2025-03-09-世界银行-超越人工智能鸿沟_一种识别全球和本地人工智能准备中表现优异者的简单方法（英）_31页_1mb

研究背景与方法

本报告通过使用国际货币基金组织(IMF)开发的2023年人工智能准备指数(AIPI)和经济复杂性指数(ECI)来评估174个国家的AI准备水平。ECI从贸易和研究数据中综合评估一个国家的经济复杂性。研究采用贝叶斯模型平均法(BMA)筛选AIPI的决定因素，并通过加权最小二乘法结合经济复杂度，识别AI全球和本地过表现国家。

实证发现

报告发现，AIPI与ECI之间存在强相关性，特别是在全球范围内，这种相关性显著（相关系数为0.79和0.70）。通过对不同收入组国家进行分析，确定了两类过表现国家：

• 全球过表现国家：包括澳大利亚、日本、荷兰、新西兰、新加坡以及北欧国家如丹麦、芬兰和挪威等。
• 本地过表现国家：包括阿尔巴尼亚、中国、哥斯达黎加、印尼、哈萨克斯坦、马来西亚和乌克兰等。

经济发展与AI准备的关系

AI准备水平与经济发展复杂性高度相关。研究证明，较高的经济发展复杂性是国家AI优势的关键来源，尤其是在高收入国家和东亚经济体中。波斯尼亚和黑塞哥维那、利比亚等国家的报告显示，低经济复杂性和财政限制影响了其AI政策执行能力。

全球与本地过表现国家

通过结合Income分类和AIPI得分，识别出两类国家：

🌍 全球过表现：利用AIPI指标与经济复杂度预测值对比，识别超额AI-prediction值。这些国家如澳大利亚、日本、新加坡等，展示了高水平的AI治理框架和战略投资。

🌏 本地过表现：在低中、中低和中高等收入国家中，一些国家超越了基于经济复杂度的预测AI水平，包括中国、马来西亚和蒙古等。这些国家通过政策创新和社会投入实现了AI-ready水平的提升。

关键影响因素分析

报告强调了AI治理框架的重要性，特别是在过表现国家中。例如，新加坡和北欧国家通过详细法规和公共-私营部门合作，建立了信任和透明度；中国和马来西亚则通过基础设施建设、人才培养和伦理框架相结合；印度、南非等国家则通过中长期战略、技能提升项目和数据治理来满足AI发展需求。

结论与启示

该研究的核心结论是经济发展复杂度与AI准备水平高度相关，可以通过经济复杂度预测各国AI准备水平。根据方法创新，识别出两类过表现国家，并发现AI治理框架的重要性。

根据研究，建议政策制定者应借鉴过表现国家的经验，特别是从以下国家案例中学习：

• 🇇🇦 澳大利亚、日本、荷兰、新西兰、新加坡（全球过表现国家案例）
• 🇨🇳 中国、马来西亚、蒙古（本地过表现国家案例）
• 🇮🇳 印度、南非（印度作为本地过表现国家具有全球性启发）

最终结论表明，经济复杂度虽为AI准备的重要基础，但政策创新和社会适应是实现高质量AI治理的关键驱动力。