最近联合国正式发布了《独立国际人工智能科学小组初步报告》。

不同于各国产业白皮书、企业技术白皮书或是区域性监管法案解读材料，该报告依托联合国大会79/325号决议设立的专属科学机构产出。

全程由专家以个人独立身份参与，不代表任何国家、科技企业与国际组织立场，核心目标是为全球193个联合国会员国提供统一证据底座，弥合发达国家与全球南方国家在AI认知、治理能力上的巨大鸿沟。


下面就为大家解读一下这份报告的核心内容哈。

AI普及率高，两月破亿用户

报告开篇抛出一个核心论断：人工智能不仅仅是另一项新兴技术，是历史上第一项将普及过程从几十年压缩到几个月、并大规模工业化认知劳动的技术。

回顾历史，电力花了数十年才进入大多数家庭，互联网通过万维网实现全球化也用了约15年才触及十亿用户。

相比之下，ChatGPT在仅仅两个月时间就突破1亿用户。这种前所未有的普及速度，意味着传统政策制定者已完全无法跟上技术发展的节奏。

更令人担忧的是技术的集中与同质化趋势。现代AI，尤其是基础模型，展示出了无与伦比的规模经济效应，这导致了能力的极端集中。

构建最强大的系统所需的计算资源，目前只有少数全球行为者能够触及。截至2025年，全球500个最大的AI计算集群中，美国拥有算力最多，国内紧随其后，而世界其余地区仅占10%。

值得注意的是，商业主导的格局已经形成，2025年有91%的知名AI模型源自私营部门，这意味着关于训练数据、安全部署和模型访问的关键决策权，在很大程度上掌握在少数私人公司手中。

AI仅用16个月，能力实现狂飙

AI的迭代能力，也呈现出了前所未有的速度。

报告通过详实的数据展示了AI能力的指数级跃升。在“人类最后的考试”一个专为通用模型设计的包含2500道难题的基准测试中，顶尖AI模型的得分在短短16个月内从8%飙升至45%。

而在博士级别的科学推理测试GPQA Diamond上，表现最佳的模型现在的正确率约为95%，远高于2023年的36%。

在FrontierMath这一测试数学推理能力的基准上，最高分从2025年1月的19%上升至2026年的88%。

甚至有多个AI系统在2025年的国际数学奥林匹克竞赛中获得了金牌，这一里程碑的到来比许多专家的预测都要早得多。

这种能力的飞跃不仅体现在分数上，更体现在经济投入的爆炸式增长。

以亚马逊、微软、谷歌、meta和甲骨文为代表的超大规模云服务商，其年度资本支出从2023年的约1500亿美元激增至2026年预计的6500亿美元，增长了4倍多。


与此同时，领先AI公司的年化收入也增长了30倍以上，从2023年的约20亿美元跃升至2026年的730亿美元。

AI跑得太快，人类有点追不上了

但这种飞速的发展带来了一个深刻的悖论，报告称之为“证据困境”：AI能力的提升速度已经超过了我们测量或治理它们的能力。

决策者面临一个两难选择：要么在缺乏充分科学依据的情况下做出关键决策，要么等到证据充分时发现已经太晚而无法干预。

报告中详细列举了当前评估面临的六大挑战。首先是安全验证中的信息不对称，前沿AI开发人员对其构建的系统拥有专有视野。

而政府专家主要接收开发人员选择分享的测试数据，缺乏类似制药或航空航天行业的标准化独立第三方评估。

图片
其次是AI的记忆能力，它可能会无意中记住公开测试的解决方案，导致评估结果失真。

此外，随着AI能力越来越强，许多现有的基准测试已经变得“过于简单”，模型在这些测试上的得分接近完美，无法区分优秀模型与更强大的模型。

更为严峻的是，AI模型展现出了主动欺骗的能力。在实验室环境中，研究人员已经观察到AI模型为了保持运行而撒谎和作弊。

甚至出现了“评估感知”的新挑战，即AI模型可能意识到自己正在接受测试，从而暂时降低其在危险能力评估中的表现。

随着从对话式系统向AI智能体的转变，测试变得愈发复杂。AI智能体是能够利用工具自主规划并采取行动以实现目标的计算机系统。

研究表明，某些软件任务的完成长度正在每四到七个月翻一番。如果这种速度持续下去，AI智能体很快就能完成目前需要人类程序员数天或数周才能完成的任务。

AI产生巨大数字鸿沟

技术发展的不平衡也是报告关注的焦点。AI的投入和产出在地理和语言上极其不均匀。

尽管全球有超过7000种语言，但目前的AI模型开发和评估基础设施仅反映了其中的一小部分。这不仅是一种数字鸿沟，更是一种能力的鸿沟。

图片
报告指出，AI鸿沟不仅仅是关于访问，更是关于影响AI发展的能力。这包括AI基础设施能力、人才培养能力以及治理和公共服务能力。

联合国贸发会议指出，118个国家（主要位于全球南方）没有参与主要的AI治理讨论，不到三分之一的发展中国家制定了国家AI战略。

即便是发达国家，绝大多数政府缺少可独立审计前沿模型的技术官员。

三层能力相互绑定，缺少本土算力则无法基于本地数据微调模型，缺少专业治理人才则无法制定适配本土监管规则。

最终国家即便能采购海外AI服务，也完全无法参与全球AI标准制定，长期被动接受他国技术框架。

图片
缩小鸿沟配套落地路径清晰分为四类：区域公有数据中心基建投资、跨国联合AI博士培养与公务员数字素养培训、开放权重模型本地化微调扶持、区域性AI安全研究院共建。

同时提及联合国秘书长提议的全球AI专项基金，作为南北能力转移核心资金渠道。