中小企业数字鸿沟与AI普惠落地路径研究报告

中小企业数字鸿沟与AI普惠落地路径研究报告

编制单位：泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部
报告版本：V1.0
完成时间：2026 年 8 月

摘要

人工智能正在重塑全球产业竞争格局，数字红利已经成为经济体高质量发展的重要驱动力量。但全球范围内普遍存在结构性矛盾：大型企业具备充足资金、算力、人才储备，能够大规模落地人工智能项目；广大中小微企业受制于转型成本高企、专业人才匮乏、数据基础薄弱、技术适配不足等多重约束，AI 应用渗透率长期处于较低水平，AI 数字鸿沟持续拉大，数字红利向头部企业集中的风险日益凸显，国际电信联盟（ITU）多次对该现象发出警示。

本报告立足全球与中国中小企业数字化现实，系统剖析中小企业 AI 数字鸿沟的形成机理、现实表征与经济社会影响，梳理全球主要经济体在公共算力补贴、轻量化行业模型研发、共享数字工具建设等方面的政策实践与产业探索，识别 AI 普惠落地过程中的制度约束、技术堵点与商业痛点，构建一套适配中小企业资源禀赋的 AI 普惠落地框架，从政府公共治理、产业平台供给侧改革、中小企业自身能力建设、开源生态协同、国际协同治理五个维度提出可落地实施路径。报告认为，AI 普惠不是简单的技术下放，而是一套涉及算力、模型、工具、人才、制度的系统性工程，只有打通成本、技术、数据、人才四重壁垒，才能让中小微企业公平分享人工智能时代的数字红利，避免技术进步进一步加剧市场马太效应。

关键词：中小企业；数字鸿沟；AI 普惠；公共算力；轻量化行业模型；共享数字工具；数字红利

一、绪论

1.1 研究背景

生成式人工智能、行业大模型、智能体技术快速迭代，人工智能从实验室技术转变为通用产业工具，成为企业降本增效、创新商业模式的核心生产要素。在全球经济体系中，中小企业承担吸纳就业、激活市场竞争、培育产业创新活力的关键角色。OECD 统计显示，在绝大多数成员国，中小企业占企业总数量 99% 以上，贡献 60% 左右社会就业与 50% 以上 GDP 产出，是经济底盘的基石。

但人工智能产业资源分配呈现显著不均衡特征。大型科技企业、规模以上大企业可以投入巨额资金采购算力、组建算法团队、开展定制化大模型训练，完成全链路智能化改造；与之对照，海量中小微企业普遍面临预算有限、缺少 IT 专职人员、业务数据零散、难以承担定制化 AI 项目高昂投入的困境，AI 落地面临 “不敢转、不会转、不能转” 的现实困境。

国际电信联盟 ITU 发布多份全球数字发展报告指出，数字鸿沟已经从传统互联网接入鸿沟，演化升级为人工智能应用鸿沟。即便中小企业可以接入互联网，依然难以负担 AI 算力、模型、专业服务成本，无法把 AI 技术转化为生产能力，数字红利更多被头部大企业攫取，进一步放大产业马太效应，损害市场竞争公平性，抑制整体经济创新活力。

在此背景下，世界各国政府、国际组织、产业界纷纷探索解决方案：推出公共算力补贴机制，研发轻量化行业模型，搭建共享数字工具平台，降低中小企业获取 AI 能力的综合门槛，推动 AI 普惠落地。本报告围绕这一核心议题展开系统研究。

1.2 研究意义

1.2.1 理论意义

现有学术研究更多聚焦大型企业 AI 落地、通用大模型技术迭代，针对中小微主体的 AI 普惠系统性研究尚有拓展空间。本报告厘清 AI 时代新型数字鸿沟的内涵、维度，归纳公共算力补贴、轻量化行业模型、共享数字工具三类核心普惠工具的运行逻辑，丰富数字经济、人工智能治理、中小企业数字化转型的理论研究体系。

1.2.2 现实意义

中小企业是我国实体经济的重要组成部分，大量中小制造、商贸服务业主体迫切需要低成本智能化方案。本报告总结全球实践经验，识别落地堵点，提出分层分类落地路径，可为政策制定机构、产业平台服务商、中小企业经营决策者提供参考，助力缩小 AI 数字鸿沟，释放中小企业创新潜能，夯实新质生产力微观基础。

1.3 研究范围与研究对象

本报告研究对象为全球范围内中小微企业，重点兼顾中国本土中小企业现实条件。研究范畴聚焦AI 数字鸿沟结构性矛盾，重点研究公共算力补贴、轻量化行业模型、共享数字工具三大普惠工具的实践现状、问题、落地路径。本报告中 AI 普惠定义为：让资源有限的中小微企业，以可负担成本、较低技术门槛获取适配业务场景的人工智能能力，公平享有数字技术红利。

1.4 研究方法

1. 文献与公开报告分析法：梳理 ITU、OECD、中国信通院、工信部、WTO 等机构公开报告、政策文件、学术文献，归纳全球中小企业 AI 转型现状与政策实践。

2. 比较研究法：对比欧盟、东亚主要经济体、中国在 AI 普惠领域政策工具，总结不同制度环境下的经验与教训。

3. 问题导向分析法：识别中小企业 AI 落地全链条中算力、模型、数据、人才、商业模式的现实堵点，推导适配的落地路径。

1.5 报告结构安排

本报告共分为七个章节。第一章为绪论；第二章界定中小企业 AI 数字鸿沟概念，分析全球现状；第三章深度解析数字鸿沟多重形成机理；第四章梳理全球 AI 普惠主要实践模式，重点分析公共算力补贴、轻量化行业模型、共享数字工具；第五章剖析当前 AI 普惠落地现实障碍；第六章提出系统性 AI 普惠落地路径体系；第七章研究结论与未来展望；文末附数据来源、免责声明。

二、中小企业 AI 数字鸿沟的内涵与全球发展现状

2.1 AI 时代数字鸿沟概念演化

传统数字鸿沟理论早期聚焦 “接入鸿沟”，即是否能够接入互联网基础设施。随着宽带普及，鸿沟转向 “使用鸿沟”，即不同主体数字技能差异。进入人工智能时代，演化出第三层数字鸿沟 —— 能力鸿沟（AI 应用鸿沟）：即便企业具备网络接入条件，依然因为资金、算力、人才、数据、技术产品适配性差异，无法有效使用人工智能创造价值，数字收益出现严重分化。

ITU 指出，AI 数字鸿沟并非单一维度差距，而是复合结构性鸿沟，包含算力资源鸿沟、模型能力获取鸿沟、数字人才鸿沟、数据要素鸿沟、商业价值转化鸿沟五大子维度。大企业可以完整获取算力、高质量行业模型、专业算法人才、标准化业务数据，完成 AI 价值闭环；中小企业在上述每个环节均存在短板，最终体现为 AI 应用率、投资回报率的巨大差距。

2.2 全球中小企业 AI 应用现状

从全球统计数据观察，企业 AI 采纳率与企业规模高度相关。OECD 调研数据显示，大型企业 AI 采用率约 40%，而中小企业 AI 整体采用率仅 11.9%，不足大企业三分之一，不同规模企业之间差距显著。WTO 与国际商会联合调研显示，受访大型企业 62% 已经落地 AI，中小微企业仅 41% 完成 AI 应用部署；高收入经济体企业 AI 采用率 66%，中低收入经济体企业仅 27%，同时行业分化明显，金融服务业 AI 渗透率高，制造业、传统服务业中小企业 AI 落地水平偏低。

欧洲市场调研显示，微型企业（员工小于 10 人）真正深度使用 AI 开展业务占比仅 3%-8%；大企业 AI 投入年增速 30%-40%，中小企业 AI 投入年增速仅 5%-8%，鸿沟还在持续扩大。超过 30%-40% 中小企业表示 IT 预算不足以支撑 AI 项目，AI 工程师薪资水平远高于中小企业薪酬承受上限，人才缺口成为普遍性约束。

回到国内市场，《中国中小企业数字化转型报告》数据显示，国内大量中小企业停留在数字化早期探索阶段，真正实现数据驱动、智能决策的企业占比仅 3.2%。国内中小企业 AI 应用大多停留在通用大模型简单工具试用层面，深度嵌入生产、供应链、质量管理等核心业务流程的案例占比不高，大量企业 “用了 AI 工具，但没有拿到业务收益”，出现 “索洛悖论” 现象，技术投入和实际产出错配。

中小企业 AI 应用场景也呈现明显的局限性：多数集中在文案生成、简单客服、营销素材等辅助环节，在生产优化、质量检测、供应链预测等价值更高的核心业务场景渗透率很低。中小企业并非不需要 AI，而是缺少适配自身预算、业务流程、技术能力的产品方案。

2.3 AI 数字鸿沟带来的经济社会风险

第一，市场马太效应强化，竞争格局失衡。大企业借助 AI 持续优化生产效率、降低运营成本，迭代产品服务；中小企业缺少同等技术工具，成本劣势进一步放大，生存空间被挤压，不利于维护充分市场竞争。

第二，就业与收入分化风险。中小企业是吸纳就业的主力，如果中小企业智能化转型受阻，将造成劳动力升级分化，拉大不同规模企业员工劳动生产率差距。

第三，整体经济增长潜力受损。一国整体数字经济红利，不取决于头部大企业技术水平，而取决于广大市场主体的普惠使用水平。如果海量中小企业无法分享 AI 红利，国家整体 AI 产业对实体经济拉动效应会大打折扣。

第四，区域发展差距进一步放大。发达地区大企业资源充沛，欠发达地区以中小微企业为主，AI 鸿沟会叠加区域经济差距，不利于区域协调发展。

基于以上风险，ITU 多次呼吁各国将 AI 普惠纳入数字治理重要议程，通过公共政策干预，避免数字红利仅仅向头部企业集中。

三、中小企业 AI 数字鸿沟的多重形成机理

AI 数字鸿沟不是单一因素造成，而是成本约束、技术供给错配、数据基础短板、人才缺口、商业机制缺陷多重因素叠加的结果。

3.1 资金成本约束：AI 投入的高门槛与中小企业预算约束

传统 AI 项目投入模式高度适配大型企业：需要采购高性能算力、开展数据治理、定制模型微调、组建运维团队，前期一次性投入高，回报周期长。大型企业可以承担百万级、千万级 AI 项目投入；而大量中小企业年度 IT 总预算仅有数万至数十万元，很难承担完整 AI 项目成本。

算力成本是显性门槛。高质量大模型推理、微调需要消耗大量算力资源。自建算力基础设施对于中小企业完全不具备可行性；即便使用公有云服务，如果缺少补贴，持续算力开销对于薄利中小企业依然形成较重负担。部分中小企业尝试 AI 之后，因为 token 消耗、推理费用过高，被迫停止使用，形成 “试点即终点” 现象。

3.2 技术供给错配：现有 AI 产品以大企业需求为导向

当前大模型、AI 解决方案供给方，主要面向大型企业客户设计产品，产品架构复杂，配置繁琐，需要大量二次开发。市场缺少面向中小微企业 “开箱即用” 的轻量化行业模型与工具。

通用大模型通用性强，但是对细分行业业务理解不足，直接使用通用大模型解决制造业、商贸流通等垂直行业业务问题效果有限；而定制垂直大模型的训练、微调成本高昂，中小企业无力承担。供给端出现明显错配：大企业需要复杂定制大模型，中小企业需要轻量化、低成本、预制行业知识的工具，市场供给却集中服务前者。

3.3 数据要素短板：中小企业数据碎片化、规范化程度低

AI 发挥价值高度依赖高质量结构化业务数据。很多中小企业业务数据散落在 Excel 表格、纸质单据、不同孤立业务系统中，没有完成标准化治理，数据质量参差不齐，缺少可用于模型微调的高质量行业数据集。

大型企业可以投入资金开展数据治理，打通内部业务系统，建设企业数据中台；中小企业没有条件开展大规模数据治理工作。数据基础薄弱，进一步限制 AI 模型落地效果，即便拿到 AI 工具，缺少高质量业务数据输入，也难以产生业务价值，形成恶性循环。同时，中小企业普遍存在数据安全顾虑，对将业务数据上传公有大模型存在担忧，进一步制约应用意愿。

3.4 数字人才结构性短缺

AI 应用落地，不只是购买软件，还需要既懂行业业务，又懂 AI 工具使用的复合型人才。一方面算法工程师、大模型运维人才薪酬高，中小企业难以全职聘用；另一方面企业内部现有员工缺少 AI 使用素养，不知道如何把 AI 工具和自身业务流程结合。

大企业可以组建专门数字化、AI 部门；中小企业大多没有专职 IT 团队，往往由行政、财务人员兼职处理数字化工作，缺少能够对接 AI 项目的内部人员。人才缺口构成隐性门槛，很多中小企业即便拿到低价 AI 产品，也没有人能够推动落地使用。

3.5 商业回报不确定性抑制企业转型意愿

中小企业经营高度看重投入产出比，投资回报周期短。AI 项目回报存在不确定性，很多企业看到同行大企业成功案例，但是看不到适配小微企业的成功实践，担心投入资金之后无法转化为订单、降本收益，产生 “不敢转” 心理。部分服务商过度夸大 AI 收益，造成企业预期错位，试点之后达不到预期，进一步降低中小企业尝试意愿。

3.6 制度与公共服务供给不足

AI 属于新兴技术，传统公共数字化服务更多聚焦互联网、工业互联网改造，面向 AI 普惠的公共供给尚在建设阶段。公共算力补贴、行业公共数据集、普惠 AI 培训体系建设仍处于起步阶段，公共服务供给跟不上中小企业现实需求。

四、全球 AI 普惠主要实践模式：公共算力补贴、轻量化行业模型、共享数字工具

面对中小企业 AI 数字鸿沟，全球多国、国际组织、产业界形成三类核心实践方向：公共算力补贴机制、轻量化行业模型研发、共享数字工具平台建设，三类工具互相补充，共同降低中小企业 AI 使用门槛。

4.1 公共算力补贴机制

算力是 AI 的基础生产资料，公共算力补贴的核心逻辑是通过政府公共资金介入，降低中小企业算力使用直接成本，破解算力成本壁垒，典型形式包括算力券、公共算力平台、算力银行、公共智算中心中小企业专区等模式。

4.1.1 国际实践

欧盟出台数字欧洲计划，划拨专项资金建设面向中小企业的公共算力节点，向中小微企业提供额度补贴，支持中小企业开展 AI 模型微调、推理测试；部分成员国推出算力代金券，企业可以申领额度，在合作云服务商抵扣算力费用。东南亚部分国家依托国家数字转型基金，面向制造业中小企业发放算力补贴，鼓励中小企业尝试 AI 质检、供应链预测等场景。ITU 在 AI for Good 框架下，倡导发展中国家建设普惠公共算力基础设施，缩小跨国之间中小企业算力差距。

4.1.2 中国实践

国内多地已经开展算力券试点。工信部发布普惠算力赋能中小企业专项行动，提出建设中小企业算力资源对接专区，推广算力券、存力券，推行按核时、token 灵活计费模式，探索算力银行、算力超市模式，鼓励云厂商向中小企业提供免费算力额度，推动普惠算力供给。成都、青岛、苏州等多个城市已经落地算力券政策，对中小企业算力租赁、模型微调费用进行补贴，降低企业实际支出。

公共算力补贴模式优势非常明确：直接降低显性算力成本，企业可以按需使用，不用自建算力。但实践中也暴露若干问题：补贴额度有限，申领流程繁琐，部分补贴偏向大型项目，小微企业申请门槛高；补贴更多覆盖算力资源，没有配套模型、咨询服务，部分企业拿到算力，却不知道如何使用；补贴属于财政资金驱动，财政波动会直接影响政策可持续性。

4.2 轻量化行业模型

大模型技术迭代过程中，模型蒸馏、量化、剪枝等轻量化技术快速成熟，不需要千亿参数巨型大模型，通过轻量化行业模型，用较小参数量，保留垂直行业核心知识，实现成本大幅下降，适配中小企业硬件与算力条件，是 AI 普惠的技术底座。

轻量化行业模型，是针对特定细分行业，经过蒸馏、压缩、微调，参数量较小、推理成本低，可以部署在云端轻量实例甚至端侧硬件，面向行业场景优化的专用模型。对比通用大模型，轻量化行业模型不需要极高算力消耗，更加懂行业业务，推理调用成本显著降低，适合中小企业业务场景。

4.2.1 全球产业实践

海外开源社区大量涌现垂直轻量化开源模型，面向零售、制造、物流等行业，企业可以免费或者极低成本获取模型权重，进行少量二次微调。欧盟资助开源轻量化行业模型项目，面向欧洲中小制造业企业开放，降低企业获取行业模型的门槛。

国内开源生态快速发展，大量国产开源大模型推出轻量化版本，面向工业质检、供应链管理、电商零售等场景开发垂直小参数模型。部分地方政府联合科研机构、龙头企业，共同开发公共行业轻量化模型，向本地区中小企业开放调用。

轻量化行业模型的价值：第一，推理成本下降，同等业务场景算力消耗可以降低数倍；第二，内置行业知识，相比通用大模型输出效果更贴合业务；第三，部分轻量化模型支持本地化部署，缓解中小企业数据安全顾虑。

现实约束：高质量轻量化行业模型需要行业高质量数据集，细分小行业数据集稀缺；很多开源轻量化模型缺少配套技术服务，中小企业拿到模型之后缺少能力完成部署调试；商业化轻量化模型依然存在授权费用门槛。

4.3 共享数字工具平台

共享数字工具模式，依托云原生、SaaS、低代码 MaaS（模型即服务）模式，把 AI 能力封装成开箱即用的标准化工具，中小企业以订阅制按需调用，不需要企业自行开发模型，实现能力共享。典型载体包括 AI 应用赋能中心、行业 SaaS 平台、MaaS 服务、开源工具社区四大类。

政府主导的 AI 应用赋能中心，提供一站式服务，整合算力、模型、咨询培训，面向区域中小企业提供公共服务；行业龙头企业搭建垂直平台，把自身沉淀的行业 AI 能力开放给上下游中小配套企业；云服务商 MaaS 服务，将模型能力封装 API 接口，企业按需调用；开源社区汇聚大量工具模板，企业可以低成本复用。

例如面向商贸中小企业的 AI 营销工具、面向中小工厂的 AI 质检 SaaS、面向服务业智能客服工具，均属于共享数字工具。企业不需要掌握算法技术，仅需要简单配置就可以使用 AI 能力。

共享数字工具优势：落地速度快，门槛低，按订阅付费，规避大额一次性投入。现存痛点：部分工具和企业原有业务系统打通难度大；通用共享工具对细分企业个性化业务适配不足；大量工具只解决单点场景，缺少全流程一体化解决方案。

4.4 三类工具协同关系

公共算力补贴解决 “算力成本” 问题；轻量化行业模型解决 “模型技术底座” 问题；共享数字工具解决 “应用落地最后一公里” 问题。三者不是互相替代，而是互补关系：轻量化行业模型运行需要算力支撑，公共算力为模型运行提供资源；共享数字工具底层调用轻量化行业模型，依托公共算力平台运行。只有三者协同，才可以形成完整普惠 AI 供给链条。

五、AI 普惠落地现存现实障碍

尽管全球已经开展大量实践，但中小企业 AI 普惠距离大规模落地还有多重障碍，不只是技术层面，还包括商业模式、数据治理、人才体系、政策机制等多维度堵点。

5.1 供给侧障碍

第一，普惠产品商业可持续难题。面向中小企业的 AI 产品客单价低，服务成本高，商业回报有限，市场主体缺少足够动力投入资源开发深度适配小微企业的轻量化行业模型与工具，企业更愿意服务付费能力更强的大型客户。单纯依靠市场机制，会出现供给不足，需要公共力量引导。

第二，轻量化行业模型供给不均衡。热门行业（电商、通用客服）轻量化工具供给丰富，大量细分垂直制造业、传统服务业缺少适配的行业模型，细分行业数据集匮乏制约模型效果。

第三，工具之间兼容性不足。各类 AI 工具、SaaS 系统标准不统一，中小企业原有 ERP、进销存系统和 AI 工具打通成本高，数据孤岛问题依然存在。

5.2 需求侧障碍

第一，中小企业认知偏差。一部分企业对 AI 抱有过高期待，认为 AI 可以解决全部经营难题；另一部分企业过度怀疑 AI 价值，看不到和自身业务结合点。大量企业分不清通用大模型能力与行业专用 AI 能力的差异。

第二，企业内部数字化底座薄弱。很多中小企业连基础业务数字化尚未完成，业务没有线上化，直接推进 AI 落地，缺少基础数据土壤，AI 工具难以发挥价值。AI 普惠不等于跳过基础数字化，需要循序渐进。

第三，中小企业人才缺口。即便外部提供廉价算力、模型、工具，企业内部缺少懂业务又懂 AI 的人员，依然无法完成落地，人才是制约落地的关键短板。

5.3 政策与公共服务障碍

第一，公共算力补贴政策碎片化。各地政策差异大，缺少全国统一框架，部分地区补贴申领流程复杂，小微企业难以触达；部分补贴重算力资源供给，轻配套咨询、培训服务，出现 “拿到算力，不会使用” 现象。

第二，公共行业数据集供给不足。轻量化行业模型训练需要高质量脱敏行业数据集，公共开放行业数据集供给不足，数据沙箱等机制尚待完善。

第三，普惠 AI 人才公共培训体系不完善。面向中小企业经营管理者、一线业务人员的实操性 AI 培训供给不足，社会培训更多面向算法开发人员，缺少面向普通企业业务人员的课程。

5.4 风险治理层面挑战

AI 普惠同时伴随风险挑战。中小企业缺少专门合规团队，在使用 AI 过程中，容易遇到数据泄露、模型幻觉、知识产权、算法合规等风险。大企业有法务、风控团队处理相关问题；中小企业缺少风险处置能力，一旦出现风险事件，对企业冲击更大。面向中小企业的 AI 合规指引、风险提示供给不足。

六、中小企业 AI 普惠系统性落地路径

本章节立足前面的现状、机理、实践经验，构建 “政府引导 + 产业供给侧革新 + 中小企业能力提升 + 开源生态共建 + 国际协同治理” 五位一体落地路径，打通算力、模型、工具、数据、人才、风险治理全链条，破解 AI 数字鸿沟，防范数字红利向头部集中。

6.1 政府层面：完善公共政策与公共服务体系

6.1.1 优化公共算力补贴制度

完善算力券、模型券政策，降低中小微企业申领门槛，简化申报流程，重点向微型企业、传统制造业中小企业倾斜。避免补贴资源过度向大型项目倾斜。改变单一补贴算力资源模式，探索 “算力 + 咨询 + 培训” 组合补贴，企业申领算力额度同时配套普惠咨询服务，解决 “拿到算力不会用”。

持续建设全国性中小企业公共算力服务专区，推广弹性计费模式，按实际使用量付费，降低企业试错成本。探索算力银行机制，实现算力资源跨周期调度，提升资源利用效率。建立补贴效果评估机制，定期复盘补贴政策实际落地效果，动态优化政策，保障财政资金使用效率。

6.1.2 推动公共轻量化行业模型与公共数据集建设

政府联合科研院所、行业龙头企业、开源社区，针对重点细分行业，共同开发公共属性轻量化行业模型，面向中小企业开放调用。建设脱敏公共行业数据集，搭建安全可控的数据沙箱环境，中小企业可以在不导出原始业务数据前提下开展模型测试、微调，缓解数据短板。推动行业数据标准建设，引导中小企业业务数据规范化，降低 AI 落地的数据准备成本。

6.1.3 构建普惠数字人才公共培训体系

区分两类培训对象：面向中小企业经营者，开展 AI 认知普及培训，建立合理预期；面向业务员工，开展实操型培训，教会员工如何把 AI 工具嵌入营销、客服、生产等日常业务。联合职业院校、产业平台开发适配中小企业的课程体系，不追求培养算法工程师，重点培养会使用 AI 工具的业务人员。

6.1.4 完善面向中小企业的 AI 合规指引

编制通俗易懂中小企业 AI 合规操作指南，针对数据安全、知识产权、大模型幻觉风险给出简易可行操作建议，弥补中小企业合规能力短板。同时优化监管机制，对中小企业 AI 应用采取适度包容审慎监管，避免过高合规门槛抑制企业尝试新技术。

6.2 产业供给侧：打造可持续普惠 AI 产业生态

6.2.1 鼓励开发适配中小企业 “小快轻准” AI 产品

产业服务商改变完全面向大企业定制开发的路径，针对中小企业资源禀赋，开发轻量化、开箱即用、低成本行业 AI 产品。优先选择投入产出可快速显现的场景，例如智能客服、营销素材生成、简单质检、进销存辅助分析等，让中小企业可以快速看到业务收益，增强转型意愿。推广 MaaS 模型即服务、AI 原生 SaaS 模式，以订阅制、按需付费为主，减少企业前期一次性大额投入。

6.2.2 推进轻量化行业模型创新与开源协同

持续推进模型蒸馏、量化等轻量化技术迭代，针对细分垂直行业打造低成本行业模型。平衡商业收益与普惠目标，鼓励企业将部分行业轻量化模型向中小企业开放。壮大国内开源生态，依托开源社区沉淀行业模型、工具模板，降低二次开发成本。

6.2.3 推广行业平台赋能模式

鼓励行业龙头企业，在保障数据安全前提下，将自身沉淀 AI 能力，通过共享数字工具方式开放给上下游中小配套企业。产业链龙头对上下游中小企业业务场景充分理解，可以输出贴合行业实际的解决方案。打造区域 AI 赋能服务中心，整合算力、模型、咨询服务，为本地中小企业提供一站式服务。

6.2.4 创新商业模式，实现商业可持续

普惠不等于完全免费，免费模式难以长期持续。探索结果导向付费模式，不简单按照席位收费，部分场景按照业务收益效果付费，降低中小企业投资风险。服务商把咨询服务、落地实施、运维服务打包，解决中小企业 “买完工具不会用” 的痛点。

6.3 中小企业主体层面：分阶段理性推进 AI 落地

中小企业需要立足自身实际，理性看待 AI，避免两种极端：既不要盲目追捧 AI，不计成本投入；也不要完全排斥新技术。建议采取循序渐进的落地策略。

第一步，夯实基础数字化底座。优先完成业务线上化，把业务数据从纸质、零散表格迁移到业务系统，做好基础数据整理，为 AI 应用打好基础。没有基础数字化，AI 很难创造价值。

第二步，优先从低门槛、见效快的辅助场景切入。先在营销文案、客服、文档处理等辅助场景试点 AI 工具，积累使用经验，培养内部人员 AI 素养，验证投入产出。

第三步，逐步向核心业务渗透。在积累经验之后，逐步尝试供应链分析、质量辅助检测等核心业务场景。优先选择轻量化 SaaS、MaaS 服务，尽量避免高成本自建大模型。

第四步，重视数据安全与风险管控。使用 AI 工具过程当中，敏感业务数据做好脱敏，充分评估模型输出结果，不能不加校验直接采信 AI 输出，防范模型幻觉带来业务损失。

中小企业不需要追求拥有自己的大模型，重点是获取 AI 能力，可以通过调用公共算力、共享工具、轻量化行业模型，以较低成本获得技术红利。

6.4 开源生态协同：共建开放普惠技术底座

开源是 AI 普惠重要力量。支持国内开源社区发展，沉淀轻量化行业模型、低代码 AI 组件、行业应用模板。鼓励科研机构、企业把非核心行业模型成果开源，降低全社会技术获取成本。搭建开源技术服务网络，为缺少技术人员的中小企业提供技术咨询支持，打通开源技术到企业落地的鸿沟。

6.5 国际协同治理层面，共同应对全球 AI 数字鸿沟

参照 ITU 倡导的 AI for Good 理念，加强国际交流协作。不同国家交流公共算力补贴、轻量化模型建设的政策经验。关注发展中国家中小企业 AI 困境，避免全球层面 AI 鸿沟持续扩大。推动 AI 普惠相关国际标准建设，引导全球技术供给兼顾中小微主体需求，防止数字红利过度向头部大型企业集中。

七、研究结论与展望

7.1 核心研究结论

第一，全球正在经历从传统数字接入鸿沟向AI 能力鸿沟的转型。大企业与中小微企业之间 AI 投入、应用效果差距持续拉大，如果不加以干预，数字红利将向头部企业集中，带来市场竞争失衡、就业分化、抑制整体经济活力等风险，这也是 ITU 重点关注的全球性议题。中小企业 AI 数字鸿沟是算力成本、技术供给错配、数据短板、人才缺口、商业回报不确定性多重因素叠加形成的结构性矛盾，并非单一技术问题。

第二，公共算力补贴、轻量化行业模型、共享数字工具是破解 AI 普惠难题三大核心抓手。公共算力补贴解决算力成本门槛；轻量化行业模型提供适配行业的低成本技术底座；共享数字工具打通应用落地最后一公里。三者互相协同，缺一不可。当前三类实践已经在全球多国开展试点，但仍然面临商业可持续不足、细分行业供给不足、人才配套缺失、政策碎片化等现实障碍。

第三，AI 普惠是系统性工程，不能依靠单一市场力量，需要政府公共服务、产业供给端、中小企业自身、开源生态、国际治理多方协同发力。政府完善补贴、公共模型、公共数据集、人才培训体系；产业端开发适配中小企业的轻量化产品；中小企业循序渐进理性开展 AI 落地；开源生态提供开放技术底座；国际层面共同应对全球 AI 数字鸿沟。

第四，AI 普惠不等于让所有中小企业都去训练大模型。中小企业核心目标是低成本获取 AI 能力，而不是自建大模型。轻量化调用、订阅服务、共享工具是更现实路径，要尊重中小企业资源禀赋，避免照搬大企业 AI 建设路径。

7.2 未来展望

随着模型轻量化技术持续迭代、算力成本持续下行、MaaS 服务模式不断成熟，中小企业 AI 普惠的技术条件会持续改善。但技术进步本身不会自动消除数字鸿沟，如果缺少公共政策干预，市场依然会优先服务付费能力更强的大型企业。

未来 AI 普惠的关键，不在于技术能不能做到，而在于制度、商业模式、公共服务能不能跟上。算力补贴政策需要进一步优化可持续机制；细分行业轻量化模型供给需要持续补齐；面向中小企业的人才培训、合规指引需要进一步完善；产业链龙头、开源社区的价值将进一步凸显。

AI 普惠的终极目标，是实现技术平权，让无论规模大小的市场主体，都可以公平获取人工智能红利，让新技术赋能千千万万中小企业，夯实实体经济底盘，助力新质生产力发展。

数据来源说明

本报告研究参考以下公开数据源：

1. 国际电信联盟 ITU 系列数字发展报告、AI for Good 系列研究文档；

2. OECD 中小企业人工智能采纳情况调研数据集；

3. WTO 与国际商会《将人工智能应用于贸易》报告；

4. 中国信息通信研究院《人工智能赋能中小企业高质量发展研究报告》系列成果；

5. 工信部普惠算力赋能中小企业相关政策文件、公开通知；

6. 公开行业机构调研（Datasumi、IDC 等公开调研统计）；

7. 国内各地方算力券、中小企业数字化转型相关公开政策文本；

8. 公开学术文献、行业研究报告。

报告部分分析基于公开二手公开资料整理，部分案例为行业普遍性实践归纳。

免责声明

1. 本报告由泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部编制，报告仅作为学术研究、行业参考用途，不构成任何商业投资、政策执行、企业经营决策建议。

2. 报告引用第三方公开统计数据、文献资料，数据来源于公开渠道，编制单位不对第三方原始数据的绝对准确性承担保证责任；受调研样本、统计口径差异影响，不同机构同类统计数据存在偏差属于正常现象。

3. 报告中所提出路径、观点为研究团队分析研判结论，不代表任何政府部门、行业协会立场。任何主体依据本报告做出决策，应当结合自身实际情况独立判断，自行承担全部决策风险。

4. 未经编制单位书面许可，本报告内容不得用于篡改、歪曲传播，引用本报告内容请完整标注来源：泷码软件（上海）有限公司、泷码软件研究院、泷码数字经济网研究部《中小企业数字鸿沟与 AI 普惠落地路径研究报告 V1.0》。

5. 本报告版权归编制单位所有。