讨论 “AI 普惠 ” 时，首先需要回答一个问题：我们究竟是在讨论如何让 80 亿人成为人工智能产品的用户，还是在讨论如何让更多国家具备参与人工智能生产、创新和价值分配的能力？
如果答案只是前者，那么所谓 “AI 普惠 ” ，很可能只是新自由主义全球化换上了一件人工智能的外衣。以塞尔维亚为例，前人工智能时代的人才流失是一张 “ 明牌 ” ：人离开了，社会能够看见，统计数据也能够体现；而在人工智能时代，人才流失正在变成一张 “ 暗牌 ”—— 人可能仍然生活在本国，但其知识、算法、专利和智力产出，已经进入了由境外企业控制的技术体系。
算力是放大器，而不是替代品。对于一个缺少本土企业、人才组织能力和有效市场的国家而言，单纯增加算力，未必能够带来技术自主，反而可能进一步放大其对外国平台、模型和资本的依赖。
编者按： 7 月 17 日， 2026 世界人工智能大会暨人工智能全球治理高级别会议在上海开幕，国家主席习近平出席开幕式并发表题为《携手构建公正合理的全球人工智能治理体系》的主旨讲话，世界人工智能合作组织在上海应运而生。
次日，即 7 月 18 日上午，由东浩兰生与观察者网联合呈现的 WAIC 2026 系列早餐会第一场《 AI 普惠：硅谷之外，全球南方》在上海举行。四位来自中国、欧洲和拉美的学者、创业者与研究者同台分享。
本文为塞尔维亚籍复旦大学国际政治系博士研究生、 B 站知名 UP 主菲利蒲（ Filip Filipovic ）的演讲实录，由观察者网根据现场录音整理编辑，小标题为编辑所加。
菲利蒲（ Filip Filipovic ，复旦大学国际政治系博士研究生、哔哩哔哩知名 UP 主)
以下是现场实录：
首先，非常感谢各位。
塞尔维亚是一个颇具代表性的国家。它的体量不大，但特殊的地理位置和历史传统，使它同时处于欧洲体系与广大发展中国家的经验世界之中。
一方面，塞尔维亚毗邻欧盟，并作为欧盟候选国参与欧洲经济和制度体系，能够在一定程度上分享欧洲一体化带来的发展红利；另一方面，南斯拉夫时期形成的不结盟传统，又使塞尔维亚与亚洲、非洲和拉丁美洲国家保持着深厚联系，也更容易理解许多发展中国家在现代化进程中面对的结构性困境。
因此，通过塞尔维亚这一案例，我们不仅可以观察一个中小型国家在人工智能时代需要什么，也可以进一步理解：发展中国家最担心的究竟是什么，以及它们最不希望看到怎样的人工智能全球化结果。
让 80 亿人变成用户，还是让更多国家变成生产者？
当我们讨论 “AI 普惠 ” 时，首先需要明确：我们是在讨论如何让 80 亿人成为人工智能产品的用户，还是在讨论如何让更多国家成为人工智能技术、产品与价值的生产者？
如果所谓 “AI 普惠 ” 只是让更多人使用少数跨国企业提供的平台、模型和应用，那么这种普惠实际上仍然延续着新自由主义全球化的基本逻辑：少数国家负责研发、制定标准并控制平台，多数国家则负责提供市场、数据和人才。
在这一框架下，人工智能技术虽然得到广泛传播，但技术能力、知识产权、利润和规则制定权仍然高度集中。由此产生的，不一定是更加平等的技术全球化，也可能是一种新的 “ 数字殖民 ” 。
这正是许多发展中国家面临的核心焦虑。
不少发展中国家尚未完成工业化，现在却被要求直接进入人工智能时代；一些国家甚至尚未建立完整的人才培养体系，却被告知未来发展需要大量工程师、算法人才和数据科学家。它们缺乏相应的产业基础、财政能力和技术条件，因而很容易在人工智能全球化中再次被锁定在价值链的外围。
前 AI 全球化的 40 年：从华盛顿共识到价值链锁定
如果不追溯四次工业革命，而只是回顾过去 40 年，就会发现，对于拉丁美洲和东欧国家而言，这是一段不断被 “ 结构锁定 ” 的历史。
20 世纪 80 年代至 90 年代，新自由主义改革在全球范围内展开。对于东欧和拉美国家来说， “ 华盛顿共识 ” 并不是一个陌生概念。市场开放、国有企业私有化、贸易自由化以及资本流动，共同构成了这一时期的主要政策方向。
冷战结束后，从 20 世纪 90 年代到 2010 年前后，乃至延续至今，全球产业价值链的分工逐渐固化。站在全球南方国家的角度看，发达国家主要从事研发、品牌建设、技术标准制定和高附加值产品生产，并由此获得大部分利润；发展中国家则更多承担原材料供应、低成本劳动力、基础制造和消费市场的角色。
在这一过程中，有一个因素始终没有得到足够重视，那就是人才。
中国较少面临同样程度的人才供给问题，因为中国拥有庞大的人口基数、完整的高等教育体系和持续增长的工程师队伍。但对于塞尔维亚这样的中小型国家而言，情况完全不同。
在塞尔维亚，人们经常谈到中国每年培养大量工程技术人才。具体数字或许存在不同统计口径，但无论如何，中国每年新增各类工程技术人才的规模，都可能接近甚至超过塞尔维亚全国约 600 万的人口。
对于许多发展中国家而言，人才并不是一个可以无限再生的资源。一名优秀工程师的离开，可能意味着一个实验室、一个创业项目乃至一个产业方向的消失。因此，全球化带来的人才虹吸，对中小型发展中国家的影响尤其深刻。
人才虹吸：从明牌到暗牌
在前人工智能时代，人才虹吸主要表现为物理移民。
第一种方式是直接移民。优秀人才离开本国，到收入更高、科研条件更好、职业机会更多的发达国家工作。
第二种方式是 “ 留学 — 就业 — 定居 ” 。发展中国家的年轻人前往发达国家接受教育，毕业后进入当地企业或研究机构，最终留在海外。这种路径同样造成了持续的人才流失。
但在人工智能时代，人才流失的方式正在发生变化。
在前人工智能全球化时代，最重要的生产要素是石油、矿产和其他自然资源，最具代表性的劳动力是制造业工人；进入人工智能时代后，数据逐渐成为关键资源，工程师、算法人才和能够理解人工智能应用的人，则成为更加重要的劳动者。
与此同时，人才流失也从单纯的物理迁移，转变为一种 “ 混合式移民 ” 。
一部分优秀工程师仍然会直接离开发展中国家，但还有一部分人可能继续生活在本国，却受雇于跨国科技企业设立的研发中心。他们在当地生活、消费并缴纳税收，但其创造的算法、代码、知识产权和技术成果，最终被纳入外国企业的平台与资产体系。
在极端情况下，一个处于弱势地位的发展中国家，能够留下的可能只有就业岗位和一部分税收，而创新成果、平台控制权、知识产权和主要利润则全部流向境外。
人才虹吸因此完成了一次更加隐蔽的 “ 进化 ” 。
在前人工智能时代，人才流失是一张明牌：人离开了，社会可以看见，人口和就业数据也可以体现。人工智能时代的人才流失则可能变成一张暗牌：人不一定离开，但没有离开的那个人，其智力产出和价值归属未必仍然留在本国。
20 年前，一些发展中国家修建了港口、公路和铁路，但这些基础设施上运输的，往往仍然是外国企业设计、生产和销售的商品。能够在本国实现一部分生产，已经是一种相对有利的结果。
中国由于拥有超大规模市场，能够要求跨国企业建立合资公司、转移部分产能并形成较深的本地化合作。但对于许多中小国家而言，跨国企业甚至缺乏与其建立合资关系的动力，只需要直接销售产品。
今天，类似结构正在数字领域重现。
发展中国家建设数据中心、铺设 5G 网络、改善数字基础设施，但这些基础设施上运行的，可能仍然是外国企业的模型和平台。表面上看，技术发生了变化；但从价值链和控制权的角度看，其基本结构并没有改变。
全球南方的三个梯队
如果对全球南方国家当前的人工智能发展状况进行梳理，大体可以分为三个梯队。
第一梯队是区域人工智能中心和主权人工智能的建设者。
这类国家通常拥有较强的资本实力、政策动员能力和基础算力，并开始建设本地模型和主权人工智能体系。代表国家包括阿联酋、沙特阿拉伯、印度、巴西，以及部分东南亚枢纽国家。
尽管阿联酋和沙特阿拉伯经济较为富裕，不完全符合人们对 “ 全球南方 ” 的传统印象，但如果从不结盟运动、民族解放和南南合作的历史脉络看，它们仍可被纳入广义全球南方的讨论范围。
这些国家当前竞争的重点，是区域人工智能中心地位、跨国科技企业总部、先进算力资源和主权模型建设能力。
第二梯队是人才与应用场景较强，但缺少算力、资本和链主企业的国家，塞尔维亚就属于这一梯队。
这些国家拥有较好的工程人才、一定的产业基础和丰富的应用场景，但在芯片、云平台、大模型、资本和产品方面仍然高度依赖外国企业。
除塞尔维亚外，南非、印度尼西亚、越南、墨西哥、哥伦比亚、肯尼亚和尼日利亚等国也具有类似特征。
以尼日利亚为例，它拥有庞大的人口、市场和技术创业群体，是非洲人工智能产业中不可忽视的力量。塞尔维亚虽然人口较少，却拥有深厚的数学和工程教育传统。塞尔维亚第二大城市诺维萨德是一座重要的大学城，聚集了大量数学、软件和工程人才，但其中一部分最终流向了海外市场。
对第二梯队国家而言，当前最重要的任务是留住人才、引进研发机构、建设区域算力，并逐步形成能够扎根本地的产业生态。
第三梯队则是人工智能产品的纯应用者，处于价值链的最外围。
这些国家在电力、网络、融资、技术和人才方面都存在明显不足，只能依赖境外人工智能产品。对于它们而言，人工智能可能主要表现为通义千问、 ChatGPT 等交互式软件，而不是深入嵌入制造、农业、医疗和公共治理的生产力工具。
比如刚果（金）、莫桑比克、吉尔吉斯斯坦、缅甸和危地马拉等国可以纳入第三梯队，仍然需要优先改善电力供应、网络覆盖和光纤基础设施。它们需要首先完成信息化和数字化，才能进一步讨论系统性的智能化。
塞尔维亚的底牌与短板
之所以将塞尔维亚划入第二梯队，是因为它已经具备若干发展人工智能的重要条件。
第一，塞尔维亚已经建立了相对完整的国家人工智能战略和治理体系。 2019 年，塞尔维亚出台首个人工智能国家战略，目前又制定了 2025 年至 2030 年的新一轮战略。该战略完整版超过 60 页，对法律、人才、科研、产业、数据和基础设施作出了系统部署。
第二，塞尔维亚拥有较强的数学、软件和工程人才基础，这也是大量跨国科技企业关注塞尔维亚的重要原因。
微软在塞尔维亚设立了重要研发中心。该中心 2005 年成立时只有 8 名员工，目前已发展至 800 余名工程师。这一增长既体现了塞尔维亚的人才优势，也说明当地人才正在被深度纳入跨国科技企业的全球研发网络。
第三，塞尔维亚已经建成国家级数据中心和人工智能平台。塞尔维亚国家数据中心在早期建设过程中，华为曾深度参与。此后，塞尔维亚又建立了人工智能研究所和多个科技园区。
第四，塞尔维亚在教育、制造、农业、医疗和公共服务等领域，拥有大量能够与人工智能结合的现实场景。人工智能未必需要一开始就覆盖所有环节，只要能够解决当地的具体问题，就具有重要价值。
例如，我曾参访一家研发医疗机械臂的企业。这类技术能够帮助医生分担部分手术操作，提高医疗服务效率，便是人工智能与实体需求结合的典型场景。
此外，塞尔维亚还具有重要的区位优势。它是巴尔干地区的交通和产业节点，相关技术与产品不仅可以服务本国，还可能覆盖东欧、巴尔干半岛，并向土耳其和北非市场延伸。
但塞尔维亚的短板同样明显。
首先，它缺少成熟的本土人工智能生态和具有产业号召力的核心企业，也缺乏大规模、低成本的 GPU 算力。
其次，塞尔维亚人工智能初创企业目前约有 30 家， 2030 年的目标是增加到 70 家，但整体规模依然有限。
再次，塞尔维亚仍需建设更加完整的小语种技术生态。虽然塞尔维亚本国人口只有约 600 万，但塞尔维亚语的实际市场并不局限于塞尔维亚。克罗地亚、波斯尼亚和黑塞哥维那等周边国家使用的语言与塞尔维亚语高度接近，经过一定适配后，相关技术还可能进一步覆盖其他斯拉夫语国家。因此，其潜在语言市场可以达到至少 2000 万人。
此外，塞尔维亚还缺少大规模企业采购和商业应用、本土知识产权与平台控制权，以及能够长期留住人才、吸引海外人才回流的产业环境。
因此，第二梯队并不是一个差的位置。相反，对于一个人口只有约 600 万的国家而言，这已经是相当不错的基础。
问题在于，过去 40 年的全球化为塞尔维亚留下了一项矛盾遗产：它已经具备培养人才的能力，也形成了数字化意识，却没有建立足以留住人才和放大人才价值的产业生态。
在人工智能时代，这一问题的代价可能比过去更高，因为人才和智力成果的跨境流动，将变得更加迅速，也更加隐蔽。
为什么把法律和人才排在算力前面？
从塞尔维亚 2025 年至 2030 年人工智能战略的排序中，可以看出一种与传统认知有所不同的发展逻辑。
通常人们会认为，对于一个发展中国家而言，人工智能发展的首要目标应当是购买 GPU 、建设数据中心、增加电力供应。
但塞尔维亚战略的排序是：第一，完善人工智能法律和治理体系，明确哪些技术可以使用、哪些行为受到限制；第二，培养并留住人工智能人才；第三，加强科研与创新；第四，推动人工智能进入实体经济和公共服务；第五，将数据建设为战略资源；最后，才是扩大国家算力和数字基础设施。
为什么会有这样的顺序？
可以对比两种不同的发展路径。
第一种是较为常见的 “ 基础设施优先 ” 路径，即先购买 GPU 、建设数据中心。但如果一个国家缺少本土企业，也缺乏能够组织和转化市场需求的人才，那么基础设施建成后，最有能力使用这些资源的往往仍然是外国企业。
由此可能形成一种新的依赖结构：数据依赖外资、算力依赖外资、模型依赖外资，最终知识产权和利润也无法留在本国。
这个国家或许拥有了电力、机房和服务器，但这些基础设施创造的大部分经济收益，仍然归属于境外平台和资本。
塞尔维亚试图采取的逻辑，是先建立法律和治理框架，培养并留住人才，同时推进算力和基础设施建设。在此基础上，再通过政府采购、企业应用、数据积累和本土知识产权建设，形成一定的产业能力。
当本土企业、人才和市场具备一定基础后，国家算力和数字基础设施才能真正服务于本国发展，并使塞尔维亚在与境外企业合作时拥有更加对等的地位。
原因在于，算力是一个放大器，而不是一个替代品。
如果一个全球南方国家缺少本土企业、人才和市场，增加算力只会放大其对外国平台的依赖；如果这个国家已经具备人才和产业组织能力，算力才能放大本国创新者的能力。
三个园区，三种困境
塞尔维亚有三个具有代表性的科技园区或研发机构，它们恰好对应了第二梯队国家面对的三类困境。
第一个是微软贝尔格莱德研发中心。
我此前曾与一位 B 站网友讨论相关问题。我们一直聊到深夜，这位同学姓李，名叫李元瀚。我当时答应过他，会在摄像机前表达感谢。正是李元瀚同学提出了一个非常有启发性的概念： “AI 飞地 ” 。
什么是 “AI 飞地 ” ？
它在物理空间上位于东道国，但其核心经济循环、知识产权体系和价值分配机制，仍然由母国企业控制。
在极端情况下，人工智能飞地甚至可能比制造业飞地更加彻底。
制造业通常仍然需要本地供应链、物流、厂房和零部件配套，而人工智能研发不一定需要这些条件。代码可以直接上传云端，智力成果也可以在瞬间进入跨国企业的全球技术体系。
微软贝尔格莱德研发中心从最初的 8 人发展到如今的 800 余人。它的确参与了塞尔维亚本地人才培养，与高校开展合作，并为年轻工程师提供就业机会，这些贡献不应被否认。
但从企业自身逻辑看，这些合作首先服务于其全球人才体系。最优秀的人才被吸纳进企业内部，其他人才和产业环节则未必能够同等受益。
由此产生的第一个困境，是 “ 在岸价值外流 ” ：人才留在了本地，但创新成果、平台能力和主要经济收益，却被嵌入境外企业的技术体系。
第二个是贝尔格莱德科技园，它代表的是本土创新生态。
该园区我曾多次到访，也有朋友在那里创业。园区聚集了约 2800 名从业者和大量初创企业，但其核心问题在于力量较为分散。
作为企业孵化器，它能够为本土创业者提供空间，也能让没有进入大型跨国企业的工程师找到工作。从这个意义上说，它能够部分解决 “ 价值能否留下 ” 的问题。
但它难以解决 “ 留下的价值能否被放大 ” 的问题。
园区缺少大规模 GPU 算力，也缺乏类似大型科技企业那种围绕统一技术目标和共同产品体系形成的高度组织能力。许多企业分别开展项目，却难以形成协同效应和产业合力。
第三个是专门面向人工智能建设的诺维萨德科技园，它体现的是科研转化断层。
这一园区实现了科研项目和人才的集中，却尚未完全建立从科研到产业、从原型到产品的完整闭环。
它拥有科研项目，却缺少稳定、长期的产业订单；拥有算法人才，却缺少能够覆盖区域乃至欧洲市场的销售与商业化团队；拥有一定公共资金，却缺少规模充足的风险投资；拥有实验室原型，却难以将其复制为能够持续销售的商业产品。
因此，三个园区分别对应三类困境：微软贝尔格莱德研发中心体现的是在岸价值外流；贝尔格莱德科技园面对的是本土价值难以做大；诺维萨德科技园则面临从科研到商业化的链条断层。
怎么把 AI 价值留下来？
除了按照塞尔维亚 2025 年至 2030 年人工智能战略，完善从法律、人才到算力的内部治理体系，还必须回答另一个问题：在与外国资本和跨国企业合作时，如何让更多价值留在本国？
例如，外国企业进入塞尔维亚后，获得土地、税收减免和其他政策支持，如果最终只留下有限的就业岗位，那么这种合作对本国产业能力的提升仍然不够。
塞尔维亚可以考虑建立更加明确的合作条件。
外资企业建设数据中心或研发基地时，是否可以被要求与当地大学建立联合实验室，提供一定数量的实习岗位，使用部分本地供应商，并参与本地博士研究生和工程师的培养？如果企业完成这些本地化义务，政府再给予相应优惠。
国家算力的分配机制也值得重新设计。
大型机构往往更容易占用有限的国家算力资源。政府可以考虑规定，对于 “ 本土企业＋大学＋外国企业 ” 组成的联合项目，在符合技术和安全标准的情况下，给予一定的算力优先权，以推动一定程度的知识转移和本土能力建设。
政府采购同样十分重要。
塞尔维亚目前拥有不少人工智能试点项目，但能够支撑企业长期发展的稳定订单依然不足。政府部门、银行、电信运营商和能源企业，能否采购本土人工智能产品，并将其应用于实际业务？
对于人工智能企业来说，只有拥有长期客户和持续收入，技术原型才可能真正转化为产业能力。
中塞合作为什么不容易变成数字殖民？
最后，我想谈一谈中塞人工智能合作以及中国企业所面对的机会。
中国人工智能企业出海的优势，并不只在于算力或模型，而在于 “ 开源模型＋硬件＋能源＋场景 ” 的一体化落地能力。
中国人工智能的突出特点，是能够与制造业、硬件系统、基础设施和城市治理相结合。
相较而言，美国企业更擅长平台输出和算法商业化，其国际化往往以云平台、软件和交互式应用为主要载体；中国人工智能企业的国际合作，则更多需要同硬件设备、工业体系和具体应用场景共同落地。
这种模式天然需要本地合作伙伴和本地化适配。
例如，一套具有人脸识别功能的中国安防系统进入塞尔维亚后，必须完成塞尔维亚语适配，并根据当地人的外貌特征、服饰习惯和社会环境调整算法。
中国安防企业进入中东市场时，也曾面对类似问题。当地人的面部特征和着装方式有所不同，系统必须通过本地团队进行适配。
在这一过程中，本地工程师必须深度参与项目。一部分技术知识、工程经验和产业能力也会因此进入当地，并逐渐生根。
这正是中塞合作不容易简单演变为 “ 数字殖民 ” 的原因之一。中国企业要实现产品和系统落地，往往必须与本土产业、人才和场景形成真实连接。
智元机器人的案例具有一定代表性。
敏实集团是智元机器人在欧洲市场的战略合作伙伴。 2026 年 5 月，塞尔维亚总统武契奇访问敏实集团嘉兴未来工厂，并现场观看了智元机器人的多项技术演示。根据塞尔维亚方面公布的规划，塞方正推动与智元机器人、敏实集团合作，在塞尔维亚建设面向欧洲市场的人形机器人大规模生产基地，并带动机器人制造、数据训练和人才培养等相关业务在当地落地。
更重要的是，塞尔维亚年轻人已经开始参与这一项目。武契奇总统访问中国期间，也见到了在项目中工作的塞尔维亚青年。
这是一种避免数字殖民、推动技术本地化的现实路径：外国技术进入本国市场的同时，本国青年参与研发、生产和应用，使技术合作逐渐转化为人才培养和产业能力。
最后，再次感谢大家。
大家可以结合前一天世界人工智能大会开幕式上的相关讲话，以及其中提到的 5000 个人工智能专题研修培训名额，重新审视塞尔维亚所面对的困境、中国提出的解决方案，以及其他全球南方国家能够如何与中国开展对接。
谢谢大家。
现场问答
观众： 您提到塞尔维亚的人工智能规划高度重视法律和制度建设。是否可以理解为，塞尔维亚的人工智能发展重心是以人为中心，希望建立一个更加规范的体系，而不是放任人工智能脱离控制地发展？
菲利蒲： 总体而言，可以这样理解，但还需要进一步区分。
塞尔维亚当然重视以人为本，但从现实发展需求看，塞尔维亚未必希望人工智能监管过于严格。对于一个希望追赶技术发展的中小国家而言，适度宽松的政策环境有利于创新和产业落地。
但塞尔维亚必须将法律和制度建设放在较高位置，因为塞尔维亚是欧盟候选国，需要与欧盟的法律和监管体系逐渐接轨。欧盟可能是当前全球最强调人工智能立法和规则治理的主要行为体之一。
相较于中美，欧盟在部分人工智能技术和商业化能力上并不占据绝对优势，因此更加重视通过法律、规则和标准塑造国际竞争环境。塞尔维亚作为欧盟候选国，也必然受到这一制度环境的影响。
至于塞尔维亚人工智能战略中各项目标的排序，它既体现了政策文件的逻辑，也反映了现实约束。
人才被放在如此靠前的位置，是为了纠正一种常见的刻板印象，即发展中国家应当首先建设算力和数据中心。但在实际推进过程中，法律、人才、数据、算力和能源并不是彼此割裂、依次展开的，而是在同步推进。
塞尔维亚已经建成一座国家数据中心，但现有能力还不足以支撑未来人工智能产业的发展，因此需要继续扩大算力和数据基础设施。与此同时，塞尔维亚也在研究和推进包括核能在内的新型能源项目。
很多人可能并不了解，目前中国和法国都在关注塞尔维亚未来核能项目的合作机会。就现阶段而言，法方与塞尔维亚政府的谈判推进速度稍快一些，但项目最终将采用哪一方的技术和合作方案，仍未形成定论。从我个人的立场出发，我当然希望中国方案最终能够脱颖而出。
从我个人的立场出发，我当然更加期待中国企业和中国方案最终能够参与乃至主导这一项目。中国不仅具备核能工程和基础设施建设能力，也能够将能源、数据中心、工业应用和人工智能产业更完整地结合起来，为塞尔维亚提供更加系统的长期发展方案。
塞尔维亚最初规划能源基础设施时，并不完全是从人工智能需求出发。但如果仔细阅读近年来的法律和战略文件，就会发现，能源、数据中心和人工智能产业正在被逐步纳入同一套发展框架，并开始同步推进。
因此，这并不是一个简单的 “ 法律、人才、算力和能源究竟哪一个最重要 ” 的问题，它们都非常重要。
只是在逻辑链条中，塞尔维亚作为欧盟候选国，必须将法律框架放在前面；而由于塞尔维亚长期面临人才流失问题，人才培养和人才留存也必须被置于非常重要的位置。