核心观点

全球三大趋势——数字化、绿色转型和人口老龄化——正在重塑亚美尼亚和格鲁吉亚的劳动力市场。这些趋势创造了新的机遇，也带来了风险。报告分析了这些趋势对劳动力市场的影响，并确定了政策重点，以应对风险并抓住机遇。

关键数据

• 数字化：2023年，亚美尼亚和格鲁吉亚的ICT部门对GDP的贡献率分别约为8%和6%。互联网使用率从2010年的25%上升到2023年的80%左右。
• 绿色转型：亚美尼亚和格鲁吉亚都致力于实现与欧盟标准和气候目标相一致，亚美尼亚的目标是在2030年将排放量比1990年减少40%，格鲁吉亚的目标是减少47%。
• 人口老龄化：到2050年，亚美尼亚和格鲁吉亚65岁及以上人口的比例预计将分别上升到24%和21%。
• 劳动力市场挑战：亚美尼亚和格鲁吉亚面临低劳动力参与率、高失业率和高职位空缺率的挑战。约6%的亚美尼亚企业和22.5%的格鲁吉亚企业报告称，缺乏合适技能是填补职位空缺的主要制约因素。

研究结论

• 增长的职业群体：数字化职业、绿色职业和医疗保健职业。
• 面临风险的职业群体：易受计算机化影响的职业、易受人工智能影响的职业和棕色职业。
• 关键技能：
  • 数字化技能：计算机和电子设备知识、编程、工程和技术、电信和设计、数据分析、运营分析、系统评估、系统分析、数学。
  • 绿色技能：工程和技术、设计、物理学、机械、建筑和施工、数学、化学、数学推理、科学、系统分析。
  • 医疗保健技能：医学和牙科、治疗和咨询、生物学、心理学、科学、客户服务、个人服务、社会感知和以服务为导向的能力。
• 技能差距：亚美尼亚和格鲁吉亚的劳动力普遍存在数字技能、绿色技能和医疗保健技能差距。
• 政策建议：
  • 建立以数据为基础的就业服务，以监测技能需求并改善雇主、教育机构和公共机构之间的协调。
  • 促进终身学习和支持职业转型，以避免在快速变化的环境中出现技能不匹配，并使从事衰退职业的工人能够转入新兴领域。
  • 使工人的技能与行业需求相一致，通过将核心技能纳入各级课程，并针对特定部门的需求量身定制培训。
  • 协调社会保护计划，以鼓励转型并降低其风险，确保社会从现代化和脱碳中公平地受益，并为那些突然失业的工人提供社会安全网。

本研报探讨了未来十年低中和中等收入国家（LMICs）教育系统可能面临的挑战，并分析了人工智能（AI）和全球冲突与危机增加这两个驱动因素将如何改变教育系统。

核心观点

• 人工智能将在教育系统中发挥越来越重要的作用，但同时也带来了新的挑战和机遇。
• LMICs 政府在适应和利用人工智能方面能力参差不齐。
• 人工智能产品的使用可能会加剧全球不平等。

关键数据

• 每周有 2 亿人使用 ChatGPT。
• 42% 的英国教师使用生成式人工智能（GenAI）。
• 中等收入经济体贡献了全球 50% 以上的生成式 AI 工具流量，而低收入经济体贡献不到 1%。
• 2021 年世界风险调查表明，LMICs 的人们不太可能相信人工智能将在未来 20 年内“主要帮助”人们。

研究结论

• 七个确定性较高的趋势
  1. 人工智能支持教师，特别是处理行政任务。
  2. 人工智能支持学校管理者进行学校管理。
  3. 人工智能增强学生反馈和按适当水平教学。
  4. 人工智能支持学习者，特别是提供定制内容和反馈。
  5. 人工智能产品将加剧全球不平等。
  6. 人工智能基础设施的成本将加剧全球不平等。
  7. LMICs 政府正通过监管活动和指南变得越来越积极。
• 七个不确定性较高的趋势
  8. 人工智能正在改变端到端的评估过程。
  9. 生成式 AI 工具产生不准确和有偏见的输出。
  10. 人工智能正在缩小国家教育系统内部和外部的差距，包括通过定制和创建教育资源。
  11. “大科技”将主导教育领域人工智能产品的格局。
  12. 人工智能在教育领域不是一个“赢者通吃”的市场。
  13. 人工智能产品存在重大的环境影响。
  14. 不同群体正在联合起来进行认知和采取行动。
• 五个 2035 年教育系统情景
  • 大规模个性化学习。
  • 人工智能支持的管理和评估。
  • 人工智能加剧不平等。
  • 大科技主导。
  • 开源和多元化。

本研报旨在帮助 LMICs 政府和教育利益相关者了解人工智能在教育系统中的潜在影响，并为应对未来的挑战做好准备。

核心观点

金融服务机构正面临宏观经济不确定性、合规要求、欺诈风险、客户期望转变和劳动力老龄化的多重挑战。代理人工智能（AI）作为一种能够推理、行动和编排多步骤流程的先进技术，正在帮助金融机构增强韧性、加速关键流程、改变客户体验并开启新的增长机会。

代理AI超越了传统AI的能力，能够自主执行一系列任务，并与人类专业知识协同合作，形成“前沿组织”。这种组织能够以更快的速度、更高的精准度和更强的韧性运营。

关键数据

• 全球因欺诈行为导致的银行损失预计将达到580亿美元（截至2030年）。
• 金融服务业90%的受访者认为，合规要求正变得越来越复杂。
• 84%的企业正寻求利用技术来帮助它们自动化和优化合规性及交易监控活动。
• 欧盟的人工智能法案将于2026年全面实施，其中一些条款将提前适用。
• 在保险行业，超过三分之一的员工年龄超过50岁。

研究结论

• 代理AI在银行、保险和资本市场领域都有广泛的应用场景，包括金融犯罪和监管流程、客户互动与个性化、贷款和信贷决策、承保与风险评估、索赔与欺诈管理、客户服务和留存、员工韧性、研究与分析加速、客户咨询与个性化、交易和尽职调查操作、风险、流动性和合规管理。
• 成功实施代理AI需要构建可重复使用、全企业范围的人工智能基础架构，并将战略、治理、技术、人才和交付相连接。
• 金融机构需要制定大胆而负责任的人工智能愿景，提升组织的素养和信心，围绕价值链而不是孤立的任务重新设计运营模式，现代化数据与云基础设施，将负责任的人工智能嵌入到部署的每个阶段，并将这些原则扩展到实时监控和控制，并培养能安全加速采用的合作伙伴关系。
• 普华永道和微软都擅长于帮助金融机构负责任地、大规模地部署智能代理AI，并致力于负责任AI原则。

未来展望

那些先行一步、负责任地扩大规模并在整个生态系统中协作的企业，不仅将驾驭未来的动荡，还将塑造一个更具韧性、更智慧、更以客户为中心的行业。

算力中心与新能源协同发展

算力与算力中心

• AI与算力关系：算力是AI发展的核心基础设施，AI进步推动算力需求增长和技术革新。训练复杂模型需要巨大算力，算力决定模型规模和性能。
• 算力需求爆发：AI训练算力需求指数级增长，专用硬件（GPU、TPU、NPU）兴起。算力限制应用场景，实时AI依赖低延迟算力，边缘计算需平衡算力与能耗，算法优化降低算力门槛但性能仍受算力制约。
• 算力定义：算力是数据中心服务器处理数据实现结果输出的能力，是集信息计算力、网络运载力、数据存储力于一体的新型生产力。
• 算力类型：
  • 基础算力（CPU芯片）：移动计算、物联网等
  • 智能算力（GPU/AI芯片）：AI训练和推理
  • 超算算力（超级计算机）：尖端科学领域计算
• 中国算力现状：
  • 规模全球第二（230EFLOPS，占全球30%）
  • 增速全球第一（年增长率超30%）
  • 结构：通用算力50%，智能算力40%，超算算力10%
  • 区域：东西协同发展，东部需求集中但受限，西部依托新能源建设绿色算力中心
• 发展趋势：
  • 绿色算力：2025年新建数据中心绿电使用率超50%，PUE<1.25
  • 边缘算力：2025年边缘数据中心或超10万个
  • 国产化：2024年国产AI芯片市占率或达40%

新能源

• 新能源定义：可再生、低碳排放或环境友好特征的能源形式。
• 主要类型：
  • 太阳能：资源无限但依赖光照，需储能技术
  • 风能：清洁无污染，陆上/海上互补，间歇性强
  • 核能：高能量密度零碳排放，存在核废料处理争议
  • 水能：常规水电和抽水蓄能，受地理限制
  • 生物质能：利用农林废弃物，沼气、生物乙醇技术成熟
  • 地热能：稳定可靠但开发成本高
  • 海洋能：潮汐能、波浪能，资源潜力大但技术不成熟
  • 氢能：高热值零碳但制储运成本高
• 中国新能源现状：
  • 装机规模：突破10亿千瓦，占全国总装机约40%
  • 发电量：1.8万亿千瓦时，占总发电量18.5%
  • 痛点：
    • 资源与负荷空间错配
    • 电网消纳与稳定性挑战
    • 并网难题：波动性导致电网频率控制困难
    • 西电东送瓶颈：特高压线路利用率不足70%
    • 分布式发展滞后：东部屋顶光伏渗透率不足5%

算力中心与新能源协同

• 协同意义：实现数字经济绿色低碳发展，推动能源革命，构建新型电力系统。
• 协同模式：
  • 东数西算：东西部资源互补，引导算力中心向西部倾斜，加强跨区域输电网络建设。
  • 绿电直供：新能源发电企业直接向算力中心供电，降低用电成本。
  • 源网荷储一体化：整合电源、电网、负荷和储能资源，实现能源高效利用。
  • 储能：作为备用电源，确保电力供需平衡。
  • 绿电交易：建立数据中心绿电交易市场，促进新能源产业发展。
  • 智能调度与双向互动：柔性负荷技术、数字李生平台优化资源分配。
  • 边缘计算与分布式能源协同：形成“微电网+边缘数据中心”单元。
• 案例：
  • 乌兰察布华为数据中心：绿电覆盖率达100%，电费比上海便宜40%
  • 宁夏中卫数据中心：配备4小时锂电池储能
  • 亚马逊宁夏数据中心：通过绿电交易每年减少碳排放50万吨
• 结论：算力与新能源融合已从“绿电替代”升级为“双向赋能”生态系统，新能源为算力供能，算力为能源系统增效，是推动数字经济发展和实现“双碳”目标的重要路径。