亚洲的 AI 社会创新生态系统正在蓬勃发展，但准备程度和部署途径差异很大。该报告基于对 10 个经济体中 2,800 多个 AI 社会创新项目的分析，揭示了该地区 AI 应用的关键主题、地理分布、生态系统成熟度、技术使用、挑战和未来方向。
核心观点：亚洲 AI 社会创新的应用主要集中在医疗保健、粮食安全和农业（分别占 24%、21% 和 8%），其次是能源（8%）和气候相关应用（7%）。中国、印度尼西亚和越南是 AI 社会创新活动最集中的地区，其中中国占所有记录项目的 40% 以上。报告确定了三种循环出现的生态系统原型：
- 国家主导、协调驱动的系统（如中国、马来西亚和泰国）：这些国家通常将 AI 整合到公共系统中，因为它们结合了战略、基础设施和制度领导力。
- 高势头创业生态系统（如印度尼西亚和菲律宾）：这些生态系统显示出强烈的创新活动和私营部门参与，但往往难以将实验转化为全系统的采用。
- 政府主导但能力受限的生态系统（如孟加拉国、柬埔寨、巴基斯坦和斯里兰卡）：这些国家显示出政策意愿，但仍然受到基础设施碎片化、融资差距、交付能力和负责任部署的保障不足的挑战。
关键数据：
- 医疗保健是最大的影响领域（24%），其次是粮食安全、农业和营养（21%）。
- 中国、印度尼西亚和越南占所有记录项目的 75% 左右。
- IoT（19.1%）、计算机视觉（13.0%）和预测分析（12.9%）是主要的 AI 技术。
- 38% 的项目是混合模式，9% 是以影响为中心，6% 是以商业为中心。
研究结论：
- AI 社会创新的成功取决于政策、基础设施、人才、资金和合作伙伴关系的协调，围绕明确的社会利益成果和社区优先事项。
- 社会创新者在建立有影响力的 AI 应用的基础设施方面发挥着关键作用，例如建立开放数据池、制定数据共享标准或实施物联网系统进行初级数据收集。
- 生态系统成熟度对于 AI 影响的规模和成熟度至关重要。政府领导、制度协调、数字公共基础设施和私营部门参与是成功的关键因素。
- AI 社会创新的主要挑战包括联盟和信任建设、缺乏针对性的解决方案、创新激励不足、资金偏差和最后一英里资金不足。
- 该报告强调了从试点项目转向大规模实施和系统性变革的必要性，包括投资可负担的连接性、低资源语言兼容性以及创建联盟以解锁对公共利益数据的负责任访问。
- 为了实现 AI 的包容性、弹性和可持续发展，必须建立开放、共享的基础设施，并支持旨在扩大规模的倡议，而不是仅仅资助创新。
