一、全球智能鸿沟的演变态势与多维表征
- 智能鸿沟的定义与演变：智能鸿沟是继接入鸿沟和素养鸿沟之后，围绕算力、算法、数据等展开的系统性不平等，比传统数字鸿沟更具外生性和隐蔽性。其正从早期的数字化基础能力差距，加速向智能化收益分配差距和规则制定权差距深化。
- 全球AI准备度的梯度分层与发展壁垒：国际货币基金组织（IMF）的AI准备度指数（AIPI）显示全球AI准备水平显著分层，先进经济体处于领先梯队，低收入国家在多维度上普遍存在短板，形成AI发展赛道上难以逾越的“起跑线差距”。
- 资本驱动下的企业AI应用分化与收益失衡：全球AI扩散呈现表面繁荣与内部分化并存的态势，大企业与中小企业之间存在显著差距，但“使用AI”并不等于“从AI中稳定获益”，企业之间存在明显的采纳鸿沟、能力鸿沟与价值鸿沟。
- 算力基础设施的全球失衡与关键资源的集聚分布：高性能计算系统、大型数据中心等智能时代的基础设施在全球范围内高度集中，中低收入国家在系统数量和算力容量上明显不足，形成严重的“算力赤字”。
- 数据代表性缺失与算法体系的语境适配偏差：全球主流大模型的训练语料、评测标准与价值对齐机制，整体上仍以英语世界和发达国家场景为主，导致大量低资源语言、地方知识与非西方社会经验在训练数据中被低度表示甚至缺席，形成“数据贫困”与“文化对齐偏差”。
- 全球劳动力市场的技能分化与价值链分层：AI重组劳动结构、重估技能价值，并重新划分全球劳动分工，高技能岗位获得更高工资溢价，而大量中低技能、可流程化的白领岗位面临更高替代风险或岗位降级风险。全球价值链中的“上下游分化”也日益明显。
- 治理赤字与“规则鸿沟”：AI技术发展陷入“科林格里奇困境”，不同国家对AI的核心关切存在显著差异，当国际AI规则制定主要由少数发达经济体主导时，极易出现治理议程的错位，将进一步扩大智能鸿沟。
二、智能鸿沟的底层逻辑：技术、资本与政治的“不可能三角”
- 智能鸿沟的底层逻辑：根植于技术、资本与政治三种力量的相互交织与深层矛盾之中，这三者共同构成了阻碍AI全球普惠的“不可能三角”。
- 技术垄断：前沿大模型的训练成本正呈指数级增长，物理基础设施的分布呈现极端的全球不平衡，发展中国家不仅难以进行自主的大模型研发，还被迫在AI产业链中处于被动接受的底层位置。
- 资本密集型的“硅谷模式”：风险投资驱动的科技竞赛，使得资本将短期财务回报与商业生态绑定置于首位，资本要素的地域集中度极高，少数科技巨头不仅开发前沿模型，还掌握着云计算、数据中心和终端应用，形成了高度的垂直整合。
三、科技创新是破解智能鸿沟的根本引擎
- 以DeepSeek模式为代表的自下而上开源创新路径：通过开放协作、算法创新与工程优化，系统性挑战“高资本垄断前沿AI”的既有叙事，将AI定位为“智能公共物品”。
- DeepSeek路径的意义：为智能公共物品提供了现实基础，以技术路径创新持续降低AI研发与应用的准入门槛，以开放协作模式重构全球知识生产与共享的底层方式，以透明化机制提升AI治理的可审查性与可监督性，以轻量化部署方案大幅拓展智能技术的场景可达性与落地可行性，更以本土化改造能力强化技术与不同区域文化、制度的适配性。
四、迈向全球智能普惠的战略路径建议
- 以DeepSeek模式为代表的自下而上开源创新路径：推动形成面向发展中国家和中小企业的“开源模型可及性计划”，建立区域性开源AI协作节点，将“DeepSeek路径”与本地场景创新机制绑定，建立面向开源AI生态的风险治理与质量保障机制。
- 强化多边治理与《全球数字契约》（GDC）落地：构建全球数据与模型公地（Commons）机制，提升全球南方在AI治理中的话语权与制度参与度。
- 实施“软硬基建双轨并进”的国家能力建设战略：在硬基础设施方面，重点支持宽带接入、清洁能源供给、区域性算力节点、主权云与数据中心等关键基础设施建设；在软能力体系方面，把“AI素养（AI Literacy）”纳入国家教育与公共能力建设议程，面对AI驱动的就业重构风险，及早布局“跨领域技能（Cross-skill-ing）”与再就业培训体系。
- 坚持“以人为本”的应用治理原则：在高风险应用领域建立强制性问责机制，在应用设计阶段贯彻“包容性设计”（Equity by Design）。
- 推进数据共享与本地数据治理：建设区域性数据空间与公共数据协作平台，推广隐私保护技术，降低跨境协作门槛，实施“数据惠民”导向的政策安排。
