AI采用的国别经验：AI采用已推进时的情况

版权所有 © 联合国开发计划署 2026 年。保留所有权利。 联合国广场，纽约，美国纽约10017邮编 联合国开发计划署（UNDP）是联合国致力于消除贫困、不平等和气候变化所造成的不公正现象的领导机构。通过与分布在全球170个国家的我们广泛的专家和合作伙伴网络合作，我们帮助各国为人类和地球构建综合且持久的解决方案。 请访问 undp.org 获取更多信息，或关注 @UNDP @UNDPDigital。 本书所表达的观点为作者个人观点，并不一定代表联合国、联合国开发计划署或联合国会员国的立场。联合国开发计划署不对任何实体、品牌、产品或服务予以认可。 关于本报告 致谢 当联合国开发计划署（UNDP）于2023年开始设计人工智能格局评估（AILA）时，已存在多个人工智能准备状态框架。自那以后，又出现了更多此类框架。其目的并非在拥挤的领域增加另一种诊断方法，而是填补一个特定空白——即各国和合作伙伴如何理解人工智能实际应用方面的认知空白。UNDP的人工智能格局评估（AILA）提供了一种以发展成果为导向、植根于国家背景、并与当地已运行的项目、伙伴关系和制度流程相衔接的评估方法。 本报告由联合国开发计划署（UNDP）编制，战略指导由首席数字官罗伯特·奥普（Robert Opp）和可持续发展人工智能中心主任、数字与人工智能项目负责人凯宗·诺杜普·马萨尔利（Keyzom Ngodup Massally）共同负责。 该报告由亚历山大·哈德切克（Alexander Hradecky）、玛丽亚·保拉·穆吉卡·雷蒙德（Maria Paula Mujica Ramirez）、麦克唐纳·尼翁（McDonald Nyoni）和海尔因·苏·阿斯拉（Helin Su Aslan）撰写。报告得到了詹妮弗·刘（Jennifer Louie）和纳维娅·阿拉姆（Navya Alam）的实质性输入和审阅。编辑审阅和指导由德韦恩·卡鲁瑟斯（Dwayne Carruthers）、罗米利·戈丁（Romilly Golding）和刘秀珍（Xiuzhen Li）提供。 许多人工智能准备情况框架是从外部向内部评估国家，将国家状况与全球指标和基准进行衡量。人工智能准备情况评估（AILA）的设计旨在通过从内部向外部展开工作来补充那种视角。它通过全社会参与的过程，将定量指标、利益相关者观点、案头研究和情境分析汇集起来，为战略、政策、投资、制度能力和治理优先事项产生一个实用的证据基础。 本报告所依据的评估得以实施，得益于联合国开发计划署（UNDP）人工智能（AI）加速计划的支持，该计划由UNDP核心捐助方的捐助资助，并得益于可持续发展人工智能中心（AI Hub for Sustainable Development）。这些工作项目有助于实现人工智能（AI）全景评估的大规模开展，并支持将国家层面的合作转化为跨国学习。 首先，本报告体现了参与完成迄今为止26项人工智能（AI）格局评估的各国政府、机构、公民社会参与者、私营部门代表、研究人员和发展伙伴之间的信任与合作。正是他们分享经验、优先事项、制约因素和教训的意愿，为这份报告奠定了基于人工智能（AI）应用和实施现实的根基。 使AILA与众不同的，也在于其实施的环境。由于联合国开发计划署通过长期国家项目和与政府、民间社会、私营部门及发展参与者的伙伴关系开展工作，因此评估结果能够与政策进程、能力建设工作、投资规划以及正在进行的改革相衔接。 通过这些互动所获得的见解，在此共享，旨在为人工智能的采用、实施和治理提供更广泛的学习支持，以促进可持续发展。 本报告基于已完成的爱立信26份报告，旨在通过综合分析揭示这些国家合作项目所反映的共同启示。其目的是为了让这些经验教训对政府、发展伙伴及生态系统参与者可见、可转移、可执行，从而引导人工智能的应用朝着可持续的人类发展方向前进。 执行摘要 目录 ..................................................................................................................................................ii................................................................................................................................................11........................................................................................................................................................32..................................................................................5致谢关于本报告对不起，您没有提供需要翻译的英文文本。请提供需要翻译的内容。执行摘要引言一旦开始采用人工智能，什么就会具有约束力？2.1 政治关注并非主要制约因素。 .................................................................................7 人工智能（AI）的采用现已快于AI的准备情况。在许多发展中国家和新兴经济体中，AI正进入公共机构、市场、数字系统和日常公共服务，而协调、治理、评估和维持采用所需的系统仍在建设中。AI的发展潜力取决于各国能否将采用与公共优先事项、机构能力、本地生态系统和问责制实施联系起来。 相反，该报告利用这一证据基础，来识别人工智能应用在公共系统、市场、机构以及更广泛生态系统中发展过程中出现的反复模式。 本报告认为，一旦人工智能的采用已经开始，就需要对其准备状态有不同理解。当人工智能通过采购流程、供应商平台、基础设施选择、部门计划、数字公共系统和更广泛的生态系统进入公共系统时，其准备状态就不再仅仅是准备。它变成了一个诊断工具：一种识别哪些条件变得具有约束力、哪些风险和依赖关系正在出现，以及各国需要哪些能力来引导其采用朝着公共价值和可持续发展方向发展的方式。 基于2024年至2026年间完成的26项联合国开发计划署人工智能景观评估（AILA），另尚有10项正在进行中，本报告探讨了在人工智能应用已启动的情况下，人工智能准备就绪意味着什么。 3..........................................................................................27................................................................................34............................................................................................................................................404 前面的工作。 ...............................................................................................................................................33一旦收养开始，决策点随之而来附件一：美国移民律师协会证据基础与方法论更多信息 所分析的国家反映了截至报告撰写时完成的AILA国家层面的所有参与项目。这些项目是根据政府需求以及联合国开发计划署（UNDP）各国的项目优先事项，在多样化的区域、机构及数字化成熟度背景下开展的。这些国家并非作为具有统计学代表性的样本进行呈现，报告亦不进行国家排名、汇总准备度得分或提供逐国评估（已完成评估的完整清单见附件一）。 在AILA的证据基础上，报告由六个相互关联的模式结构而成： 政治关注并非主要制约因素。在许多情况下，人工智能已被视为国家优先事项，但更艰巨的任务是建立实施人工智能所必需的法规、资金、协调机制、执行能力和问责制。 2.人工智能的采用通常是通过系统而非策略进行的。与人工智能相关的后续选择，正通过采购、软件、数字公共基础设施、供应商关系、行业计划以及私营部门活动来做出，而且往往在它们作为正式的人工智能政策决策可见之前就已发生。 这些模式共同提供了一个实用的视角，用以评估人工智能的采用是否正在强化公共价值、机构能力和可持续发展，抑或是在增加另一层碎片化的活动。 引言 在本报告所考察的各个背景下，风险并非在于各国未能采用人工智能，而在于人工智能是在以下条件下进入公共和经济生活的：其条件更多地由供应商关系、平台依赖、引进系统和短期项目激励所塑造，而非由深思熟虑的国家选择所塑造；其治理原则上多于实践；其集中度高于那些最能从中获益的群体；并且在出现证据表明为谁服务、产生了哪些成本以及出现了哪些风险之前，就被视为有价值。 3.数据决定了采用是否转化为实施。行政数据、公共部门数据、行业数据、语言数据以及共享的数据基础设施，共同塑造了人工智能系统是否能够可靠、可重用、包容、可监控以及安全地持续改进。 全球对人工智能的关注大多集中在高级模型开发、计算资源获取以及人工智能系统改进的速度上。对于本报告所考察的许多国家而言，AILA的证据表明，它们面临着一个更为紧迫的发展挑战：即人工智能在扩散到公共系统、市场、机构和日常服务的过程中，是如何被采纳、整合和治理的。人工智能不会等待国家战略、专门立法或井然有序的倡议到位。越来越多地，它通过数字化转型计划、供应商平台、云服务、公开可用人工智能工具的非正式使用、采购决策、企业软件、特定行业工具以及现有的机构工作流程进入其中。 4.基础设施决定了行动者的能力。基础设施、计算能力和网络连接的可获得性与可负担性，以及人才、制度能力、融资和适当的治理安排，共同塑造了各国将人工智能应用于本地需求、与供应商谈判、管理风险以及在符合国家优先事项的条件下持续采用人工智能的能力。 影响这些系统的窗口已经打开，但并非无限期。当前的采购选择、基础设施投资、数据相关决策、供应商关系以及正在制定的治理标准，将塑造未来数年人工智能采用的条款。 这使得人工智能的采纳和扩散成为一项发展挑战，而不仅仅是技术挑战。人工智能有巨大潜力支持可持续发展、改善人们的生活、加强公共系统以及扩大经济机会。对于致力于减少贫困和扩大机会的国家而言，人工智能的采纳方式至关重要，因为它影响着服务如何提供、劳动力市场如何演变、私营部门如何竞争以及机构如何管理风险。当前所做的选择将决定人工智能是扩大服务获取、增强本地能力并支持包容性增长，还是集中机会、加深依赖并创造新的排斥或伤害形式。 5.生态系统决定了基础是否能够转化为本地价值。若要实现人工智能的采用能建立国内能力、经济机遇、更强大的公共体系以及本地价值创造，而非加深对外部开发技术的依赖，那么公共需求、企业、初创公司、大学、金融、公民社会、标准以及采购途径都需要相互连接。 反向解读AI准备情况将问题焦点从各国是否准备好迎接AI，转移到它们是否正在构建条件以引导AI应用，从而在早期选择固化于持久体系、合同、机构及依赖关系之前进行引导。这便是AI发展影响将得以决定的所在。 目标并非定义单一的AI准备模式或规定一条负责任的采纳路径。各国在制度能力、数字化成熟度、基础设施、市场结构、数据系统、治理安排和发展优先事项上存在差异。关键问题在于，随着AI进入实际系统，其采纳是否正变得可见