全球高等教育在人工智能与数字化转型方面存在显著差距，主要体现在地区、收入水平和机构类型之间。AI-DMI指数从战略、人员、利用和技术四个维度评估机构的准备情况，结果显示：
- 地区差异：北美、中东和北非、亚太地区的AI成熟度得分高于全球平均水平，而欧洲、撒哈拉以南非洲和拉丁美洲得分较低。
- 收入差距：高收入国家在连接基础设施（Wi-Fi和5G）和人工智能工具采用方面领先，低收入国家则落后。
- 技术鸿沟：基础数字工具（如LMS和会议系统）应用广泛，但人工智能和数据密集型技术（如自动评分、学习分析）采用不均衡。
- 研究能力差距：亚太、欧洲和中东及北非地区在安全研究协作平台和开放数据库方面表现较好，而拉丁美洲和撒哈拉以南非洲地区能力有限。
- 领导力与激励机制：全球范围内，对数字和人工智能能力的认可在招聘、晋升和评估中仍然薄弱，专业发展参与度不均衡。
报告提出两种AI转型模式：
- 生态驱动模式（以美国为代表）：产业融合和先进基础设施与内部差异并存。
- 战略导向模式（以沙特阿拉伯为代表）：国家战略和领导力推动人工智能优先发展。
报告建议：
- 优先考虑公平的下一代连接性：扩大基础接入，确保先进基础设施的公平分配。
- 投资于共享高性能计算基础设施：提升研究竞争力，缩小结构性差距。
- 确保学生公平获取AI工具：共享投资模式，协调产业合作伙伴关系。
- 对齐领导力、激励机制和人力资源战略：加强AI领导和技能发展，建立清晰的AI治理框架。
核心观点：人工智能的成熟是多维度的，需要基础设施、计算能力、人工智能工具获取和领导力、激励机制等方面的协同发展。要确保人工智能转型具有包容性，减少而不是加剧全球和制度的不平等。
