精选推荐

AI时代的「新大陆」，中美谁能抢摊南方国家？

导语

在中美人工智能竞争日趋激烈的背景下，全球南方正成为新的数字经济热土。文章指出，开源模式和国际合作为发展中国家构建自主AI生态提供了机遇，也折射出大国竞争向技术和规则层面延伸的趋势。

本文从全球南方的发展实践出发，基于人工智能的多元应用，立足农业、医疗与教育等关键领域，关注开源合作与跨国投资，指出数字经济潜力巨大，面临着成本、基建、人才等挑战，可借开源微调、国际合作构建主权AI生态，国际组织已推出治理框架，最终需发达经济体与全球南方以开放平等姿态共建包容AI生态。

作者：Noam Unger | 全球发展部副总裁、可持续发展和复原力倡议主任、繁荣和发展项目高级研究员

原文标题：An Open Door: AI Innovation in the Global South amid Geostrategic Competition

原文来源：华盛顿战略与国际问题研究中心

人工智能（AI）正以前所未有的速度发展。有专家预测，到2028年，AI的性能将比2025年初提升数千倍。按照通行定义，AI 是一种能够基于特定参数进行“预测、推荐或决策”的机器系统，其逻辑类似人类推理。

虽然人工智能并非新鲜事物，但近几年生成式 AI 的突破，尤其是在模拟人类语言和交互、生成新内容方面的能力，引发了全球范围的广泛关注。

各国政府和企业已经充分意识到 AI 对社会各个层面的深远影响，并纷纷加大投入：数以十亿美元计的研发资金、算力基础设施建设，以及全球顶尖人才的引进，正在不断推动技术迭代。（《数字经济发展评论》公众号原创编译）

AI的经济效应与不平衡分布

AI 的经济价值同样惊人。据国际数据公司（IDC）预测，到 2030 年，AI 将为全球经济贡献约 19.9 万亿美元。然而，这一增长并不会均匀惠及世界各地。

当前的趋势表明，美国、中国和欧洲等地区将在 AI 经济红利中占据主导，而拉丁美洲、非洲、大洋洲及部分亚洲市场（不含中国）预计获得的份额非常有限——分别仅占 3%、8% 和6%左右。

这意味着，如果缺乏自主掌握和应用 AI 的能力，发展中国家可能在数字化进程中进一步掉队。由此引发了关于全球 AI 发展格局的一系列讨论，包括：

• 由少数发达国家主导 AI 发展可能带来的后果；

• 开源 AI 技术能否帮助缩小数字鸿沟；

• 开源 AI 可能引发的安全风险；

• 大国竞争格局对未来创新的影响。

目前，七国集团（G7）倡导的 AI 原则（如透明、可问责、公平和可解释性），主要基于发达经济体的经验和价值观，却未能充分考虑全球南方国家的现实需求。

同时，AI 系统中存在的偏见问题也备受关注。迄今为止，许多主流模型在语言、数据和价值观上，仍更多地体现了少数先进经济体的视角。

发展中国家担心，如果不能改造现有模型或开发出适合自身需求的新模型，就可能陷入新的“数字殖民”循环。

因此，在构建本国 AI 生态时，它们往往面临抉择：是与美国合作，还是与中国合作。美国长期以来在技术创新方面占据优势，许多 AI 突破来自美国企业，这使其具备与全球南方国家建立合作的条件。

但与此同时，出口管制等政策也可能给合作伙伴的技术获取带来障碍，从而影响其自主发展选择。相较之下，中国在数字基础设施、应用推广和本地化适配方面积累了丰富经验，这对发展中国家同样具有吸引力。（《数字经济发展评论》公众号原创编译）

全球舞台上的 AI 发展与治理

目前，人工智能的研发主要集中在少数国家之中，其中美国和中国处于前沿地位。仅在 2024 年，美国私营部门在 AI 领域的投资就达到 1091 亿美元。

放眼全球，大约 100 家企业（主要位于中美两国）贡献了近 40% 的企业 AI 研发投入。几大科技巨头——苹果、英伟达、微软的市值，甚至相当于非洲整个大陆的 GDP。这种资本与资源上的差距，使发展中国家很难在短期内实现追赶。

不过，AI 创新正在逐渐全球化。在过去一年，中东、拉丁美洲和东南亚都出现了新的模型研发成果。同时，经济合作与发展组织（OECD）、欧盟、联合国、非洲联盟等国际组织也相继推出 AI 治理框架，强调透明、可信和责任导向。

开源与闭源之争

随着全球 AI 竞赛加速，“开源”与“闭源”的讨论成为焦点，这一选择将直接影响发展中国家的发展空间。

开源 AI 模型并非单一概念，而是一个光谱：有的完全公开模型架构，有的仅开放源代码或训练数据。这类模型通常可供任何人下载、修改或二次开发（在一定限制下）。例如，Llama 和 Mistral 等开源基础模型平台，使用户能够查看、调整并应用模型以满足自身需求。

与之相对，闭源模型不会公开设计细节，用户只能通过接口进行交互。例如，用户可以要求某个闭源模型生成一篇关于 AI 对发展中国家影响的分析文章，模型会根据其训练数据输出结果，但用户无法得知其代码架构或训练数据的具体内容。

开源模型降低了进入门槛，为发展中国家提供了宝贵的技术抓手；而闭源模式则在安全性、商业化等方面具备优势。如何平衡两者，将在很大程度上决定 AI 技术扩散的方向。（《数字经济发展评论》公众号原创编译）

创新与风险的平衡

2024 年秋，美国战略与国际问题研究中心（CSIS）举行了一场闭门圆桌会议，主题是开源与闭源 AI 系统在全球发展中的价值比较。会上，支持开源的专家强调了透明性的重要性，认为这不仅能够促进创新，还能降低进入门槛。

大型语言模型（LLMs）的研发成本极高，但一旦建立完成，其后续的微调成本却相对较低。开源模式让更多开发者能够在现有基础上进行改进和应用，从而节省算力和资金投入。更广泛的开发者群体还可以共同测试系统，长期来看有助于减少漏洞和安全隐患。

不过，批评者则认为透明性也可能带来安全风险。例如，开源代码可能被不法分子利用，制造虚假信息或发动网络攻击。

此外，开放模式也可能被他国借鉴，用于加快自身的 AI 技术发展。近年来已有实例显示部分开源模型被二次开发，用于军事或安全相关的工具，引发了外界的担忧。

但开源支持者回应称，闭源并不能完全阻止风险。就像“锁不住的门”一样，如果有人一心要突破，总会找到办法。与其过度担心潜在威胁，不如思考如何让资源有限的创新者能公平进入赛道。

从历史上看，开源模型在时间和算力上往往落后于闭源模型，因为企业有动力将最先进的成果保密用于商业化。最新研究显示，开源系统与闭源系统大约存在 15 个月的性能差距。但在算力层面，这种差距正在逐渐缩小。（《数字经济发展评论》公众号原创编译）

美中竞争与全球 AI 格局

在全球人工智能竞争中，美国和中国是最重要的两极。美国通过出口管制试图限制他国获取最先进的半导体，以保持自身优势。2025 年初，美国政府在政权交接之际，对相关规则进行了调整，显示出政策上的连续性与分歧并存。

新出台的《美国 AI 行动计划》明确提出三大支柱：创新、基础设施、国际合作与安全，意在保持美国在全球 AI 发展中的主导地位。

与此同时，中国也在积极推动自身的 AI 产业发展。近年来，中国不仅发布了具有国际竞争力的基础模型，还在数据中心、电力保障、芯片设计等关键环节加大投入，力求减少对外部技术的依赖。

中国还提出“人工智能能力建设行动计划”，并通过“数字丝绸之路”等倡议，加强与发展中国家的技术合作。

可以看到，美国强调通过“出口管制+伙伴合作”来维持技术优势，而中国则通过“自主研发+国际合作”来拓展发展空间。两种模式的差异，给发展中国家提供了不同的选择路径。

发展中国家的两难

对于低收入和中等收入国家（LMICs）来说，选择哪条技术道路，已经不仅仅是技术问题，更是战略问题。这一选择不仅关乎数字化转型的速度和成本，还将影响它们在地缘政治格局中的定位。发展中国家在推动 AI 应用时面临诸多挑战：

• 高昂成本：最前沿模型的研发费用近十年几乎以每年两到三倍的速度增长；

• 基础设施不足：数据中心、能源和网络条件仍然不完善；

• 人才与教育短缺：数字素养有限，缺乏持续的研发投入；

• 资源配置矛盾：在有限资金下，AI 投资往往要与偿债、医疗、教育等民生支出竞争。

例如，阿根廷总统米莱提出要把国家打造成区域 AI 中心。但现实中，国内经济压力导致教育和科研预算削减，人才外流加剧，使这一战略充满挑战。

非洲提出的非洲AI基金则是一种新的尝试。该基金计划投资 600 亿美元，用于发展本土 AI 生态，目标是到 2030 年每年创造 50 万个就业机会，并帮助 1100 万人脱贫。但即便如此，要想实现这一目标，仍需来自经合组织国家和私人资本的持续投入。（《数字经济发展评论》公众号原创编译）

主权AI与开源模式的机遇

在担心依赖外部模型带来数据主权风险的背景下，越来越多国家开始提出建设“主权 AI 生态”，即通过自建数据中心、本土化模型训练、制定监管框架等方式，掌握自主权。

开源 AI 在这一过程中具备重要意义。由于资金有限，许多发展中国家难以从零研发最先进的模型。但通过利用开源模型进行本地化微调，可以在降低成本的同时，更好地适配本地语言、文化和需求。

例如，小型语言模型（SLMs）的能耗仅为大型语言模型的 20% 以下，更适合资源有限的国家。它们不仅成本更低，还能为小语种或特定社群提供更有针对性的应用。

除了语言模型，计算机视觉（CV）模型也在农业和应急管理领域展现出巨大潜力。比如，开源的 DINOv2、Segment Anything 以及 AWS 的 SageMaker，已经可以通过图像识别预测农作物减产、自然灾害或基础设施损毁。这些能力有助于提升农业产量、改进灾害响应机制。不过，目前受制于数据集有限，其应用仍存在一定局限。

开源 AI 的优势：

贴近本地化与降低门槛

在全球南方，越来越多创新者正在将人工智能应用于本地发展问题。开源 AI 模型因其更易于适应本地文化和语言，并避免供应商锁定，正成为重要的技术抓手。

在非洲，AI 创新中心不断涌现，聚焦农业、医疗和教育等领域。这些中心不仅帮助提升生产效率、降低成本，还在改善信息获取方面发挥积极作用。

农业是非洲的支柱产业。农业雇佣了非洲42%–48%的劳动力，占据地区 GDP 的平均 17%。然而，该领域面临资源不足、气候不确定、生产率低等挑战。2022 年，非洲因气候相关灾害造成的损失接近 90 亿美元。

在此背景下，基于AI的作物监测、气象预测和病虫害管理等解决方案，有望优化农业实践、提升产量，并增强应对气候变化的韧性。

医疗和教育同样是 AI 大有可为的领域。据联合国教科文组织预测，到 2030 年全球将需要新增 4400 万名教师，其中三分之一需求来自撒哈拉以南非洲。

同时，全球医疗体系也将面临多达 1000 万医护人员的缺口。AI 可通过远程诊疗、疾病检测、健康监测等方式，缓解医疗资源不足；而基于开源 AI 的教育工具，例如个性化学习方案和适配本地语言与文化的智能问答系统，也有助于缓解教师短缺问题。

区域与国家战略：

从非洲到全球

除了具体应用，非洲各国政府和国际组织也在积极构建 AI 治理框架，以保护数据安全、鼓励投资、推动社会包容。根据《2024 年政府 AI 准备度指数》，2024 年全球新增了 12 项国家级 AI 战略，其中超过一半来自中低收入国家。

非洲联盟发布的《大陆人工智能战略》便强调区域协作，提出通过共享数据池和开放合作，推动包容和负责任的 AI 发展，使非洲在未来具备更多话语权。