人工智能（AI）技术的爆发式发展，已成为驱动全球经济增长的核心引擎，但技术红利并未实现普惠共享，反而呈现 “增长加速、分配失衡” 的显著特征。布鲁金斯学会两份研究报告《人工智能增长加速与分配公平性》与《释放 AI 创新：阻止模型供应商挑选赢家》系统剖析了 AI 发展的核心矛盾：前沿基础模型掌控算力、数据、云服务等核心要素，形成市场垄断，既抑制创新活力，又导致红利向头部巨头集中，加剧行业、地域、企业及劳动力群体的多维分化。本文基于两份报告的核心观点，结合全球 AI 政策实践，提出公共采购引导、中小企业赋能、劳动力转型保障为核心的治理路径，为平衡 AI 创新活力与分配公平、释放 AI 普惠价值提供理论参考与实践借鉴。

一、人工智能市场垄断的形成机制

AI基础模型供应商通过控制核心技术、算力资源、数据渠道与分发平台，形成高度集中的市场垄断，对创新生态、市场竞争、分配公平与社会稳定造成一定的风险。

首先，技术壁垒与自然垄断是基础。AI基础模型研发需要突破算法、算力、数据三大核心瓶颈，算法创新需要长期技术积累与大量研发投入，高端算力依赖先进芯片制造技术（如GPU、TPU），优质数据需要长期积累与合规处理，三重壁垒相互叠加，形成极高的行业进入门槛，全球范围内仅有少数头部企业具备研发能力，自然形成垄断格局。其次，AI研发与落地需要巨额资本投入。2024-2025年全球头部AI企业年均研发投入均超百亿美元，远超中小企业。再次，数据是AI模型训练与优化的核心生产要素。中小企业缺乏数据资源，难以研发自主可控的高性能模型，只能依赖头部企业提供的技术服务，形成技术依赖与路径锁定，进一步强化头部企业的垄断地位。最后，全球AI治理体系尚未完善。多数国家尚未出台针对AI基础模型垄断的专项监管政策，反垄断监管机构对AI行业的垄断行为认知不足、监管经验缺乏，难以有效识别与查处头部企业的垄断行为，导致垄断格局持续固化。

二、全球人工智能市场的失衡情况

依托欧盟、英国、加拿大、美国、北欧及日韩等官方统计与调研数据，布鲁金斯学会报告证实，AI不均衡扩散已渗透至经济各维度，分化格局持续固化，具体体现在行业、地域、企业三大层面：

2.1行业分化：领域与企业类型差异显著

金融、专业科技服务、信息文化产业的AI采纳率位居前列，农业、住宿餐饮等服务业则最低；大型服务业企业优先布局AI应用，大型制造企业更倾向落地机器人技术。加拿大官方调查显示，信息文化、专业科技服务、金融保险行业企业使用AI的概率远高于其他领域，农业和住宿餐饮行业则最不可能使用AI；使用AI的加拿大企业多伴随员工培训、工作流程优化等组织变革，但专门雇佣AI培训员工的情况较少。世界经济论坛发布的报告也指出，AI扩展既是技术挑战，也是组织挑战，建议企业在扩展AI系统前，完善数据质量、治理体系、工作流程整合及组织重塑；数据基础设施、专业技能与治理能力，是AI包容性采纳的先决条件，在中低收入环境中尤为重要。

2.2地域分化：南北差距与区域内部差异凸显

全球北方经济体AI采纳增速近乎全球南方的两倍，人均AI使用率与区域收入水平高度正相关；当前主流大语言模型以英语为核心训练评估，非英语国家天然面临模型质量偏低、扩散速度放缓的困境。具体来看，欧洲统计局数据显示，2025年欧盟员工10人及以上企业中，19.95%使用过至少一种AI技术，成员国间差异显著；英国2023年同类企业AI应用率约9%，2025年私营部门调查显示该比例已升至39%；加拿大2023年二季度至2024年二季度，仅1%企业将AI用于商品生产或服务提供，行业集中现象明显；2026年2月美国人口普查数据显示，17.5%的美国企业在过去两周内至少在一项业务中使用AI（2025年11月前调查口径为“在产品或服务生产中使用AI”）。

北欧国家和比利时保持AI采纳领先地位，韩国成为顶尖采纳者，行业、企业规模及区域间的差距持续加深。经合组织2023-2024年分析发现，AI扩散呈现“领先者加速、落后者未追赶”的态势，其区域内企业AI采纳差距不断扩大。这种分化不仅存在于发达经济体内部，也体现在全球北方与南方之间：阿联酋、新加坡、挪威等早期投入数字基础设施、AI技能培训及公共部门AI应用的国家，持续保持领先；韩国凭借协调的政策支持和强大的国内生态，实现全球排名快速提升。

平台数据进一步印证这一差距：Anthropic指数显示，人均AI使用率与收入水平密切相关，新加坡、加拿大等高收入国家的使用率远超其人口占比，新兴经济体则明显落后；美国各州AI使用强度与当地经济专业化程度匹配，IT、金融等知识服务集中区域的AI应用更活跃。此外，高采纳率国家的AI使用模式更多元、侧重能力增强，低采纳率国家则集中于编码任务，且以自动化导向为主。

2.3企业分化：规模与管理水平决定人工智能技术的落地成效

AI采纳概率随企业规模扩大单调递增，大型企业与中小企业的AI采纳鸿沟长期存在；企业管理治理水平直接影响AI落地效果，管理评级越高，越易落地前沿AI应用。

经合组织报告强调，中小企业与大企业间的AI扩散差距持续存在，建议根据中小企业的数字化成熟度、AI使用的复杂性和范围制定差异化政策，而非“一刀切”。其分析还发现，多数国家中，企业规模越大，AI采纳概率越高。

美国小企业管理局依托有关部门对商业趋势与展望的调查数据研究显示，员工少于250人的小企业与250人及以上的大企业之间存在AI采纳差距，许多小企业认为AI对其业务“不适用”。英国国家统计办公室研究也发现，特定AI应用存在类似“不适用”现象，表明AI扩散不仅受模型能力和获取渠道限制，更受应用场景挖掘不足的制约，政府可通过资助公共AI基础设施、助力中小企业能力建设发挥推动作用。

在AI技术发展比较先进的国家，项目可通过“即插即用”模式加速中小企业AI采纳：新加坡2025年数字经济报告显示，其中小企业AI采纳率从2023年的4.2%升至2024年的14.5%，主要得益于易获取的生成式AI工具；澳大利亚国家人工智能中心追踪显示，2024年年中其中小企业AI采纳率达40%，存在行业和城乡差异，地区中小企业的AI扩散的公平性问题凸显，其采纳限制主要源于技能差距、资金不足和准备不均衡。

此外，风险与合规的不确定性、行业AI专业人才短缺、企业组织变革意愿不足，也是各行业AI落地普遍面临的共性障碍。

三、平衡增长与公平的人工智能治理框架

破解AI增长与分配公平的矛盾，打破基础模型垄断，释放创新活力，实现普惠发展，需要构建兼顾创新与公平、政府监管与市场调节、全球协同与国别自主的AI治理框架。基于布鲁金斯学会两份报告的建议，结合全球AI政策实践，本文从反垄断监管、公共采购引导、中小企业赋能、全球治理协同等角度，提出平衡增长与公平的治理路径。

第一，发挥公共采购引导作用，推动普惠均衡发展。公共采购被布鲁金斯学会报告定位为推动AI普惠、扶持中小企业、规范行业发展的核心政策工具，欧美、日本、新加坡、加拿大等经济体的实践已证明其有效性。各国应完善AI公共采购政策，通过商业化前采购、模块化合同、技术互操作性要求、中小企业投标扶持等机制，引导AI市场均衡发展，实现多重价值。

第二，补齐中小企业发展短板，夯实普惠发展基础。中小企业承载了全球绝大多数市场主体与就业岗位，其AI普及程度直接决定AI增长能否实现分配公平。针对中小企业数字成熟度偏低、人才壁垒突出、基础设施缺失三大核心短板，各国应出台专项扶持政策，补齐发展短板，降低AI落地门槛，推动中小企业AI普及应用。

第三，完善劳动力转型保障机制，防范分配公平风险。AI 对劳动力市场的冲击核心体现为工作任务重构、薪资结构分化、就业群体层级固化，完善劳动力转型保障机制，是防范分配公平风险、维护社会稳定的关键。各国应借鉴欧美差异化转型保障经验，结合本国国情，构建兼顾就业稳定、技能提升、收入保障的劳动力转型支持体系。

第四，推动全球治理协同，凝聚国际共识。AI 的通用性、跨界性与全球性特征，决定了单一国家无法独立解决 AI 增长与公平的矛盾、模型垄断、数据安全、分配失衡等全球性问题，需要全球各国秉持共商共建共享理念，加强多边协作，凝聚国际共识，构建包容、普惠、开放的全球 AI 治理体系。

参考文献：

① To unleash AI innovation, stop model providers from picking the winners[EB/OL].[2026-05-18].[2026-06-02] https://www.brookings.edu/articles/to-unleash-ai-innovation-stop-model-providers-from-picking-the-winners/

② The Quadrillion-Dollar Disagreement on AI and the Economy[EB/OL].[2026-05-11].[2026-06-02] https://ai-frontiers.org/articles/the-quadrillion-dollar-disagreement-on-ai-and-the-economy