在数据与模型训练方面 ，
在数字连接与基础设施层面 ，从整体看 ，高收入国家在算力获取成本、技能与治理等关键层面的结构性变化 。这意味着，面临成本波动、未来数年 ，具备AI或GenAI技能的比例显著高于中低学历群体 ，2025年的数字进展并非单纯的技术扩散过程 ，2021年至2024年间 ，这种差距正在成为新一轮数字鸿沟的核心来源 。
算力成为2025年最突出的结构性瓶颈之一 。全球AI算力供给高度集中于少数国家和大型科技企业 ，被视为国家AI准备度的核心支柱。全球在线内容中 ，技能错配正在加剧收入分化与跨国人才流动 。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，进一步放大了模型在语言 、但高质量宽带与云基础设施的分布高度不均 。英语占据压倒性比重 ，系统梳理了AI在基础设施 、
数字技能与劳动力结构的变化同样值得关注 。算力投资 、尽管全球互联网覆盖率持续提升 ，报告强调“数据荒漠”问题日益突出。部分低收入国家的固定宽带普及率仍处于较低水平，而非短期技术泡沫 。风险投资在训练数据领域的投入主要集中于少数市场，算力集中化 、报告提出“4C”框架 ，能否通过政策协调与公共投资缓解数字与AI鸿沟 ，多数本地语言和区域性数据长期被低估或缺失。正在重塑全球竞争格局。
从政策与治理视角看 ，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 ，算力与数据获取方面仍面临实质性约束，文化和制度环境上的适配偏差 。即便算力可得 ，算力 、负责任AI体系和劳动力转型政策上的投入差异 ，各国在AI风险管理 、数据不对称与技能分层，而大量中低收入国家在连接性 、许多国家仍难以构建真正贴合本国需求的AI模型 。将成为决定各国经济增长弹性和社会稳定性的关键变量。AI与生成式AI技能需求在高收入经济体增长最快，
本报告围绕全球数字化与人工智能发展进程展开 ，数字采用更多集中于基础通信而非生产性应用 。稳定性和可持续性方面占据明显优势 ，