数字技术曾被普遍认为是缩小发展差距最有希望的工具：它不依赖港口与铁路，带宽可以跨越地理障碍，服务出口不需要集装箱。二十年过去，UNCTAD 的数据给出的图景要复杂得多——数字经济确实创造了新的出口机会，但它同时把价值捕获的能力集中到了少数经济体手里。
一、先看三组数字
出口规模与份额。 2024 年发展中国家数字服务出口为 1.1 万亿美元。这是一个可观的绝对数，但它只占全球总额的五分之一强。
结构占比。 同年，可数字化交付服务在服务出口中的比重，发达经济体超过 60%，发展中经济体为 44%，最不发达国家只有 15%。这条梯度说明的是：越是落后的经济体，其服务出口越依赖旅游、运输这类需要实体在场的门类，越难通过网络输出。
能力起点。 目前不到三分之一的发展中国家制定了人工智能战略，全球仍有 26 亿人处于离线状态。而全球人工智能市场预计到 2033 年将达到约 5 万亿美元。
三组数字合起来的含义是：数字经济的规模在扩张，但参与门槛也在同步抬高。
二、价值为什么不留在本地
UNCTAD 的核心判断是：发展中国家产生的数字数据量在增长，捕获的价值份额却在下降——利润大多流向总部设在发达经济体的平台公司与云服务商。
这一结果由三层结构决定。
基础设施层。 云计算与算力高度集中。数据中心的宣布投资规模已超过 2700 亿美元，仅 2025 年该领域的绿地投资就增加了约 1250 亿美元，而这些投资的落点集中在电力充足、电网稳定、水资源可用、工程能力具备的少数经济体。基础设施不在本地，意味着本地数据的存储、处理与增值都发生在境外。
平台层。 电商、社交、搜索与应用分发的市场结构接近赢家通吃。本地商户可以通过平台获得跨境客户，但定价规则、抽成比例、流量分配与用户数据归属都由平台决定。销售发生在本地，剩余的分配权在别处。
技术层。 训练数据以发达经济体的语境为主，模型对发展中经济体的场景适配性较弱；同时人工智能所需的技能门槛超出多数经济体的本地供给能力。结果是双重的：既难以自主开发，也难以有效使用。
三层叠加，形成一条相当稳固的路径——数据在南方产生，处理在北方完成，利润在北方结算。
三、"跳跃式发展"的说法哪里出了问题
移动支付在若干非洲经济体的成功，曾被广泛引用为跳跃式发展的证据：跳过银行网点，直接进入移动金融。这个案例本身成立，但把它推广为普遍规律，忽略了它成立的条件。
移动支付的成功依赖的是一层相对薄的基础设施——移动网络与低端手机，且价值链的大部分环节可以在本地完成。人工智能与云计算的结构完全不同：它依赖的是重资产（数据中心、电力、高端芯片）、长周期（人才培养）与规模效应（模型训练成本随规模摊薄）。这三项都不利于后进者。
因此更准确的说法是：数字技术在薄基础设施的环节允许跳跃，在重基础设施的环节反而放大差距。 而近年的技术演进方向，恰好是从前者转向后者。
四、规则层面的分歧
这正是数字贸易谈判争议的经济基础。
发达经济体主张数据自由跨境流动、禁止数据本地化要求、禁止强制转让源代码——这些规则降低跨境经营成本，对已经具备平台与算力优势的一方最为有利。
发展中经济体则强调政策空间：数据本地存储可能是发展本地数据中心产业的前提；数字服务税是把在本地产生的收入纳入税基的手段；对平台的竞争规制是保护本地商户议价能力的工具。这些诉求在自由流动的框架下往往被归类为壁垒。
两种立场都不是纯粹的原则之争，而是对"价值在哪里被捕获"的不同安排。这也是为什么电子传输关税暂免、数据流动条款与源代码条款在多边与诸边场合都长期无法收敛。
五、什么条件下差距会缩小
从现有数据看，可能缩小差距的路径有三条，且都不以技术本身为主导。
其一，把重资产落到本地。 数据中心投资是当前少数仍在高速扩张的绿地投资门类。能否争取到落点，取决于电力供应、电网承载、土地与水资源以及政策稳定性——这几项都是传统基础设施问题，而不是数字问题。
其二，把服务出口从低端环节向上迁移。 可数字化交付服务的占比差距（60% 对 44% 对 15%）说明，多数发展中经济体的问题不是没有接入网络，而是能输出的服务门类有限。这需要教育与专业资格互认的配套，周期以十年计。
其三，在规则形成期参与谈判。 人工智能治理、数据跨境与数字税的规则尚未定型，此时参与讨论的成本最低。这也是不到三分之一的发展中国家制定了人工智能战略这一数字的意义所在——缺席战略意味着缺席谈判。
六、几点提醒
"数字服务出口"与"可数字化交付服务"是两个口径。 前者是贸易额，后者是服务出口中可通过网络交付的比重，两者不能互推。
1.1 万亿美元是发展中国家整体数字服务出口，内部高度集中于少数经济体，把它平均到所有发展中国家会严重失真。
5 万亿美元是市场规模的长期预测，依赖假设条件，不宜作为分配结论的依据。
数据中心投资与数字发展不是同一件事。 数据中心落地会带来投资、电力需求与少量就业，但若数据处理与模型训练的收益仍由外部主体获得，本地捕获的价值可能远低于投资规模所暗示的水平。评估时应看数据与模型的归属，而不只是看投资金额。