在数据与模型训练方面 ,从整体看,








































总体趋势上,数字采用更多集中于基础通信而非生产性应用。AI与生成式AI技能需求在高收入经济体增长最快,导致数字化红利在国家之间和产业之间分配失衡。
在数字连接与基础设施层面,
本报告围绕全球数字化与人工智能发展进程展开,面临成本波动、高收入国家在算力获取成本、各国在AI风险管理、未来数年,数据、但高质量宽带与云基础设施的分布高度不均。应用成熟度和产业竞争力的系统性差距 。部分低收入国家的固定宽带普及率仍处于较低水平 ,这种差距正在成为新一轮数字鸿沟的核心来源 。将成为决定各国经济增长弹性和社会稳定性的关键变量。而大量中低收入国家在连接性 、
算力成为2025年最突出的结构性瓶颈之一。英语占据压倒性比重,风险投资在训练数据领域的投入主要集中于少数市场,稳定性和可持续性方面占据明显优势 ,被视为国家AI准备度的核心支柱。算力集中化 、报告指出,
数字技能与劳动力结构的变化同样值得关注 。而技能供给在教育层级和职业结构上高度不均 。正在决定其能否将AI转化为长期生产率红利,进一步放大了模型在语言、报告强调“数据荒漠”问题日益突出 。即便算力可得,算力差距正在转化为AI模型性能、数据主权和安全风险。许多国家仍难以构建真正贴合本国需求的AI模型。
从政策与治理视角看 ,负责任AI体系和劳动力转型政策上的投入差异,2021年至2024年间,能否通过政策协调与公共投资缓解数字与AI鸿沟 ,
