AI 正在成为发展鸿沟：马太效应的国家剧本

2026 年 6 月，世界银行发布《全球经济展望》。在所有主要机构报告中，这份报告对 AI 长期增长机制的讨论最为系统。它没有像 BIS 那样聚焦泡沫风险，也没有像 IMF 那样纠结于预测模型，而是把 AI 放在一个更根本的问题视角里：在全球经济长期放缓的背景下，AI 能不能成为增长突破口？如果能，谁受益？^[1]

世界银行给出的答案是一组条件句：AI 可能逆转全球增长放缓，但前提是效率提升足够大、持续、惠及更多人。否则，AI 只是少数部门的效率工具。^[2]

这个判断的核心，不是 AI 技术本身的能力，而是谁有能力使用它。

核心判断

1. AI 可能逆转全球增长放缓，但前提是效率提升足够大、持续、惠及更多人。否则，AI 只是少数部门的效率工具。
2. 世界银行明确指出，“不采用就掉队”才是发展中国家面临的核心风险，比单一岗位的失业更严重。
3. AI 的全球治理不能只讨论前沿模型的安全，还要讨论技术能不能普及、基础设施能不能跟上。

一、三种生产率情景：从微弱到颠覆

世界银行在 Box 1.1 中给出了 AI 对生产率影响的三种情景估计^[3]。

世界银行特别强调，这些是“说明性上限”，不是基线预测。报告同时引用了微观证据：AI 在信息处理和认知任务上的生产率提升“部分估计显示增益达 50% 或更多”。比如，菲律宾客服代理在使用 AI 辅助后，生产率平均提升 15%^[4]。

但世界银行的关键判断在于：微观层面的效率提升，并不自动转化为宏观层面的增长奇迹。 从微观到宏观的跨越，取决于扩散速度、互补性投资和政策环境，而这恰恰是发展中国家最薄弱的环节。

二、发展鸿沟的硬数据

世界银行用一组数据把 AI 发展差距具体化了^[5]。^[6]

这组数据揭示了一个悖论：低收入国家的岗位 AI 暴露率最低，只有 26%，短期被替代的风险确实较小。但低暴露率的另一面，是 AI 扩散更慢、增长收益更弱。 世界银行明确指出，“不采用就掉队”才是 EMDEs 面临的核心风险，而不是单一岗位的失业问题^[7]。

{
  "id": "development-gap",
  "type": "dataset",
  "title": "不同经济体的数据中心容量与AI岗位暴露",
  "deck": "最贫穷经济体几乎没有算力底座，AI收益难以广泛扩散。",
  "badge": "数据图表",
  "source": "数据与来源见本文参考文献。",
  "sets": [
    {
      "label": "数据中心容量全球占比",
      "max": 100,
      "rows": [
        {
          "label": "先进经济体",
          "value": 75,
          "display": ">75%",
          "detail": "先进经济体控制全球超过四分之三的数据中心容量。"
        },
        {
          "label": "新兴市场与发展中经济体",
          "value": 24.9,
          "display": "<25%",
          "detail": "EMDEs合计不到四分之一。"
        },
        {
          "label": "低收入国家",
          "value": 0.1,
          "display": "<0.1%",
          "detail": "低收入国家几乎没有AI基础设施承载能力。"
        }
      ]
    },
    {
      "label": "岗位AI暴露率",
      "max": 100,
      "rows": [
        {
          "label": "先进经济体",
          "value": 60,
          "display": "约60%",
          "detail": "短期暴露更高，但也更有能力捕获生产率红利。"
        },
        {
          "label": "新兴市场与发展中经济体",
          "value": 40,
          "display": "约40%",
          "detail": "暴露与准备度之间存在明显缺口。"
        },
        {
          "label": "低收入国家",
          "value": 26,
          "display": "约26%",
          "detail": "替代风险较低，却面临“不采用就掉队”的长期风险。"
        }
      ]
    }
  ]
}

岗位暴露率的差异，本质上反映的是经济结构的差异。先进经济体的服务业、金融业、信息技术产业占比高，这些岗位天然更容易被 AI 工具增强或替代。EMDEs 的农业、非正规就业占比高，AI 工具目前还难以触达。低暴露率不是保护，而是隔离。

低暴露率不是保护，而是隔离。MAVERICK 判断

三、“小 AI”：世界银行的差异化方案

世界银行没有把 AI 方案等同于前沿大模型。它提出了一个概念叫“small AI”：优先考虑效率和本地化自主性的解决方案，不需要前沿模型那样的大规模前期投资^[8]。^[9]

这个概念的背景是：EMDEs 面临的不是“要不要用 GPT”的问题，而是“有没有适合本地场景的 AI 工具”的问题。农业病虫害识别、基础教育个性化辅导、基层医疗辅助诊断，这些场景需要的不是万亿参数的大模型，而是能在低算力设备上运行的轻量级模型。

{
  "id": "small-ai-path",
  "type": "stage",
  "title": "不同发展阶段经济体的AI部署路径",
  "deck": "多数国家更适合解决本地问题的小AI，而非追逐前沿大模型。",
  "badge": "数据图表",
  "source": "数据与来源见本文参考文献。",
  "nodes": [
    {
      "n": "+0.6",
      "label": "保守情景",
      "sub": "年均生产率百分点",
      "title": "保守情景：文献中值水平",
      "copy": "AI带来可见但有限的宏观效率提升，关键是基础设施与技能能否承接。",
      "data": "世界银行说明性上限：年均+0.6个百分点。"
    },
    {
      "n": "+1.0",
      "label": "中性情景",
      "sub": "较乐观估计",
      "title": "中性情景：扩散与互补投资更顺畅",
      "copy": "若组织与技能条件改善，生产率提升可能接近每年1个百分点。",
      "data": "说明性上限：年均+1.0个百分点。"
    },
    {
      "n": "15%",
      "label": "微观案例",
      "sub": "菲律宾客服",
      "title": "微观层面：低成本场景已经能产生收益",
      "copy": "菲律宾客服代理使用AI辅助后，生产率平均提升15%。",
      "data": "世界银行引用的微观证据。"
    },
    {
      "n": "small",
      "label": "本地化小AI",
      "sub": "农业/教育/医疗",
      "title": "差异化路径：低算力、本地数据、具体问题",
      "copy": "对EMDEs而言，轻量模型可能比追赶万亿参数更能形成真实生产率。",
      "data": "世界银行提出“small AI”路线。"
    }
  ],
  "variant": "flow",
  "center": "AI",
  "centerSub": "cycle"
}

世界银行同时指出，EMDEs 的 AI 技能需求增长速度已经快于先进经济体，但只有很小比例的 EMDEs 劳动者具备基础以上的数字技能^[10]。这意味着需求端在加速，供给端严重滞后。政策重点不只是扩建数字基础设施，还要建设配套能力：技能培训、本地数据集、监管体系、以及基于本地数据和语境训练的现成 AI 解决方案。

四、贸易扩散：亚洲供应链的 AI 红利

世界银行将 AI 相关贸易明确写入全球贸易韧性的解释体系。它对 AI 相关贸易的口径比 OECD 窄，采用 13 个 HS6 商品代码^[11]。

报告指出，融入 AI 和数字设备供应链的 EMDEs，特别是东亚和太平洋地区，持续录得稳定的出口增长^[12]。马来西亚、菲律宾、泰国和越南是主要受益方。AI 投资的贸易扩散主要落在 EAP 供应链上的经济体，集中在半导体、电子和数字设备链条。

但世界银行也提醒了一个隐患：AI 和数字投资可能通过长期服务合同和经常性运营成本形成“表外”压力^[13]。数据中心建设往往涉及长期运维合同，这些合同可能不会完全体现在债务统计中，但会持续消耗财政空间。对于本就财政紧张的低收入国家来说，这是一个容易被忽视的风险。

五、就业挑战：12 亿年轻人的十字路口

世界银行提出了一个令人震撼的数字：未来十年，约 12 亿年轻人将达到工作年龄，其中绝大多数在 EMDEs^[14]。

这是人类历史上规模最大的劳动力入口。世界银行的问题是：在 AI 可能重塑就业需求和技能要求的时代，这 12 亿人怎么办？

报告的判断是辩证的。一方面，EMDEs 当前受生成式 AI 影响的岗位比例低于高收入国家，短期替代风险较小。另一方面，全球 AI 相关需求可能通过供应链联系提升部分 EMDEs 的就业，比如东亚的电子制造和半导体封装测试岗位。但发展鸿沟的扩大可能制约增长和就业创造，尤其对低收入国家。

世界银行还引用了 Microsoft AI 扩散指数来说明地区差距：2025 年下半年所有地区的 AI 采用率都在上升，但地区间差距正在扩大^[15]。这意味着 AI 不是在缩小发展差距，而是在放大它。

六、金融风险：估值与生产率的张力

世界银行对 AI 金融风险的讨论，集中在一点：AI 企业的估值与迄今为止有限的生产率收益之间存在张力^[16]。

报告指出，计算能力投入巨大但生产率收益有限可见时，AI 企业的估值可能成为金融条件收紧的触发点。如果市场重新评估 AI 回报，会出现广泛股市下跌和收益率上升，进而抑制企业投资和消费。

世界银行还把 AI 纳入了货币政策体系。它认为 AI 对通胀是双向力量：短期推高半导体、能源和关键投入需求，带来成本压力；中期通过生产率可能压低价格^[17]。各国央行需要监测 AI 扩张对通胀和金融系统的影响，审慎当局应关注 AI 相关网络安全风险。

独立判断

世界银行这份报告对 AI 的讨论，有一个其他机构缺乏的视角：发展公平性。

BIS 问的是“AI 投资会不会变成泡沫”，IMF 问的是“AI 能不能写进增长预测”，OECD 问的是“AI 基础设施够不够稳健”。世界银行问的是一个更根本的问题：AI 会不会让全球发展差距变得更大？

从数据来看，答案倾向于“是”。数据中心容量、ChatGPT 使用量、AI 准备度、数字技能供给，所有指标都指向同一个方向：AI 的基础设施和能力，高度集中在少数富裕经济体。 低收入国家占全球数据中心容量不到千分之一，占 ChatGPT 使用量不到百分之一。这不是一个会自然弥合的差距。

但世界银行也没有陷入技术悲观主义。它提出的“small AI”概念，实际上是在说：AI 的价值不只在前沿模型，也在本地化、轻量化的应用。 对于 EMDEs 来说，与其追赶万亿参数的大模型，不如发展能在低算力设备上运行的农业、教育、医疗 AI 工具。

这个判断的政策含义很清楚：AI 的全球治理不能只讨论前沿模型的安全，还要讨论技术能不能普及、基础设施能不能跟上。 如果 AI 只让少数发达国家和少数科技巨头受益，它就不是一个全球增长引擎，而是一个新的不平等放大器。

世界银行报告最后那句话值得记住：“政策和投资选择将决定 AI 是成为广泛增长驱动力，还是一个狭窄集中的效率工具。”^[18] 这不是预测，这是选择。