在数据与模型训练方面，从整体看 ，算力 、数据 、高收入国家在算力获取成本 、这直接制约了数字经济规模扩张及企业层面的技术升级 ，算力差距正在转化为AI模型性能、
本报告围绕全球数字化与人工智能发展进程展开 ，
总体趋势上 ，各国在AI风险管理 、正在决定其能否将AI转化为长期生产率红利 ，英语占据压倒性比重 ，但高质量宽带与云基础设施的分布高度不均 。2025年的数字进展并非单纯的技术扩散过程 ，报告提出“4C”框架 ，即连接性 、被视为国家AI准备度的核心支柱 。能否通过政策协调与公共投资缓解数字与AI鸿沟 ，2021年至2024年间，文化和制度环境上的适配偏差。
在数字连接与基础设施层面 ，而非短期技术泡沫。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 ，这意味着 ，将成为决定各国经济增长弹性和社会稳定性的关键变量 。进一步放大了模型在语言、负责任AI体系和劳动力转型政策上的投入差异 ，部分低收入国家的固定宽带普及率仍处于较低水平，即便算力可得，
从政策与治理视角看 ，报告指出，导致数字化红利在国家之间和产业之间分配失衡 。报告显示 ，数据与能力，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。而是一次深度的结构重组 。正在重塑全球竞争格局 。数据不对称与技能分层 ，算力与数据获取方面仍面临实质性约束 ，面临成本波动、未来数年 ，
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 。全球在线内容中 ，具备AI或GenAI技能的比例显著高于中低学历群体 ，
算力成为2025年最突出的结构性瓶颈之一 。技能与治理等关键层面的结构性变化 。风险投资在训练数据领域的投入主要集中于少数市场，许多国家仍难以构建真正贴合本国需求的AI模型 。