影响力AI：人工智能在亚洲社会创新中的作用

报告梳理亚洲10个经济体的2,800多个影响力AI项目，发现项目高度集中于少数国家、社会议题和实用技术；要扩大社会价值，政策必须匹配不同生态类型并从统计项目转向衡量结果。

---

title: "影响力AI：人工智能在亚洲社会创新中的作用"

publisher: "世界经济论坛 / 安永 / 微软 / SAP / Impact Intelligence"

date: 2026-06-01

summary: "报告梳理亚洲10个经济体的2,800多个影响力AI项目，发现项目高度集中于少数国家、社会议题和实用技术；要扩大社会价值，政策必须匹配不同生态类型并从统计项目转向衡量结果。"

topics: [战略, 业务设计, 组织, AI 技术]

---

# 影响力AI：人工智能在亚洲社会创新中的作用

## 报告速览

报告描绘了AI在亚洲社会影响领域的实际应用，以及为什么各地活跃程度差异显著。它把大型项目数据集与生态系统分析结合起来，发现医疗和粮食系统占据主导，项目在地域上高度集中，而数字基础设施成熟度深刻影响项目能否被看见并实现规模化。

==**影响力AI的关键差距，不只在模型能力，而在基础设施、技能、公共部门能力、资金与跨部门交付生态。**==

| 维度 | 内容 |

| --- | --- |

| 数据集 | 亚洲10个经济体的2,800多个项目 |

| 最大影响领域 | 医疗；粮食安全、农业与营养 |

| 领先技术 | AIoT、计算机视觉和预测分析 |

| 生态视角 | 按政府能力与创业动能划分四类生态 |

| 重要限制 | 项目数量未按人口或经济规模标准化 |

## 核心问题

| 关键问题 | 分析视角 |

| --- | --- |

| 影响力AI项目集中在哪里？ | 国家、社会议题与技术类型 |

| 哪些生态条件支撑规模化？ | 基础设施、技能、公共能力、资金和伙伴关系 |

| 社会目标与商业模式如何互动？ | 影响优先、混合型与商业导向 |

| 主要缺口在哪里？ | 代表性不足的经济体、议题与本地能力 |

## 核心结论

| 核心发现 | 管理含义 |

| --- | --- |

| 医疗是最大影响领域 | 占所记录项目的24% |

| 粮食系统紧随其后 | 21%聚焦粮食安全、农业与营养 |

| 项目高度集中 | 中国、印度尼西亚和越南约占75%，中国一国超过40% |

| 部署依赖实用型技术 | AIoT以19.1%居首，随后是计算机视觉和预测分析 |

```chart

type: bar

title: 主要影响力AI议题占比

unit: %

x: 医疗, 粮食安全农业与营养, 能源, 气候

y: 24, 21, 8, 7

```

==**医疗与粮食系统合计占45%，说明社会创新项目已形成明显的议题集中。**==

## 方法 / 证据边界

Impact Intelligence识别了孟加拉国、柬埔寨、中国、印度尼西亚、马来西亚、巴基斯坦、菲律宾、斯里兰卡、泰国和越南的**2,800多个**项目。数据适合识别区域格局，但各经济体的报道密度、语言、数字可见性和市场规模不同。

| 维度 | 内容 |

| --- | --- |

| 覆盖范围 | 亚洲10个经济体 |

| 分析单位 | 具有社会影响或商业导向的已记录AI项目 |

| 分类维度 | 影响领域、技术、地域与业务导向 |

| 生态分析 | 政策、基础设施、资本、技能和创业能力 |

| 适用边界 | 报告密度不均，项目数未按人口标准化 |

> **项目数量不等于社会影响结果，也不能直接作为国家排名。**

## 01 影响领域广泛但高度集中

医疗和粮食系统合计接近全部项目的一半。能源和气候项目具有一定规模，但其他社会议题仍较为分散。这种集中既反映紧迫需求，也反映数据、交付渠道和可融资用例的可获得性。

| 影响领域 | 典型应用 |

| --- | --- |

| 医疗 | 诊断、分诊、远程医疗和服务扩容 |

| 粮食系统 | 作物监测、咨询、预测和供应链 |

| 能源 | 需求管理、电网与分布式能源 |

| 气候 | 监测、风险预测与适应 |

| 其他社会领域 | 教育、残障支持、灾害响应和公共服务 |

## 02 地域分布反映生态成熟度

中国占区域已记录项目的**42%**，印度尼西亚和越南分别贡献**18%**和**15%**，前三者合计约四分之三。这反映的是数据集中的项目集中度，而不是社会影响成效的确定性排名。

```chart

type: bar

title: 三个最大生态的区域项目占比

unit: %

x: 中国, 印度尼西亚, 越南

y: 42, 18, 15

```

## 03 实用型技术主导部署

AIoT、计算机视觉和预测分析占比较高，因为它们能直接连接农业、基础设施、医疗和工业运营。生成式AI虽然存在，但通常更多承担交互或协调层，而非主要技术类别。

```chart

type: bar

title: 最常见的技术类别

unit: %

x: AIoT, 计算机视觉, 预测分析, 机器人与自动化

y: 19.1, 13.0, 12.9, 8.9

```

## 04 四类生态需要不同政策

报告根据公共部门能力与创业动能的组合划分经济体。国家主导型生态可以协调基础设施和使命任务；创业动能强的生态需要进入公共服务规模化的通道；能力受限的生态则更需要基础投资和区域支持。

| 生态类型 | 代表性需求 |

| --- | --- |

| 国家主导型 | 开放获取、负责任采购与本地创新空间 |

| 高创业动能型 | 公私规模化通道与基础设施 |

| 政府主导但能力受限型 | 技能、数据、连接与实施支持 |

| 新兴或碎片化型 | 提升可见性、融资与跨境学习 |

## 结语 / 行动议程

影响力AI政策应匹配本地生态条件，并衡量真实结果，而不是只统计试点或技术数量。

| 行动 | 主要负责人 | 进展证据 |

| --- | --- | --- |

| 建立结果级证据库 | 公共机构与资助方 | 服务、公平和可持续结果得到测量 |

| 开放可复用公共基础设施 | 政府 | 本地创新者可使用数据、API和采购机会 |

| 支持跨部门交付 | 社会影响组织与企业 | 合作把试点转为可持续服务 |

| 投资代表性不足的生态 | 发展机构 | 本地技能、算力、连接和资本改善 |

| 跟踪包容性 | 项目负责人 | 按弱势群体监测收益与风险 |

> 来源说明：国家份额来自报告绘制的数据集，没有按人口、GDP或互联网普及率标准化。封面仅标注2026年6月，因此frontmatter日期按当月1日填写。