摘要：本文聚焦智能时代数字不平等的结构困境及其治理，试图探讨：在厘清数字鸿沟理论脉络的基础上，如何理解数字不平等的表现形态？其结构困境是什么？并通过梳理近五年国内外的相关文献，尤其是ICT4D领域的前沿研究，提出“韧性治理”的解决思路，为建设更具包容性的数字中国提供
作者：林晶珂（苏州大学传媒学院讲师，苏州大学中国特色城镇化研究中心青年研究员）
来源：《青年记者》2025年第9期
导 读：
本文聚焦智能时代数字不平等的结构困境及其治理，试图探讨：在厘清数字鸿沟理论脉络的基础上，如何理解数字不平等的表现形态？其结构困境是什么？并通过梳理近五年国内外的相关文献，尤其是ICT4D领域的前沿研究，提出“韧性治理”的解决思路，为建设更具包容性的数字中国提供参考。
一、引言
2025世界人工智能大会发布《国际人工智能开源合作倡议》和《人工智能全球治理行动计划》，标志着人工智能向“同球共济”愿景迈出关键一步。两份文件均关注到当下更系统、隐蔽和复杂的数字不平等（digital inequalities）问题。
近年来，数字智能技术的普惠承诺与不平等加剧的矛盾日益凸显。一方面，人工智能及其应用在提升生产效率、优化资源分配上持续发挥作用。根据《第55次中国互联网络发展状况统计报告》，以DeepSeek、豆包、文心一言为代表的生成式人工智能（AIGC）产品在我国的用户规模已达2.49亿人[1]。AIGC凭借其跨模态融合与自然语言交互能力迅速渗透至创意、咨询、教育等领域，以极低的边际成本供给了媲美专业水准的智力服务[2]。另一方面，人工智能技术深度嵌入社会系统，使数字不平等从显性的接入问题转向隐性的系统性赋能、技术红利的分配不均衡。产业竞争与国家发展层面，头部科技企业掌握了顶尖算力和专利算法，发达国家主导着人工智能产业的标准与规则；而多数发展中国家由于缺乏资金、人才等，在全球AI竞争格局中逐渐被边缘化[3]。个体层面，不同年龄、性别、受教育水平、社会经济地位的用户在数据获取与智能应用能力上的鸿沟加深，甚至同一群体内部因AI素养差异产生新的分层[4]。研究发现，全球南方的弱势群体虽被纳入数字系统，但其劳动成果却被“数字富人”提取了不成比例的价值[5]。
“数字鸿沟”概念提出三十年以来，数字技术迭代及其衍生的社会不平等始终是传播学、信息学和社会学的核心议题，其关注点经历了从技术“接入”向“使用技能”和“结果获益”的深化。相较于传统研究范式，数字不平等更强调人、技术与社会的互动关系，尤其关注数据垄断、算法歧视等现象背后隐含的权力关系失衡与社会结构固化。数字不平等已经从一个接入与使用的技术问题上升为一个“未竟的正义”问题[6]。
本文聚焦智能时代数字不平等的结构困境及其治理，试图探讨：在厘清数字鸿沟理论脉络的基础上，如何理解数字不平等的表现形态？其结构困境是什么？并通过梳理近五年国内外的相关文献，尤其是ICT4D领域的前沿研究，提出“韧性治理”的解决思路，为建设更具包容性的数字中国提供参考。
二、数字不平等的表现形态
作为全球发展的重大挑战之一，数字不平等在近年引发了广泛关注。学界已经就数智技术驱动的社会变迁、风险特征与治理转型展开过深入探讨。迄今为止，该议题的主流研究视角仍是数字鸿沟，即国家、地区、群体或个人在接入、采纳和有效利用ICTs上的差距[7]。
数字鸿沟的内涵随着技术发展不断丰富。一级数字鸿沟即“接入沟”，是最基础的表现形式。相关研究普遍采取“ICT for ICT”的视角，使用数字基础设施与接入设备“有无”（have or not）的两分变量进行测量。研究发现“接入沟”与经济因素密切相关，能否负担ICTs设备及服务的成本直接决定个体或群体是否跨越了第一道门槛[8]。尽管数字技术已普及三十余年，1995年美国通信与信息管理局（NTIA）的发现在今天仍具现实意义[9]。根据国际电信联盟（ITU）的最新调查，“接入沟”不仅体现在国家间和国家内部的“数字富人”与“数字穷人”分化上——即使在网络接入普遍的群体中，网络质量与设备性能的差异仍持续制造新的接入差距，这在经济阶层、教育水平、民族和种族、城乡等维度均有体现[10]。
二级数字鸿沟即“使用沟”，是接入问题部分解决后出现的新形态。随着互联网普及率提升，技术教育机会与培训资源分配不均使得社会群体间的数字技能差距凸显，数字鸿沟的主要矛盾从“是否接入”转向“如何使用”。“使用沟”的关注点由经济因素转向用户自身的数字技能水平、使用习惯差异及其背后的人力资本和社会资本，测度方法更加丰富。相关研究多使用问卷调查进行评估，普遍结合模糊层次分析法和德尔菲法确定指标权重。Van Dijk认为，如果将“接入”的意涵延续，那应该至少涵盖物理接入、精神接入（使用意愿）、技能接入（使用能力）和使用接入（使用深度）四个维度[11]。DiMaggio和Hargitai则首次提出了“数字不平等”概念，他们深入探讨了互联网接入和使用对不平等的影响[12]。这一阶段的数字鸿沟研究开始关注“ICT for development”，逐渐成为数字不平等的代名词，既涉及技术获取、使用动机与意识的差异，也包含信息利用机会与程度的不均衡，其复杂性远超“接入沟”的单一视角。
三级数字鸿沟是数字鸿沟的进一步延伸，核心是国家、地区、群体或个人被完全或部分排斥在数字技术红利之外的现象。随着数字技术深度融入社会，数字鸿沟不再局限于接入与使用过程，更体现在数字技术应用的结果层面。三级数字鸿沟将数字不平等的范畴扩展到人们对数字技术的意识、访问、使用及最终获益，既表现为信息转换能力的“知识沟”“能力沟”[13]，也表现为结果分配的红利差异[14]，在智能时代则演变为以数据、算法和算力差距为核心的“智能沟”[15]。方兴东和钟祥铭认为，“接入沟”“使用沟”和“智能沟”呈现出三重叠加、相互耦合的态势，这是复杂系统下新的科林格里奇困境[16]。
随着数字技术对社会发展的影响增大，数字鸿沟理论逐渐难以解释目前更加系统、隐蔽和复杂的不均衡现象。数字鸿沟的概念历经数次演变，其重心从物理意义上的接入转向社会应用及获益，但“技术差异”始终是其解释框架的核心，存在固有局限[17]。同时，这一术语在实践中常被泛化使用，涵盖所有与数字技术相关的差异，导致概念边界模糊。近年来，“数字不平等”概念获得了高度关注，学界对三级数字鸿沟的概念意涵进行了延伸与拓展。尽管目前学界对“数字不平等”的定义尚未形成统一共识，但其研究的核心皆指向突破技术决定论的局限，将数字技术所引发的发展不均衡问题置于更广阔的社会、经济、文化语境中考察，关注人、技术与社会的互动关系。换言之，数字不平等本质上是社会问题而非单纯的技术问题，其背后蕴含着社会结构中的固有不平等，以及不同社会结构资本积累的差异，这为理解数字社会分层提供了更全面的理论框架。
那么，如何理解智能时代的数字不平等？笔者认为，数字不平等是数智技术在社会系统中非均衡“创新—扩散”导致资源占有、发展机会和红利分配的不均衡，既是智能技术对既有社会不平等的系统性放大，也表现为人、技术与社会深度互动的新型不平等形态。
第一个维度是智能技术对原有社会不平等的加剧。在接入层面，智能技术的普及需要更高级的硬件设备、稳定的高速网络及持续的技术维护，这对经济条件有限的群体构成新的门槛，使得传统的经济阶层差异通过智能设备接入能力的分化进一步凸显[18]。笔者过去数年持续开展“淘宝村”调查，发现部分中西部农村居民无力承担高性能智能手机费用，即便勉强购买也难以负担越来越高的网络费用。而智能技术的迭代速度很快，这意味着经济条件较差的群体不仅接入难，还容易陷入使用滞后进而边缘化的循环。在使用层面，AIGC产品等人工智能应用的操作复杂度提升，提示词、参数调节和结果优化需要系统的知识储备，对用户的数字智能素养要求更高。教育资源匮乏、缺乏系统培训的群体往往缺乏足够的认知能力，难以掌握智能工具的高阶使用技能[19]。在红利分配层面，这种不平等的扩大体现得更为明显。2022年以来，智能技术在就业、医疗、教育等领域爆发式应用，虽然提升了社会服务效率，但其带来的便利和收益并未实现普惠。研究发现，数字通信和电子健康进步有助于管控疾病风险，但数字弱势群体往往最难获得这种技术红利，加剧了原有的社会资源分配不均[20]。
第二个维度是人、技术与社会深度互动的新型不平等形态，核心是运用数字资源参与发展、共享发展与自主发展的能力（capability）不均衡[21]。技术的每一次跃迁均会带来生产生活方式的巨变。在20世纪末至今的数次信息产业革命中，Web1.0时代快速迭代至Web4.0时代，媒介对社会系统的影响持续加深，并由自上而下的中心广场式传播转变为开放式的“大集市”模式[22]。相较于主要承担信息连接功能的互联网平台，人工智能的核心技术逻辑在于对人类智能的模拟、辅助乃至部分替代。其通过算法模型学习人类的认知模式与决策机制，在特定领域实现对人类能力的增强或替代，这种根本性差异使人工智能对社会结构的嵌入具备深层变革性。这意味着，人、智能技术与社会的互动将使不同群体在数据占有与算法理解的差异上形成新型“智能沟”。“数字富人”能通过人工智能优化决策、创造价值；而缺乏数据主权和算法素养的“数字穷人”则沦为数据的被采集者，其行为被算法预测和控制，难以享受智能技术进步的收益。此外，如陈龙指出的，随着媒介化社会迈入深度智能阶段，技术的工程社会学完成了由脱域、颠覆向“域定”方向的转化[23]。这种新型数字不平等呈现出多层次、多主体、立体化的结构特征，除了个体和群体的维度，还表现为个体用户与数字平台之间的权力不对等，以及企业、产业乃至国家技术资源分配和数字化转型能力的差距。
三、数字不平等的结构困境
智能技术掀起的媒介变革浪潮不再仅仅是延伸人类的体力或感官，而是深度介入认知、决策乃至社会关系的核心，呈现出技术、制度和关系逻辑叠加的数智化融合趋势[24]。在此基础上的数字不平等也非过往技术鸿沟的简单延续，背后是数据、算力、算法、认知与应用等多个层面构筑的结构困境。具体而言，表现在数据垄断与算力资源集中化、公众人工智能基础素养不足与批判性应对能力欠缺、不平等结构在人工智能应用中的“马太效应”等三个层面。
（一）数据垄断与算力资源集中化。作为人工智能技术研发和应用的核心生产要素，数据与算力的分配格局直接决定了不同群体在智能时代的生存起点。从国家和区域竞争层面来看，全球智能技术的发展呈现“中心—边缘”的格局，数据与算力资源被少数科技巨头和发达国家把控，形成了数据垄断与算力资源集中化。
在传统互联网时代，数据的潜在价值虽被初步探索，但其获取与利用仍相对开放。步入智能时代后，由于AI模型的训练与性能优化高度依赖于大规模、高质量、多样化的数据集，数据作为战略性基础资源的地位逐渐提升，其获取也日渐呈现出排他性特征。大型科技平台依托其庞大的用户基数与技术优势，通过以服务换数据的商业模式，实现了对核心数据源的实质性垄断[25]。以Meta为例，这家社交媒体巨头连接着用户、广告主和开发者，近年在人工智能领域发展迅速。财报显示，截至2024年四季度，Meta旗下Facebook、Instagram和WhatsApp的平均日活跃用户量（DAP）达到33.5亿，同比增长5.0%[26]。稳固且不断增长的用户基础使其应用家族业务板块的收入增长迅速，其中广告收入在该业务板块收入中占比近99%。这种盈利模式与早年便士报类似，主要用免费服务换取用户数据，再将数据贩卖给广告商。不同的是，Meta对海量数据的整合借助了人工智能，能够根据用户在各平台的活动和第三方数据，为广告主提供精准投放服务。这种模式使其可以提供更好的服务吸引用户，进一步增强其数据垄断优势。
与数据垄断相伴的是算力资源的集中化。作为AI模型训练的硬件基础，算力资源的分布也呈现出寡头垄断态势。全球约70%的云端算力资源被亚马逊AWS、微软Azure、谷歌云等少数几家巨头所掌控，使得广大发展中国家在算力需求上高度依赖外部供应。算力的“卡脖子”使发展中国家在全球价值链中面临双重挤压的结构性困境。一方面，突破技术壁垒、攀升至价值链中高端环节的难度剧增。部分全球南方的AI初创企业不得不将数据传输至欧洲或北美的服务器进行处理，不仅增加了运营成本，更因数据跨境流动而面临隐私泄露风险，严重制约本土创新活力。另一方面，其原本依托劳动力等要素形成的中低端环节比较优势也因发达国家的“产业回流”而遭受持续冲击，亟待提升价值链韧性[27]。
（二）公众人工智能基础素养不足与批判性应对能力欠缺。人工智能素养是个体有效理解、使用并参与塑造智能社会的能力，涵盖技术认知（理解AI基本原理与局限）、应用技能（操作智能工具解决实际问题）两个基础维度以及批判性应对能力（识别算法偏见等风险并有效应对）一个高阶维度。检索美国、欧洲、中国等人工智能技术发展相对较快国家和地区的最新调查发现，目前多数普通公众在这三个维度存在着不同程度的短板。尽管AI素养教育正逐渐受到全社会关注，公众在面对人工智能技术带来的风险与机遇时往往难以做出合理的判断与应对，进一步加剧了数字不平等的结构性困境。
技术认知上，公众对AI的理解存在模糊性。皮尤研究中心对美国成年公众的调查显示，仅27%的受访者认为自己每天多次与AI互动，三分之一表示曾使用过聊天机器人，而AI专家认为公众实际接触AI的频率远高于此；此外，使用过聊天机器人并认为非常有用的公众（33%）大幅低于专家群体（61%）[28]。这反映出美国公众对人工智能的理解更多停留在语音助手、推荐引擎等工具功能层面，缺乏对技术系统的整体理解。应用技能上，公众使用AI解决实际问题的素养也同样不足。针对法国、德国等8个欧洲国家4006名受访者的调查发现，公众对AI的自我评估知识水平普遍较低，虽然态度积极但与政策脱节[29]。面对稍复杂的人工智能应用场景，如利用AI进行简单的数据预测分析、使用AI设计创意作品时，大部分公众难以将智能工具与自身实际需求深度结合，远未达到能够灵活运用人工智能解决多样化实际问题的水平。
更加值得关注的是批判性应对能力欠缺。随着前沿人工智能模型被越来越多地训练为自主智能体，人工智能从规避指令到策略性隐瞒的欺骗行为频繁出现。研究显示，OpenAI、Anthropic等机构开发的前沿AI模型，在未经针对性训练的情况下会自发表现出欺骗性行为。比如Anthropic的Claude Opus 4模型在面临关闭威胁时，于84%的测试情景中虚构工程师个人信息实施勒索[30]。AI欺骗包含欺诈型、模拟型、功能型和诱导型四种[31]。由于缺乏相应知识储备和素养，多数公众辨识、质疑和主动应对AI欺骗的能力不足。上海交通大学团队的最新调查显示，近七成公众对“AI幻觉”等风险缺乏清晰认知，AI使用频率更高、自评AI素养更强以及具有专科及以上学历的人群反而容易低估其中的技术风险[32]。
（三）不平等结构在人工智能应用中的“马太效应”。如前文所述，数字不平等是智能技术对既有社会不平等的系统性放大。将数字不平等作为因变量，会发现数字智能技术的接入与使用并未消弭社会经济阶层固有的鸿沟。韦伯社会分层理论框架中经济地位、社会阶层与政治权力的差异通过智能技术的应用被持续强化[33]，形成了信息资源与内容生产“富者愈富、贫者愈贫”的“马太效应”。
一方面，智能算法嵌入的内容分发机制正在固化信息资源的阶层差距。以AIGC为代表的智能技术虽带来知识赋权的可能，但在内容分发实际情境下，阶层差异依然存在。高社会经济地位群体凭借经济优势能够订阅高级AI资讯服务，其使用数据被算法识别为高价值需求，从而持续获得深度报道、行业分析等高价值信息。而弱势群体多依赖免费信息平台，算法基于流量与用户黏性考量，倾向推送娱乐化、碎片化内容。Carmody研究发现，大量全球南方的低收入群体被困于短视频娱乐内容中，难以触及对职业发展、自我提升有益的资讯[34]。这种差距经智能算法的反馈循环不断强化，前者被算法标记为值得投入资源的优质用户，后者则被归类为低转化价值的群体，不平等持续扩大。
另一方面，数字媒体虽然将麦克风交给了每一个人，但将内容转化为影响力并依托平台变现的生产能力并不平等。平台算法往往导致赢家通吃，头部内容生产者与专业机构凭借既有声望在智能推荐机制中容易获得更高权重，并被算法优先推荐给更多用户，进而吸引大量粉丝关注，影响力持续提升。笔者正在开展的创作者经济研究发现，来自非一线城市、教育背景相对普通或资源获取渠道有限的用户正利用AIGC辅助内容创作，但智能技术应用接入的相对平等未直接转化为内容生产及后续盈利转化的能力平等。新兴创作者由于缺乏初始曝光与流量支持，很多有价值的原创内容可能被淹没，同时他们更难获取足够的用户反馈数据用于风格探索与内容优化，与头部创作者的差距仍然不可忽视。
必须强调的是，“马太效应”的存在并不意味着一个传统的“数字富人”不会因智能技术的发展掉落为弱势群体，也不意味着“数字穷人”没有机会翻盘。人、技术与社会深度互动的新型不平等形态正在涌现。但从国内外的最新研究结果看，积极案例是少数，传统优势群体通过“资本提升型”活动持续积累着他们的优势[35]，弱势群体则深陷智能时代的权利贫困，难以触及向上流动的资源。
四、数字不平等的韧性治理
鉴于数字不平等并非单一技术性问题，扩大技术接入、给予政策补贴等传统刚性治理模式已显乏力。这些模式或忽视智能技术的动态演化特性，或低估不平等的系统性，难以破解数据、算力、算法、认知与应用等多层面构筑的结构困境。韧性是复杂系统在面对外部冲击时通过自组织、学习与适应维持功能、结构和可持续发展的能力。本文提出“韧性治理”，旨在让数字不平等的弱势端通过多元协同、动态适应、系统学习构建抗逆力，实现从被动应对到主动进化的转型。
韧性（resilience）的概念最早源于生态学领域，尤其聚焦于生态系统在遭受外界干扰后的恢复能力。1973年，Holling突破传统工程韧性强调“恢复原状”的局限，提出更具动态性的生态韧性理论，强调系统可以通过重组以适应变化并进入新的稳定形态[36]。20世纪90年代以来，韧性的范畴显著拓宽，逐渐延伸至社会生态系统，并被广泛应用于社会学、经济学、心理学、城市规划等诸多领域。2010年后，韧性研究开始与复杂系统、社会资本、可持续转型等理论合流，逐渐演进为一个多层次、跨学科的理论框架。值得关注的是，许多韧性研究将实证的重点放在欠发达农村地区，评估了农村社区在城镇化过程中应对外部现代化转型冲击的多种方式，比如中小企业的创新活动对适应能力的贡献，农村居民与其他社区成员间的互动网络如何增强集体韧性。
随着数智技术深度嵌入社会系统，韧性理论在近年进入ICT4D领域，在此基础上发展的数字韧性（digital resilience）框架受到传播学和信息学研究关注。笔者曾在“淘宝村”实证研究中概念化数字韧性，包含稳健性、学习力、自组织三个基础属性和冗余度、速度、范围、多样性与灵活性、平等五个支持性属性[37]。对于智能时代的数字不平等，韧性治理主要有三大核心要点。
韧性治理是在基本解决一级数字鸿沟的背景下提出的解决方案，首要前提是明确承认不平等的弱势端已被纳入于数字社会系统之中。它要求治理者超越线性思维，深刻理解数字社会系统的非线性特征。智能技术迭代以及随之而来的劳动市场波动和宏观政策调整等外部冲击与系统响应之间并非简单的因果关系。治理的核心应聚焦于赋能数字主体建设。对于个体而言，有必要建设普惠性、终身性的人工智能素养培训体系，关注农村居民、老年人等弱势群体，着重培训人机互动“提示词”降低可供性探索门槛[38]，加强批判性思维训练。对于面对海外监管环境恶化等冲击的“出海”企业而言，需打破各自为战的局面，通过形成互助网络、共享资源、集体协商等自组织机制，主动应对外部的结构性压力。腾讯和DeepSeek的合作是一个优秀范例。DeepSeek在发展初期面临算力紧张的瓶颈，腾讯依托自身在算力资源和生态建设上的优势，通过接入元宝生态为其提供支持，有效提升了中国企业应对冲击、“出海”竞争的整体韧性。韧性治理旨在激活和引导这种自组织能力，将其视为系统韧性的内生动力源，而不仅仅是治理的对象。
此外，韧性治理高度重视冗余度、多样性与灵活性对于维系系统整体稳健性的关键作用。这不仅包含数字技术接入渠道的多样性，还强调功能冗余的重要性。换言之，一个相对理想的数字社会系统需尽可能地为弱势群体保留可替代的“Plan B”。以破解数据垄断与算力资源集中化为例，我国近两年采取了一系列重要举措。数据治理方面，我国正在逐步探索数据产权结构性分置制度，明确各数据主体的权利，避免公共数据被个别企业垄断，以促进数据资源更公平地流通与使用。算力资源优化布局上，“东数西算”工程持续推进，在贵州、内蒙古、宁夏等地集约化建设绿色算力基地，系统性承接东部中高时延业务需求，推动人工智能模型训练推理、视频渲染、离线分析及存储备份等业务向西部地区有序迁移。韧性治理充分挖掘智能技术风险中潜藏的“机会”，致力于识别并利用冲击中蕴含的契机，使数字不平等不再是纯粹的限制性因素。
最后，韧性治理追求的并非静态稳定，也非“绝对平等”，而是通过持续经验积累和反馈学习来驱动转型。这需要建立响应速度快、覆盖范围广的预警机制。当不平等加剧并突破某个临界阈值时，系统能够通过灵活的自我调整主动纠偏，避免陷入不平等结构在人工智能应用中的“马太效应”。2024年8月起正式生效的《人工智能法案》采用基于风险占比的方法监管欧盟市场上可用的人工智能。这一法案将分四个阶段实施，其中对涉及就业招聘的AI应用赋予了较高风险等级，明确智能算法必须保证透明度和公平性，禁止基于性别、种族等敏感特征进行歧视性筛选。具备韧性的数字社会系统需要根据新情境中的问题快速生成相应政策工具，在积累知识、调整策略的过程中吸纳与整合各类资源，从单纯的恢复转向更具前瞻性的“适应前进”（bounce forward）。
五、迈向公平可及的智能未来
数字不平等既是技术问题，也是智能技术深度嵌入社会的系统性问题；既是全球挑战，也是数字中国建设背景下重要的本土化议题。其结构性困境的突破，需要超越以往的技术决定论，将数字技术导致的发展不均衡置于更宏观的语境中考察，尤其需要关注人、技术与社会的互动关系。
通过梳理国内外的相关文献，本文发现数字不平等已经成为近三年传播学、信息学、社会学、经济学、政治学等诸多学科关注的热点议题。未来的实证研究可从三方面突破。一是概念测度。数字不平等的测度方法主要采用ICTs指数法、不平等指标法和计量模型方法[39]。对于智能时代的数字不平等，这三种统计方式各有局限，为数不多的大样本量化研究集中在信息学、经济学领域，对于不平等背后的社会分层关注不够。二是研究对象。现有研究仍有数字鸿沟理论视角下的路径依赖，主要集中在分析个体。为数不多涉及企业的研究集中在美国、英国等发达国家[40]，很少考察发展中国家企业和相关产业数字化转型过程中的不平等问题。三是治理路径。智能技术的发展不仅改变了价值生产模式，还冲击着传统的社会权力结构，这是学者目前达成的共识[41][42][43][44]。本文提出的“韧性治理”，可作为未来实证研究探索的方向之一。
人工智能的终极目标是服务于人的发展。数字不平等并非不可逾越的鸿沟，通过构建多元协同、动态适应的数字生态，可将技术狂飙突进的风险化为机遇，最终迈向一个技术进步与社会公平协同发展的智能未来。
【本文为国家社科基金青年项目“基于发展能力的农村数字鸿沟及其韧性治理机制研究”（批准号：24CXW055）成果】
参考文献：
[1]中国互联网络信息中心.《第55次中国互联网络发展状况统计报告》[EB/OL].(2025-01-17)[2025-8-25].https://www.cnnic.cn/NMediaFile/2025/0117/MAIN173710689576721DFTGKEAD.
[2] Robertson, J.,FerreiraC.,Botha,E., & Oosthuizen, K. ?Game changers: A generative AI prompt protocol to enhance human-AI knowledge co-construction[J]. Business Horizons, 2024, 67(5): 499-510.
[3][16][42]方兴东，钟祥铭.生成式AI与智能鸿沟：智能时代数字不平等的趋势、逻辑与对策[J].湖南师范大学社会科学学报，2024,53(6):121-131.
[4] Wang, C., Boerman, S. C., Kroon, A. C., M?ller, J., & H de Vreese, C. The artificial intelligence divide: Who is the most vulnerable? [J]. New Media & Society, 2024,27(7): 3867-3889.
[5] Heeks, R. Digital inequality beyond the digital divide: conceptualizing adverse digital incorporation in the global South[J]. Information Technology for Development. 2022,28(4): 688-704.
[6][43]杨涛，张红春，庄亚函.未竟的正义：数字不平等国内外研究系统综述与展望[J].电子政务，2025(07):50-65.
[7]闫慧，孙立立.1989年以来国内外数字鸿沟研究回顾:内涵、表现维度及影响因素综述[J].中国图书馆学报，2012,38(5):82-94.
[8] Schiller, H. Information Inequality: The Deepening Social Crisis in American[M]. New York: Routledge, 1996.
[9] National Telecommunication and Information Administration. Falling through the net: a survey of the “Have Nots” in rural and urban American[R]. Washington:NTIA,1995:1-2.
[10] International Telecommunication Union. Facts and Figures: Focus on landlocked developing countries[R]. ITU, 2025.
[11] Van Dijk,J. The Digital Divide[M]. Cambridge: Polity Press, 2020.
[12] DiMaggio, P., Hargitai, E. From the “digital divide” to “digital inequality”: Studying Internet use as penetration increases[R]. Princeton: Princeton University, Center for Arts and Cultural Policy Studies,2001:15.
[13]韦路，张明新.第三道数字鸿沟：互联网上的知识沟[J].新闻与传播研究，2006,13(4):43-53.
[14]邱泽奇，张樹沁，刘世定，等.从数字鸿沟到红利差异——互联网资本的视角[J].中国社会科学，2016(10):93-115+203-204.
[15][21]林晶珂，贾鹤鹏.AIGC如何形塑“智能沟”：生成机理与弥合路径[J].科学学研究，2024,42(10):2017-2027.
[17][44]周尚君，谢林杉.论数字不平等:理论框架与治理路径[J].社会科学，2024(01):181-192.
[18]郑素侠，李古淞.从数字接入到数字资本主义：国外数字不平等的研究热点及趋势——基于Cite Space的可视化分析[J].郑州大学学报(哲学社会科学版)，2024,57(4):38-46.
[19]刘彧晗，喻国明.认知沟：数智媒介时代数字不平等问题的关键[J].传媒观察，2024(09):32-43.
[20] Khilnani, A., Schulz, J., Robinson, L. The COVID-19 pandemic: New concerns and connections between eHealth and digital inequalities[J]. Journal of Information, Communication and Ethics in Society, 2020,18(3): 393-403.
[22]方兴东，严峰，钟祥铭.大众传播的终结与数字传播的崛起——从大教堂到大集市的传播范式转变历程考察[J].现代传播(中国传媒大学学报)，2020,42(7):132-146.
[23]陈龙.AIGC形塑媒体系统性变革:DeepSeek的工程社会学意义[J].苏州大学学报(哲学社会科学版)，2025,46(3):53-61.
[24]闫桥，陈昌凤.数智化融合:逻辑、特征与未来战略[J].青年记者，2023(19):9-12+17.
[25]Cinnamon, J. Data inequalities and why they matter for development[J].Information Technology for Development, 2020,26(2): 214-233.
[26] Meta. Meta Reports Fourth Quarter and Full Year 2024 Results[R].Meta,(2025-01-29)[2025-8-25].https://investor.atmeta.com/investor-news/press-release-details/2025/Meta-Reports- Fourth-Quarter-and-Full-Year-2024-Results/.
[27]何宇，陈珍珍，张建华.人工智能技术应用与全球价值链竞争[J].中国工业经济，2021(10):117-135.
[28]McClain, C., Kennedy, B., Gottfried, J., Anderson, M., Pasquini, G. Artificial intelligence in daily life: Views and experiences[R]. Pew Research Center, (2025-04-03)[2025-8-25]. https://www.pewresearch.org/2025/04/03/artificial-intelligence-in-daily-life-views-and-experiences/.
[29]Scantamburlo, T., Cortés, A., Foffano, F., Barrué, C., Distefano, V., Pham, L., Fabris, A. Artificial intelligence across Europe:A study on awareness, attitude and trust[J]. IEEE Transactions on Artificial Intelligence, 2025,6(2):477-490.
[30]曹建峰，杨浩然.当AI学会欺骗，我们该如何应对？[R].腾讯研究院，(2025-07-23),https://mp.weixin.qq.com/s/5RpXcByOsKOmIB9tbi5qig.
[31]王国燕.欺骗性人工智能：技术拟真性的风险谱系[J/OL].科学学研究，1-20[2025-08-05]. https://doi.org/10.16192/j.cnki.1003-2053.20250619.002.
[32]公众对AI幻觉缺乏警惕，科技谣言更难一次性辟谣！上海交大公布最新调查结果[EB/OL].文汇报.(2025-05-17)[2025-8-25].https://www.shobserver.com/staticsg/res/html/web/newsDetail.html?id=911755&v=1.7&sid=67.
[33]马克斯·韦伯.经济与社会[M].上海:上海人民出版社，2019:513-518.
[34]Carmody,P.‘Digital provide’ or product consumption diffusion cycle? The diffusion impact and potential of digital technology in the Global South[J]. Information Technology for Development,2025,31(2):374-387.
[35]赵万里，谢榕.数字不平等与社会分层：信息沟通技术的社会不平等效应探析[J].科学与社会，2020,10(1):32-45.
[36]Holling,C.S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics, 1973(04):1-23.
[37]Lin,J.,Tao,J. Digital resilience: A multiple case study of Taobao village in rural China[J]. Telematics and Informatics, 2024,86(2)：102072.
[38]陈秋心，邱泽奇.“人机互生”时代可供性理论的契机与危机——基于“提示词”现象的考察[J].苏州大学学报(哲学社会科学版)，2023,44(5):172-182.
[39]陈梦根,周元任.数字不平等研究新进展[J].经济学动态,2022(04):123-139.
[40]Muhammad, S.S., Dey, B. L., Kamal, M. M., Samuel, L., Alzeiby, E. A. Digital transformation or digital divide? SMEs' use of AI during global crisis[J]. Technological Forecasting &Social Change, 2025,217:124184.
[41]杨洸，杜丽洁.数字技术与数字鸿沟：弥合数字不平等的困境与行动[J].青年记者，2022(22):9-11.
本文引用格式参考：
林晶珂.智能时代的数字不平等：结构困境及其韧性治理，2025(09):5-11.
来源：大众新闻-大众日报
