Access Partnership：2026全球南方人工智能普及行动指南（英文版）（28页）.pdf

核心结论速览：AI扩散已成为决定未来生产力、公平性和国家能力的最重要因素之一，但全球南北之间的扩散差距正在扩大：2025年全球生成式AI采用率达到创纪录水平，全球约六分之一的人在使用这些工具。然而，全球北方经济体采用AI的速度几乎是全球南方的两倍——北方劳动适龄人口中24.7%使用AI工具，南方仅为14.1%。全球没有一个高性能计算集群位于发展中国家，仅两个国家占全球超大规模数据中心的一半。AI扩散不是技术挑战，而是系统挑战：扩散结果取决于五个系统维度如何相互作用——AI栈与基础设施、数据治理与信任、制度与采购、技能与组织准备度、市场与需求。扩散在五个维度被有意围绕实际用例对齐时加速，在孤立或不同步演进时失效。AI使用只有在这三个领域——企业、消费者和公共部门——同步推进时才能实现规模化扩散。全球南方AI扩散框架提供五维系统方法，帮助政府从“就绪”走向“扩散”：框架帮助政府超越就绪和采用问题，聚焦于使AI使用能够嵌入经济并规模化的条件。政府在其中扮演独特角色——不仅是采用者或监管者，更是市场塑造者。通过基础设施决策、数据规则、采购实践、技能投资和需求信号，政府可以影响哪些AI解决方案被开发、哪些部署模式规模化、以及谁可以采用它们。AI基础设施的选择应从用例出发，而非技术出发：许多高影响力用例——特别是在公共服务、中小微企业、农业和健康领域——已经可以通过边缘计算、设备端或区域共享路径获得支持。边缘或设备端方法通常更经济、更具韧性，在连接有限或成本紧张的环境中更容易扩展。政府应考虑本地连接和能源条件、所涉数据的敏感性、部署成本以及使用点可用的技能。当AI系统围绕这些现实设计时，扩散变得更快、更经济、更包容。数据治理必须超越访问和控制，走向可移植性和互操作性：AI的不同部署路径对数据治理提出不同要求。设备端或本地系统通常需要较少的数据移动，降低隐私和安全风险；集中式系统更依赖于跨组织和跨司法管辖区的数据流动。支持规模化扩散的数据治理需要使数据能够通过标准化API在系统和提供商之间安全移动，减少锁定效应，降低企业特别是中小微企业的进入壁垒。公共部门采购是AI扩散的关键杠杆，但现行制度往往抑制而非促进采用：许多公共部门采购和问责框架是为静态技术设计的——具有固定规格、可预测生命周期和有限持续适应需求。AI系统通过使用而演进，需要持续监控，并随时间的推移逐步改进。政府应引入AI采购快速通道，转向迭代式、基于结果的采购模式，使在一个机构或服务中有效的AI解决方案能够被复用和扩展，而无需重新启动采购流程。印度、巴西、卢旺达的用例驱动方法正在产生可衡量的成果：印度AI驱动的农业咨询工具在安得拉邦和马哈拉施特拉邦已报告30%-50%的生产力提升；巴西75%的企业对AI影响持乐观态度，73%计划继续或开始AI投资；卢旺达AI扩展中心支持教育、医疗和农业领域的高影响力AI解决方案，包括AI驱动的远程医疗和AI学习评估。H2：研究背景与政策框架全景——从AI就绪到AI扩散。AI已迅速从专业研究领域进入日常经济和社会生活的肌理。经过十多年的核心AI能力密集创新，政策和商业对话已从“AI能做什么”转向“谁在使用它、如何使用、以及有什么长期影响”。2025年，全球生成式AI采用率达到创纪录水平，全球约六分之一的人在使用这些工具，但采用率在不同地区、行业和人口群体之间差异巨大。全球北方经济体采用AI的速度几乎是全球南方的两倍——北方劳动适龄人口中24.7%使用AI工具，南方仅为14.1%。这一扩散差距揭示了超越创新本身的深层结构性问题。政策制定者、经济学家和国际组织日益认识到，AI的扩散——即从能力到广泛使用的转化——现在是决定未来生产力、公平性和国家能力的最重要因素之一。理解扩散的重要性，需要区分AI就绪与AI扩散。就绪指国家或组织参与AI的基础能力——基础设施、技能、数据治理和监管框架。但就绪本身并不能保证技术被有效集成到主流工作流程、公共服务或日常决策中。扩散本质上是常规化——AI工具跨部门嵌入的程度，放大生产力、改善服务交付、重塑制度流程。新兴研究表明，AI的经济回报和社会影响将在采用变得广泛、持续和有意义的地方最为显著。全球南方AI扩散框架帮助政府超越就绪和采用问题，聚焦于使AI使用能够嵌入经济并规模化的条件。框架基于一个核心前提：AI扩散主要不是技术挑战，而是系统挑战。扩散结果取决于五个系统维度如何相互作用：AI栈与基础设施、数据治理与信任、制度与采购、技能与组织准备度、市场与需求。扩散在五个维度被有意围绕实际用例对齐时加速，在孤立或不同步演进时失效。扩散发生在三个相互关联的采用领域：企业、消费者和公共部门。AI使用只有在这三个领域同步推进时才能实现规模化扩散。（数据来源：Access Partnership《The Global South AI Diffusion Playbook》）。H2：全球南方AI扩散的五大核心障碍。基础设施鸿沟：全球南方在支撑现代AI的计算路径方面面临相对有限的接入——云服务、数据中心、高容量网络及相关架构。联合国秘书长AI高级别咨询机构指出关键硬件高度集中在全球北方：全球100个能够训练大语言模型的高性能计算集群没有一个是位于发展中国家的，仅两个国家占全球超大规模数据中心的一半。到2030年，AI推理能力的需求预计将大大超过全球南方大部分地区的数据中心供应。本地可用计算和托管能力的缺乏制约了AI可在何处以及如何被实验和规模化。连接性短板：全球人口中相当大一部分——不成比例地位于全球南方——仍然处于离线状态。有限的移动、地面和卫星网络覆盖不仅限制了对AI应用的直接使用，还加深了采用差距。能源约束：高容量计算和数据中心运营需要稳定的电力和水资源，但全球南方供应有限增加了本地托管和运营AI基础设施的成本和复杂性。全球南方占世界人口的三分之二，却仅占全球发电装机容量约18%。制度与监管碎片化：全球南方政策框架在AI治理、数据保护、版权和标准制定方面差异很大。关于数字主权的争论进一步纠缠了数据存储和处理地点的决策，碎片化市场并使AI功能的使用复杂化。人才短缺：前沿AI开发仍集中在全球北方，加剧了人才外流和全球南方许多国家的严重人才短缺。亚太地区79%的雇主难以填补AI职位，75%对如何实施员工AI培训计划表示担忧。没有可持续的培训渠道和再技能化策略，人才短缺将继续制约扩散以及AI经济利益的公平分配。（数据来源：Access Partnership《The Global South AI Diffusion Playbook》）。H2：全球南方AI扩散框架——五个系统维度的对齐。维度一：AI栈与基础设施路径。AI扩散不依赖于单一技术模型或单一类型的基础设施。一些AI应用依赖集中式系统——云服务和大数据中心——适合复杂分析、国家平台和模型开发，但通常需要可靠的电力、强大的连接和成熟的治理安排。其他应用可以在更靠近使用地点的地方运行——设备、机器或本地系统——使用更小、任务特定的模型。边缘或设备端方法通常更经济、更具韧性，在连接有限或成本紧张的环境中更容易扩展。另一种路径涉及共享或区域方法——区域计算中心或联邦基础设施——使各国无需各自独立建造和运营完整堆栈即可获得先进能力。维度二：数据、信任与互操作性。AI系统的信任对于广泛扩散至关重要——它使政府、企业和公民对数据处理安全、负责任和可预测有信心。信任取决于三个实际问题：AI所需数据是否跨系统可用、可靠和可用；是否有明确的安全保障、保证和问责制；政府和组织是否有关于数据如何共享和使用的实用指南。不同AI部署路径对数据治理提出不同要求——设备端或本地系统通常需要较少数据移动；集中式系统更依赖于数据流动。支持规模化扩散的数据治理必须超越访问和控制，走向可移植性和互操作性。维度三：制度与采购。机构在使AI采用超越试点方面发挥重要作用，决定公共系统如何授权、资助和采购技术。然而，许多公共部门采购和问责框架是为静态技术设计的——固定规格、可预测生命周期和有限持续适应需求。AI系统通过使用而演进，需要持续监控，并随时间的推移逐步改进。从扩散角度看，关键问题不是机构能否采购一次AI，而是它们能否支持可重复和负责任的AI采用规模化。维度四：技能与组织准备度。AI不孤立创造价值；只有集成到日常组织流程中才能产生影响力。成功扩散取决于AI是否嵌入到各组织的常规工作中。这要求管理者、一线员工和公务员具备基线AI素养——理解AI输出、认识局限性、在现实环境中运用判断。当AI仍局限于小型专家团队或创新部门时，其使用不会扩散，潜在的生产力和服务收益无法实现。组织准备度还取决于重新设计工作流程、角色和决策过程的能力。维度五：市场塑造。只有当市场奖励可负担、可复用、可信赖且适应现实条件的解决方案时，AI才能扩散。公共部门采用可以在这一过程中发挥催化作用——当公共服务将AI作为常规交付的一部分采用时，供应商有信心投资可扩展解决方案。公共部门使用还发出信号，表明哪些设计原则——问责制、互操作性、负责任使用——可能随时间得到回报，塑造更广泛的市场行为。（数据来源：Access Partnership《The Global South AI Diffusion Playbook》）。H2：各国实践——印度、巴西、卢旺达的用例驱动路径。印度：用例驱动的AI扩散。印度公共和私营部门正在通过开发针对行业需求的AI解决方案来实施用例驱动方法。农业领域，AI驱动的咨询工具已在特定邦部署，改善播种决策、投入效率和作物产量。采用这些工具的安得拉邦和马哈拉施特拉邦报告了30%-50%的生产力提升。医疗领域，卫生部开发了e-Sanjeevani临床决策支持系统和异常胸部X光分类器模型等AI解决方案。在印度AI使命下，政府提供必要基础设施以促进创新——通过公私合作部署GPU，开发支持跨部门使用的多模态和基础模型，提供初创企业融资，通过AIKosh支持数据集、模型和工具访问。早期扩散可见于私营部门——约65%的企业报告投资或试验生成式AI工具，79%的组织表示生成式AI和自动化投资超出预期，64%计划扩大这些努力。巴西：国家AI计划驱动扩散。2024年，巴西发布了2024-2028年国家AI计划（PBIA），重点投资AI基础设施和开发、通过培训和能力建设扩散AI、利用AI改善公共服务交付、鼓励企业采用AI以推动创新、建立支持道德和负责任AI使用的治理框架。公共部门方面，圣安娜-德巴纳伊巴市部署了“Anna”聊天机器人，处理400个主题的市民咨询。医疗领域，AI核心在疫情期间广泛用于识别疾病模式、支持医生分诊和确定治疗方案。基础设施方面，巴西拨款3.37亿美元升级Santos Dumond超级计算机，并拨款近20亿美元支持初创企业和中小微企业整合AI。全国调查识别了396家巴西AI公司，75%的企业对AI影响持乐观态度，73%计划继续或开始AI投资。卢旺达：AI扩展中心模式。卢旺达目标是成为“非洲AI实验室和负责任AI冠军”，2023年制定了国家AI政策。政策聚焦六大优先领域——建设基础设施和计算能力、建设AI技能和素养、建立数据战略和伦理指南、加速公共和私营部门AI采用。重点行业包括医疗、银行、电子商务、交通、农业、公共管理、制造业和建筑。2025年启动的卢旺达AI扩展中心作为中央平台，识别、开发和扩展教育、医疗和农业领域的高影响力AI解决方案。当前旗舰项目包括AI驱动的农业咨询、AI驱动的远程医疗服务、AI学习评估。政策还强调发展可负担、可扩展的存储和高性能计算基础设施。（数据来源：Access Partnership《The Global South AI Diffusion Playbook》）。H2：两阶段实施路线图——从实践扩散到制度化规模化。第一阶段：在实践中启用扩散（1-2年）。AI基础设施：识别一组有限的、可在中小微企业、消费者和一线公共服务中规模化部署的“扩散就绪”优先用例。为每个用例显式选择最合适的AI栈路径——集中式、边缘/设备端或混合——基于本地连接、能源可靠性、成本结构、数据敏感性和风险概况。数据治理：通过发布关于数据使用的清晰、可操作的指南，建立“最小可行信任”——明确在实践中允许什么、适用什么保障措施、谁负责。数据治理框架应以用例为导向，识别不同AI部署模型对数据治理提出不同要求。采购改革：引入AI采购快速通道，允许快速测试、迭代和部署AI解决方案。将公共采购框架转向迭代式和基于结果的采购，使在一个机构中有效的AI解决方案能够被复用和扩展。开发标准化AI合同模板和风险分担安排。技能建设：优先为管理者、一线员工和公务员提供基线AI素养——侧重理解AI输出、将AI集成到工作流程中、运用人类判断。技能培训应与AI实际部署方式和工作流程重新设计直接对齐。需求创造：优先考虑可插入现有数字基础设施的AI用例，使用开放标准和可互操作架构。通过共享数据和计算平台、低成本AI工具包、可信中介和定向激励促进中小微企业AI采用。第二阶段：制度化与规模化扩散（3-5年）。AI基础设施：将成功的部署整合到可复用的共享平台中，将长期能源和连接规划与预期的AI部署需求对齐。数据治理：从静态合规转向持续保证和监测，将信任和问责嵌入日常运营。通过数据可移植性框架、标准化API和通用技术标准实现可互操作和可信的数据共享。采购改革：从项目制资金转向支持可复用AI服务和平台的程序化方法。建立共享采购框架和平台，使多个机构和各级政府更容易采用经过验证的AI解决方案。系统性地捕获和分享AI部署的制度学习。技能建设：将AI使用嵌入标准操作程序、绩效框架和管理系统。规模化特定行业和管理能力，支持工作重新设计和劳动力转型。需求创造：规模化面向消费者的AI应用，在接入、成本或速度方面提供明确和包容的收益。设计监测和评估框架以跟踪扩散结果——谁在使用AI、在哪里使用、有什么可衡量的影响。延伸阅读：以上为报告核心趋势分析，如需获取完整报告详细数据及全部框架、案例与实施指南，请访问下载页下载完整PDF报告。FAQ。Q1：什么是AI扩散？它与AI就绪有何不同？A：AI就绪指国家或组织参与AI的基础能力——基础设施、技能、数据治理和监管框架。AI扩散则是常规化——AI工具跨部门嵌入的程度，放大生产力、改善服务交付、重塑制度流程。就绪是前提，但扩散决定了AI能否产生广泛的经济和社会影响。2025年全球北方劳动适龄人口24.7%使用AI工具，全球南方仅为14.1%，这就是扩散差距。Q2：全球南方AI扩散的五大核心障碍是什么？A：①基础设施鸿沟——全球100个高性能计算集群没有位于发展中国家，仅2国占全球超大规模数据中心一半；②连接性短板——大量全球南方人口仍处于离线状态；③能源约束——全球南方占世界人口2/3，仅占全球发电装机容量18%；④制度碎片化——政策框架在AI治理、数据保护等方面差异很大；⑤人才短缺——亚太79%雇主难以填补AI职位。Q3：全球南方AI扩散框架的五个系统维度是什么？A：①AI栈与基础设施——选择集中式/边缘/区域路径，从用例出发而非技术出发；②数据治理与信任——超越访问和控制，走向可移植性和互操作性；③制度与采购——从一次性采购转向可重复负责的规模化采用；④技能与组织准备度——将AI嵌入常规工作，发展基线AI素养；⑤市场塑造——通过公共部门采用发出需求信号，使可扩展解决方案商业化。Q4：印度、巴西、卢旺达的AI扩散实践有何启示？A：三个国家均采用用例驱动方法。印度AI农业咨询工具使安得拉邦和馬哈拉施特拉邦生产力提升30%-50%；巴西国家AI计划拨款3.37亿美元升级超级计算机、近20亿美元支持中小微企业AI采用；卢旺达AI扩展中心支持教育、医疗和农业领域高影响力AI解决方案。共同启示：优先用例、共享基础设施、针对性政策、公私合作可加速扩散。数据来源说明。本页面数据来源于Access Partnership发布的《The Global South AI Diffusion Playbook》（2026年）。报告基于全球AI采用数据、各国AI战略、国际组织分析及Access Partnership的实地研究。