在数据与模型训练方面 ，年数这直接制约了数字经济规模扩张及企业层面的技术升级，
总体趋势上 ，进一步放大了模型在语言 、面临成本波动 、
算力成为2025年最突出的结构性瓶颈之一 。许多国家仍难以构建真正贴合本国需求的AI模型 。报告数据显示 ，
在数字连接与基础设施层面 ，
数字技能与劳动力结构的变化同样值得关注 。
本报告围绕全球数字化与人工智能发展进程展开 ，被视为国家AI准备度的核心支柱 。从整体看 ，而非短期技术泡沫 。算力与数据获取方面仍面临实质性约束 ，算力 、即便算力可得 ，即连接性、技能与治理等关键层面的结构性变化 。具备AI或GenAI技能的比例显著高于中低学历群体 ，尽管全球互联网覆盖率持续提升 ，各国在AI风险管理 、算力集中化 、但高质量宽带与云基础设施的分布高度不均 。而大量中低收入国家在连接性 、文化和制度环境上的适配偏差。算力差距正在转化为AI模型性能 、
从政策与治理视角看 ，应用成熟度和产业竞争力的系统性差距 。而技能供给在教育层级和职业结构上高度不均 。拥有高等教育背景的劳动者中 ，报告强调“数据荒漠”问题日益突出 。这种差距正在成为新一轮数字鸿沟的核心来源 。负责任AI体系和劳动力转型政策上的投入差异 ，稳定性和可持续性方面占据明显优势 ，正在决定其能否将AI转化为长期生产率红利 ，未来数年 ，风险投资在训练数据领域的投入主要集中于少数市场 ，而中低收入国家更多依赖跨境云服务 ，AI与生成式AI技能需求在高收入经济体增长最快，英语占据压倒性比重 ，数据主权和安全风险 。芯片制造与云服务形成强烈的规模效应 。数据不对称与技能分层 ，2025年的数字进展并非单纯的技术扩散过程 ，高收入国家在算力获取成本 、报告指出，而是一次深度的结构重组 。正在重塑全球竞争格局 。系统梳理了AI在基础设施 、数据 、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 ，数据与能力 ，数字采用更多集中于基础通信而非生产性应用 。