中国信通院：数字包容发展研究报告（2026年）-260923VIP免费

中国信息通信研究院政策与经济研究所 2026年9月 (2026 年) 数字包容发展研究报告 ——面向人工智能时代的技术普惠与实践探索 版权声明本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其他方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。 前 言 数字包容不仅关乎技术红利的普惠共享，更是推动经济社会公平与可持续发展的关键路径。2022 年以来，以大语言模型为代表的人工智能技术加速演进，深刻影响经济、社会与治理领域，人机关系由单向工具使用向深度协作转变。与以往数字技术主要改变信息连接和服务可达不同，人工智能进一步介入知识生产、判断形成、资源配置和劳动组织过程，数字不平等扩展为““能否接入、能否信任、能否参与、能否受益”的复合问题。从弥合“数字鸿沟”到应对“智能鸿沟”，数字包容的核心关切不仅是““谁能接入并使用网络”，更演变为““谁能应用和受益于 AI”，其概念内涵与实践路径应当重新审视，以期更好应对人工智能技术浪潮带来的冲击，充分发挥人工智能技术正向赋能效应，推动人工智能向上向善。 鉴于此，本报告旨在从理论和实践层面对人工智能时代数字包容的概念内涵、实践探索、面临挑战及推进策略等进行分析总结，推动形成对新阶段数字包容的广泛共识与积极参与，共同推动弥合智能鸿沟，更好发挥人工智能技术正向效应，促进人工智能朝着向上向善、造福人类的方向发展。报告主要观点包括： ——人工智能技术浪潮推动数字包容内涵演进。以大模型为代表的新一轮人工智能技术创新，在数学推理、多模态理解、博士级科学问答等基准上已接近甚至超越人类基线，作用对象转向人类“认知”本身，在扩散速度、涉及领域、影响深度上较以往技术变革更为剧烈，对经济社会包容发展的冲击加大。 ——新阶段数字包容本质仍是应对技术-经济范式所固有的两面性的一种回应。从弥合““数字鸿沟”到““智能鸿沟”，人工智能技术在带来赋能作用的同时，也引发了新的更加剧烈的偏向性，需要沿袭 数字包容的理念和制度安排，及时克服技术扩散中产生的偏向性。 ——数字包容实践探索逐渐深入，但仍面临诸多挑战。各类主体积极发挥人工智能赋能作用、应对其结构分化影响，在推动人工智能技术普惠共享、促进公共福祉提升方面开展了系列实践探索，取得了一定成效，积累了一些可复制可推广的经验，但在基础设施建设、智能素养提升、治理机制完善和应用赋能等方面还存在一些问题，亟需加快解决。 ——构建适应人工智能时代的数字包容框架。结合人工智能技术的特点和影响趋势，在现有数字包容框架基础上，对目标、发展方向等进行调整。明确“1”个总体目标，让人工智能技术更加可及、可信、可用、可享，让个体间相对差距在智能化发展过程中缩小；““2”大发展方向，赋予智能以包容和推动包容以智能，分别包含接入（Access）、问责（Accountability）、能力（Ability）、适配（Adaptation）4 个维度和科学前沿突破（Pioneering）、公共服务普惠（Public welfare）、产业效能提升（Productivity）、地球生态可持续（Planet）等 4 个重点领域；“3”方面驱动力，政府、企业、社会组织。 本报告在撰写过程中得到了相关企业和机构的支持，包括华为TECH4ALL 团队、科大讯飞、友成企业家乡村发展基金会、腾讯研究院等，在此一并致谢。研究报告仍有诸多不足，望请各界批评指正、共同探讨。 目 录 一、人工智能技术重塑数字包容的发展基础与内涵 ............................................... 1 （一）新一轮人工智能技术能力与扩散方式发生深刻变化 ............................. 1 （二）人工智能赋能效应与结构分化影响同步显现 ......................................... 4 （三）理解面向人工智能时代的数字包容 ......................................................... 7 二、人工智能时代数字包容实践的多维推进 ......................................................... 10 （一）赋予智能以包容：推动人工智能技术普惠向善 ................................... 10 （二）推动包容以智能：促进智能能力向公共福祉转化 ............................... 17 三、人工智能时代数字包容仍面临多重现实挑战 ................................................. 24 （一）人工智能资源与优质服务获取仍有门槛，普惠可及基础有待夯实 ... 24 （二）人工智能可信治理机制尚不健全，责任落实与多元参与仍有缺口 ... 26 （三）人工智能的有效使用存在障碍，能力培养支撑不够充分 ................... 28 （四）人工智能创新参与和普惠应用不够充分，技术红利共享呈现分化 ... 31 四、系统推进人工智能时代数字包容发展 ............................................................. 36 （一）加强顶层设计与前瞻规划 ....................................................................... 36 （二）夯实服务基础与能力基础 ....................................................................... 37 （三）强化多主体协同治理与保障 ................................................................... 38 （四）构建 AI 数字包容评估机制 .................................................................... 39 （五）促进人工智能国际合作向深向实 ........................................................... 39 图 目 录 图 1 头部语言模型能力评分变化情况 ...................................................................... 2 图 2 消费级应用达到 1 亿用户规模所用时间 .......................................................... 4 图 3 人工智能时代数字包容整体框架 .................................................................... 10 图 4 各主要芯片设计厂商 AI 芯片算力规模（2022-2025 年） ........................... 11 图 5 全球移动宽带价格可负担性变化（2015-2025 年） ..................................... 25 图 6 中国分区域每万人人工智能专利拥有量趋势（2010-2024 年） ................. 33 图 7 中国 AI 专利头部省份集中度变化（2010-2024 年） ................................... 33 图 8 不同规模企业 AI 采用率情况对比 ................................................................. 35 数字包容发展研究报告（2026 年） 1 一、人工智能技术重塑数字包容的发展基础与内涵 （一）新一轮人工智能技术能力与扩散方式发生深刻变化 人工智能的概念在 20 世纪中叶被首次提出，被广泛理解为人类制造的机器所表现出的智能，被视为人类智能的延伸与扩展。经历了漫长曲折的探索，进入 21 世纪后，得益于数字技术的成熟、算力的指数级增长、算法的突破性进展，以及数据可用性的大幅提升，人工智能终于迎来了爆发式发展，即生成式人工智能（Generative AI）的出现。其中，大语言模型（LLM）是实现生成式人工智能的核心工具，它是基于数据科学技术在海量数据上训练出来的、拥有大规模参数和复杂计算结构的机器学习模型，可以生成自然语言文本或理解语言文本的含义。大模型具有高效的学习和泛化能力，能够完成写作、翻译、推理、编程等多种工作，使人工智能从过去解决单一问题的工具变为可广泛嵌入的通用能力底座，让““谁能接入、驾驭并受益于技术”这一关键问题更加凸显，成为影响新阶段数字包容的核心因素。 一是能力范式的变革，从专用智能到通用智能。上一代人工智能以专用智能为主，又称判别式人工智能，如人脸识别、语音识别、机器翻译、推荐系统等，通过学习大量标注数据建立模型，独立训练、互不通用，解决单一任务，能力边界由任务预先划定，输出以分类、识别与预测等判别结果为主，无法完成写小说、画图等新内容的生成。生成式人工智能则将能力边界拓展至““生成”，拥有文本创作、图像合成、代码生成等多种能力。这一转变由大模型的突破所驱动，其依托于多种底层技术和规律把握，主要包括：Transformer 架构以自注意力机制捕捉序列中的长程依赖，使模型得以在海量语料上预训练，从而习得通用的语言表征；规模定律（Scaling Law）发挥重要作用，当模型的参数量、训练数据规模和算力投入突破某个临界点后，人工智数字包容发展研究报告（2026 年） 2 能系统开始展现出一些在小规模模型中难以观察到的“涌现”能力；人类反馈强化学习（RLHF）与思维链（Chain-of-Thought）等方法，使模型获得逐步推理与多步规划的能力；多模态模型、世界模型等将文本、图像、语音、视频、行动纳入统一表征空间；智能体（Agent）进一步赋予模型调用工具、自主执行任务的能力。数据显示，2022 年11 月 OpenAI 发布大语言模型 ChatGPT 至今，头部大模型不断涌现、加快迭代，综合能力取得明显提升，在数学推理、多模态理解、博士级科学问答等基准上已接近甚至超越人类基线，朝着更通用、更高效、更智能的方向演进。 来源：Artificial Analysis 图 1 头部语言模型能力评分变化情况 二是作用对象的变化，从替代体力到认知介入。历次技术革命，主要延展的是人的体力与感官，如蒸汽革命把人从繁重的推、拉、扛、挖等体力劳动中解放出来，电力革命在提高生产效率的同时，也通过电力、内燃机大大拓展了人的活动半径，信息革命让人的信息获取、传递和共享变得极为便利，扩展了人的信息处理与感知能力。而以大模型为代表的新一轮人工智能技术创新，则直接进入推理、判断、创作等人类认知活动，作用对象由客体的““物”转向人类主体的““认知”本身，对规模庞大的脑力劳动者的工作和就业造成直接冲击。同时，数字包容发展研究报告（2026 年） 3 当人工智能开始介入甚至替代人““怎么思考、怎么判断”的过程，它不再是外在于人的工具，而成为认知过程的一部分，将对人机关系、社会运行规则、人的主体性等带来颠覆性影响。“柳叶叶》 2025 年发表的一项研究发现，长期使用 AI 分类工具检测癌症的 19 名医生，在没有 AI 辅助的情况下进行检查时，腺瘤检出率从 AI 辅助前的 28.4%下降至 22.4%，引发医学界对 AI 应用导致医生专业能力退化的警惕，印证了人工智能已深入人类认知活动并对人类认知能力产生影响。此外，具备感知、判断和决策能力的人工智能技术与机器人融合形成的具身智能，正在不断增强...