复旦智库：2026全球人工智能治理趋势：《人工智能全球治理行动计划》以来的观察报告（28页）.pdf

核心结论速览： “智能鸿沟”在六大维度持续扩大：算力（TOP500高度集中于北美欧洲亚洲）、数据（高收入国家上网率93% vs 低收入27%）、算法（代表性模型主要由中美开发）、词汇（小语种API调用成本是英语数倍）、应用（南方工业基础薄弱）、生态（22亿人未联网），加剧南北方发展不平等。 全球南方在治理中面临“代表性赤字”：当前全球人工智能治理主要规则框架几乎全部由北方国家主导制定，南方国家更多扮演“规范接受者”而非“规范制定者”角色。 词汇鸿沟造成系统性溢价：全球南方小语种用户调用西方主流API时，由于训练语料匮乏，模型将文本拆分为数个甚至十几个字符切片，消耗词汇数量可能是英语用户的数倍。 联合国正成为南方国家参与治理的主渠道：AI独立国际科学小组40名成员具有极高地域代表性，亚洲、非洲、南美洲发展中国家日益成为重要参与方。 开源模型正在降低南方国家技术获取门槛：阿里通义千问系列HuggingFace下载量突破10亿次，自2025年下半年起连续位居月度下载榜首，超越Meta Llama系列。 中国推动的本地化部署帮助南方国家建立自主AI能力：新加坡基于Qwen构建Qwen-SEA-LION-v4、乌干达基于Qwen3打造Sunflower覆盖31种语言、老挝发布国家大模型LaoAI。垂直主题的现状与路径——全球“智能鸿沟”与南北合作。在《全球人工智能治理趋势》报告的整体框架中，“智能鸿沟”的持续扩大是贯穿全篇的核心关切。人工智能技术的迅猛发展并未在所有国家和地区均匀展开，恰恰相反，算力、数据、算法、人才等关键要素日益向少数技术先进国家集中，由此形成的“智能鸿沟”正在成为继传统数字鸿沟之后南北差距的新表现形式。报告指出，全球人工智能发展呈现显著不平衡：少数国家和头部企业在算力、数据、模型、平台和标准制定上持续集聚优势，广大发展中国家普遍面临基础设施不足、技术获取成本高、本地语种支撑薄弱、治理能力有限和国际规则参与不足等制约。核心模式解析——“智能鸿沟”的六大维度。模式一：算力鸿沟——超级计算资源的集中分布。根据TOP500官方2025年数据，北美、欧洲和亚洲分别拥有190、153和141台入围TOP500的系统，合计占500台中的484台。联合国贸发会议《2025年技术与创新报告》指出，全球高性能计算能力、先进数据中心与前沿人工智能基础设施集中于美国、中国、日本和欧盟成员国。算力还代表具有地缘战略意义的关键资源，拥有更强算力能力的国家通常更有条件影响人工智能规则的制定与实施。模式二：数据鸿沟——数据价值链的不均衡分布。国际电信联盟数据显示，2023年全球约67%的人口已接入互联网，但高收入国家上网率已达93%，低收入国家仅为27%。联合国教科文组织研究表明，领先的生成式人工智能模型主要依赖英语数据集，全球绝大多数语言缺乏训练最先进模型所需的数据。斯坦福大学2026年AI指数报告指出，领先模型在英语等语言上表现远优于其他语言，造成明显的“全球语言鸿沟”。模式三：算法鸿沟——基础模型研发的边缘化。斯坦福大学《2026年人工智能指数报告》显示，2025年最具代表性的人工智能模型主要仍由美国、中国开发。2024年美国机构发布40个值得关注的模型，中国为15个，欧洲合计为3个，全球南方整体在基础模型研发中仍处于边缘位置。顶尖AI研究人才仍高度集中于美国等少数国家。模式四：词汇鸿沟——商业模式带来的系统性溢价。词汇（Token）是当前以大模型为核心的人工智能商业化主流模式——依靠云端算力按输入输出的文本单位计费的API调用模式。主流大模型的词汇生成器高度优化于英语——一个完整英语单词通常只需1个词汇，但同等语义的全球南方小语种（如泰语、斯瓦希里语），由于训练语料匮乏，模型会将其拆分为数个甚至十几个无意义字符切片。这意味着东南亚或非洲企业使用本土语言调用西方主流API时，消耗词汇数量可能是英语用户的数倍，形成系统性溢价。模式五：应用鸿沟——产业基础的薄弱。全球南方工业基础普遍薄弱，数字化转型面临多重困境。Oxford Insights 2025年《政府人工智能准备度指数》显示，东盟国家在AI应用与治理准备度方面存在明显差异，多数成员国面临政策体系、数字基础设施、技术吸收能力和治理能力不足等制约。联合国工业发展组织研究指出，发展中国家在制造业采纳AI时普遍面临基础设施、技能、资金和制度环境等瓶颈。模式六：生态鸿沟——数字基础设施与人才流失。国际电信联盟《2025年事实与数字》报告显示，全球仍有约22亿人口未能接入互联网。国际能源署估算2024年全球数据中心用电约415太瓦时，到2030年可能升至约945太瓦时，能源供应不稳定正是南方国家的普遍困境。非洲每年培养的计算机科学毕业生中，约三分之一流向发达国家，形成系统性智力外流。南北合作的现实制约与可行路径。四大现实制约。地缘政治回归：技术竞争被纳入大国战略竞争核心议程，南方国家承受“选边站”压力。能力不对称：合作可能停留在设备采购、平台接入或短期培训层面，难以形成真正意义上的能力转移。制度基础薄弱：多数南方国家缺乏系统的AI战略和政策法规框架，监管机构专业能力不足。多边机制碎片化：不同机制在成员构成、议题重点和规范逻辑上不一致，南方国家持续跟踪多个机制本身即构成较高成本。四大重点领域。算力与基础设施合作：算力共建模式（共同出资建设区域性算力基础设施）与算力公共产品模式（技术先进国家提供算力资源援助）。能力建设合作：从“工具供给”转向“体系培育”，涵盖人才培养、治理能力、法律监管支持和产业孵化四个层面。数据与应用合作：确立发展导向、数据互惠和多元化模型三项原则，避免“技术移植”带来的水土不服。安全合作：构建普惠型安全合作机制，帮助南方国家提升AI安全评估能力。中国推动南北合作的实践。开源生态降低技术门槛。阿里通义千问系列累计开源超过400款，HuggingFace全球下载量突破10亿次，自2025年下半年起连续位居月度下载榜首，超越Meta Llama系列。阿里云魔搭社区托管超12万个开源模型，注册用户超2000万，覆盖全球200多个国家和地区。本地化部署帮助南方国家建立自主能力。新加坡基于Qwen-32B构建Qwen-SEA-LION-v4；乌干达基于Qwen3打造Sunflower模型覆盖31种语言；老挝发布国家大模型LaoAI；马来西亚推出NurAI面向伊斯兰法律、金融和医疗场景。能力建设与产业应用。第三期AI能力建设研讨班在上海开班，来自21个国家38名学员参加。华为与秘鲁签署协议计划培训2万名秘鲁青年。中国气象局“妈祖”早期预警系统已在7国部署。润建股份为马来西亚智慧棕榈园提供AI解决方案，产量提升10%以上。以上为报告核心内容梳理，如需获取完整报告详细数据及全部章节，请访问下载页下载完整PDF文件。FAQ。Q1：“智能鸿沟”包括哪些维度？算力、数据、算法、词汇、应用、生态六大维度，使全球南方在人工智能时代面临更深层的技术依赖和规则被动。Q2：什么是“词汇鸿沟”？主流大模型按词汇（Token）计费，英语优化使一个完整单词通常只需1个词汇，但小语种因训练语料匮乏被拆分为多个字符切片，导致同等语义下消耗词汇数量可能是英语用户的数倍。Q3：全球南方在人工智能治理中面临什么困境？主要规则框架由北方国家主导制定，南方国家更多扮演“规范接受者”而非“规范制定者”，面临严重的“代表性赤字”。Q4：联合国如何帮助南方国家参与治理？AI独立国际科学小组40名成员具有极高地域代表性，全球治理对话为政策沟通提供平台，IGF常设化确立了多利益相关方治理的长效性。Q5：中国如何帮助南方国家缩小智能鸿沟？通过开源模型供给（阿里通义千问下载破10亿）、本地化部署支持（多国基于中国开源模型构建本国AI）、能力建设培训（覆盖多国政府官员和青年）和产业应用合作（气象预警、智慧农业等）。数据来源说明。本报告内容来源于《全球人工智能治理趋势：〈人工智能全球治理行动计划〉以来的观察》（复旦大学发展研究院全球人工智能创新治理中心，2026年7月）。