打造智能經濟新形態

智能經濟已上升為我國國家戰略。2017年，國務院印發的《新一代人工智能發展規劃》正式提出“培育智能經濟”的戰略目標。2025年，《國務院關于深入實施“人工智能+”行動的意見》進一步明確到2035年，我國全面步入智能經濟和智能社會發展新階段。2026年《政府工作報告》首次提出“打造智能經濟新形態”，將“培育智能原生新業態新模式”作為深化拓展“人工智能+”行動的關鍵舉措。

圖/中經視覺

智能經濟的戰略定位與內涵特征

智能經濟是以人工智能為核心驅動力，以高質量數據、知識型人才為關鍵要素，通過人、機、物全域智聯和泛在協同，推動技術創新向模擬計算、主動創造升級，資源配置向模型定義、系統優化轉變，產業形態向軟硬一體、平臺共生演進，實現公平與效率高水平動態平衡的經濟形態總和。

這一定義從四個維度揭示了智能經濟的本質。從生產要素看，人工智能（AI）是核心引擎，高質量數據是“燃料”，知識型人才是價值創造的最終主導者；從運行機制看，智能體（Intelligent Agent）參與決策、自主決策趨于常態、模型定義資源配置，經濟活動從事后反應走向事前推演；從生產力角度看，技術創新從經驗試錯走向模擬推演，資源配置從局部優化走向全局動態優化，產業形態從線性產業鏈走向網狀智能生態；從生產關系看，公平與效率通過智能系統內嵌的平權機制實現更高水平的動態平衡。

智能經濟具有四大核心特征：數據驅動、人機協同、跨界融合、共創分享。

數據驅動是智能經濟的首要特征。在智能經濟中，數據已成為關鍵生產要素，通過對海量數據的采集、分析和應用，實現精準決策和效率提升。這種驅動機制體現在三個層面：在微觀層面，企業基于數據分析優化生產流程、精準營銷、預測需求；在中觀層面，產業鏈基于數據共享實現協同優化、柔性配置；在宏觀層面，政府基于數據洞察進行精準調控、科學決策。數據驅動的核心機制在于“數據—信息—知識—智能”的轉化鏈條。原始數據經過清洗、整合形成信息，信息經過分析、提煉形成知識，知識經過學習、推理形成智能，智能最終轉化為決策和行動。這一轉化過程正是智能經濟區別于傳統經濟的關鍵所在。

人機協同是智能經濟的典型特征。隨著人工智能技術的發展，人類與智能機器之間的分工協作日益深化，形成人機互補、優勢疊加的新型生產模式。在智能經濟環境中，機器擅長處理標準化、重復性和海量數據運算的任務，而人類則專注于創造性、情感性和復雜決策的工作。這種協同關系正在重塑生產方式。在智能制造領域，工業機器人與人類工程師協同完成產品設計和生產；在醫療領域，人工智能輔助診斷系統與醫生協同提供更精準的診療方案；在創意領域，生成式AI與設計師、作家協同創作。

跨界融合是智能經濟的結構特征。智能經濟通過打破產業邊界，促進不同行業間的技術滲透與業務融合，形成新的產業生態和價值網絡。這種融合體現在三個層面：技術融合層面，人工智能與大數據、云計算、物聯網、區塊鏈等技術相互滲透，形成集成創新的技術體系；產業融合層面，智能技術賦能傳統產業，推動制造業與服務業的深度融合，形成“制造即服務”（MaaS）等新業態；業務融合層面，不同行業的交叉融合催生了智能交通、智慧醫療、智慧金融等新興領域。

共創分享是智能經濟的價值特征。基于平臺經濟和開源技術，智能經濟構建了多方參與、價值共享的開放式創新體系。在智能經濟中，企業、用戶、開發者等多元主體通過平臺進行協作創新，共同創造價值并分享收益。開源框架和開放平臺極大地降低了創新門檻，促進了技術的快速迭代和應用的廣泛普及。在全球主流開源模型評測榜單中，Qwen、DeepSeek等國產開源模型的核心性能已追平甚至超越國際主流開源產品,實現了從“跟跑”到“并跑”的歷史性跨越，為眾多中小企業提供了技術創新基礎。同時，共創分享也體現在數據共享、算力共享和應用共享等方面，通過資源的高效利用和價值釋放，形成良性循環的智能經濟生態。

智能經濟與工業經濟、信息經濟、數字經濟相比呈現多維新變。工業經濟、信息經濟、數字經濟與智能經濟，分別對應了不同技術時代的經濟發展形態，它們的關鍵區別在于通用目的技術的迭代演進和對人賦能水平的逐步提升。

與工業經濟相比，智能經濟的“新”體現在根本性躍遷。工業經濟以動力機械為核心，以資本、土地、勞動為關鍵要素，依靠經驗決策和大規模標準化生產，解決的是“人的四肢延伸”問題——即機器對人類體力的替代和放大，讓人從繁重的體力勞動中解放出來。而智能經濟以人工智能為核心，以高質量數據、知識型人才為關鍵要素，依靠自主決策和人機協同共創，解決的是“人的智力延伸”問題——即智能體對人類腦力的替代和擴展，讓人從重復性、規則性的認知勞動中解放出來，專注于創造性工作。工業經濟時代，機器替代了人的體力勞動；智能經濟時代，智能體正在替代和擴展人的腦力勞動。工業經濟追求規模經濟下的成本最小化，智能經濟追求系統優化下的價值最大化。

與信息經濟相比，信息經濟以信息的傳輸和加工為中心，提高了人類獲取信息的效率，但決策仍依賴預設規則，系統按人類編寫的代碼流程運轉，無自主分析能力。智能經濟則以算法的訓練和生成為中心，系統實現自感知、自規劃、自決策、自執行，從“信息鏈接”走向“自主行動”。

與數字經濟相比，數字經濟以數據的流通和處理為中心，通過數據研判事物規律，但最終決策仍由人做出。智能經濟則通過人機協同，智能體成為新型決策主體，能夠理解模糊意圖、自動拆解復雜任務、動態規劃最優路徑，實現了從“數據輔助決策”到“系統自主決策”的躍升。

概括而言，工業經濟奠定了現代社會的物質生產基礎，信息技術催生了信息經濟，數字技術催生了數字經濟，智能技術催生了智能經濟。智能經濟是在工業經濟高度發達、信息經濟和數字經濟充分發展之后的高級形態，它不是在工業經濟旁增加一個新板塊，而是對工業經濟、信息經濟、數字經濟的系統性超越和重構。智能經濟的突出價值，在于將人類認知與決策能力轉化為可復用、可規模化輸出的通用能力，大幅降低智力勞動的邊際成本。

智能經濟帶來的發展機遇和現實挑戰

智能經濟給中國經濟發展帶來了全方位機遇。一是為經濟帶來新的增長空間。2025年，我國人工智能核心產業規模超過1.2萬億元，企業超過6200家，中國企業推出的開源大模型下載量全球第一，智能算力總規模位居全球第二；到“十五五”末，人工智能相關產業規模預計將增長到10萬億元以上。當前，全球人工智能市場仍處于高速擴張階段，人工智能不只是科技產業的新賽道，也成為擴大投資、促進消費、推動產業升級和提升公共服務效率的重要力量。

二是推動中國制造向價值鏈高端攀升。長久以來，我國企業在全球產業分工中多處于制造裝配等利潤較低的環節，而且關鍵技術和設備對外依賴嚴重。智能經濟為打破這一局面提供了契機：在生產端，AI算法的動態調優能夠大幅提升精密制造的良品率；在產品端，催生了智能網聯新能源汽車等具備高溢價能力的新一代智能終端，直接帶動中國實體經濟向全球價值鏈的高端躍升以及核心技術突破。

三是重塑全球供應鏈的網絡韌性。智能經濟可以通過實時數據、智能預測、柔性生產和網絡化協同，提高供應鏈應對沖擊的能力。中國如果能把完整產業鏈和智能調度能力結合起來，將有利于在全球產業鏈重構中增強主動權。

四是改善公共服務和基層治理。智能經濟不僅服務產業發展，也能深度賦能公共服務提質與基層治理增效。公共服務領域，AI政務助手可精準解答辦事疑問、自動填報表單；智能審批覆蓋資質辦理、公積金業務等場景，大幅壓縮辦理時長；AI法律、民生服務端口下沉社區，全天候響應居民日常需求。基層治理端，AI算法自動識別市容、環境等治理問題，生成治理畫像精準定位薄弱環節；AI社工與智能巡查機制實現居民訴求24小時響應，推動治理從“被動處置”向“主動預判”轉型，讓服務更有溫度、治理更具精度。

同時，一些挑戰也如影隨形。一是關鍵技術和生態仍有短板。我國在高端AI計算芯片的獲取上長期面臨外部封鎖。更為棘手的是，國際巨頭憑借十余年積累的統一計算設備架構（CUDA），形成了深厚的軟件生態壁壘。由于數百萬開發者已深度綁定該生態，國產突圍面臨極高的遷移成本和漫長的適配周期，導致國產算力在規模化應用中阻力重重。

二是數據資源“大而不強”。《全國數據資源調查報告（2025年）》顯示，2025年我國年度數據生產總量達52.26澤字節（ZB），同比增長27.28%，增速較上年提升2.28個百分點，我國數據生產總量占全球約27.44%。但我國數據資源存在嚴重的結構性矛盾，一方面，各企業與政府部門之間的數據互不相通，形成“數據孤島”；另一方面，中國工程院院士、鵬城實驗室主任高文曾公開表示，在全球通用的50億大模型數據訓練集里，中文語料占比僅為1.3%。高質量數據的匱乏，直接影響智能經濟發展質量。

三是人工智能易出錯導致難以在關鍵行業廣泛應用。在醫療診斷、工業質檢、金融風控等對容錯率要求嚴苛的專業領域，通用大模型容易產生“幻覺”，導致應用落地存在諸多問題。此外，由于缺乏標準化的對接接口，許多AI應用屬于高度定制的“項目制”，難以實現低成本的規模化復制，企業的可持續盈利模式依然模糊。

四是就業和區域差距可能擴大。人工智能會減少一部分重復性、標準化崗位，也會創造智能運維、數據治理、模型訓練、行業智能體運營、低空飛行服務等新崗位。問題不在于簡單判斷崗位增加還是減少，而在于勞動者能否完成技能轉換。東部地區、大企業和數字基礎較好的行業可能率先受益，中西部地區、中小企業和傳統行業可能面臨新的智能化鴻溝。

打造智能經濟新形態的七大重點方向

關于“打造智能經濟新形態”這一概念，2026年《政府工作報告》起草組成員、國務院研究室副主任陳昌盛的解讀是“要抓住人工智能發展的機遇，拓展人工智能賦能千行百業的廣度和深度，盡快打開經濟增長的新空間，培育新模式、壯大新動能”。智能經濟新形態不是簡單的“產業”，而是人工智能從工具層、應用層、平臺層進一步躍升為生產要素、基礎設施和組織方式后所形成的經濟秩序，應從經濟要素、產品、服務、生產基礎設施、企業與組織、制度與治理七個維度系統發力。

一是培育經濟要素新形態。突出問題為高質量數據供給不足，互聯網公開數據資源接近耗盡，私域數據流通不暢；知識型人才缺口巨大，既懂AI又懂行業的復合型人才嚴重短缺。建議建立國家高質量數據集建設專項，建設大規模、高質量的中文開源語料庫和行業數據集，完善公共數據授權運營、數據分類分級、數據安全流通和收益分配機制，推動公共數據開放和行業數據匯聚；實施“AI+行業”復合型人才培養計劃，改革人才評價體系，建立以創新能力、實際貢獻為導向的評價標準。

二是鍛造產品新形態。突出問題為端側AI芯片、高性能伺服執行器等關鍵零部件依賴進口；終端產品同質化嚴重，現象級標桿應用尚未出現。建議設立國家級的人工智能開源基金。重點支持基于國產硬件底層的核心軟件框架和算子庫開源，打破國際巨頭的生態壟斷。組織實施端側AI關鍵核心技術攻關，支持國產芯片、傳感器、執行器研發；開展智能終端首臺（套）推廣應用試點；推動建立智能終端互聯互通標準體系。

三是煥新服務新形態。突出問題為智能體商業模式不成熟，麻省理工學院（MIT）發布的《生成式AI鴻溝：2025年商業AI現狀》報告顯示，盡管全球企業已在生成式AI投入約300億美元至400億美元，但95%的生成式AI試點項目未實現可衡量的經濟回報。建議支持建設智能體開發平臺和技能商店，降低開發者門檻；研究制定智能體互聯互通標準。針對特定產業痛點，大力支持專業性強、容錯率高的“垂直行業大模型”，由行業協會牽頭制定標準化的系統對接接口，加快AI產品的規模化商業落地。

四是變革生產新形態。突出問題為中小企業智能化轉型成本高、回報周期長，不敢轉、不會轉；大模型在工業場景的工程化部署難度大，推理實時性和可靠性要求高；數據孤島嚴重。建議設立中小企業智能化轉型專項補貼，推廣輕量化工業智能體解決方案；支持龍頭企業搭建工業大模型平臺，選擇需求明確、基礎較好、收益可衡量的行業場景開展示范，如研發設計、生產制造、質量檢測、供應鏈管理等，形成一批可復制、可推廣的解決方案，推動人工智能從“試點示范”走向“規模化應用”。

五是筑牢基礎設施新形態。突出問題為算力資源分布不均，東部需求大但能源緊張，西部算力閑置多但網絡時延高；智算中心建設盲目布局，存在重復建設和低效投資風險；“數算模網端”缺乏統一調度協同機制。建議優化“東數西算”布局，建立算力資源調度平臺，實現跨區域、跨層級、跨運營商的算力協同；統籌推進“數算模網端”標準體系建設。

六是重塑企業與組織新形態。突出問題為傳統科層制組織架構難以適應智能時代決策快速響應的要求；數字員工的權責邊界、勞動關系、績效評估等缺乏法律規范；企業智能化轉型面臨內部阻力，員工對從業前景表示擔憂。建議推廣“平臺+團隊”的敏捷組織模式，平臺提供標準化能力支撐，團隊負責快速響應和業務創新；研究制定數字員工管理指引；加強員工AI技能再培訓，建立終身學習體系。對中小企業、傳統行業和欠發達地區，要通過公共服務平臺、培訓補貼、低成本工具和行業解決方案降低智能化門檻。

七是織密制度和治理新形態。當前存在四大系統性風險：一是AI商業模式不成熟，投資突進引發經濟周期失衡。二是AI技術壟斷趨于集中，英偉達占AI GPU市場超80%，臺積電占先進制程（7nm以下）市場約90%，三大云巨頭占全球云計算市場超60%。三是AI就業沖擊加劇。根據世界經濟論壇發布的《2025年未來就業報告》，從2025年到2030年，人工智能和信息處理技術的趨勢將導致約900萬個工作崗位被替代，但同時也將創造約1100萬個工作崗位。四是AI應用邊界模糊，科技界的開源普惠理念與治理層面的“絕對安全”訴求之間的不對稱日益加劇。建議加快推進人工智能法立法，采用框架性與分級分類相結合的立法思路，明確算法責任、數據產權、AI生成內容標識等核心規則。建立智能經濟風險監測預警平臺，實施AI就業影響評估制度，前瞻研究與智能經濟相適應的收益分配機制，并積極參與全球AI治理規則制定。加快構建與智能經濟相適應的倫理規范，建立健全算法備案與數據安全評估機制，堅決防范技術濫用和數據泄露風險，確保智能技術在安全可控的軌道內運行。

推進智能經濟高質量發展的保障措施

加強組織領導。建議在國家層面設立智能經濟發展專項工作組，發改、工信、科技、網信、人社、教育等部門參加，形成政策合力。鼓勵有條件的地方建設智能經濟先行示范區，在體制機制創新上先行先試。依托國家級智庫建立智能經濟監測評估體系，定期發布發展報告。

完善政策體系。制定智能經濟專項發展規劃，明確其2026年至2035年的發展目標，與“十五五”規劃有效銜接。設立國家智能經濟發展投資基金，引導社會資本投向AI芯片、大模型、智能體等關鍵領域；對智能經濟核心產業企業給予研發費用加計扣除、所得稅優惠等政策；將自主可控的智能產品和服務納入政府采購目錄。建立智能經濟統計監測體系，明確核心產業統計口徑。

推進制度改革。深化數據要素市場化配置改革，探索數據產權、交易、流通、收益分配等基礎制度建設。推廣“揭榜掛帥”“賽馬制”等科研組織方式，鼓勵企業牽頭承擔國家AI重大科技專項。推動教育評價和人才制度改革，打破唯論文、唯學歷傾向。研究數字員工法律地位和AI時代勞動者的再就業培訓機制。

構建全域生態。支持國家級AI開源社區建設，鼓勵企業、高校、開發者共建共享模型、數據集、工具鏈。依托北京、上海、深圳、杭州等AI產業集聚區，打造世界級智能產業集群。支持頭部企業開放模型接口、算力資源、數據平臺，帶動中小企業和初創企業創新發展。積極參與全球AI治理規則制定，共建“一帶一路”智能經濟伙伴關系。

（中國電子信息產業發展研究院副總工程師 劉權）