打造智能经济新形态

智能经济已上升为我国国家战略。2017年，国务院印发的《新一代人工智能发展规划》正式提出“培育智能经济”的战略目标。2025年，《国务院关于深入实施“人工智能+”行动的意见》进一步明确到2035年，我国全面步入智能经济和智能社会发展新阶段。2026年《政府工作报告》首次提出“打造智能经济新形态”，将“培育智能原生新业态新模式”作为深化拓展“人工智能+”行动的关键举措。

图/中经视觉

智能经济的战略定位与内涵特征

智能经济是以人工智能为核心驱动力，以高质量数据、知识型人才为关键要素，通过人、机、物全域智联和泛在协同，推动技术创新向模拟计算、主动创造升级，资源配置向模型定义、系统优化转变，产业形态向软硬一体、平台共生演进，实现公平与效率高水平动态平衡的经济形态总和。

这一定义从四个维度揭示了智能经济的本质。从生产要素看，人工智能（AI）是核心引擎，高质量数据是“燃料”，知识型人才是价值创造的最终主导者；从运行机制看，智能体（Intelligent Agent）参与决策、自主决策趋于常态、模型定义资源配置，经济活动从事后反应走向事前推演；从生产力角度看，技术创新从经验试错走向模拟推演，资源配置从局部优化走向全局动态优化，产业形态从线性产业链走向网状智能生态；从生产关系看，公平与效率通过智能系统内嵌的平权机制实现更高水平的动态平衡。

智能经济具有四大核心特征：数据驱动、人机协同、跨界融合、共创分享。

数据驱动是智能经济的首要特征。在智能经济中，数据已成为关键生产要素，通过对海量数据的采集、分析和应用，实现精准决策和效率提升。这种驱动机制体现在三个层面：在微观层面，企业基于数据分析优化生产流程、精准营销、预测需求；在中观层面，产业链基于数据共享实现协同优化、柔性配置；在宏观层面，政府基于数据洞察进行精准调控、科学决策。数据驱动的核心机制在于“数据—信息—知识—智能”的转化链条。原始数据经过清洗、整合形成信息，信息经过分析、提炼形成知识，知识经过学习、推理形成智能，智能最终转化为决策和行动。这一转化过程正是智能经济区别于传统经济的关键所在。

人机协同是智能经济的典型特征。随着人工智能技术的发展，人类与智能机器之间的分工协作日益深化，形成人机互补、优势叠加的新型生产模式。在智能经济环境中，机器擅长处理标准化、重复性和海量数据运算的任务，而人类则专注于创造性、情感性和复杂决策的工作。这种协同关系正在重塑生产方式。在智能制造领域，工业机器人与人类工程师协同完成产品设计和生产；在医疗领域，人工智能辅助诊断系统与医生协同提供更精准的诊疗方案；在创意领域，生成式AI与设计师、作家协同创作。

跨界融合是智能经济的结构特征。智能经济通过打破产业边界，促进不同行业间的技术渗透与业务融合，形成新的产业生态和价值网络。这种融合体现在三个层面：技术融合层面，人工智能与大数据、云计算、物联网、区块链等技术相互渗透，形成集成创新的技术体系；产业融合层面，智能技术赋能传统产业，推动制造业与服务业的深度融合，形成“制造即服务”（MaaS）等新业态；业务融合层面，不同行业的交叉融合催生了智能交通、智慧医疗、智慧金融等新兴领域。

共创分享是智能经济的价值特征。基于平台经济和开源技术，智能经济构建了多方参与、价值共享的开放式创新体系。在智能经济中，企业、用户、开发者等多元主体通过平台进行协作创新，共同创造价值并分享收益。开源框架和开放平台极大地降低了创新门槛，促进了技术的快速迭代和应用的广泛普及。在全球主流开源模型评测榜单中，Qwen、DeepSeek等国产开源模型的核心性能已追平甚至超越国际主流开源产品,实现了从“跟跑”到“并跑”的历史性跨越，为众多中小企业提供了技术创新基础。同时，共创分享也体现在数据共享、算力共享和应用共享等方面，通过资源的高效利用和价值释放，形成良性循环的智能经济生态。

智能经济与工业经济、信息经济、数字经济相比呈现多维新变。工业经济、信息经济、数字经济与智能经济，分别对应了不同技术时代的经济发展形态，它们的关键区别在于通用目的技术的迭代演进和对人赋能水平的逐步提升。

与工业经济相比，智能经济的“新”体现在根本性跃迁。工业经济以动力机械为核心，以资本、土地、劳动为关键要素，依靠经验决策和大规模标准化生产，解决的是“人的四肢延伸”问题——即机器对人类体力的替代和放大，让人从繁重的体力劳动中解放出来。而智能经济以人工智能为核心，以高质量数据、知识型人才为关键要素，依靠自主决策和人机协同共创，解决的是“人的智力延伸”问题——即智能体对人类脑力的替代和扩展，让人从重复性、规则性的认知劳动中解放出来，专注于创造性工作。工业经济时代，机器替代了人的体力劳动；智能经济时代，智能体正在替代和扩展人的脑力劳动。工业经济追求规模经济下的成本最小化，智能经济追求系统优化下的价值最大化。

与信息经济相比，信息经济以信息的传输和加工为中心，提高了人类获取信息的效率，但决策仍依赖预设规则，系统按人类编写的代码流程运转，无自主分析能力。智能经济则以算法的训练和生成为中心，系统实现自感知、自规划、自决策、自执行，从“信息链接”走向“自主行动”。

与数字经济相比，数字经济以数据的流通和处理为中心，通过数据研判事物规律，但最终决策仍由人做出。智能经济则通过人机协同，智能体成为新型决策主体，能够理解模糊意图、自动拆解复杂任务、动态规划最优路径，实现了从“数据辅助决策”到“系统自主决策”的跃升。

概括而言，工业经济奠定了现代社会的物质生产基础，信息技术催生了信息经济，数字技术催生了数字经济，智能技术催生了智能经济。智能经济是在工业经济高度发达、信息经济和数字经济充分发展之后的高级形态，它不是在工业经济旁增加一个新板块，而是对工业经济、信息经济、数字经济的系统性超越和重构。智能经济的突出价值，在于将人类认知与决策能力转化为可复用、可规模化输出的通用能力，大幅降低智力劳动的边际成本。

智能经济带来的发展机遇和现实挑战

智能经济给中国经济发展带来了全方位机遇。一是为经济带来新的增长空间。2025年，我国人工智能核心产业规模超过1.2万亿元，企业超过6200家，中国企业推出的开源大模型下载量全球第一，智能算力总规模位居全球第二；到“十五五”末，人工智能相关产业规模预计将增长到10万亿元以上。当前，全球人工智能市场仍处于高速扩张阶段，人工智能不只是科技产业的新赛道，也成为扩大投资、促进消费、推动产业升级和提升公共服务效率的重要力量。

二是推动中国制造向价值链高端攀升。长久以来，我国企业在全球产业分工中多处于制造装配等利润较低的环节，而且关键技术和设备对外依赖严重。智能经济为打破这一局面提供了契机：在生产端，AI算法的动态调优能够大幅提升精密制造的良品率；在产品端，催生了智能网联新能源汽车等具备高溢价能力的新一代智能终端，直接带动中国实体经济向全球价值链的高端跃升以及核心技术突破。

三是重塑全球供应链的网络韧性。智能经济可以通过实时数据、智能预测、柔性生产和网络化协同，提高供应链应对冲击的能力。中国如果能把完整产业链和智能调度能力结合起来，将有利于在全球产业链重构中增强主动权。

四是改善公共服务和基层治理。智能经济不仅服务产业发展，也能深度赋能公共服务提质与基层治理增效。公共服务领域，AI政务助手可精准解答办事疑问、自动填报表单；智能审批覆盖资质办理、公积金业务等场景，大幅压缩办理时长；AI法律、民生服务端口下沉社区，全天候响应居民日常需求。基层治理端，AI算法自动识别市容、环境等治理问题，生成治理画像精准定位薄弱环节；AI社工与智能巡查机制实现居民诉求24小时响应，推动治理从“被动处置”向“主动预判”转型，让服务更有温度、治理更具精度。

同时，一些挑战也如影随形。一是关键技术和生态仍有短板。我国在高端AI计算芯片的获取上长期面临外部封锁。更为棘手的是，国际巨头凭借十余年积累的统一计算设备架构（CUDA），形成了深厚的软件生态壁垒。由于数百万开发者已深度绑定该生态，国产突围面临极高的迁移成本和漫长的适配周期，导致国产算力在规模化应用中阻力重重。

二是数据资源“大而不强”。《全国数据资源调查报告（2025年）》显示，2025年我国年度数据生产总量达52.26泽字节（ZB），同比增长27.28%，增速较上年提升2.28个百分点，我国数据生产总量占全球约27.44%。但我国数据资源存在严重的结构性矛盾，一方面，各企业与政府部门之间的数据互不相通，形成“数据孤岛”；另一方面，中国工程院院士、鹏城实验室主任高文曾公开表示，在全球通用的50亿大模型数据训练集里，中文语料占比仅为1.3%。高质量数据的匮乏，直接影响智能经济发展质量。

三是人工智能易出错导致难以在关键行业广泛应用。在医疗诊断、工业质检、金融风控等对容错率要求严苛的专业领域，通用大模型容易产生“幻觉”，导致应用落地存在诸多问题。此外，由于缺乏标准化的对接接口，许多AI应用属于高度定制的“项目制”，难以实现低成本的规模化复制，企业的可持续盈利模式依然模糊。

四是就业和区域差距可能扩大。人工智能会减少一部分重复性、标准化岗位，也会创造智能运维、数据治理、模型训练、行业智能体运营、低空飞行服务等新岗位。问题不在于简单判断岗位增加还是减少，而在于劳动者能否完成技能转换。东部地区、大企业和数字基础较好的行业可能率先受益，中西部地区、中小企业和传统行业可能面临新的智能化鸿沟。

打造智能经济新形态的七大重点方向

关于“打造智能经济新形态”这一概念，2026年《政府工作报告》起草组成员、国务院研究室副主任陈昌盛的解读是“要抓住人工智能发展的机遇，拓展人工智能赋能千行百业的广度和深度，尽快打开经济增长的新空间，培育新模式、壮大新动能”。智能经济新形态不是简单的“产业”，而是人工智能从工具层、应用层、平台层进一步跃升为生产要素、基础设施和组织方式后所形成的经济秩序，应从经济要素、产品、服务、生产基础设施、企业与组织、制度与治理七个维度系统发力。

一是培育经济要素新形态。突出问题为高质量数据供给不足，互联网公开数据资源接近耗尽，私域数据流通不畅；知识型人才缺口巨大，既懂AI又懂行业的复合型人才严重短缺。建议建立国家高质量数据集建设专项，建设大规模、高质量的中文开源语料库和行业数据集，完善公共数据授权运营、数据分类分级、数据安全流通和收益分配机制，推动公共数据开放和行业数据汇聚；实施“AI+行业”复合型人才培养计划，改革人才评价体系，建立以创新能力、实际贡献为导向的评价标准。

二是锻造产品新形态。突出问题为端侧AI芯片、高性能伺服执行器等关键零部件依赖进口；终端产品同质化严重，现象级标杆应用尚未出现。建议设立国家级的人工智能开源基金。重点支持基于国产硬件底层的核心软件框架和算子库开源，打破国际巨头的生态垄断。组织实施端侧AI关键核心技术攻关，支持国产芯片、传感器、执行器研发；开展智能终端首台（套）推广应用试点；推动建立智能终端互联互通标准体系。

三是焕新服务新形态。突出问题为智能体商业模式不成熟，麻省理工学院（MIT）发布的《生成式AI鸿沟：2025年商业AI现状》报告显示，尽管全球企业已在生成式AI投入约300亿美元至400亿美元，但95%的生成式AI试点项目未实现可衡量的经济回报。建议支持建设智能体开发平台和技能商店，降低开发者门槛；研究制定智能体互联互通标准。针对特定产业痛点，大力支持专业性强、容错率高的“垂直行业大模型”，由行业协会牵头制定标准化的系统对接接口，加快AI产品的规模化商业落地。

四是变革生产新形态。突出问题为中小企业智能化转型成本高、回报周期长，不敢转、不会转；大模型在工业场景的工程化部署难度大，推理实时性和可靠性要求高；数据孤岛严重。建议设立中小企业智能化转型专项补贴，推广轻量化工业智能体解决方案；支持龙头企业搭建工业大模型平台，选择需求明确、基础较好、收益可衡量的行业场景开展示范，如研发设计、生产制造、质量检测、供应链管理等，形成一批可复制、可推广的解决方案，推动人工智能从“试点示范”走向“规模化应用”。

五是筑牢基础设施新形态。突出问题为算力资源分布不均，东部需求大但能源紧张，西部算力闲置多但网络时延高；智算中心建设盲目布局，存在重复建设和低效投资风险；“数算模网端”缺乏统一调度协同机制。建议优化“东数西算”布局，建立算力资源调度平台，实现跨区域、跨层级、跨运营商的算力协同；统筹推进“数算模网端”标准体系建设。

六是重塑企业与组织新形态。突出问题为传统科层制组织架构难以适应智能时代决策快速响应的要求；数字员工的权责边界、劳动关系、绩效评估等缺乏法律规范；企业智能化转型面临内部阻力，员工对从业前景表示担忧。建议推广“平台+团队”的敏捷组织模式，平台提供标准化能力支撑，团队负责快速响应和业务创新；研究制定数字员工管理指引；加强员工AI技能再培训，建立终身学习体系。对中小企业、传统行业和欠发达地区，要通过公共服务平台、培训补贴、低成本工具和行业解决方案降低智能化门槛。

七是织密制度和治理新形态。当前存在四大系统性风险：一是AI商业模式不成熟，投资突进引发经济周期失衡。二是AI技术垄断趋于集中，英伟达占AI GPU市场超80%，台积电占先进制程（7nm以下）市场约90%，三大云巨头占全球云计算市场超60%。三是AI就业冲击加剧。根据世界经济论坛发布的《2025年未来就业报告》，从2025年到2030年，人工智能和信息处理技术的趋势将导致约900万个工作岗位被替代，但同时也将创造约1100万个工作岗位。四是AI应用边界模糊，科技界的开源普惠理念与治理层面的“绝对安全”诉求之间的不对称日益加剧。建议加快推进人工智能法立法，采用框架性与分级分类相结合的立法思路，明确算法责任、数据产权、AI生成内容标识等核心规则。建立智能经济风险监测预警平台，实施AI就业影响评估制度，前瞻研究与智能经济相适应的收益分配机制，并积极参与全球AI治理规则制定。加快构建与智能经济相适应的伦理规范，建立健全算法备案与数据安全评估机制，坚决防范技术滥用和数据泄露风险，确保智能技术在安全可控的轨道内运行。

推进智能经济高质量发展的保障措施

加强组织领导。建议在国家层面设立智能经济发展专项工作组，发改、工信、科技、网信、人社、教育等部门参加，形成政策合力。鼓励有条件的地方建设智能经济先行示范区，在体制机制创新上先行先试。依托国家级智库建立智能经济监测评估体系，定期发布发展报告。

完善政策体系。制定智能经济专项发展规划，明确其2026年至2035年的发展目标，与“十五五”规划有效衔接。设立国家智能经济发展投资基金，引导社会资本投向AI芯片、大模型、智能体等关键领域；对智能经济核心产业企业给予研发费用加计扣除、所得税优惠等政策；将自主可控的智能产品和服务纳入政府采购目录。建立智能经济统计监测体系，明确核心产业统计口径。

推进制度改革。深化数据要素市场化配置改革，探索数据产权、交易、流通、收益分配等基础制度建设。推广“揭榜挂帅”“赛马制”等科研组织方式，鼓励企业牵头承担国家AI重大科技专项。推动教育评价和人才制度改革，打破唯论文、唯学历倾向。研究数字员工法律地位和AI时代劳动者的再就业培训机制。

构建全域生态。支持国家级AI开源社区建设，鼓励企业、高校、开发者共建共享模型、数据集、工具链。依托北京、上海、深圳、杭州等AI产业集聚区，打造世界级智能产业集群。支持头部企业开放模型接口、算力资源、数据平台，带动中小企业和初创企业创新发展。积极参与全球AI治理规则制定，共建“一带一路”智能经济伙伴关系。

（中国电子信息产业发展研究院副总工程师 刘权）