以普惠包容的人工智能治理赋能全球可持续发展

人工智能赋能可持续发展的现状与进展：
- AI研究领域与可持续发展目标之间存在普遍关联，图像处理与自然语言处理等技术领域影响重大。
- AI在赋能可持续发展中的应用包括环境、医学、农业等领域，并形成规模化应用。
- 面向可持续发展的人工智能智库平台统计显示，来自57个国家的超过400个案例涵盖17个可持续发展目标方向。
人工智能赋能可持续发展中的现存问题：
- AI赋能潜力未能充分发挥，部分可持续目标停滞不前甚至倒退。
- AI与不同可持续发展目标的技术适配度不均衡，工业、医药等领域投入意愿强烈，而水资源、生态保护等领域投入不足。
- AI赋能可持续发展所依赖的数据资源不足，存在国别与区域差距、数据质量代表性不足、数据分布不均衡等问题。
- AI在不同可持续发展目标的关注和投入不均衡，工业、医药等领域研究较多，而水资源、生态保护等领域研究较少。

从数字鸿沟到智能鸿沟：
- 人工智能技术积累的马太效应可能加剧数字鸿沟，形成算法工具使用门槛与数据资源获取能力、公众认知等方面的差距。
- 智能鸿沟是数字鸿沟的新形态，不仅是硬件和技能的差距，更是环境与素养的差距。
释放人工智能潜力促进数字素养提升：
- 人工智能技术降低教育与信息传播成本，提升公众数字技能，促进智能化场景适应。
- 人工智能教学与应用促进公众对智能社会的认知、理解和参与，反哺技术选代。
构建更加普惠和有活力的人工智能研发与应用生态：
- 开放资源是人工智能生态普惠发展的核心驱动力，开源模型社区如ModelScope和HuggingFace降低了技术应用门槛。
- 开放资源协作带来生态扩展效应，形成良性循环，有助于持续推动全球产业链的数字化转型与可持续发展目标实现。
- 应构建包容性的技术社区和生态体系，促进南方国家积极参与AI的研发、应用和治理。

发展中国家在推动人工智能赋能可持续目标上面临的困境：
- 技术与应用能力薄弱，核心算法开发、模型优化及系统集成能力不足。
- 数字基础设施不完善，数据资源与算力优化能力欠缺。
- 风险监管与应对能力欠缺，伦理规范、数据安全机制及算法透明度等方面缺乏前瞻性立法。
- 国际多边治理机制参与有限，代表性不足，话语权有限。
人工智能能力建设国际合作为加速赋能可持续发展提供历史性机遇：
- 数据与算力优化能力建设为赋能可持续发展目标提供了普惠化技术落地的可能性。
- 知识与技能培训能力建设为赋能可持续发展目标提供了复合型人才储备的基石。
- 应用赋能与解决方案能力建设为赋能可持续发展目标提供了多场景落地的实践路径。
探索可负担可持续的人工智能能力建设国际合作原则：
- 坚持主权尊重，注重本土适配，秉持循序渐进的方式，平衡推进技术创新和安全治理能力建设，注重创新培育。

全面推进人工智能赋能可持续发展目标的实现：
- 加强对相关议题的关注，深化多方合作，促进人工智能赋能潜力的稳健释放。
- 导多利益相关方协同共治的包容性框架，平衡南北方诉求。
推进人工智能赋能可持续发展的普惠性：
- 提升南方国家的数据代表性，避免单一模式主导全球治理。
推进人工智能赋能可持续发展的包容性：
- 确保发展中国家在全球治理体系中拥有足够的话语权。
与中低收入国家共同探索可负担、可持续的能力建设模式：
- 立足区城特色的差异化AI发展模式，精准适配本土需求。
- 破除对传统高耗能算力路径的过度依赖，通过技术创新降低部署与应用资源需求与门槛。
- 加强全球人工智能教育协作网络建设，支持发展中国家基础设施建设与数字化、智能化转型。
以国际治理多边合作机制为人工智能赋能可持续发展提供保障：
- 支持以联合国为核心的多边合作机制，务实推进AI治理国际合作。
- 重点围绕能力建设、风险蓝测评估、安全管控、伦理规范共识、技术标准互操作、多边融资支持等关键领域深化协同。
- 依托国际组织、国际机制促进多方对诺，凝聚全球合力为AI发展构建包容普惠的治理框架。