技术摘要：绘制非洲人工智能鸿沟的图谱

1. 问题陈述

本文探讨了“人工智能（AI）鸿沟”问题，这是一种结构性的碎片化现象，阻碍了非洲大陆公平参与全球人工智能革命。尽管人工智能在经济增长和公共服务交付方面具有变革性潜力，但非洲正面临着三个相互关联维度的复合型赤字：基础设施（物理连接与算力）、可及性（社会经济与语言障碍）以及能力（人力资本与制度生态系统）。

作者认为，非洲人工智能的现状不仅仅是“发展滞后”的问题，而是受限于根本性的结构性问题。这些问题包括缺乏高速宽带、本地数据中心匮乏、相对于收入而言过高的数据成本，以及本土自然语言处理（NLP）模型和本土语言模型的严重短缺，以及技术人才的“脑力流失”。因此，该大陆面临着沦为外国人工智能解决方案消费者的风险，而这些方案并不符合当地的文化或语言背景，而非成为自身创新的生产者。

2. 研究方法

本研究对非洲当前的人工智能格局进行了实证分析，利用最新的权威数据来量化非洲与其他全球区域之间的差距。其方法论包括：

• 数据来源： 分析综合了来自国际电信联盟（ITU）、世界银行、全球移动通信系统协会（GSMA）以及区域性指数（如 CIPIT、OECD）的数据。
• 比较框架： 作者将非洲的发展轨迹与全球平均水平及特定地区（欧洲、美洲、亚太地区）进行了对比。
• 亚区域分析： 本文区分了“第一梯队”技术生态系统（尼日利亚、南非、肯尼亚、埃及）与新兴或欠发达市场，以反映该大陆的多样性。
• 三方分类法： 研究围绕三个特定维度展开：
  1. 基础设施： 衡量宽带渗透率、数据中心密度、云可用性以及能源网可靠性。
  2. 可及性： 评估设备所有权、数据可负担性、数字素养、语言本地化以及监管环境。
  3. 能力： 评估高等教育产出、研究论文发表量、初创企业生态系统强度、风险资本分配以及人才留存情况。
• 案例研究： 通过三个具体的案例研究对宏观层面的趋势进行了情境化处理：一项政府倡议（南非人工智能研究所）、一家商业初创公司（PBR Life Sciences）以及一个研究生态系统（Masakhane NLP）。

3. 主要贡献

本文对阻碍非洲采用人工智能的具体障碍进行了细致的映射，超越了泛泛而谈的“数字鸿沟”，转向了具体的的技术和经济指标。

• 量化基础设施赤字： 研究表明，非洲拥有的全球数据中心容量不足 1%（全大陆约 140–256 个设施），而西方单个国家就拥有数百个。研究强调，仅有 38% 的人口在线，且存在显著的城乡差异（城市使用率为 83%，农村为 48%）。
• 识别“使用差距”： 作者区分了网络覆盖范围与实际使用情况，指出 60% 的撒哈拉以南人口虽然生活在移动宽带覆盖范围内，但由于经济、识字率和设备的障碍而并未使用。
• 分析语言排斥： 本文强调了非洲语言方面的“数据贫困”问题，指出虽然有 2000 多种语言在被使用，但大多数大语言模型（LLM）都是基于英语、法语或中文进行训练的，这使得人工智能工具对广大人口而言变得难以触及。
• 生态系统映射： 研究指出资源的极端集中化现象，即绝大部分数据中心、风险资本和研究产出都集中在四个国家（南非、尼日利亚、肯尼亚、埃及），导致该大陆的其他地区基本被排除在外。

4. 结果与发现

基础设施

• 连接性： 互联网渗透率约为 38%（2024年），显著低于 68% 的全球平均水平。4G 覆盖率为 52%，5G 仅覆盖了 11% 的人口。
• 算力： 非洲拥有的数据中心不足全球的 1%。南非以 64 个中心占据主导地位，其次是尼日利亚（28个）和肯尼亚（19个）。大多数非洲国家缺乏单一的 Tier-III 级数据中心。
• 能源： 不稳定的电网（特别是在西非和中非）是部署数据中心和运行人工智能的主要瓶颈。

可及性

• 可负担性： 1GB 移动数据的平均成本占每月国民总收入（GNI）人均值的 5%，是联合国宽带委员会 2% 目标的两倍多。
• 设备： 智能手机普及率估计约为 50%，但在许多农村地区，基础功能手机仍占据主导地位。
• 语言： 非洲语言的自然语言处理（NLP）模型极度匮乏。虽然像 Masakhane 这样的倡议已经创建了 400 多个模型，但与全球标准相比，差距依然巨大。
• 性别： 存在显著的数字性别差距，由于系统性的教育和收入不平等，女性拥有设备或使用互联网的可能性较低。

能力

• 教育与人才： 虽然 STEM（科学、技术、工程、数学）入学人数正在增长，但专门的人工智能培训却很稀缺。存在严重的“脑力流失”现象，即数据科学家和学者向欧洲和北美移民。
• 研究产出： 非洲对全球人工智能研究产出的贡献不足 5%。协作网络往往绕过非洲内部的伙伴关系，转而寻求与欧洲或亚洲机构的联系。
• 资金： 非洲人工智能初创企业的风险投资集中在第一梯队枢纽。自 2019 年以来，总风险投资额（约 12.5 亿美元）与全球人工智能投资（每年超过 1000 亿美元）相比微不足道。大部分资金来自外国直接投资或国际赠款，而非本地资本。

案例研究结果

• 南非： 展示了一种国家驱动的方法，通过成立南非人工智能研究所（AIISA）和制定国家人工智能政策，专注于特定领域的中心（农业、国防）以及本土语言数字化。
• PBR Life Sciences： 一个商业案例，展示了人工智能如何标准化非洲混乱的临床数据，将处理时间从数月缩短至数分钟，尽管它高度依赖外部资金并在跨国界（拉各斯/伦敦）开展业务。
• Masakhane： 一个草根性质的开源倡议，成功构建了非洲语言的 NLP 模型，而无需国家层面的投资，证明了社区驱动的网络可以克服资源限制。

5. 重要性与主张

本文声称，“人工智能鸿沟”是非洲的一个结构性问题，如果得不到解决，将会加剧全球不平等，并将该大陆困在技术依赖的循环中。作者断言：

1. 基础设施是前提条件： 如果不解决物理缺陷（宽带、数据中心、能源），人工智能就无法公平部署。
2. 本地化至关重要： 人工智能工具必须具备语言和文化相关性才能发挥作用；目前的全球模型无法服务于大多数非洲人。
3. 人力资本是瓶颈： 专业人才的匮乏和“脑力流失”比硬件的缺乏更直接地威胁到人工智能的发展。
4. 草根韧性： 尽管存在系统性失败，但本地倡议（初创公司、大学、开源社区）正在积极构建本土的人工智能生态系统，但它们需要政策支持和资金来扩大规模。

文章总结认为，弥合这一鸿沟需要一种范式转变，即将数字连接和算力视为公共事业。它呼吁决策者、投资者和学术界采取协调行动，使非洲从“外来”数字技术的消费者转变为自身具有针对性的、特定语境下的人工智能解决方案的生产者。作者强调，如果没有刻意的干预，人工智能不仅不会缩小、反而会加深该大陆现有的社会经济差距。