人工智能（AI）正迅速重塑全球经济结构与发展格局。然而，这一轮技术浪潮所带来的红利分配极不均衡。在主流技术叙事中，“全球南方”（the Global South）长期被塑造成“落后者”或被动的技术接受者，新的技术革命反而可能固化甚至放大既有的不平等结构。人工智能带来的结构性鸿沟不仅存在于全球南北之间，全球南方内部、产学研界同样呈现出显著分化。在此背景下，全球人工智能治理中心（Global Center on AI Governance, GCG）近期发布的报告《化制约为能力》（Constraint to Capability:Flipping the Narrative on AI in the Global South）对这一叙事提出了重要挑战。报告指出，“后发”并不必然意味着劣势，相反，在人工智能进入制度定型与基础设施快速铺开的关键阶段，全球南方国家可能拥有独特的战略窗口。报告所提供的“后发优势”视角，有助于超越简单的“追赶叙事”，为理解不同发展阶段国家在AI时代的多元路径提供新的分析框架。

以下译文仅代表原文作者的个人观点与分析立场。详细内容请参阅文末原文链接。

随着人工智能从工具性技术演变为重塑经济结构、社会治理与国际权力格局的基础性能力，一种新的“全球人工智能鸿沟”正在形成。不同于传统数字鸿沟，这一分化更多体现在算力基础设施、数据资源、核心模型能力与治理话语权的结构性集中。全球南方普遍处于“应用扩散快、核心能力弱、制度塑造力不足”的位置，面临被锁定于依附型发展路径的风险。本报告指出，AI鸿沟并非技术演进的必然结果，而是政策选择与制度路径塑造的产物。全球南方正处在一个关键窗口期：其“后发地位”不仅是制约，也可能转化为在绿色AI、本地化应用与敏捷治理方面形成新型比较优势的战略机遇。报告从能力建设、基础设施与数据结构、生态可持续性、主权治理路径与行动框架五个方面展开分析，提出以“化制约为能力”为核心的发展思路。报告强调，弥合AI鸿沟的关键不在于单纯追赶技术前沿，而在于构建以人为本、绿色可持续、制度可信的人工智能发展模式，使全球南方从技术接受者转变为未来规则的共同塑造者。

人工智能（AI）正从一项前沿信息技术迅速演变为重塑经济结构、社会治理与国际权力格局的关键变量。随着大模型、自动化决策系统与智能体技术不断突破，人工智能已不再只是效率工具，而正在成为一种基础性能力——决定着谁能够掌控未来的生产方式、公共服务体系与数字主权边界。

在这一背景下，一个新的“全球人工智能鸿沟”正在加速形成。与以往数字鸿沟主要表现为“是否接入互联网”不同，当前的分化更多体现在底层能力结构上：谁拥有可持续的算力基础设施，谁掌握高质量数据资源，谁主导基础模型体系，谁在规则与标准制定中占据主动。现实中，这些关键能力高度集中于少数发达经济体和跨国科技企业之中，全球南方国家大多处于“应用扩散快、核心能力弱、制度话语权不足”的结构性位置。

如果这一趋势持续，人工智能不仅难以缩小全球发展差距，反而可能将既有的不平等进一步“技术化”“制度化”：发达经济体占据模型、算力与平台高地，发展中国家则更多沦为数据来源地、应用市场与环境和社会成本的承载者。在这种格局下，技术红利与治理权力同步集中，新的依附结构正在成形。

然而，人工智能鸿沟并非技术演进的自然结果，而是由政策选择、投资路径与制度安排共同塑造的。后发国家是否注定只能追赶，并不取决于“起点高低”，而取决于是否复制既有路径，还是主动塑造新路径。与工业化和早期数字化浪潮不同，当下全球南方多数国家尚未被高度资本密集型、能源密集型与平台垄断型的人工智能基础设施“锁定”，这意味着其仍处在一个具有高度可塑性的窗口期。

本报告的核心判断是：“后发”并不必然意味着劣势。相反，在人工智能进入制度定型与基础设施大规模铺开的关键阶段，后发国家反而可能拥有将制约转化为能力、将差距转化为制度优势的战略空间。如果能够在能力建设之初同步嵌入可持续性目标、发展导向与治理框架，全球南方完全有可能避免高成本路径依赖，在绿色AI、本地化应用与灵活治理方面形成新型比较优势。

基于这一判断，报告从五个方面展开分析：第一，重新界定全球AI鸿沟的结构性内涵；第二，基础设施与数据能力如何构成关键制约；第三，生态压力如何转化为“后发绿色机遇”；第四，全球南方如何在治理层面塑造“主权路径”；第五，如何将这些洞见转化为系统性行动框架。

机遇之窗虽窄，却依然敞开。通过审慎决策与国际合作，人工智能可成为共享繁荣的驱动力，而非新的全球新的裂缝之源。

《化制约为能力：Chapter 1》

来源：全球人工智能治理中心（GCG）

如果说人工智能竞争的表层表现是模型规模与资本投入，那么其真正决定性因素，在于一个社会是否具备理解、使用、塑造与治理人工智能的能力结构。对全球南方而言，人工智能能力建设首先是一项人的工程，而非单纯的技术工程。

人工智能素养（AI literacy）是指个人与组织能够安全、透明且负责任地理解、使用并治理人工智能系统的能力。不仅意味着掌握基本技术知识，更关乎公众与机构是否具备理解算法能力边界、识别潜在风险、参与制度塑造的能力。只有当决策者、企业、教育系统与普通公民形成基本共识，人工智能的社会应用才能在可控、可问责的轨道上展开。

现实中，全球南方普遍存在明显的人工智能素养缺口。一方面，专业人才储备不足，高级数据科学家、机器学习工程师和熟悉AI治理的政策官员严重匮乏，使许多国家在关键系统建设中高度依赖外部技术供应商。另一方面，公众对人工智能的认知往往受科幻叙事或碎片化媒体报道影响较大，容易在“技术万能论”与“技术恐慌论”之间摇摆，既限制了创新空间，也削弱了风险治理能力。

人工智能素养缺失带来的后果并非单纯的技术滞后，而是制度性脆弱。缺乏基本理解能力，意味着社会难以对算法系统进行质询、审计与纠偏，算法开始在就业筛选、金融信贷、医疗资源分配与公共治理中“自动运行”，却缺乏有效监督。这不仅加剧误用和滥用风险，也容易形成“结构性技术依附”，即关键决策逐渐外包给由外部主体设计和控制的系统。

因此，人工智能素养本身已成为一项治理议题。它关乎数字主权、公共问责与社会权利结构。近年来，一些全球南方国家开始将人工智能基础教育纳入国家发展战略，例如印度在中小学阶段引入“全民AI”课程，卢旺达通过“数字大使”计划向偏远地区推广智能技术认知，印尼则对公务员系统开展AI伦理与治理培训。联合国教科文组织也在推动跨教育体系的人工智能能力框架建设。尽管路径各异，但这些实践共同指向一个趋势：人工智能素养正在成为国家能力的新组成部分。

与素养不足并行的，是全球南方长期面临的人才外流问题。有限的科研条件、较低的薪资水平与不稳定的创新环境，使大量本土培养的人工智能人才流向发达经济体或为海外企业远程服务，形成典型的“脑流失”（The Brain Drain）结构。

图源：AI NEWS.com

印度的情况就极具代表性：2023年，美国发放的H-1B工作签证中，超过70%授予出生于印度的申请者，其中相当一部分为人工智能工程师。这既反映了印度在高等技术教育方面的产出能力，也凸显了本地吸纳与留住高端人才机制的不足。由此形成的悖论是：新兴经济体在教育体系中投入大量资源，但其经济回报却往往在海外实现，并且低薪资水平、科研经费不足以及宏观经济不稳定，更共同推动了这一趋势。一些拉美国家在财政压力与科研预算收紧背景下，更是出现“科学外流”趋势，人工智能发展日益依赖外部解决方案。

这种结构的根本问题并非个体流动，而是国内创新生态不足以承载高技能群体的发展预期。当本土市场缺乏可持续项目、研究平台和应用空间，人才留存就难以成为理性选择，结果是技术能力不断外溢，而制度性依赖持续加深。

值得注意的是，部分地区已开始探索逆转机制。在非洲和南亚，一批区域性技术枢纽、数据科学学院和应用导向型研究网络逐步兴起，围绕农业、公共卫生、地方语言处理与政府数字化等问题展开项目导向型培养。一些国家尝试通过创新补贴、初创支持、远程工作制度与短期回流计划，构建“人才循环”而非单向流失模式。

这表明，关键不在于阻止流动，而在于创造能够将知识转化为本土能力的结构性空间。只有当人才看到可以参与前沿议题、影响公共问题并获得制度支持时，能力沉淀才会真正发生。

尽管能力缺口明显，但全球南方也拥有重要结构性优势。国际组织的研究显示，人工智能对发达经济体就业结构的冲击将明显高于发展中经济体，其原因在于后者对白领自动化依赖度相对较低。这意味着，在智能体技术全面嵌入之前，全球南方仍拥有一个相对有限但真实存在的战略窗口，可以在制度、教育与基础设施层面提前布局。

历史经验表明，后发国家在通信与金融科技领域曾通过“跨越式发展”绕开部分传统路径，实现对既有体系的改造。但同时，这些跨越也伴随新的依附关系。本轮人工智能浪潮提供了一个重新设计发展路径的机会：不仅是引入技术，而是同步建设治理能力、伦理框架与本土创新体系。

从这个意义上看，人工智能能力建设并非简单追赶，而是关乎发展模式选择。后发并不必然意味着落后，它也意味着尚未被锁定。能否将这一窗口期转化为长期能力，取决于今天是否将教育、人才、治理与公共利益置于技术部署的核心位置。

《化制约为能力：Chapter 2》

来源：全球人工智能治理中心（GCG）

如果说第一道鸿沟体现在“谁拥有能力”，那么第二道鸿沟则体现在“谁拥有承载能力的物质基础”。没有稳定的数字基础设施和具有代表性的数据体系，任何人工智能战略都难以转化为现实影响。

人工智能运行依赖于稳定的网络连接能力。然而，全球仍有近30亿人口无法接入互联网，其中绝大多数位于全球南方。发达经济体中超过80%的人口拥有互联网接入，而发展中国家的这一比例仅约为35%。即便在已有网络覆盖地区，带宽不稳定、资费高昂与电力短缺也严重制约教育、医疗与创业型应用。

数字素养（Digital literacy）不足构成第二重障碍。数以百万计的人口并非因缺乏基础设施而离线，而是因为缺乏相关技能与认知，特别是教师群体本身往往未接受足够培训，更加难以引导学生进入数字空间；而性别不平等问题进一步加剧了这一差距：在中低收入国家，女性使用互联网的可能性比男性低22.8%，这使社会中相当一部分群体被排除在数字经济之外。

即便实现了联网，电力稳定性仍是关键瓶颈。在非洲和南亚部分地区，频繁停电使科研机构和数据中心难以持续运行。全球算力分布的不平衡尤为突出：世界排名前100的超级计算机中，没有一台位于非洲、拉丁美洲或较小的亚洲经济体。非洲拥有全球18%的人口，却仅占全球数据中心算力的不到1%。这种不对称具有深远影响。随着人工智能系统日益依赖实时数据流与云端决策，对外部基础设施的依赖将削弱国家塑造并保障自身数字未来的能力。这不仅是技术可及性问题，更关乎关键决策权的外移，某种程度上重现了历史上的外部依附结构，只是如今被数字技术进一步放大。

这种不对称不仅是技术问题，更涉及发展安全。随着人工智能系统越来越依赖云端实时决策与跨境数据流动，算力基础设施的外部依赖将直接影响国家对关键领域的控制能力。高昂能源成本与脆弱电网结构进一步强化了排除机制，形成“强者愈强、弱者依赖”的循环。

尽管如此，一些替代路径正在出现。区域数据中心、跨国光缆合作和互联网交换节点建设正在降低接入门槛。同时，移动优先与边缘计算模式，使部分国家能够在不完全复制“超大规模算力路径”的前提下，部署适用于公共服务与产业场景的人工智能系统。

图源：DT Global(国际发展机构）

即便基础设施逐步改善，人工智能发展仍面临更隐蔽但同样关键的制约：数据结构性失衡。全球主流模型所依赖的数据，主要反映过去数十年互联网中高度可见人群的语言、行为与知识体系，而大量全球南方社会经验、地方语言与制度实践长期处于“不可见状态”。

这一失衡在语言领域尤为明显。在全球约7000种语言中，只有约1500种拥有足够的数字资源可用于模型训练的规模化语料，而主流基础模型主要基于英语及少数西方语言训练。结果就是，当人工智能系统被引入医疗、司法或公共治理领域时，常出现理解偏差与语境错位，不仅影响应用效果，也削弱社会信任。

更深层的问题在于数据主权。当数据采集、存储与商业化路径由外部企业主导时，本地创新者在算法训练阶段即处于不利位置，而社会也难以就数据用途、隐私保护与价值分配形成有效治理。这种“代表性鸿沟”会不断放大能力差距，使技术在形式上普及，在实质上失衡。

近年来，一些地区开始探索本土数据网络建设与多语言模型协作项目，尝试将农业、公共卫生与地方知识体系转化为可治理的数据资产。这类实践显示，数据能力并非只能通过市场积累，也可以通过公共制度设计塑造。

合成数据为缓解数据不足提供了部分解决方案。通过生成模拟真实世界模式的人工数据，开发者可在“小数据”环境中训练模型，纠正代表性不足，提高对边缘群体的准确性，并在一定程度上保护隐私，并且在医疗、农业或教育等本地数据匮乏的领域，合成数据有助于构建更具相关性与包容性的模型。

但其风险同样不容忽视。如果合成数据基于偏差样本生成，不仅无法消除不平等，反而可能将其放大；缺乏防护时，隐私泄露依然可能发生；若不持续以真实世界数据校验，模型性能将逐步退化，甚至出现“模型坍塌”。因此，合成数据若被审慎使用，可能缩小差距；若被滥用，则会加深鸿沟。

弥合这些结构性鸿沟，单一国家难以独立完成。公共—私营伙伴关系（PPP）、区域协作平台与跨国基础设施项目正在成为其中的关键机制，跨境光缆、区域数据枢纽与云服务共建，有助于分摊成本、提升议价能力，并降低对单一供应方的依赖。

与此同时，全球南方在跨越式发展方面具备独特优势。高移动端渗透率为轻量化模型、边缘计算和垂直应用提供了现实载体。以农业、公共健康与普惠金融为场景的移动人工智能工具，正在以较低算力成本提供可观社会效益。

这意味着，人工智能准备度不应仅以研发投入衡量，而应关注其是否具备可持续接入能力、数据代表性和制度协调水平。在这些维度上，全球南方国家仍然拥有塑造自身发展轨迹的空间，“后发”并非只能追赶，反而可能孕育新的引领路径。

《化制约为能力：Chapter 3》

来源：全球人工智能治理中心（GCG）

随着人工智能在全球范围内的加速扩散，其隐匿的环境成本正日益凸显。从训练大模型所需的巨量电力与淡水，到硬件更新换代产生的电子废弃物，AI的物理足迹与其数字光环形成了鲜明反差。

长期以来，这些环境外部性往往不成比例地由全球南方承担——这里是气候变化的最脆弱前线，也是电子垃圾的主要倾倒地。然而，本报告提出了一个看似矛盾却极具战略意义的观点：在AI发展进程中的“迟来”（delay），反而可能构成一种独特的“生态后发优势”（Second-Mover Advantage）。

这种“延迟”意味着它们有机会。

对于尚未被高能耗、化石能源依赖型数字基础设施“锁定”的而言，这意味着不仅可以避免早期发展路径中的系统性失误，还可能在可持续人工智能部署方面树立新的全球标杆。与其在既有体系中“修修补补”，这些国家有条件从一开始就规避先行者的系统性失误，直接跨越到以可再生能源、边缘计算和高效模型为核心的绿色AI新范式。

人工智能正在从“静态预测工具”向具备高度自主性的智能体系统（Agentic AI）转型。此类系统能够在较少人工干预的情况下持续生成并执行任务，将带来持续且不可预测的算力需求。发达经济体往往不得不通过改造陈旧的化石能源电网来支撑这一需求，而全球南方则拥有“白纸作画”的空间。

在实践层面，首先是AI基础设施的绿色重构。与其复制北方国家“大规模集中式服务器农场”的旧模式，后发国家可以从一开始就优先建设分布式、去中心化的绿色基础设施。这一趋势已在肯尼亚和南非等国初见端倪：肯尼亚和埃塞俄比亚已开始利用地热能驱动数字基础设施，北非国家正在部署太阳能服务器集群，南非则在尝试将风能项目与数据枢纽直接耦合。这不仅降低了碳排放，更减少了对进口化石燃料的依赖，提升了国家能源安全。并且通过将计算任务推向边缘端（Edge Computing），利用本地设备或社区微电网处理数据，可以显著降低对大型数据中心的依赖及长距离传输带来的能耗，这种去中心化设计在电网不稳定的地区更具韧性。

这一转向的另一个重要体现，是“小而美”的小语言模型崛起。在算力受限的环境中，约束反而催生了更优的路径：全球南方正在证明，满足本地需求并不一定需要千亿参数的通用大模型，相较于通用型超大模型，小规模模型可以针对本地语言和特定应用场景进行精细化调优，在显著降低算力与能耗成本的同时，依然实现较高的实用性能。专用型小语言模型（SLMs）和任务导向型AI系统，正以极低的能耗成本实现高效的社会价值。例如，总部位于约翰内斯堡的 Lelapa AI 开发的 InkubaLM，是一款面向斯瓦希里语、约鲁巴语、祖鲁语和科萨语等非洲语言的小型模型。尽管其参数规模远小于前沿模型，但在翻译和问答等任务中展现出具有竞争力的表现，且足以在资源受限环境中部署。类似地，肯尼亚的 UlizaLlama 项目通过改造开源模型，为母婴健康领域提供本地语言支持，它证明了领域专用AI可以在不付出高昂生态代价的前提下，显著改善公共服务。这些案例揭示了一个关键命题：“更大”未必“更好”，适配本地需求的精简模型，往往比盲目引进通用大模型更具经济与生态双重效益。

这些案例共同揭示了一个关键命题：后发并不必然意味着落后。在适当的制度与技术选择下，后发国家反而可以跳过高消耗路径，直接构建更加精简、绿色且具有韧性的人工智能系统。相较于早期采用者“快速行动、事后补救”的发展模式，后发者有机会在起步阶段就将生态约束内嵌于技术体系之中。

图源：福布斯（Forbes.com)

人工智能的环境足迹对终端用户而言往往难以察觉，但其现实影响极为显著。 首先是能源消耗。2024年全球数据中心耗电量约占全球总量的1.5%，预计到2030年将翻倍。训练单一前沿模型的碳排放量，可能相当于纽约至旧金山往返航班排放量的300倍。

其次，水资源同样构成重要约束。数据中心冷却通常每消耗1千瓦时电力需约2升水。在水资源紧张地区，这种需求可能直接与农业和社区用水形成竞争。

再者，隐性成本是电子废弃物。AI硬件极短的更新周期（2-3年）导致电子垃圾激增，其中大量被出口至全球南方进行非正规拆解，损害当地工人健康。同时，支撑AI硬件的钴、锂等关键矿产开采，往往伴随着当地的生态退化与劳工剥削。

由此形成的格局十分清晰：人工智能的主要经济收益集中于全球北方，而相当部分生态成本却由全球南方承担，这一路径是不可持续的。全球南方不能只做AI产业链的“矿坑”和“垃圾场”，而必须成为绿色价值的创造者。

要把握这一机遇，全球南方的人工智能生态系统的建设可遵循三项基本原则：

第一，效率优先设计（Efficiency by Design）：通过算法创新、模型压缩与节能硬件，在较低算力消耗下实现可接受的性能；

第二，全生命周期治理（Lifecycle Approach）：将硬件复用、安全回收与模型渐进更新纳入规划，避免“用完即弃”的硬件消费模式，建立规范的电子废弃物管理体系；

第三，可再生能源优先（Renewable Energy Priority）：建立硬性约束，将算力基础设施的扩张与新能源投资直接挂钩，数据中心的建设许可应与太阳能、风能或地热能的配套指标绑定，使AI产业反向驱动清洁能源发展。

在此基础上，对代理型人工智能系统的治理尤为关键。嵌入能源、农业或医疗系统的自主代理，应从一开始就接受效率、透明度与人类监督方面的制度约束。

如果部署得当，人工智能也可以从环境的负担成为应对气候问题的有力工具。

在尼日利亚，初创公司Enee.io利用AI优化微电网电池管理，延长设备寿命；在拉丁美洲，Kilimo利用卫星数据优化灌溉，帮助农户减少20%的用水量。这些应用表明，AI在优化能源系统、预测极端天气和提升农业韧性方面具有巨大潜力；AI既可能加剧生态与社会不平等，也可能成为推动可持续、公正与韧性发展的关键工具。对全球南方而言，其后发地位不是单纯约束，而是一次重塑技术路径的战略窗口，与其在不可持续的旧赛道上追赶，不如在绿色AI的新赛道上领跑。通过审慎而前瞻的制度设计，新兴经济体完全有能力向世界展示：一个更加精简、绿色且具有韧性的AI未来是可行的。

《化制约为能力：Chapter 4》

来源：全球人工智能治理中心（GCG）

随着人工智能从单纯的技术工具演变为重塑社会结构的底层力量，治理已不再是可有可无的“附加题”，而是决定发展质量的核心变量。

在全球南方，缺乏有效监督的AI极易放大既有偏见、侵蚀隐私并削弱社会信任，而这些风险往往最严重地冲击着贫困人口与边缘社区。然而，当前的全球治理准备度仍然堪忧：仅约5%的组织认为自身已建立起完备的治理框架。

本报告认为，对于新兴经济体而言，治理不应被理解为阻碍创新的静态规则，而应被视为一种战略性的“责任文化”，即一种将共享价值观、激励机制与监管体系深度融合的制度生态。正是在这一领域，全球南方正在展现出独特的制度后发优势：摆脱了早期采用者的“监管负债”（Regulatory Debt），它们有机会从一开始就构建更具弹性、更符合本地语境的主权治理路径。

与全球北方趋向统一的监管范式不同，全球南方正在形成一幅多极化的治理拼图。这种多样性并非弱点，而是对不同区域制度能力与发展优先序的理性回应。

1. 非洲：灵活性与发展导向。2024年通过的《非洲大陆人工智能战略》（Continental AI Strategy）是一个里程碑。它有意选择了一种非约束性框架。在成员国数字化准备度差异巨大的背景下，刚性规则可能导致排斥，而灵活性则能确保所有国家都能参与其中。该战略将治理视为一种动员工具，核心在于释放潜能与能力建设，而非单纯的风险管控。

2. 拉丁美洲：基于权利的法治化路径。相比之下，拉丁美洲选择了更为正式的立法路径。巴西的2338/2023号法案和智利的AI法案均借鉴了欧盟基于风险的分级框架，但在内核上更强调宪法层面的权利保护。秘鲁更是通过了该地区首部人工智能法律。这种模式强调可执行性与制度结构，反映了该地区深厚的法治传统与对人权议题的敏感度。

选择非约束性框架是有意为之。在人工智能准备度高度不均衡的背景下，灵活性可确保没有成员国被排除在外。该战略并非设定刚性规则，而是作为动员与协调工具，服务于非洲的发展语境。

3. 亚洲：务实的多轨并行。亚洲呈现出混合治理的特征。印度采取了“拼接式治理”（Patchwork Governance），通过《数字个人数据保护法》与行业指引的组合来平衡创新与风控。东南亚国家联盟（ASEAN）发布的治理指南则延续了“不干涉”的区域传统，采取自愿原则。新加坡更是开创了“监管沙盒”模式，允许企业在监管监督下测试AI系统，通过实证数据来迭代规则。

这种多极化格局表明，全球南方已不再是国际规则的被动接受者，正在转变为规则的共同塑造者。

图源：Jile.io.com

全球南方的核心优势在于“白纸效应”。发达经济体往往需要花费巨大成本来修补已固化的遗留系统，而新兴经济体可以从起步阶段就将核心原则“默认嵌入”（Embedded by Default）到治理架构中。

如敏捷治理机制，即利用监管沙盒、动态指引和公私共治机制，后发国家能够随着技术演进实时调整规则，避免了法律滞后于技术的困境。

而原则的早期植入，可以在系统部署之初就强制要求环境影响评估、本地语言支持和公众咨询机制。这确保了治理反映的是本地优先事项（如包容性、可持续性），而非盲目移植外部议程。

这种制度创新可能反向塑造全球规范。如同《马拉博公约》对数据保护的影响，非盟提出的“主权人工智能治理”概念正在进入全球讨论。建立清晰、可信的问责框架，还有助于消除投资者的合规疑虑，从而吸引负责任的资本与人才，构建“高信任、低风险”的创新生态。

下一波人工智能将不再只是工具，而是具备推理、行动与决策能力的智能体AI系统，它在农业、医疗、金融普惠与公共服务领域潜力巨大，但若缺乏约束，可能绕开问责、固化偏见或违背人类意图。

发达经济体仍在为此类系统的监管而困扰，这为全球南方提供了制度超车的契机。新兴经济体可以率先确立“人在回路”（Human-in-the-loop）的强制性标准，特别是在医疗诊断、信贷审批等高风险领域，确定人机协同的底线；新兴经济体也可建立涵盖从设计、训练到部署、回收全过程的问责链条，这不仅是追赶，更是通过确立防止“有害自主性”的护栏，为全球AI治理贡献新的范本，确保智能体服务公共利益。

人工智能鸿沟并非宿命，而取决于当下的制度选择。所谓的“主权路径”，并非封闭自守，而是指使AI发展服务于国家和地区的优先事项，而非简单地成为外部技术与规则的殖民地。通过将“第二行动者”的身份重新定义为战略优势，全球南方正在扭转叙事：它们不是在追赶，而是在塑造未来的规则。

通过审慎的制度设计，全球南方有能力证明，治理不是创新的刹车片，而是方向盘。在一个智能体日益普及的时代，谁能提供更公平、更可信、更具韧性的制度环境，谁就将掌握未来的主动权。

《化制约为能力：Chapter 5》

来源：全球人工智能治理中心（GCG）

本报告始于一个简单却深刻的判断：全球人工智能鸿沟并非命中注定，而是制度选择、发展路径与政策取向共同塑造的结果。

由此可以看到，所谓“AI鸿沟”并非单一缺口，而是一个系统性挑战——技能、连通性、算力、语言代表性、治理能力与可持续性彼此交织，任何一个领域的突破都会放大其他领域的成效，而任何一个短板也可能成为整体转型的掣肘。因此，试图通过单一维度的“技术援助”来解决问题注定失效，这些要素必须被作为“一个政策组合（policy portfolio）”整体管理，利用诸如《全球负责任人工智能指数》（Global Index on Responsible AI）等工具，通过共同目标、统一指标与透明评估机制加以协调。

综合来看，有三项优先任务尤为突出：

第一，“后发优势”意味着可以从一开始就嵌入信任与可持续性，而非事后修补。

第二，必须同步应对“三重鸿沟”——连通性、成本与算力，同时处理语言与文化代表性不足的问题。
第三，信任本身是一种增长战略。清晰规则、可申诉机制与包容性参与，有助于同时增强公民、投资者与创新者的信心。即便是“人才外流”，也可以通过制度设计转化为“人才循环”，让海外人才反哺本土生态。

这些要素并非孤立存在，而是相互强化：技能提升使基础设施与数据真正转化为生产力；可持续性投入降低长期成本、增强系统韧性；而主权性、敏捷型治理既能降低风险，也能提升可投资性。三者共同构成一种“飞轮效应”（Flywheel Effect）——从数字素养到技术采用，从采用到生产率提升，再到制度能力强化与再投资。

全球南方并非注定在AI时代落后。通过吸取先行者的经验教训、发挥本地优势并在起步阶段就嵌入治理框架，新兴经济体完全可能塑造一条更加包容、以人为本的发展路径，关键核心不再只是“谁先创新”，而是“谁能更负责任地创新。”

联合国可持续发展目标（SDGs）

来源：联合国（UN）

为了将“化制约为能力”的战略构想转化为可执行的路线图，本报告提出了与联合国可持续发展目标（SDGs）深度对齐的四大行动支柱。这不仅是为了确保AI发展的伦理正当性，更是为了将AI创新从单纯的商业逐利转向具有公共价值的广阔市场。

以下是针对全球南方政府、私营部门及国际发展机构的具体行动建议：

（一）建设包容性的数字基础——目标对齐：SDG 7（清洁能源）、SDG 9（基础设施）、SDG 4（优质教育）

可靠的连接、可负担的清洁能源与开放的基础设施，是AI运行的物理轨道，公共与私营部门可重点支持以下举措：

（二）投资人才与能力——目标对齐：SDG 4（教育）、SDG 5（性别平等）、SDG 8（体面工作）

人始终是AI时代的核心引擎。政策重点应从单纯的“留住人才”转向构建开放的“人才环流”机制：

（三）嵌入绿色与可信基因——目标对齐：SDG 12（负责任消费）、SDG 13（气候行动）、SDG 16（制度建设）

后发优势的核心在于“设计即正确”，重点举措包括：

（四）构建全球南方伙伴关系——目标对齐：SDG 17（伙伴关系）

没有任何国家可以单独弥合AI鸿沟，南南合作有助于汇聚资源、提升谈判能力，南北合作则有助于实现公平技术转移与协同创新。重点举措包括：

本章提出了弥合AI鸿沟的系统性解法。报告强调，单纯的技术追赶无法解决结构性失衡，必须采取与联SDGs深度对齐的“政策组合”策略——将基础设施建设、人才环流、绿色转型与敏捷治理融为一体。在智能体AI时代，真正的核心竞争力已从技术领先转向制度塑造能力，通过构建相互强化的创新生态，全球南方有望突破依赖路径，从全球规则的被动接受者跃升为下一代技术治理的共同制定者。

图源：PCMA convene

人工智能鸿沟并非不可逆转的宿命，而是一种制度选择的结果。

全球南方正面临一个历史性的战略转折点：利用“后发优势”，我们完全有能力规避高昂的试错成本，开辟一条服务于本地优先事项、促进社会公平的“主权型发展路径”。

弥合鸿沟的终极意义，在于释放人类潜能。这不仅需要建设绿色的基础设施和包容的数据生态，更需要构建赢得信任的治理框架，当政府与企业以愿景和使命感行动时，昔日的“制约”终将转化为今日的“能力”。

今天的选择，将定义未来的格局。行动的号角已经吹响：

如果方向正确，AI将不再是割裂世界的裂痕，而是通向普惠、绿色与可持续未来的桥梁；全球南方不仅能跨越差距，更将引领一场通向人类尊严与机遇并存的全球转型。