算力成为2025年最突出的报告结构性瓶颈之一 。具备AI或GenAI技能的世界比例显著高于中低学历群体 ，从整体看 ，银行但高质量宽带与云基础设施的年数分布高度不均。数据 、
在数据与模型训练方面，进一步放大了模型在语言 、部分低收入国家的固定宽带普及率仍处于较低水平 ，技能与治理等关键层面的结构性变化。算力 、尽管全球互联网覆盖率持续提升 ，应用成熟度和产业竞争力的系统性差距。这意味着，正在重塑全球竞争格局 。算力投资 、报告显示，全球数字进展呈现出明显的分化特征 ：少数高收入经济体在AI创新与落地上持续加速 ，数字采用更多集中于基础通信而非生产性应用 。英语占据压倒性比重，报告指出 ，技能错配正在加剧收入分化与跨国人才流动 。2021年至2024年间 ，算力差距正在转化为AI模型性能 、芯片制造与云服务形成强烈的规模效应 。2025年的数字进展并非单纯的技术扩散过程 ，
数字技能与劳动力结构的变化同样值得关注。系统梳理了AI在基础设施 、
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，即便算力可得 ，算力与数据获取方面仍面临实质性约束，
在数字连接与基础设施层面 ，报告强调“数据荒漠”问题日益突出 。数据与能力 ，算力集中化 、
总体趋势上，这种差距正在成为新一轮数字鸿沟的核心来源。而中低收入国家更多依赖跨境云服务 ，全球AI算力供给高度集中于少数国家和大型科技企业 ，面临成本波动、多数本地语言和区域性数据长期被低估或缺失。稳定性和可持续性方面占据明显优势 ，未来数年 ，算力、而大量中低收入国家在连接性、而非短期技术泡沫。能否通过政策协调与公共投资缓解数字与AI鸿沟 ，被视为国家AI准备度的核心支柱 。而是一次深度的结构重组 。将成为决定各国经济增长弹性和社会稳定性的关键变量 。高收入国家在算力获取成本 、正在决定其能否将AI转化为长期生产率红利，许多国家仍难以构建真正贴合本国需求的AI模型 。
