报告概述
本报告基于联合国开发计划署（UNDP）在2024年至2026年间完成的26项人工智能格局评估（AILA），探讨在人工智能已开始进入公共系统、市场和日常服务的背景下，各国如何重新理解“AI准备”的含义。报告采用全社会参与的方法，结合定量指标、利益相关者观点和多利益相关方验证，识别影响AI采用的实际条件。研究对象包括政府、私营部门、学术界和公民社会，覆盖数字基础设施、数据治理、人才、生态系统和治理机制等维度。报告旨在帮助读者从“国家是否准备好”转向“国家是否在构建引导AI采用的条件”，为政府、发展伙伴和生态系统参与者提供决策参考。
报告的核心结论
政治关注并非主要制约因素
在大多数被评估国家，高层对AI的关注已经存在，但将关注转化为实施所需的管理机制、资金、协调能力和问责制仍面临挑战。许多国家拥有AI叙事和战略，但缺乏跨机构协调、采购指南和监督架构，导致活动分散且与公共优先事项脱节。
AI采用通常通过系统而非策略实现
决定AI采用的选择往往在正式AI政策之外通过采购流程、供应商平台、数字公共基础设施、企业软件和现有工作流程作出。这导致AI进入公共服务时可能缺乏可见性和问责性，治理和风险问题在未被识别为AI决策时已形成。
数据决定采用是否转化为实施
AI系统的可靠性、包容性和可持续性取决于数据质量、可访问性和治理水平。许多国家存在数据碎片化、低质量和弱互操作性问题，限制了AI在真实系统中的应用。数据改革被视为制度基础设施，而非单纯技术问题。
基础设施决定能动性而不仅仅是能力
连接性、计算能力、云服务和能源等基础设施条件决定了国家能否适应、采购和治理AI系统。当基础薄弱时，采用条件更多由外部供应商塑造，国家自主权受限。基础设施投资应评估其是否扩展了国家做出审慎选择的能力。
生态系统决定基础是否转化为本地价值
基础设施和技能等投资只有在公共需求、企业、大学、融资和安全保障相互连接时才能创造实际价值。生态系统能力取决于各参与者是否围绕具体应用目标而非孤立项目组织，从而避免每次AI浪潮都消耗而非积累本地能力。
报告回答的关键问题
什么是人工智能格局评估（AILA）？
人工智能格局评估（AILA）是联合国开发计划署（UNDP）开发的社会诊断框架，旨在理解塑造AI采用、治理和生态系统发展的条件。它结合定量指标、利益相关者视角和情境分析，通过政府、私营部门、学术界和公民社会的参与，识别机遇、约束和实施挑战，支持各国以符合可持续发展目标的方式采纳AI。
AI采用开始后，什么变得具有约束力？
报告指出，AI采用开始后，数据质量与治理、基础设施（计算、连接、人才）、生态系统连接性（公共需求、企业、研究）以及治理实施（采购、监督、问责）成为约束条件。这些条件决定了AI能否负责任地实施、适应本地需求并可持续。问题不再是抽象的准备度，而是各国能否快速连接这些要素以塑造已发生的采用。
为什么AI采用通常先于正式政策？
AI往往通过数字化转型计划、供应商平台、企业软件、采购决策和现有工作流程进入公共系统，这些渠道在未被识别为AI政策问题时就已带来AI功能。因此，在政府制定专门AI战略或立法之前，采用已在进行中，导致治理滞后，且依赖关系和风险可能在未被注意时形成。
如何评估AI采用是否有利于可持续发展？
报告建议通过一系列引导性问题进行评估：AI系统进入哪些领域？谁在塑造采用？是否有运营授权使关注转化为执行能力？基础投资是否扩大国家能动性？早期举措是否产生可复用的能力？安全措施是否嵌入采用环节？通过跟踪谁受益、谁承担成本、风险如何被管理，可以判断采用是强化公共价值还是加深依赖。
报告中的代表性数据
完成的人工智能格局评估数量
2024年至2026年，截至报告撰写时，UNDP在26个国家完成了AILA评估，另有10余项正在进行中。这些项目基于政府需求和UNDP国家优先事项，覆盖不同区域和数字化成熟度。
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
- 26项人工智能格局评估（AILA）的完整国家案例与比较分析，展示不同制度能力、数字化成熟度和发展优先事项下的AI采用模式。
- 六个核心模式（政治关注、采纳体系、数据、基础设施、生态系统、治理）的详细论证与国别证据，包括每个模式下的具体约束和机遇。
- 针对政府、发展伙伴和生态系统参与者的八个引导性问题与决策点，用于评估AI采用是否在强化负责任和可持续的条件。
- AILA方法论说明，包括混合方法设计、证据来源（案头研究、利益相关者调查、专家咨询、外部指标）和多利益相关方验证流程。
- 从政治关注到治理执行的全链条实施测试框架，解释各要素如何相互连接，以及薄弱环节如何影响整体采用结果。
- 关于AI信任与安全重塑计划的介绍，将负责任AI视为采用系统的组成部分，并阐述采购、供应商管理和生命周期监督等具体治理杠杆。
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。
