人均计算资源差距更为悬殊，美国服务器数量是典型中等收入国家的200倍、低收入国家的2万倍。

为什么AI技能需求比以往更快增长？

2021至2024年，要求AI技能的工作岗位在高收入国家增长2%，但在中高收入国家增长16%、中低收入国家增长11%；要求生成式AI技能的岗位全球激增9倍。AI正在从ICT岗位扩散到内容创作、营销和教育等领域，但仅占全球在线招聘的0.2%，总体仍处早期。

开源AI模型能否帮助发展中国家？

报告认为可以。开源模型降低了采用门槛，使发展中国家无需承担高额许可费即可针对本地语言和需求进行定制。2022年以来发布的308个重要AI模型中约一半开放权重，且性能与专有模型差距不断缩小，为发展中国家提供了替代方案。

报告中的代表性数据

高收入国家占87%重要AI模型、86%AI初创企业、91%累计VC融资

全球AI创新集中度

截至2025年7月，报告基于Epoch、OECD.AI等数据统计，而除中国和印度外的中低收入国家合计仅占全球AI初创企业4%、融资和重要模型不足1%。

高收入国家24%互联网用户使用，低收入国家0.7%

ChatGPT使用率

2025年4月，中等收入国家贡献了超过40%的ChatGPT全球流量，巴西、印度、印尼、越南位居前列；低收入国家占比不足1%。

高收入国家66%、中高收入38%、中低收入21%、低收入低于5%

基础数字技能拥有率

2023年，数字技能差距随技能层级加深，高收入国家拥有高级数字技能的人口不足10%，低收入国家低于1%。

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

  • 前沿数据与图表：报告包含大量原创图表，如AI生态系统分层图、各国AI创新与采纳基准图、算力分布图、技能供需趋势图，为理解全球AI格局提供直观可视化证据。
  • AI经济与社会影响分析：第1章从劳动力市场、产业组织、经济地理与国际贸易、生产率与收入分配四个维度，梳理AI可能带来的机遇与风险，并讨论了专家对AI未来的分歧。
  • 连接度基准：第2章详细比较各收入组别国家在移动网络覆盖、宽带速度、数据流量、ICT贸易等方面的进展与差距，并分析卫星互联网等新选项。
  • 算力市场全景：第3章剖析AI芯片、数据中心、云计算的供给格局和主要企业，讨论本国数据中心投资与跨境云服务的成本收益权衡，以及算力补贴、PPP等政策工具。
  • 训练数据与模型适配：第4章介绍训练数据生产链，分析英语主导与数据鸿沟问题，评估开源与专有模型的优缺点，为企业与政府选型提供参考。
  • 数字技能分类与劳动力市场证据：第5章建立基础、中级、高级数字技能分类，利用在线招聘数据追踪AI与GenAI技能需求变化，并分析教育供给与人才迁移。
  • 政策与投资优先级框架：第6章结合国家AI准备度（低/中/高）给出4Cs投资优先序表格，提出财政、劳动、教育等配套政策方向。
  • 三个主题案例研究摘要：附录A涵盖教育系统中的AI、农业与能源AI应用、数字交付服务转型，基于印度、尼日利亚、菲律宾、乌兹别克斯坦等国的一手调研，提炼可复制经验。
  • 参考文献与数据来源：报告列出大量学术文献、机构数据和工具，便于读者追溯原始统计口径和方法。

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