核心观点

巴西正面临着人工智能（AI）带来的巨大机遇和挑战。该计划旨在推动巴西在人工智能领域的发展和应用，并将其用于解决国家面临的重大社会、经济、环境和文化挑战。

关键数据

• 计划总投资 230 亿雷亚尔，至 2028 年。
• 投资将分为即时影响行动（1.9%）和结构性行动（98%）。
• 结构性行动将集中在五个关键领域：
  • 人工智能基础设施和发展
  • 人工智能的传播、培训和能力建设
  • 人工智能公共服务改进
  • 人工智能企业创新
  • 人工智能监管和治理支持

研究结论

• 巴西在人工智能领域具有独特的优势，如清洁能源矩阵、强大的研究能力和在农业、卫生和环境等领域的专业知识。
• 巴西需要解决的关键挑战包括：增加研发投资、建立先进的数字基础设施、培养人工智能人才以及减少数据获取方面的差距。
• 该计划将通过一系列行动来应对这些挑战，并确保人工智能的发展惠及所有人。

主要行动

• 即时影响行动将专注于解决特定问题，例如：
  • 利用人工智能改善医疗保健、教育、农业和社会服务。
  • 开发支持政府决策和提高服务效率的解决方案。
  • 促进人工智能在企业中的应用，提高生产力和竞争力。
• 结构性行动将着重于建立可持续的生态系统，例如：
  • 扩大人工智能研究能力，建立数据中心和超算中心。
  • 培养人工智能人才，从基础教育到高等教育。
  • 制定人工智能监管框架，确保其负责任和合乎道德的使用。
  • 加强国际合作，共同应对全球人工智能挑战。

预期影响

• 该计划将使巴西成为人工智能领域的全球领导者，并为其带来经济效益和社会效益。
• 人工智能将用于改善巴西人民的生活，并帮助该国实现可持续发展目标。
• 巴西将能够在人工智能领域发挥更大的影响力，并为其在全球事务中发挥更大的作用。

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。

核心观点

• 技术融合是竞争优势的新逻辑：当前时代的技术突破越来越多地源于多个技术领域的交叉融合，而非单一领域的进步。技术融合不仅仅是技术的简单叠加，而是一种协同运作的商业模式。
• 3C 框架：组合、融合和倍增是技术发展的三个并行循环阶段，共同塑造了组织在规模化和价值创造方面的方法。
  • 组合：将成熟技术与早期技术相结合，产生突破性创新。
  • 融合：技术组合形成价值链，并重新分配竞争优势。
  • 倍增：通过采用技术组合，能力得到倍增，产生指数级影响。
• 融合的价值创造模式：
  • 瓶颈转移：技术融合会转移瓶颈，从单一约束转变为数字-物理混合瓶颈，并重新配置价值链。
  • 技术整合：成功采用融合技术需要跨团队、流程和生态系统的有效整合。
  • 价值扩展：融合技术不仅转移价值集中地，还增加了市场的总价值。

关键数据和研究结论

• 八个关键技术领域：人工智能 (AI)、全计算、工程生物学、机器人、先进材料、空间智能、量子计算和下一代能源。
• 案例分析：
  • 医疗保健：认知机器人系统通过结合机器人、AI 和空间计算，提高了手术的效率和精度。
  • 先进制造业：数字孪生生态系统通过结合全计算、AI 和先进材料，优化了设计和生产流程。
  • 能源：智能电网通过结合先进材料和下一代能源技术，实现了能源的灵活分配和优化。
  • 生命科学：自主实验室通过结合 AI、工程生物学和机器人技术，加速了材料发现和药物研发。
  • 人机交互：非侵入式脑机接口通过结合工程生物学、全计算和空间智能，实现了更自然的人机交互。
• 规模化融合技术的关键因素：
  • 协调能力：组织需要具备整合技术、协调团队和与合作伙伴有效合作的能力。
  • 生态系统参与：组织需要积极参与生态系统，建立信任、透明度和适应性。
  • 能力转移：组织可以从相关行业转移、改编或重新利用能力，以加速发展并降低风险。
• 三种 monetization 模式：
  • 基于服务的交付：将资本要求、运营风险和系统复杂性转移给服务提供商，例如机器人即服务 (RaaS)。
  • 平台和市场模式：通过协调参与者之间的连接来创造价值，例如 Black Lake 的工厂网络平台。
  • 生态系统标准和许可：通过制定标准来使整个生态系统依赖于其能力，例如 USB 标准和 Kubernetes。

总结

技术融合正在重塑整个价值链，并重新分配竞争优势。组织需要具备整合技术、协调团队和与合作伙伴有效合作的能力，才能从技术融合中获益。通过积极参与生态系统、转移能力并采用合适的 monetization 模式，组织可以将技术融合从技术承诺转化为实际影响，并创造可持续的竞争优势。

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。