世界银行报告：AI是穷国追赶的机会，底子跟不上就白搭

本文解读：《2026世界发展报告：人工智能的承诺（英）-世界银行》 · 共 380 页 · 原文

AI 不会自动把穷国送进高收入组，世界银行这份报告给出的结论比宣传口径冷得多。

《2026 世界发展报告：人工智能的承诺》共 380 页，是第一份系统评估 AI 对低收入和中等收入国家 68 亿人口意味着什么的报告。它把 AI 放在蒸汽机、电力、互联网同一序列里看。

序列里最扎眼的一条是扩散速度：蒸汽机传到低收入国家用了约 80 年，电力 40 年，互联网 20 年。 而 ChatGPT 上线半年内，中等收入国家就占了全球流量的一半。

但报告紧接着泼了冷水：历史上受益最多的，从来不是发明技术的国家，而是把基础设施、技能和 制度先建好、然后快速做应用的国家。

AI 是通用技术这件事成立，不代表每个国家都能拿到同一份红利。

图源：《世界发展报告》（第1页）

一、三个变量决定 AI 能不能转化成发展

报告把分析框架压缩成三个词：能力、集中度、配套条件。能力指 AI 能做那些本来需要专家判断的非例行认知任务，比如诊断疾病、预报天气、 给农民出种植建议。这类能力在发展中国家恰恰最稀缺。

集中度是另一面。最先进的模型、芯片和数据中心，掌握在少数几个经济体的少数公司手里。 报告列出的头部上市公司几乎都在美国和中国。

配套条件包括基础设施、教育、制度、数据。报告说得很直接：AI 在配套齐全的地方效果最好， 而发展中国家这三项往往都缺。

三者合起来决定一件事：AI 能不能变成生产力，不取决于它能做什么，取决于它扩散得多快多广。

图源：《世界发展报告》（第2页）

图源：《世界发展报告》（第6页）

图源：《世界发展报告》（第4页）

二、采纳、适配、推进，第三级多数国家够不着

报告给发展中国家排了三步：先用现成工具，再把工具改成本地版本，最后才是自己做前沿模型。

第三步的门槛高到什么程度？报告算了一笔账：美国最大的几家 AI 企业， 2026 年在 AI 基础设施上的资本支出预计 超过 6500 亿美元，比很多发展中国家全年 GDP 还多。

这份报告的原文件放在运营动脉（www.yydm.cn）上，图表、口径说明和样本量都写得很清楚。

想看原文的完整版，搜标题就能打开，图表和数据附录都是齐的，不用注册。

所以对绝大多数国家来说，自研前沿模型在短期内不是现实目标， 只有极少数国家和公司有资源在这个层面竞争。

现实路径是第二步，也就是适配。报告举了一个很具体的例子：尼日利亚用的那套医疗决策工具， 因为是在高收入国家数据上训练的，系统性地推荐了远超需要的化验项目。

它学到的医疗规范适合洛杉矶，不适合拉各斯。这句话在报告里被反复引用。

直接进口一个模型，不等于它到了本地就能用。

图源：《世界发展报告》（第7页）

三、小模型干大事，这是适配的主战场

报告专门开了一个专栏讲“小 AI”，思路是绕开算力和网络的限制。所谓小，可以是参数少，也可以是场景窄——只做一件事，比如识别作物病害、筛一张医学影像。 重点是它能在电力和网络都稀缺的地方跑起来。

它甚至不需要联网：模型可以放在云端，用户用普通手机打电话或发短信就能用上。报告给的案例都很硬。印度 Wadhwani AI 的咳嗽筛查工具，在结核病筛查中每 10 个人能正确标出 9 个。

加纳的 Rori 用短信做数学辅导，每周两次、每次 30 分钟，八个月带来接近一整年的学习增量， 每个学生的成本约 5 美元。肯尼亚 40 家机构的随机对照试验里，用上 PROMPTS 聊天机器人的母亲， 更主动地为孩子和自己寻求医疗帮助。

5 美元一年的学习增量，比任何大模型榜单都更能说明 AI 的用处。

图源：《世界发展报告》（第8页）

四、就业冲击是真的，但没有想象中那么大

报告对就业的判断分两层：短期冲击有限，中长期取决于配套。按国际劳工组织的暴露度指标，生成式 AI 高暴露岗位在发达经济体约占全部就业的四分之一， 发展中国家占比更低。也就是说，立刻被替代的不是大多数。

但已经出现具体伤口。一家大型在线自由职业平台的数据显示， 2025 年外包到发展中国家的岗位下降了 39%，集中在 AI 容易替代的工种。

美国的数据也在同步：22 至 25 岁的初级从业者，在高可自动化岗位上的就业在 2022 年末到 2025 年间下降了 13%。报告同时指出，低收入国家近 90% 的人在不到 10 人的小企业里工作， 一半以上是自雇，集中在农业、零售和餐饮。这些人正是 AI 能立刻帮上的对象。

在印度、约旦、肯尼亚、墨西哥、尼日利亚、泰国这几国的调查里， 5 至 19 人的小企业约五分之一已经在用 AI 聊天工具，美国这一比例是四分之一。

图源：《世界发展报告》（第5页）

五、生产率红利可能先落到已经跑得快的国家

报告对增长的量级估算很克制，但因为给了区间，反而好判断。按当前采纳趋势，AI 对生产率的提升在发达经济体预计是发展中国家的两倍以上。

这个差距里约三分之二只是采纳广度不同造成的。换句话说，不是技术偏袒谁， 是用得多的人先受益。最乐观情形下，报告估算 AI 在 2030 年代能把发达经济体的年均潜在增速 从 1.2% 抬到 3.6%，发展中国家从 3.1% 抬到 3.9%。

中国和美国的经验都指向同一件事：AI 的红利先落到本来生产率就高、 数字基础设施和金融体系更好的企业和地区。所以报告反复强调，缺了配套条件，AI 几乎不会增加成功的创业者和高增长企业数量。

技术扩散的差距，最后会变成国家之间生产率差距的放大器。

图源：《世界发展报告》（第9页）

六、政府的三重身份：铺路、采购、立规

报告把政府角色拆成三个：赋能者、使用者、监管者，每一层都对应采纳、适配、推进三个阶段。作为赋能者，政府该管的是私营部门不会投的部分：学校医院和公共服务点的电力和网络， 以及对低价终端的减税。

作为使用者，政府的抓手是采购。报告建议用政府采购把本地适配的 AI 方案拉起来， 前提是这些方案在本地确实跑得更好。

作为监管者，报告的立场偏克制：先靠自愿性行业标准，标准兜不住的地方， 用现有法律去处理社会危害。

它还提了一条容易被忽略的政策：别让税收把机器变得比人便宜。美国企业买自动化设备的税率不到 5%， 而雇人承担的工资税和所得税平均约 25%。

这种税差会诱导企业用 AI 替代人，而不是帮人提效。对每年有大量人口进入劳动力市场的发展中国家， 这条提醒尤其重要。

图源：《世界发展报告》（第10页）

七、国家 AI 战略：想要的没准备好

报告统计到 2026 年 6 月，已有 80 多个国家发布国家 AI 战略。但分布很不均衡：25 个低收入国家里只有一个——卢旺达——发布了专门的 AI 战略， 而高收入国家有超过一半已经发布。

这句话在报告里写得很平静，实际很刺：从 AI 里获益最多的国家，可能恰恰是最没准备好的那批。基建缺口也摆得很直白。撒哈拉以南非洲约 32% 的农村学校没有稳定电力， 68% 没有稳定网络，89% 的 10 岁儿童读不懂一段简单文字。

能力再强的模型，也补不上这 89%。

算力和电一起缺的时候，先救哪一头，才是战略要回答的问题。

八、政治侧的风险：信息、监控与依赖

报告没有回避政治维度，并且给出了两组对比鲜明的数字。2025 年，非洲只有 66 家活跃的事实核查机构，服务 15 亿人；欧洲有 139 家，服务 7.5 亿人。

生成式 AI 伪造图像、视频和文本的成本已经很低，核查能力却这么薄， 这是报告认为发展中国家更脆弱的原因。另一面是监控。报告写明，法治薄弱、对行政权力约束少的地方， 更容易引入人脸识别这类 AI 监控技术。

第三是依赖。控制最先进 AI 系统的是少数几家公司，主要在美国和中国， 发展中国家因此可能依赖自己无法掌控的技术。

报告给的中间方案不是完全自主，而是开放模型加区域共享算力—— 降低依赖，但不追求全链条自给。理由是，自建全链条成本极高， 而且会失去全球规模带来的成本下降。

这份 380 页报告的全部图表、专栏和实证案例，都在运营动脉 （www.yydm.cn）上，搜标题就能打开。