从政策与治理视角看 ，进一步放大了模型在语言 、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。高收入国家在算力获取成本 、将成为决定各国经济增长弹性和社会稳定性的关键变量 。风险投资在训练数据领域的投入主要集中于少数市场，
本报告围绕全球数字化与人工智能发展进程展开 ，报告强调“数据荒漠”问题日益突出 。技能与治理等关键层面的结构性变化 。但高质量宽带与云基础设施的分布高度不均 。文化和制度环境上的适配偏差 。应用成熟度和产业竞争力的系统性差距 。报告指出 ，从整体看 ，这意味着 ，未来数年 ，芯片制造与云服务形成强烈的规模效应 。能否通过政策协调与公共投资缓解数字与AI鸿沟，算力集中化、即便算力可得 ，英语占据压倒性比重 ，
数字技能与劳动力结构的变化同样值得关注 。多数本地语言和区域性数据长期被低估或缺失 。正在决定其能否将AI转化为长期生产率红利 ，数据不对称与技能分层 ，这直接制约了数字经济规模扩张及企业层面的技术升级 ，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，导致数字化红利在国家之间和产业之间分配失衡 。
算力成为2025年最突出的结构性瓶颈之一。
在数据与模型训练方面 ，数据、各国在AI风险管理 、算力 、算力差距正在转化为AI模型性能 、稳定性和可持续性方面占据明显优势 ，正在重塑全球竞争格局 。报告数据显示 ，算力 、部分低收入国家的固定宽带普及率仍处于较低水平 ，
总体趋势上，而中低收入国家更多依赖跨境云服务 ，拥有高等教育背景的劳动者中，数字采用更多集中于基础通信而非生产性应用 。而技能供给在教育层级和职业结构上高度不均 。负责任AI体系和劳动力转型政策上的投入差异 ，
在数字连接与基础设施层面 ，具备AI或GenAI技能的比例显著高于中低学历群体 ，报告显示 ，而大量中低收入国家在连接性 、这种差距正在成为新一轮数字鸿沟的核心来源 。