人工智能的创造和使用依赖于一些关键要素，如熟练的劳动力、利好的政策环境、数据可访问性以及足够的计算资源，通常被称为“算力”。基于机器学习的人工智能系统有两个依托算力的关键步骤：（1）训练，包括模型/算法的创建、选择及其校准；（2）推理，即使用人工智能系统来确定输出。虽然部分人工智能关键使能因素，如数据、算法和技能等在政策圈中受到了相当大的关注，但让人工智能进步成为可能的硬件、软件和相关算力的基础设施受到的关注相对较少。
随着机器学习技术的不断发展，特别是深度学习与神经网络系统对人工智能算力的需求急剧增长。确保各国拥有足够的人工智能算力来满足其经济发展的需求，对于充分发挥人工智能的经济潜力至关重要。然而，许多国家在没有充分评估他们是否有足够的国内人工智能算力来实现其经济目标的情况下，就制定了人工智能计划。一方面，目前国家人工智能算力的标准化衡量，尤其是人工智能算力标准化指标的开发，仍然是一个政策空白。另一方面，国家政策制定者亟需准确可靠的人工智能算力评估方法以及国内人工智能算力概况，以辅助相关政策的制定。
由此，OECD制定了人工智能算力的评估框架，以供各国评估其国内人工智能算力现状，建立各自的人工智能算力基线，并指导其公共政策的制定和资源的配置。蓝图指出，在人工智能高速发展的当下，世界各国尚未出台较为专业和全面的人工智能算力发展战略和国家计划。为了避免算力短板阻碍本轮人工智能的进一步发展，报告提供了三个维度的人工智能算力评估框架：能力（可用性和使用情况）、有效性（人员、政策、创新、可访问性）和弹性（安全、主权、可持续性），并进一步对具体的操作和障碍提供了建议。蓝图算力评估框架的建立，采用了混合的研究方法，包括专家访谈、问卷、调研等定性方法，以及基于学术文献分析的定量方法。根据该评估框架，蓝图帮助各国回答了三个基本问题：该国拥有多少人工智能算力；一个国家需要多少人工智能算力才足以支持该国人工智能战略目标的实现；一个国家的算力与其他国家相比处于什么水平。蓝图认为，世界各国应该尽快着手进行人工智能算力评估和战略建设，以提升其人工智能能力。
