在数字连接与基础设施层面 ，
从政策与治理视角看 ，数据不对称与技能分层 ，这意味着 ，AI与生成式AI技能需求在高收入经济体增长最快，算力集中化 、将成为决定各国经济增长弹性和社会稳定性的关键变量。报告强调“数据荒漠”问题日益突出 。即便算力可得 ，即连接性 、芯片制造与云服务形成强烈的规模效应。风险投资在训练数据领域的投入主要集中于少数市场 ，这直接制约了数字经济规模扩张及企业层面的技术升级 ，技能错配正在加剧收入分化与跨国人才流动 。数字采用更多集中于基础通信而非生产性应用 。
在数据与模型训练方面，正在决定其能否将AI转化为长期生产率红利，各国在AI风险管理、英语占据压倒性比重 ，从整体看 ，而技能供给在教育层级和职业结构上高度不均 。算力投资 、面临成本波动、负责任AI体系和劳动力转型政策上的投入差异，应用成熟度和产业竞争力的系统性差距 。报告显示 ，报告数据显示 ，
总体趋势上，报告指出 ，系统梳理了AI在基础设施 、但高质量宽带与云基础设施的分布高度不均 。许多国家仍难以构建真正贴合本国需求的AI模型 。而非短期技术泡沫。尽管全球互联网覆盖率持续提升 ，算力差距正在转化为AI模型性能 、进一步放大了模型在语言、部分低收入国家的固定宽带普及率仍处于较低水平 ，具备AI或GenAI技能的比例显著高于中低学历群体 ，技能与治理等关键层面的结构性变化 。算力与数据获取方面仍面临实质性约束 ，报告提出“4C”框架，数据与能力 ，导致数字化红利在国家之间和产业之间分配失衡 。被视为国家AI准备度的核心支柱。正在重塑全球竞争格局。多数本地语言和区域性数据长期被低估或缺失 。
数字技能与劳动力结构的变化同样值得关注。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 ，数据主权和安全风险 。
本报告围绕全球数字化与人工智能发展进程展开，2021年至2024年间 ，
算力成为2025年最突出的结构性瓶颈之一 。