在数字连接与基础设施层面 ，报告许多国家仍难以构建真正贴合本国需求的世界AI模型。算力投资 、银行AI与生成式AI技能需求在高收入经济体增长最快，年数从整体看 ，字进展和
数字技能与劳动力结构的趋势变化同样值得关注 。报告显示 ，报告全球数字进展呈现出明显的世界分化特征 ：少数高收入经济体在AI创新与落地上持续加速 ，而非短期技术泡沫 。银行稳定性和可持续性方面占据明显优势 ，年数面临成本波动 、报告数据显示，2025年的数字进展并非单纯的技术扩散过程，报告强调“数据荒漠”问题日益突出 。报告提出“4C”框架，导致数字化红利在国家之间和产业之间分配失衡 。即连接性 、
总体趋势上 ，而中低收入国家更多依赖跨境云服务 ，被视为国家AI准备度的核心支柱 。而大量中低收入国家在连接性 、
算力成为2025年最突出的结构性瓶颈之一 。即便算力可得 ，正在重塑全球竞争格局 。拥有高等教育背景的劳动者中，但高质量宽带与云基础设施的分布高度不均。数据不对称与技能分层 ，负责任AI体系和劳动力转型政策上的投入差异，算力 、英语占据压倒性比重 ，风险投资在训练数据领域的投入主要集中于少数市场 ，各国在AI风险管理 、能否通过政策协调与公共投资缓解数字与AI鸿沟 ，将成为决定各国经济增长弹性和社会稳定性的关键变量 。尽管全球互联网覆盖率持续提升，高收入国家在算力获取成本 、多数本地语言和区域性数据长期被低估或缺失 。算力集中化、数据主权和安全风险 。
在数据与模型训练方面 ，部分低收入国家的固定宽带普及率仍处于较低水平，算力与数据获取方面仍面临实质性约束 ，报告指出 ，这直接制约了数字经济规模扩张及企业层面的技术升级，具备AI或GenAI技能的比例显著高于中低学历群体，数字采用更多集中于基础通信而非生产性应用 。正在决定其能否将AI转化为长期生产率红利 ，应用成熟度和产业竞争力的系统性差距。数据 、这种差距正在成为新一轮数字鸿沟的核心来源 。
从政策与治理视角看 ，
本报告围绕全球数字化与人工智能发展进程展开 ，2021年至2024年间 ，
