人工智能正在重塑生产率、产业分工和劳动力市场，但由此产生的经济收益并不会自然、均匀地流向各国。2026年10月，国际货币基金组织（International Monetary Fund，IMF）中东和中亚部发布研究报告《发挥人工智能在中东和中亚地区的潜力》（Harnessing Artificial Intelligence's Potential in the Middle East and Central Asia）。报告认为，未来十年，人工智能有望加快地区经济增长，但实际收益取决于产业与职业结构，以及数字基础设施、人力资本、治理和创新能力。各国需要结合自身发展基础，完善治理、深化结构性改革、加强技能建设，并统筹推进技术应用与风险防范，才能将技术机遇转化为持久的经济增长动力。

文中观点不代表编译者或发布平台立场，完整论述及作者原意请参阅英文原文。

Abdullah AlHassan、Giovanni Melina，国际货币基金组织中东和中亚部，研究团队监督；Serpil Bouza，国际货币基金组织中东和中亚部，研究团队负责人；Vrinda Handa、Nareg Mesrobian、Karmen Naidoo、John Ralyea、Subi Velkumar，国际货币基金组织中东和中亚部，研究团队成员；Philippe Wingender，国际货币基金组织研究部，研究团队成员。Leen Aghabi、Sana Almunizel、Gregorio Impavido和Yuan Gao Rollinson参与撰写国别专栏。

对于长期面临生产率增长乏力、非资源产业发展不足和竞争压力上升的中东和中亚国家而言，人工智能为提升生产率、改善中期经济增长前景和推动经济多元化带来了新机遇。部分经济体还拥有低成本能源、可再生能源潜力和连接欧亚非的区位优势，以及同全球科技企业的合作基础、自上而下建设基础设施和制度体系的政策动员能力。这些条件有利于发展数据中心、云服务、智能物流等数据密集型产业。

其中，阿联酋和沙特阿拉伯正积极发展人工智能服务产业，将其作为摆脱对油气产业依赖、推动经济转型的重要举措。地区冲突虽会削弱投资者信心、扰乱能源和贸易通道，却也进一步凸显推进经济多元化的紧迫性。

不过，技术潜力不等于现实增长，人工智能红利不会自动兑现。各国在数字基础设施、人力资本、治理、创新生态和劳动力市场政策上的差距十分明显。如果这些差距长期存在，人工智能反而可能进一步拉大地区间的生产率和收入差距，形成新的鸿沟。

即使希望打造人工智能枢纽，也不能仅靠加大基础设施投入，还需要完善相关配套条件。此外，数据中心、云平台和算力设施需要需要稳定的市场需求来支撑投资回报。如果人工智能应用推广不及预期，这些先进设施就可能面临闲置风险。全球相关资产估值一旦快速调整，政府、主权投资机构、科技企业和金融体系之间的风险也会进一步放大。

由此，报告从四个方面展开分析。一是比较不同地区的人工智能暴露度、准备度和技术可及性；二是评估海合会国家的人工智能投资与服务出口前景；三是通过多国多部门一般均衡模型，测算人工智能带来的生产率提升和投资扩张的经济影响；四是分析人工智能发展可能带来的金融、就业、技能和收入分配风险。

人工智能暴露度是指职业任务和生产流程被这项技术辅助或替代的可能性，主要由一国的职业技能分布和产业结构决定。

国际货币基金组织的人工智能准备度指数覆盖174个经济体，从数字基础设施、人力资本与劳动力市场政策、技术创新与经济融合、监管与伦理四个维度进行评估。

结果显示，海合会的平均准备度约为中东和中亚其他新兴市场经济体的1.5倍、低收入经济体的2倍。高加索和中亚大体处于全球新兴市场平均水平；本地区低收入经济体则低于全球同类经济体均值，其中不少还是脆弱或受冲突影响国家。

分项来看，海合会在人力资本和劳动力市场政策方面较为接近发达经济体，但数字基础设施、创新能力和监管制度仍有差距。对中东和中亚多数经济体而言，监管与伦理是最突出的短板，背后往往还反映出更广泛的治理能力不足。

技术可及性是指获取高端芯片、云计算、前沿模型、数据和配套设施的能力。由于相关研发和出口集中在少数发达经济体，许多新兴市场和低收入经济体受到本土制造能力薄弱、专用硬件昂贵和供应商高度集中的制约。

地缘政治分化以及由此产生的贸易和技术限制，可能进一步扩大这一差距。凭借雄厚资本、战略伙伴关系和积极的数字化政策，海合会获取前沿组件与平台的能力明显强于周边经济体；其他国家则更容易在出口管制和全球竞争中被边缘化。

2018年以来，本地区人工智能风险投资增长迅速。2024年，海合会以外的中东和中亚新兴市场经济体吸引的相关风险投资约为1亿美元，仍远低于发达经济体约60亿美元的规模；但2018—2024年的累计增幅约为后者的4倍。鉴于基数较低，这一增速并不意味着双方的投资规模已趋于接近。

2025年，卡塔尔、沙特阿拉伯和阿联酋分别宣布了超过本国GDP 5%的人工智能投资计划，合计约1200亿美元。按官方项目说明分类，约44%投向数据中心和云区域，40%投向其他人工智能基础设施，13%用于建设人工智能园区，其余用于芯片设计中心和企业数字化扩张。

数据中心虽已遍布各次区域，却高度集中在海合会。中东和中亚其他新兴市场的设施数量明显较少，高加索和中亚及低收入经济体与海合会的差距更大。

地区冲突也会带来现实约束。数据中心可能受损，服务器和专用芯片交付可能延误，能源与融资成本也会升高。为分散单一区域的物理风险，全球云服务商可能改用多区域布局，进而削弱海合会打造集中式枢纽的区位优势。

高加索和中亚也在加快布局。阿塞拜疆依据2025—2028年人工智能战略建设数据中心和政府云平台；亚美尼亚通过公私合作开发大型人工智能数据中心；哈萨克斯坦则计划打造区域算力枢纽。

中东和中亚其他新兴市场虽未普遍追求全球枢纽地位，也在推进数字化转型。例如，埃及计划与微软合作培训3万名人工智能专业人员，约旦设立人工智能创业基金，摩洛哥则为数字化转型安排约12亿美元，并建设使用可再生能源的数据中心。

人工智能服务的需求前景，可以从应用扩散、企业创设和人才需求三个方面观察。

2025年，各地区生成式人工智能的使用率普遍上升，发达经济体和海合会的增幅尤为明显；2024年新设人工智能企业的数量也显著高于过去十年的平均水平。

对海合会而言，未来客户不仅来自本地和周边市场，也可能包括必须遵守严格数据隐私及本地化规则的外国政府和企业。例如，“数字使馆”允许数据基础设施设在海合会境内，同时由外国政府保留治理权和运营权，从而形成较为稳定、互利的监管安排。

经济多元化与人工智能应用可以相互促进。增加人工智能高暴露行业的比重，有助于提高技术采用率并放大生产率收益。技术进步又能提升非资源部门效率，推动高增长行业扩张。

阿联酋的信息技术、金融和保险业兼具较高暴露度、较大就业规模和较快增速，因而能够更有力地带动非油经济。埃及和阿联酋的电子设备业，以及格鲁吉亚和巴基斯坦的信息技术业，也显示出类似潜力。

相关应用已经进入多个领域。例如，金融机构将其用于客户服务、反欺诈、交易监测和信用评分；能源企业用它优化勘探、开展预测性维护、管理排放和调度电网；政府部门则将其用于税务、司法、公共就业匹配和政务服务。

约旦：截至2025年底，约80%的公共服务已实现数字化。该国在世界银行2025年政府科技成熟度指数中进入“很高成熟度”组，位列全球第21；在牛津洞察政府人工智能准备度指数中排名第49。2025年，约25%的劳动者使用人工智能工具，超过60%的信息技术企业已将其纳入产品或服务。政府正在25个重点公共项目中部署人工智能，并计划扶持最多50家相关初创企业。目前的主要制约仍是宽带、云计算、数据供给、应用型技能和中小企业的采用成本。

哈萨克斯坦：该国以《2024—2029年人工智能发展构想》为基础，建立了相应的法律、主管部门和咨询委员会。2026年1月18日生效的人工智能法按风险对系统分类，规定安全、透明、隐私和内容标识要求，并禁止有害实践。2026年，政府向62个高校和研究机构项目拨款近100亿坚戈，约合2300万美元，并计划通过多类项目培训约100万人。哈萨克斯坦在2025年政府人工智能准备度指数所覆盖的195个经济体中排名第60，居中亚首位。

沙特阿拉伯：人工智能战略是“2030愿景”的组成部分，涵盖人才、投资、监管、创新和规模化应用。国家数据和人工智能管理局负责战略与治理，数字政府管理局推动公共部门采用，公共投资基金则以主权资本带动产业生态。目前，沙特相关从业人员已达10900人，2020—2025年数据和人工智能领域的本地投资与外商直接投资合计1320亿美元。不过，高端研发和工程人才短缺、私营部门参与不足、跨境数据规则不够清晰，以及大型项目对主权资产负债表、银行融资、能源供给和跨部门协调造成的压力，都可能影响商业回报。

宏观测算采用国际货币基金组织的全球综合货币与财政模型。这一多地区动态随机一般均衡模型涵盖异质家庭、金融与实体摩擦、价格和工资黏性，以及货币和财政政策模块。

模型把全球划分为八个地区，其中六个属于研究范围：阿联酋、沙特阿拉伯、其他海合会经济体、高加索和中亚、海合会以外的中东和中亚新兴市场及中等收入经济体、本地区低收入经济体；其余两个地区为发达经济体和世界其他地区。除传统的可贸易和不可贸易部门外，模型还加入人工智能密集型可贸易部门，以捕捉全球价值链的传导效应。

按模型口径，人工智能密集型行业占阿联酋GDP的12.1%、沙特阿拉伯的9.8%、其他海合会经济体的14.1%、高加索和中亚的11.7%、本地区低收入经济体的13.5%，以及海合会以外中东和中亚新兴市场的8.4%。

这些结果需要谨慎解读。模型没有直接刻画失业、劳动参与率以及企业组织和管理复杂性，行业划分也较为宽泛，且未估计国内收入分配效应。人工智能的扩散速度、财政政策和基础设施投资时点同样会改变结果。因此，以下数字只反映特定假设下宏观传导的方向和大致量级。

在两种冲击情景下，各地区的经济增速均会提高，但人工智能枢纽获益最大。高冲击情景中，阿联酋和沙特阿拉伯的增长增益约为低收入经济体的2倍、约为高加索和中亚的1.5倍。

增长主要由消费和投资拉动。由于两者的进口密集度较高，未来十年进口增速快于出口，净出口对GDP的贡献因此略为负值。

对未来生产率上升的预期会提高终身收入，并提前推升需求，短期通胀随之走高，约在冲击后的第三年见顶。沙特阿拉伯和其他海合会经济体的通胀峰值增幅接近0.55个百分点，其他地区约为0.45个百分点。

实行浮动汇率的经济体可以通过加息应对。海合会货币与美元挂钩，利率跟随美国政策变化，未必完全契合本地经济周期。进入中长期后，随着货币条件收紧、生产率提高和资本存量扩大，通胀将回到无冲击情景的水平。

在汇率较灵活的中东和中亚新兴市场、低收入经济体及部分高加索和中亚经济体，生产率提升会推动名义和实际汇率升值。进口随之变得便宜，出口竞争力则在短期内减弱；经常账户相对无冲击情景暂时恶化，并在冲击后两至三年达到最大幅度。

但如果企业和家庭没有提前预见生产率上升，或人工智能更快体现为成本下降和岗位替代，短期通胀可能低于模型预测，甚至出现通缩效应。

除生产率冲击外，模型还依据已宣布的计划模拟海合会的人工智能投资，并假定这些投资能把数字基础设施、技能和制度框架提升至发达经济体水平。这应被视为改革充分落实后的上限情景。

在现有贸易结构下，这轮投资可使海合会未来十年的实际GDP年均增速再提高约0.1个百分点。若再叠加高生产率冲击，阿联酋的总增益接近0.6个百分点，沙特阿拉伯和其他海合会经济体接近0.5个百分点。

如果海合会在人工智能密集型产品和服务出口中的全球份额平均提高约25%，投资回报将明显改善：其他海合会经济体的增长增益约为基准出口情景的2倍，沙特阿拉伯高约90%，阿联酋高约三分之二；三类枢纽的出口年均增速可在十年内提高近0.4个百分点，比市场份额不变时高约0.3个百分点。

这说明，枢纽建设与进口国的应用能力相互促进。周边经济体准备得越充分、跨境监管越协调，海合会越有可能扩大服务出口并提高基础设施利用率。

在“准备度提升”情景中，海合会以及高加索和中亚的准备度升至发达经济体水平，海合会以外的中东和中亚新兴市场及低收入经济体则升至全球新兴市场水平。

在“技术受限”情景中，发达经济体和海合会的可及性参数维持为1，其他研究地区降至0.25，用以模拟先进处理器、前沿模型和数据中心能力受到出口管制或地缘政治限制的情况。

与基准情景相比，高加索和中亚的实际GDP年均增速少约0.1个百分点，低收入经济体少约0.04个百分点，分别相当于基准增益缩水约40%和20%。可见，技术限制会进一步拉大海合会枢纽与其他经济体之间的增长差距。

如果应用速度和生产率回报不及预期，大规模建设的数据中心和算力设施可能因利用率不足而沦为搁浅资产。

海合会项目通常由政府、主权投资基金和全球科技企业共同出资，而当地银行又持有大量政府证券，风险因而可能在主权部门、银行和实体经济之间传导。高杠杆数据中心项目还可能造成偿债困难、评级下调，以及银行和非银行金融机构的科技资产损失。跨境资本流动一旦逆转，流动性压力将进一步上升。

下行情景假定人工智能生产率预期下调，并引发三重冲击：海合会科技行业投资下降约0.5%—1.0%，美国以外的全球股价下跌15%，新兴市场企业风险溢价和主权债券期限溢价暂时上升75—100个基点。

美元贬值会通过固定汇率安排带来一定程度的货币宽松，从而抵消部分冲击，但两年累计GDP损失仍约为1%。如果数字基础设施迅速折旧或过时，损失还会扩大。

相应的政策重点是强化审慎监管，持续监测项目杠杆、融资结构和应用进度，完善相关投资与风险数据，并将人工智能专项情景纳入宏观金融压力测试。

就业结果既取决于岗位的人工智能暴露度，也取决于人与技术之间的互补程度。

高暴露、低互补的岗位更容易被自动化替代，面临劳动需求下降和工资压力。高暴露、高互补的岗位，如管理、工程、科研和专业服务，则可能在劳动者具备相应技能时获得生产率和工资收益。建筑、农业、电气维修等手工或技术岗位的暴露度通常较低。

中东和中亚约30%—50%的就业岗位会受到人工智能影响，发达经济体约为60%。女性的暴露度通常更高，但她们也较多分布在高互补岗位，因此既面临替代风险，也可能分享生产率提升的收益。

年轻劳动者总体暴露度较低，却更多集中在互补性不足的入门岗位。在青年失业率本已较高的经济体，初级岗位招聘减少可能造成更严重的冲击。海合会本国公民比外籍劳动者更常从事高暴露工作，但这些工作也更可能具有较高互补性。

岗位重组还会带来财政压力。技能错配可能延长失业期，高技能劳动者更容易分享生产率红利，低技能劳动者则可能遭遇工资停滞。与此同时，劳动收入税基可能收缩，失业保障、再培训和社会救助支出却会上升。

要降低转型成本，政策需要把有针对性的社会保护与积极劳动力市场措施结合起来，发展行业培训、学徒制、终身学习和再技能项目，并在教育中强化数字能力及与人工智能互补的技能。鉴于生成式人工智能的扩散速度仍有很大不确定性，政策框架还应为不同技术路径保留调整空间。

总体而言，人工智能应用与海合会投资扩张将带来可观但高度不均衡的增长红利，若基础、技能、制度和技术获取条件越好，则收益越大。海合会的增益约为高加索和中亚的1.5倍、约为本地区低收入经济体的2倍，差异主要源于经济结构和发展条件，而非技术本身在各国具有不同效力。

第一，政策重点应与发展基础相匹配。数字设施、技能和制度基础较强的经济体，应提升创新能力、更新法律与监管框架，在促进应用的同时处理安全、透明、隐私和伦理问题。基础较弱的经济体则应优先普及可负担的数字连接、云计算和数据能力，加大教育与人力资本投入，并从医疗、教育、公共服务等成本较低的“小型人工智能”应用入手，尽早形成实际收益。

第二，应维护开放、可靠、以规则为基础的技术扩散渠道。硬件、软件、模型和数据跨境流动越来越受国家安全和地缘政治因素影响，而新兴市场和低收入经济体可选择的替代渠道更少。与此同时，海合会的投资回报又依赖境外应用和发达经济体需求。提高地区整体准备度，并与主要市场协调监管和数据规则，既有助于缩小人工智能鸿沟，也能增强枢纽项目的商业可持续性。

第三，人工智能政策不能替代更广泛的结构性改革。改善治理、扩大贸易开放、增强产品和劳动力市场的灵活性、促进私营部门发展、深化区域经济融合，既有助于提高经济增长潜力，也能更好地释放人工智能的应用价值。海合会国家还需合理安排投资节奏、优化融资结构，避免因过度乐观而积累过高债务。其他经济体则应立足本地需求和运维能力，避免将有限的财政资源过度集中于大型项目。

第四，应把包容性转型纳入宏观政策。金融监管、财政政策、社会保护、教育和就业服务都要为多种可能结果做好准备。针对女性、青年、低技能劳动者和非正规就业者，应依据具体岗位的暴露度和互补性设计培训、转岗与收入支持，而不是用宽泛的群体标签代替精细政策。

只有统筹提升生产率、加强风险治理和促进劳动者适应，才能让人工智能持续助力中东和中亚经济多元化，增强经济增长的韧性。

https://www.imf.org/en/publications/departmental-papers-policy-papers/issues/2026/09/29/harnessing-artificial-intelligences-potential-in-the-middle-east-and-central-asia-574898