全球南方人工智能治理分化：能力差距与路径选择

一、全球人工智能治理中的结构性不对称

全球人工智能治理的权力基础并非均匀分布。斯坦福2026年人工智能指数报告显示，美国拥有超过5400座数据中心，约为其他经济体的8倍以上；德国、英国各约500余座位居其后；中国约369座。整个非洲大陆数据中心总量仅260座，尚不及美国的6%。算力、资本和模型三重集中意味着，拥有这些资源的行为体天然更容易把技术优势转化为规则影响力。

这种不对称至少体现在四个层面。基础设施不对称涉关人工智能能力建设门槛，多数全球南方国家缺乏本土算力和云基础设施，模型部署必须依赖外部云服务和进口芯片。资本与模型不对称形塑与他者的权力及依赖关系，2025年全球私营人工智能投资高度集中，前沿大语言模型的生产主要由少数大型企业主导。规则外溢不对称增加了内部制度适配压力，欧盟、美国和中国以不同方式向全球输出治理影响。多边影响不对称能为南方国家行动提供选择和运作空间，但也会客观上限制其议程设置与行动转化能力。

在这些约束下，全球南方难以迅速转变为制度化的"第三极"。其内部能力差距、技术依赖方向和规则偏好过于多元，更现实的趋势是短期内先围绕算力可负担性、开源模型、本地语言数据和公共服务人工智能等具体议题形成松散的议题性协调。

二、"能力-规范取向"二维分析框架

本报告构建"能力-规范取向"二维矩阵，将全球南方国家区分为四种治理类型。能力维度涵盖技术基础设施、创新研发、资本与产业生态、人才技能和制度监管能力等方面的量化指标，回答一国"能做什么"的问题。规范取向维度则从国家人工智能战略、立法草案、预算安排和国际合作方向中综合判断一国的治理优先级，判断其是将人工智能服务于发展目标、借鉴外部规则实现安全合规、追求技术与规则自主，还是主要通过区域和多边平台嵌入现有制度，从而回答一国"想往哪里走"的问题。

两个维度交叉，形成四种理想类型。发展优先型为低至中等能力与强发展取向，以非盟多数国家为代表，倾向把人工智能治理定义为发展政策的一部分。规则平衡型为中等能力与区域协调取向，以东盟为代表，通过软法和区域协调在外部规则之间保持灵活性。主权塑造型为中高能力与自主规则取向，以印度、巴西、阿联酋、沙特为代表，尝试提出区别于欧美中的替代叙事。外部嵌入型为能力基础较弱与规则接受取向，以太平洋岛国和加勒比国家为代表，更多通过国际组织、区域平台和外部伙伴获得规则模板与能力支持。

三、四种类型的治理实践与特征

发展优先型国家将人工智能首要价值定位于改善农业生产、公共卫生、教育资源、金融普惠和政府服务。尼日利亚2024年发布国家人工智能战略草案，强调通过人工智能促进包容性增长；肯尼亚2025年发布国家人工智能战略，凭借移动支付生态和数字政府基础推动韧性建设；卢旺达2023年成为非洲首个通过专门人工智能政策的国家，制度雄心在一定程度上超越基础设施约束。该类型的核心风险是政策雄心与执行能力之间的断裂，以及外部依赖被发展叙事掩盖。

规则平衡型以东盟为典型。新加坡通过AI Verify等工具推动可操作治理，扮演规范中介角色；马来西亚在欧盟《人工智能法案》、新加坡AI Verify和本土需求之间寻找平衡；泰国提出2027年成为东盟人工智能中心的目标；越南设定2030年前进入全球人工智能前50名的目标。东盟的价值在于"缓冲"，既缓冲外部规则压力，也缓冲成员国内部能力差距，但软法约束力不足、成员国能力差异削弱执行效果。

主权塑造型呈现议程塑造与枢纽资本两种子类。印度通过IndiaAI Mission、数字公共基础设施和G20等平台，将人工智能治理与发展、公平和公共产品议题联系起来；巴西通过G20主席国经验推动发展友好型规则议程；阿联酋和沙特依托主权财富基金、能源资源和国际伙伴关系塑造区域人工智能枢纽角色。该类型的共同风险在于南方代表性与国家竞争利益之间的张力。

外部嵌入型国家面临三重锁定风险：技术锁定、资本锁定和规则锁定。哥斯达黎加和乌拉圭通过欧盟、CAF和UNESCO等技术合作建立制度能力；斐济依托太平洋岛国论坛在气候适应等领域连接人工智能需求与国际合作议程；柬埔寨体现东盟内部能力薄弱成员国的嵌入困境。该类型的政策重点应放在"可使用、可维护、可退出"的基础能力上。

四、未来路径与行动议程

报告提出五项政策议程。第一，设立人工智能能力与发展峰会机制，与发展峰会并列，由G20、金砖、非盟、东盟、CARICOM轮流承办。第二，联合设立人工智能能力建设融资窗口，支持公共数据治理、监管沙箱、本地语言数据集和基础算力安排。第三，在五个领域率先建立区域监管沙箱和测试工具互认，包括公共卫生、教育、农业与气候适应、数字身份、跨境支付。第四，在外部合作中嵌入"非锁定"合同条款，要求数据可迁移、接口开放、模型说明、本地人才培训和运维交接安排。第五，对外部嵌入型国家推行分阶段治理路径，第一阶段聚焦基础数据保护和监管人才培训，第二阶段建设监管沙箱和本地语言数据集，第三阶段逐步完善高风险系统治理。

人工智能治理中的南方施动性真实存在，但只有在基础设施、人才、数据和资金安排得到持续支撑时，才可能从文本参与转化为规则影响。全球南方不会作为统一整体成为制度化第三极，但围绕发展、能力建设、开放技术和数字公共基础设施的议题性协调正在出现，并可能逐步从文本主张走向制度实践。