上海市人工智能与社会发展研究会：
《全球人工智能社会发展研究报告(2025)》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

上海市人工智能与社会发展研究会发布的《全球人工智能社会发展研究报告 (2025)》，立足技术演进与社会发展的双重逻辑，系统梳理了近两年人工智能领域的前沿研究成果，聚焦社会科学视角下的八大核心议题，构建了兼具理论深度与实践价值的分析框架。报告揭示，生成式人工智能的爆发性演进已使技术超越工具理性范畴，成为塑造经济秩序、权力结构与文明形态的元力量，在深度赋能各领域的同时，也引发了一系列系统性风险，亟需通过理论创新与协同治理实现动态平衡。

一、算力革命：能源困局与绿色破局的双重博弈

算力作为人工智能发展的核心基底，其扩张与环境承载能力之间的张力日益凸显，能源生态问题成为学界关注的焦点。人工智能产业属于能源密集型产业，算力基础设施的芯片研发制造、运行及降温过程均依赖庞大且稳定的水电资源支撑。生成式人工智能训练集群的能耗较传统计算负载高出七八倍，ChatGPT 搜索的耗电量达到网页搜索的五倍，且大模型迭代周期极短，参数规模持续扩张，导致总能耗不断攀升。这种能源压力已对部分国家的发展产生实质影响，阿姆斯特丹、伦敦等城市因能耗过高停止新数据中心建设，新加坡、爱尔兰等国的人工智能产业也遭遇电力供应不足的瓶颈。

算力扩张带来的生态挑战还体现在碳排放与电子废物两方面。训练单一大型语言深度学习模型的二氧化碳排放量约达 300 吨，是普通人年均排放量的 60 倍，其中推理环节碳排放占比尤为显著；人工智能系统的迭代升级持续产生电子废物，预计 2050 年全球电子废物总量将突破 1.2 亿吨，若处理不当将严重污染土壤和水源。

与此同时，学界也关注到人工智能在推动环境可持续发展中的潜在价值，绿色算力成为技术减排的核心议题。国内多项量化研究证实，人工智能可通过替代效应、技术效应与智能决策，提升减污降碳协同效益，对城市碳减排、工业绿色低碳发展具有积极作用，且该效应存在区域异质性。其减排路径主要包括两方面：一是驱动传统产业绿色转型，通过优化要素组合提高资源利用率与全要素生产率；二是直接赋能能源环境行业，在太阳能、风能、生物质能等领域通过数据分析与建模优化提升效能。针对算力内生的能耗与污染问题，学界提出三大突破路径：模型绿色升级（采用低功耗设备、优化算法）、计算资源协同（整合 “东多西少” 的算力资源，避免重复计算）、核能突破（数字巨头布局可控核聚变，寻求能源限制的颠覆性解决方案）。

二、模型幻觉：谬误与创见共存的双面性

模型幻觉是人工智能算法研究的重要议题，当前学界对其的探讨尚处于概念界定与类型划分的初始阶段。“幻觉” 原本是神经科学和心理学概念，引入人工智能领域后，早期是带有积极意味的图像修复与合成技术，随着自然语言技术迭代，逐渐演变为负面术语，指模型生成内容与信息源或现实事实不符的现象。但学界对这一术语的定义尚未达成共识，部分学者认为其属于术语误用，且存在污名化效应，呼吁采用更准确的替代性术语，如虚构、错觉、事实错误等，并构建了相应的概念矩阵。

在类型学研究方面，学者从不同维度划分模型幻觉类别，有的提取出事实错误、逻辑错误、推理错误等 7 大类别，有的则下沉归纳出 8 种一级错误类型和 31 种二级错误类型。模型幻觉的成因涉及数据层、模型层和应用层：数据层的污染、重复、缺失及标注错误是源头性因素；模型层的算法黑箱特性（编码解码缺陷、预训练知识偏好等）进一步加剧问题；应用层的领域专业化、模型同质化、多模态化处理等也会提升幻觉风险。对此，学界提出通过数据清洗与增强、优化模型结构与训练过程、设计合理提示等方式缓解幻觉问题。

值得注意的是，当前研究范式正从单向有害论向辩证价值论转变。部分学者指出，模型幻觉具有两面性：一方面，不准确或虚构的信息可能导致严重后果，破坏信任与可靠性，需要通过技术手段纾解；另一方面，幻觉也能带来创新性和创造性，生成新颖想法，激发设计灵感，打破传统思维定式。因此，未来研究需超越单纯的 “纾困” 逻辑，构建兼顾事实严谨性与知识创造性的动态平衡机制，发展精细化、场景化的幻觉分类、评估与引导体系。

三、数据让渡：便利增益与隐私风险的悖论

随着生成式人工智能的发展，数据让渡以更为深刻的方式嵌入用户交互过程，除依赖既有数据库训练外，用户在交互中分享的大量数据可能被持续用于模型优化，这种主动披露已超越 “知情同意” 制度范畴，形成隐私非自主让渡的风险。数据让渡作为人工智能系统运作的底层逻辑，呈现出便利增益与隐私风险并存的悖论。

一方面，用户的数据隐私自愿让渡是智能应用提供个性化、场景化服务的基本前提。人工智能技术天然依赖海量数据，个人提交的信息越多，大数据计算越准确，获得的服务越精细化，组织的产出效率也越高。智能应用通过挖掘用户信息勾勒线上线下场景，实现需求与场景的精准匹配，为用户实时提供适配服务。在 “量化自我” 热潮下，用户的隐私感经历技术社会的 “脱敏”，让渡数据逐渐习以为常，甚至形成 “后隐私” 理念，认为信息被记录得越多，自我存在的感知越强烈。

另一方面，智能应用对数据的挖掘、储存与计算不可避免地构成对用户隐私的侵犯。数据的可完全复制性使其隐私让渡的主观损失感低于物质性存在物，导致隐私信息具有更高的可让渡性。在数据采集阶段，用户可能在不知情的情况下被过度收集数据；预处理阶段，海量异构数据难以精准脱敏，易埋下安全隐患；使用阶段，神经卷积模型能发掘海量个人信息中潜藏的关联信息，形成 “合成型隐私” 并造成侵犯。此外，知情同意原则在实践中存在异化，平台提供的隐私政策往往复杂难懂，用户缺乏足够时间和精力全面阅读，且 “同意才可使用” 的政策使用户被迫接受隐私条款，导致知情同意沦为 “被胁迫的同意”，用户在强大的算法技术面前处于绝对弱势地位。

四、劳动转型：替代冲击与技能重构的范式革新

人工智能技术正以前所未有的深度和广度重塑全球劳动力市场格局，引发了关于劳动价值与未来工作形态的深层思考，学界围绕其对劳动市场的影响形成 “创造” 与 “替代” 两大对立观点。支持 “创造论” 的学者认为，人工智能孵化出大量新场景、新业态，不会导致大规模失业，反而能创造全新就业机会，且智能设备的使用、维护和培训需要大量专业人才；联合国测算显示，全球最多只有 2.3% 的岗位有可能完全自动化，人工智能将人从重复性、低技能岗位中解放出来，从事创新性、技能密集型、情感交互性工作，实现劳动力资源优化配置。

支持 “替代论” 的学者则指出，人工智能将导致大规模劳动替代与结构性失业。高盛研究数据显示，3 亿全职岗位面临替代风险，美国约三分之二的职业可通过人工智能实现部分自动化；随着人工智能技术由专用向通用跨越，可替代的劳动形式从物质劳动延伸至非物质劳动，工作类型从常规认知领域拓展至非常规认知领域。

“创造” 与 “替代” 并非均匀分布，而是呈现显著的技能偏向性，引发就业极化现象。低技能岗位面临取代风险，高技能岗位存在创造机遇，但创造数量和速度远不足以弥补低技能岗位的损失，导致整体就业岗位净减少；劳动者的非对称流动进一步加剧极化效应，中等技能工人可能面临岗位下沉或转型压力。这种结构性变化将加剧收入分配两极分化，实证结果显示，人工智能应用水平上升 1%，会导致劳动收入份额下降 0.054 个单位。

更值得关注的是，生成式人工智能的发展标志着与以往 “技能偏向” 范式的彻底决裂。它擅长编程、预测、写作、说服、沟通等认知交互型技能，威胁到有一定技能门槛的工作，而对体力劳动的威胁较小，导致自动化风险格局发生逆转。研究表明，软件开发岗位 71% 的专业技能暴露于替代风险，而护理岗位仅 32.9% 的技能可能被自动化；数学与编程技能在替代风险指数中高居首位，主动倾听、学习能力等人际互动与情感理解技能则处于安全区。这宣告 “低技能 = 高替代” 工业逻辑的终结，标志着人机协作准则向 “情感 - 创造” 双维度迁移，未来需构建 “技术适应力 + 人文内核” 双驱动的劳动力发展体系。

五、智能鸿沟：技术红利分配的多维结构性失衡

人工智能在重塑全球经济与社会结构的同时，其技术红利未实现公平分配，反而加剧了既有的数字鸿沟。与传统数字鸿沟不同，智能鸿沟不仅涉及 ICT 技术接入与使用差异，更体现在算力资源、算法理解、数据掌控、治理能力等深层次能力的分化，其影响贯穿国家、企业、个人三个维度。

在国家层面，人工智能技术的资源密集型特征进一步加深了国家间差距。发达国家凭借充足的能源消耗和先进的基础设施，主导着先进人工智能技术的研发与部署；而全球南方国家受制于基础设施滞后、人才储备匮乏、产业生态链不完善等因素，难以形成优质创新土壤。全球计算资源分布极不均衡，美国和中国运营着 90% 以上的人工智能数据中心，非洲和南美洲几乎没有相关设施，超过 150 个国家完全缺乏算力支撑。语言壁垒也加剧了这一鸿沟，主流人工智能系统在英语和中文上表现更精准，非洲语料库规模有限且缺乏代表性，限制了其在非洲地区的应用推广。此外，国家间的技术鸿沟通过全球供应链分工传导至产业领域，全球南方国家面临被锁定在产业链最低附加值环节的风险，部分国家实施的技术封锁进一步压缩了智能鸿沟的弥合空间。

在企业层面，人工智能基础模型市场因技术和资本双重壁垒呈现高度集中态势，少数大型科技企业形成垄断格局。头部企业通过数据壁垒、算法共谋、算力垄断等方式构建结构壁垒和生态垄断，引发模型共谋、数据剥削、歧视性许可等多重风险。不过，DeepSake 等开源模型的出现为对冲垄断格局提供了新可能，其低成本训练推理和全栈开源开放特性，降低了研发应用门槛，为人工智能开放生态系统提供了中国经验。但也有学者提出 “开源垄断” 的担忧，部分企业通过 “开源引流 - 闭源变现” 模式，难以从根本上缓解巨头垄断格局。

在个人层面，智能鸿沟体现为人工智能对不同群体的差异性赋能，呈现代际、性别、收入、种族、城乡等多维度分化。以性别智能鸿沟为例，约 44% 的人工智能系统存在性别偏见，25% 的系统同时表现出性别和种族偏见，这种偏见源于数据源中的性别不平等，算法机制不仅未能纠正既有不平等，反而会系统性放大和固化这些模式。此外，智能传播时代对个体的智能素养提出新要求，包括对智能生成内容的辨识能力和与智能体的提示交互能力，个体利用大模型实现知识生产积累的程度差异，进一步加剧了社会不平等。

六、人机主体性：异化风险与共生范式的探索

人工智能技术的迅猛发展深刻重构人机关系，引发了关于主体性的哲学伦理反思与法律争议，“机器的人化” 与 “人的机器化” 双重进程同步演进。学界对技术冲击下 “人的主体性” 危机高度关注，其本质在于技术理性对价值理性的僭越，以及资本逻辑与技术逻辑的共谋对人性本质的异化。这种危机集中体现在四个维度：独立人格被侵蚀（个性消解与技术依赖）、自主性和创造性被削弱（技术替代与思维惰性）、交往异化加剧（虚拟交往与情感疏离）、社会角色边缘化（技术失业与身份认同危机）。有学者从历史维度剖析指出，人工智能时代的主体性困境还包括人的自由意志遭遇削减、自我异化倾向加剧、隐私安全不复存在等方面。

对于人工智能的主体性争议，社科领域大多数学者并不认同其具有完全的主体性。尽管模拟技术让人产生机器作为类人主体的幻觉，但人工智能始终无法产生意识，其本质是对人类智能外部功能的模仿，而非复制或再造。从认知科学视角来看，人工智能在神经、心理、语言、思维、文化五个层级均与人类存在本质区别，原则上无法获得主体性。不过，传统主客体二元对立的认识论已难以解释生成式人工智能对主体性的冲击，人机关系已从 “主客体” 支配关系转向深度 “合作” 关系。部分学者引入行动者网络理论，将技术视为网络中的行动者之一，并提出 “交互主体性” 概念，认为生成式人工智能在与人类交互中呈现出新型主体性特征，但其类人性和非人性的主体性特征只有在与人类主体的广泛交互中才能形成和显现，不必过度悲观技术对人的主体性冲击。

在法律层面，关于人工智能能否成为法律意义上的行为主体，形成否定说和肯定说两种对立观点。否定说作为主流观点，认为人工智能不具有人类的理性和自我意识，也无自身财产，不赋予其主体地位并不影响解决相关法律问题；肯定说则认为，法律对民事主体的承认并不必然要求具有人类理性和责任财产，确认人工智能领域的法律主体是 Agent（行为体），有助于推进人工智能与法律的交叉研究。

七、大国博弈：权力重构与安全格局的重塑

人工智能作为第四次科技革命中的颠覆性战略技术，成为大国博弈的焦点，深刻重塑着国际权力格局与全球政治生态。在理论层面，无论西方现实主义、新自由主义、建构主义还是国际政治经济学视角，技术始终是影响国际权力格局演变的核心因素。在国家视角，学者从关系连带、资源异质、战略警觉三个关键因素，揭示了国家间权力互动的复杂性和多样性；在企业视角，人工智能通过重塑知识结构、介入生产、安全与金融领域，推动国际权力向技术优势国与跨国企业集中，数字巨头形成 “工具性、话语性与制度性” 三重技术权力，加剧全球南方国家的技术依附。

国家竞争焦点已从单纯的技术研发创新，拓展至 “数据 - 算力 - 模型 - 应用 - 规则” 全链条要素，规则话语权争夺成为国际竞争的新角力点。作为典型的军民两用技术，人工智能在国防军事领域的应用引发学界对国际安全影响的深入探讨。一方面，人工智能赋能国际网络安全攻防博弈，网络攻击呈现自动化、自适应和协同作战特征，算法驱动的认知战与网络攻击引发新型国际冲突，部分学者提出 “计算外交” 概念，主张以 “计算能力对抗计算风险”；另一方面，深度伪造和信息操控泛滥，生成式人工智能被用于制造虚假新闻、干扰全球选举，对意识形态渗透、国际舆论操控与军事指挥构成潜在威胁，动摇西方国家的民主根基与社会秩序。

面对这些风险，有学者提出 “互保人工智能故障”（MAIM）的威慑概念，主张任何国家试图单方面获得 AI 主导地位的激进行为都将面临对手的预防性破坏。人工智能的技术外溢倾向、更迭周期短、可复制性强等特性，使其成为影响全球安全格局的重要因素，全球技术军备竞赛将持续进行，智能鸿沟短期内难以弥合，如何确保人工智能安全可控、全球普惠，成为政产学研界共同面临的课题。

八、敏捷治理：应对不确定性的协同共治新范式

人工智能技术快速演进伴生的高度不确定性和复杂风险，使传统长周期、刚性规则、单一主体主导的治理模式陷入瓶颈，敏捷治理逐渐成为共识性理念。敏捷治理起源于美国制造业的 “敏捷制造”，后进入软件工程领域，以 2001 年《敏捷宣言》为标志，强调以用户为中心、以解决问题为导向，通过频繁互动响应快速变化的需求。2018 年，世界经济论坛将 “敏捷治理” 定义为 “一种柔韧性、灵活性或适应性的行为或方法”，旨在转变政府政策的产生、制定、执行方式，以跟上新兴技术驱动的社会快速变革。

敏捷治理呈现四大特征：价值导向上强调创新和治理协调发展，治理主体上强调政府主导、多元参与，治理对象上强调全过程自下而上分层治理，治理工具上强调灵活响应、软硬兼施。生成式人工智能作为敏捷开发模式的典型成果，其治理模式天然适配敏捷治理，传统治理模式难以为继的原因主要有二：一是人工智能技术快速迭代导致长周期传统治理工具难以匹配；二是人工智能的全面渗透性及不确定性风险导致 “命令 - 执行” 为主的 “官僚” 治理模式难以奏效。

然而，敏捷治理在实践中仍面临诸多挑战。安全性和敏捷性之间存在持续张力，政府在识别治理对象及其风险、权衡治理目标与治理工具方面面临信息不对称乃至 “共同无知” 的局限性；发展与规制的内在张力使利益相关方难以真正实现协同共治、监管协调，风险 “倒逼” 和避责压力容易导致监管在敏捷治理和集中治理之间急剧切换。此外，多元主体的治理目标可能存在冲突，企业注重技术创新，政府注重安全风险防治，用户注重隐私保护，决策权的共享程度极大地影响治理效率。

学界普遍认为，敏捷治理强调政府作为权威主体的主导性角色，在倡导多元主体广泛参与的同时，需保持决策权的极化，由政府主导协调各方资源，消解 “去中心化” 带来的权力泛化、决策困难和合作懈怠。这一模式与中国倡导的 “包容审慎” 以及 “多利益相关方” 理念深度契合，未来需推动其理论深化与实践转化，发展可操作框架，如分层监管沙盒、政策适应性实验及政企责任共担体系等，在激发技术创新活力与防控系统性风险之间构建动态平衡的治理生态。

结语

生成式人工智能的裂变演进，使技术成为重塑经济秩序与文明形态的元力量，其社会化进程呈现出赋能与风险并存、解构与重构共生、博弈与协同竞合、工具理性与价值理性碰撞的复杂特征。《全球人工智能社会发展研究报告 (2025)》梳理的八大核心议题，全面展现了技术嵌入现代性肌理的深层逻辑。

人工智能社会科学研究的核心价值，不仅在于理解和驾驭技术，更在于探索技术与人类社会的共生逻辑。技术发展驱动制度创新，社会调适反哺技术驯化。未来，需持续深化相关核心议题的探索，构建技术革新与社会福祉的动态平衡机制，通过学术理论前沿突破与政府、市场、社会协同治理，引导人工智能成为人类文明的向善建构性力量，塑造兼具创新活力与人本价值的智能文明。

1. 篇幅有限，部分展示

   加入会员，任意下载

   资料下载方式

   Download method of report materials

   关注公众号后回复：QQ260109
   即可领取完整版资料
   
   荐：
   【中国风动漫】《姜子牙》刷屏背后，藏着中国动画100年内幕！
   【中国风动漫】除了《哪吒》，这些良心国产动画也应该被更多人知道！

   【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

   

   如需获取更多报告

   扫码加入

   “人工智能产业链联盟”

   知识星球，任意下载相关报告！

   

   报告部分截图

   

   

   声明

   来源：上海市人工智能与社会发展研究会，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

   编辑：Zero

   

   文末福利

   1.赠送800G人工智能资源。

   获取方式：关注本公众号，回复“人工智能”。

   2.「超级公开课NVIDIA专场」免费下载

   获取方式：关注本公众号，回复“公开课”。

   3.免费微信交流群：

   人工智能行业研究报告分享群、

   人工智能知识分享群、

   智能机器人交流论坛、

   人工智能厂家交流群、

   AI产业链服务交流群、

   STEAM创客教育交流群、

   人工智能技术论坛、

   人工智能未来发展论坛、

   AI企业家交流俱乐部

   雄安企业家交流俱乐部

   细分领域交流群：

   【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

   入群方式：关注本公众号，回复“入群”

   

   戳“阅读原文”下载报告。