全球智能鸿沟的演化趋势、多维影响与合作治理路径

之江实验室智能社会治理实验室 编写组 智库 之江实验室智能社会治理实验室 组长 董波发展战略与合作中心主任 成员 覃缘琪发展战略与合作中心高级研究专员赵宇超发展战略与合作中心高级研究专员 目录 内容提要01 人工智能技术发展加速全球智能鸿沟演进02 (一)算力资源投入的规模需求抬高创新准入门槛02(二)以闭源为主的发展路径依赖阻碍全球知识共享02(三)顶尖AI人才的集聚效应加剧技术资源分化03 (一)全球科技与产业发展的结构性失衡03(二)全球资源消耗与发展机会分配的不均衡加剧04(三)发展中国家在全球科技治理中的话语权缺失04 三、5弥合全球智能鸿沟的合作治理路径05 (一)构建开放基础设施，推动创新资源普惠获取05(二)打造国际公共产品，激发多边主体创新活力06(三)培育开源开放生态，降低技术研发准入门槛06(四)强化本土能力建设，缩小全球智能人才鸿沟07（五）完善多边协同机制，促进智能红利公平共享07 内容提要 由之江实验室智能社会治理实验室发布的《全球智能鸿沟的演化趋势、多维影响与合作治理路径》，系统分析了全球智能鸿沟的关键演化趋势、造成的多维影响，并前瞻性地提出了合作治理路径。 研究揭示，新一代人工智能技术正通过算力、服务与人才三大维度筑高准入壁垒：持续性、规模化智能算力需求构筑“技术准入鸿沟”；以闭源为主的人工智能商业模式催生“技术辐射鸿沟”；顶尖AI人才向发达国家的高度集聚加剧“顶尖人才鸿沟”。三者交织叠加，正在加速技术创新主导权向少数国家与科技巨头集中的进程，推动全球智能鸿沟持续深化。 这种结构性失衡引发了深远的系统性风险。其一，在全球产业层面，后发国家面临从“梯次追赶”滑向“系统性依附”、并在价值链重构中被全方位“替代挤压”的双重困境。其二，在生态环境层面，AI竞赛的高资源消耗加剧了全球能源与碳排放空间分配的不公，生态环境代价却沿产业链进一步向弱势国家转移。其三，在全球治理层面，谈判议程主要由发达国家主导，致使广大发展中国家长期处于“规则接受者”的被动地位，削弱了国际治理体系的公平性。 为应对全球性挑战，摆脱上述困境，报告呼吁国际社会超越零和博奔与单向援助，共建一个“五位一体”、团环联动的合作治理框架。具体路径包括：构建普惠共享的开放创新基础设施，破除接入壁垒；打造聚焦可持续发展的国际公共产品矩阵，促进知识共享；培育人工智能开源开放生态，赋能全球开发者共同体；强化本土人才能力建设，实现从“输血”到“造血”的转型；最终，在联合国等多边框架下共筑互惠互利的全球治理体系，确保智能红利公平普惠。这五维路径有机协同，将助力“全球南方”国家切实提升人工智能创新发展的参与深度与治理话语权，引导人工智能迈向服务全人类共同福证的可持续发展轨道。 一、人工智能技术发展加速全球智能鸿沟演进 以深度学习、大模型和生成式人工智能为核心的新一轮技术浪潮，正以前所未有的深度和广度重塑全球创新格局。相较于早期AI范式，本轮技术发展在算力规模、开源生态构建及复合型人才培育等方面的需求均呈现出根本性差异，在全球范围内催生并加剧多层次智能鸿沟。 的“技术准入鸿沟”却将欠发达国家排除在核心创新循环之外，严重制约其利用AI推动产业转型与智能化升级的能力。 二）以闭源为主的发展路径依赖阻碍全球知识共享 (一)算力资源投入的规模需求抬高创新准入门槛 开源模式是人工智能技术得以快速普及与选代的核心驱动力。早期如TensorFloW、PyTorch等开源框架通过降低创新门槛、促进知识扩散，不仅推动了全球开发者社区的指数级增长，更奠定了开放协作的技术范式基础。近年来，以DeepSeek、Qwen为代表的开源模型依托“低成本API+生态共建”模式，继续推动技术知识的全球共享与本地化应用。 以大模型为代表的AI前沿突破，其训练与推理高度依赖规模化智能计算资源。与早期浅层学习模型不同，大模型训练通常需处理千亿级训练数据并执行超大规模并行计算，单次模型训练成本动鞭高达数百方美元，智能算力由此成为决定技术创新能力的核心约束与战略资产，对资源票赋有限的发展中国家构成系统性壁垒。 然而，与全球倡导的开放创新氛围相悸，商业闭源策略因路径依赖依然盛行，形成阻碍知识共享的壁垒。一方面，部分企业将核心模型权重、训练数据与架构私有化，通过专利墙限制技术外溢。联合国在2025年7月发布的一份报告5中指出，许多资源遗乏国家因能力与渠道受限，本就难以自主开发AI技术，而高昂的闭源模型授权费用更远超其承受能力，致使其被排除于主流AI治理与应用之外。另一方面，“高价值API与订阅制”成为受追捧的商业模式，将技术访问转化为高额付费服务。例如，GPT-5.2pro的API调用成本高达21美元/百万tokens（输入端）和168美元/百万tokens（输出端）；olpro、Claude、Gemini等主流模型的月订阅费用均超过200美元。相较之下，开源方案的边际成本更低，如QwenAPl价格最低仅0.8元/百万tokenS。 随着智算资源竞争进入白热化阶段，全球算力投资呈现高度集中化态势，智算中心建设正从“方卡”规模向“十万卡”时代迈进1。EpochAl数据显示，截至2025年5月，美国占据全球近75%的AI算力，中国以15%位列第二，而广大欠发达地区占比总和不足10%2。在头部企业加速布局算力设施的同时，多数发展中国家甚至缺乏支持基础AI推理的数据中心1。即便差距显著，云服务商和科技巨头仍在持续加大智算资源投入。据美国数据分析机构Bloomberg预测，2026年，美国微软、谷歌、亚马逊、Meta四家企业的AI基础设施支出将超过6000亿美元，同比暴涨超70%3。中国科技企业亦全力跟进，阿里巴巴计划在2025至2027年间投入超3800亿元用于云计算及AI硬件，投资金额超过去十年总和4，腾讯、字节跳动2025年在AI基础设施领域的资本支出均超过千亿元。 人工智能闭源模型的高使用成本严重削弱了AI技术作为国际公共产品的普惠属性，使全球开发者无法公平参与顶尖模型的优化与创新。若不打破这种闭源路径锁定，由此形成的“技术辐射鸿沟”将持续加剧全球AI实力的两极分化，阻碍人工智能普惠价值的真正实现。 当前，智算资源的垄断性格局正使技术创新主导权加速集中于少数国家和巨头企业手中。这种集中化投资虽在短期内推动了技术前沿的快速拓展，但其引发 二、全球智能鸿沟的多维影响与风险 随着生成式人工智能从技术爆发期进入深度沉淀与商业落地期，全球范围内的智能鸿沟已不仅体现为信息接入的快慢，而演变为一种涵盖底层基础设施、技术自主性及全球治理话语权的深层次失衡，将对全球产业生态、资源公平分配及治理秩序产生深刻且难以逆转的影响。 (三）顶尖AI人才的集聚效应加剧技术资源分化 从基础理论突破到技术应用落地，AI的每一次飞跃都离不开顶尖人才的高阶思维与创新能力的驱动。新一代AI系统融合了前沿算法、大规模分布式计算与硬件工程化，对人才的复合能力要求远超传统领域，形成了更高维度的专业门槛 (一)全球科技与产业发展的结构性失衡 发达国家依托顶尖高校、科技巨头与资本优势，构建起高密度的顶尖人才虹吸网络。以美国为例，通过高薪策略与成熟的科研生态持续吸引全球顶尖人才。例如，Meta曾开出四年3亿美元的天价薪酬招募顶尖A研究员，并通过向ScaleAl投资143亿美元的"收购式招聘”收编其联合创始人与核心团队。这种集聚效应已导致顶尖技术资源的系统性分化。据MacroPolo智库统计1，全球最顶尖的AI人才（前2%）中，75%来自美中两国，57%的顶尖人才选择在美国供职，使美国稳居顶尖人才净流入榜首。2025年《时代》周刊“TIME100AI领导者”榜单中，美国企业领袖占比超50%，而非洲、拉美等欠发达地区几乎无人上榜，顶尖人才资源的全球分布失衡格局日益凸显。 全球智能鸿沟的主要影响，在于底层技术体系与产业竞争力的结构性分化。这种极化格局与传统工业时代的垂直分工有本质不同，其核心特征体现在以下两个方面。 首先，技术创新由“梯次追赶”转向“系统性依附”。在工业时代，后发国家尚可通过引进专利或人才、购买设备等方式实现技术跨越；但在人工智能时代，竞争由单一的产品转向了“算力一数据一模型”的深度集成。由于缺乏自主的计算基础设施和核心算法体系，发展中国家的科研与产业活动不得不建立在跨国平台的技术架构之上3。这种深层依赖不仅削弱了本土机构在知识生产中的独立性4，更使其在全球地缘政治波动中，面临因关键技术授权中断而导致的系统性瘫痪风险，难以构建自主可持续的技术演进体系5。 与此同时，顶尖AI人才需求压力正沿全球产业链向欠发达国家快速传导？，后者深陷“培养难”与“留用难”的双重困境。中国虽在应用层人才储备上进展迅速，但基础理论研究人才依然紧缺，截至2025年，其A人才缺口高达500万人。更多欠发达国家则因教育体系滞后与研发投入不足，极度缺乏本土顶尖人才的培养能力与吸引力。这种“顶尖人才鸿沟”严重制约国家内生创新动能，智能鸿沟从资源层面延伸至核心人才层面，进一步固化全球AI发展的失衡格局。 其次，全球价值链正从“互补合作”转向全方位“替代挤压”。智能化浪潮正在重塑全球产业的比较优势，尤其对后发国家的传统劳动力优势构成直接冲击。一方面，随着AI与智能制造在发达经济体中的广泛应用，自动化生产的成本优势开始抵消发展中国家的人力成本红利，驱动制造业向发达国家回流，产生明显的替代效应。另一方面，在产业链的重构过程中，缺乏本土AI 面缺乏清洁能源与稳定电网的支撑，无法通过大规模建设绿色数据中心等方式来抵消外部影响，只能被动承担由气候变化和环境恶化带来的负面后果。另一方面，后发国家的“技术自救”能力不足，缺乏利用人工智能适应和减缓灾害风险的基本条件，难以开展气候预测、农业旱涝预警或能源系统动态优化等智能化项目的研发与应用，导致其生态环境承载力被进一步削弱。 创新能力的国家难以向高附加值环节跃升，面临被锁定在“数据标注、基础运维”等低技能数字劳动末端的风险。这种“低创新投入一低生产率一低价值分配”的循环，极易使后发国家在全球智能分工中进一步被边缘化，拉大与领先经济体的差距1。 (二)全球资源消耗与发展机会分配的不均衡加剧 (三)发展中国家在全球科技治理中的话语权缺失 智能鸿沟的影响已溢出虚拟空间，深刻触及物理世界的资源分配与环境正义。人工智能的竞争本质上已演变为一场昂贵的资源争夺战，其对电力、水及土地的高强度需求，正加剧全球资源消耗的不均衡与不对等2。 在人工智能全球治理的维度上，智能鸿沟最深远的影响体现为规则制定权与发展解释权的南北失衡。首先，在当下国际人工智能治理框架构建过程中，大量发展中国家处于“缺席”或“被代表”状态，话语权严重不足。一方面，相关治理框架未及时纳入发展中国家在基础设施不足、人才流失、技术主权等方面的特殊关切。另一方面，面对由主要经济体制定的复杂合规体系，发展中国家往往缺乏足够的资源和能力进行本地化实施与合规转化，削弱了其对全球治理安排的认同感和执行积极性。 首先，发达国家通过超量消耗能源和挤占碳排放空间，变相剥夺欠发达地区的未来发展权利。由于全球能源治理体系长期存在的结构性矛盾，发达国家凭借资本优势和基础设施先发优势，优先锁定并消耗了大量全球低廉且稳定的能源3。这种对能源配额的实质性挤占，使得许多本就资源匮乏的欠发达地区，在追求本国人工智能发展的道路上，面临更加严苛的能源价格波动和电力供应短缺，透支了全球潜在的可用能源与低碳发展配额4。同时，这种资源消耗的非对称性加剧了全球范围内的发展分化。发展中国家在承担巨大的能源消耗与碳排放环境成本的同时，却往往处于价值链底端，无法获取与之匹配的技术溢出红利与经济收益。这种“高消耗、低获益”的格局，进一步固化了南北发展落差。 其次，由高能耗产生的生态代价，正通过全球产业链和环境系统向弱势国家转移5。许多发展中国家一方 其次，在人工智能和相关数字规则领域，广大发展中国家与中小经济体更多处于“规则接受者”的被动地位。