把握智能经济新形态赋能高质量发展的意涵

杨颖

人工智能是引领新一轮科技革命和产业变革的战略性技术，兼具通用性、渗透性与融合性。智能经济则是以人工智能为核心驱动力，以数据为关键生产要素，以算力为新型基础设施，以算法为核心生产工具，将智能能力融入生产、分配、流通、消费各环节的新型经济形态。智能经济是生产方式的深刻变革，也是技术变革向产业组织和价值创造方式延伸的必然结果，其以智能体为代表的新型劳动资料，把马克思所说的“一般智力”转化为能动的现实生产力。

当前，国家层面对智能经济的战略部署密集展开。今年《政府工作报告》提出“打造智能经济新形态”；4月和7月，中共中央政治局召开会议分析研究当前经济形势和经济工作，均强调“发展智能经济新形态”这意味着我国人工智能发展，正从技术突破和场景应用迈向经济形态构建的新阶段，智能经济正在成为高质量发展的重要驱动力。

驱动高质量发展的内在逻辑

当前，我国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期，传统的要素驱动模式边际收益递减，人工智能加快以技术创新促进全要素赋能，以效率提升化解发展瓶颈，推动经济从规模速度型向质量效益型转变。

微观层面，要素结构扩展与组织变革。生产要素结构的扩展是首要变化。数据、算力、算法成为核心生产工具，三者融入劳动、资本等传统要素的组合之中，改变要素的边际产出效率。进一步看，作为通用目的技术，人工智能的作用不止于单一环节的局部改良，而是对整个生产过程的系统性改造。研发环节的生成式设计、生产环节的工艺优化、营销环节的需求精准匹配，共同拓展企业能力边界。其次，劳动者与劳动资料的关系发生历史性变化。劳动资料的智能化催生出“人机协同”的生产组织形态。在传统生产中，劳动者直接操纵劳动资料；而以智能体为代表的新型劳动资料具备自主感知、自主决策、自动执行能力，由被动工具转变为能动生产力。人机分工发生变革，智能系统承担重复性、标准化、高精度作业，劳动者得以转向创造性、战略性的复杂劳动。劳动组织方式随之改变，生产过程的优化不再依赖经验判断，而是基于实时数据流进行动态调节，企业组织形式也相应趋向扁平化、网络化。

中观层面，产业智能化与结构升级。一方面，产业智能化是人工智能系统性渗透、改造和重构国民经济各领域的过程，也是推动各领域间知识融合创新、行业边界拓展的必然结果。与蒸汽机、电力等历史上的通用目的技术类似，人工智能只有嵌入下游行业的生产过程，才能转化为现实生产力。在制造业领域，工业大模型与智能装备深入研发、生产、质检各环节，推动生产流程再造；在农业领域，智能感知与决策支持技术走进田间地头，改变依赖经验判断的传统生产方式；在服务业领域，智能体正在改变服务供给方式，个性化、即时化的服务范围不断拓展。另一方面，产业结构升级表现为：一是改造存量，人工智能技术再造传统产业的生产流程与工艺，推动制造业向智能化、绿色化、融合化发展，提高既有产业的生产效率；二是培育增量，以人工智能为核心的智能原生业态加速形成，不断开辟工业大模型、智能体经济、低空智联网等新赛道，创造新的需求场景与价值网络，拓展产业增长新空间。存量效率提升与增量结构优化相互促进，推动产业发展方式由规模扩张转向质量效益提升。

宏观层面，增长动力转换与全要素生产率提升。动力转换的实质是经济增长源泉的变化。新古典增长理论认为长期增长主要源于技术进步，内生增长理论则进一步强调知识积累与人力资本的作用。人工智能的独特之处，在于同时加速技术进步和知识生产，“从根本上产生了组合和重组思想的新思路”，使知识生产成本下降、速度加快，创新由此取代传统要素投入的主导地位，成为增长的第一动力。全要素生产率大幅提升是发展新质生产力的核心标志，智能经济成为新质生产力的典型形态之一，为高质量发展注入强劲动能。

发展智能经济面临的困难挑战

人工智能促进全要素生产率的普遍提升仍存在时滞。如何缩短这一阶段、加快释放技术红利，正是打造智能经济新形态的必答题。

关键要素供给不足形成底层制约。人工智能赋能高质量发展，首先面临技术、数据、算力三类关键要素的结构性短缺。在技术层，基础理论研究、高端芯片、基础软件等环节存在短板，关键核心技术受制于人，自主供给能力不强。在数据层，确权、流通、定价等基础制度仍在建设之中，数据要素市场化配置尚不充分。在算力层，随着大模型应用爆发式增长，先进智算供需矛盾日益突出，算力趋紧成为普遍情况。关键要素瓶颈直接限制了人工智能向实体经济渗透的广度与深度，能否有效破解关系到人工智能对全要素生产率提升的作用大小。

融合应用不深与区域分化并存。人工智能与实体经济融合的深度，决定其生产率效应能否充分释放，当前融合进程仍面临多重梗阻。其一，应用场景碎片化，不少应用停留在单点环节、局部试验，未能嵌入生产全流程，难以形成系统性改造。其二，中小企业基础薄弱，数字化转型滞后、投入能力有限、专业人才缺乏，智能化改造推进缓慢。其三，融合效应区域分化，在技术集聚能力较弱、产业结构层次偏低的地区，人工智能对全要素生产率的带动效应并不显著。

就业面临岗位替代与结构极化双重冲击。人工智能对就业的影响呈现显著的结构性分化。一方面，智能系统对常规性、程序化岗位形成直接替代，制造业流水线、基础客服、初级文书等岗位率先收缩；另一方面，技能需求向两端极化，中等技能岗位受到明显挤压，高技能岗位与难以程序化的低技能服务岗位相对扩张。与以往技术革命主要替代体力劳动不同，本轮冲击正向中高技能认知岗位延伸，编程、翻译、财务分析乃至部分管理职能开始由智能系统承担，就业调整的波及面与再配置难度均超过以往。

技术风险与治理体系滞后。与技术的高速演进相比，人工智能的安全机制、伦理规范和治理框架较滞后。算法黑箱、算法歧视、数据泄露、伦理失范等风险随应用深化逐步显现，通用人工智能的加速演进更带来难以预判的长远挑战；法律法规、标准规范与监管工具的制定周期远长于技术更新周期，导致风险识别、监管介入与合规治理均存在明显时滞，治理总体处于被动应对状态。治理滞后不仅意味着风险管控缺位，还可能削弱公众对新技术的信任，引发深层社会矛盾，并对社会价值共识与文化秩序产生深远影响。

四方面着力赋能高质量发展

夯实发展基础。关键核心技术是人工智能发展的基础支撑。发挥新型举国体制优势，围绕基础理论、高端芯片、基础软件等关键环节组织协同攻关，增强技术供给的自主可控能力。激活数据要素价值，落实数据基础制度，完善数据产权、流通交易、收益分配、安全治理机制，促进数据要素合规高效流动。优化算力资源布局，统筹全国一体化算力网建设与算力调度，提升算力供给质量和利用效率。培育开放协同创新生态，支持开源社区和开源数据集建设，推动产学研深度融合，组建创新联合体，推动大中小企业融通创新。

筑牢实体根基。推动人工智能与实体经济深度融合，以智能制造为主攻方向，推动人工智能嵌入制造业研发设计、生产制造、经营管理全流程，加快传统产业智能化改造，提升制造业质量效益。发展智慧农业，深化智能技术在育种研发、种养管理、农机作业等环节的应用，提高农业生产精准化水平。提升服务业智能化水平，推动人工智能融入客户服务、供应链管理、监测评价等场景，改善服务供给质量与效率。培育智能消费新增长点，支持智能终端产品创新，拓展智能服务消费场景，完善信息基础设施与消费环境。推动区域协调布局，支持欠发达地区立足比较优势承接智能化应用落地。

促进包容发展。坚持包容发展理念，统筹人工智能应用与就业稳定，在提升技术效率的同时守住民生底线。建立就业影响评估机制，对智能化改造带来的岗位调整开展前置评估，将就业影响纳入技术改造决策考量。强化技能培训和转岗支持，落实终身职业技能培训制度，用好职业技能培训券，围绕新岗位需求开展定向培训，帮助受影响劳动者实现转岗就业。引导人机协同分工，合理划分劳动者与智能系统的任务边界，明确人工智能的辅助角色定位。健全失业保险与再就业服务衔接机制，保障转岗过渡期劳动者的基本生活与再就业权益。

完善治理体系。推进分类分级治理，科学划分人工智能应用风险等级，对低风险领域坚持包容审慎监管、鼓励创新探索，对高风险领域严格安全评估与准入管理。完善敏捷治理机制，加快人工智能领域立法，密切跟踪技术演进动向，动态调整治理规则与监管工具，确保制度供给与技术演进同步。促进技术普惠共享，加强教育、医疗、养老等民生领域智能化公共服务供给，降低技术应用门槛，着力缩小智能时代的数字鸿沟。积极参与人工智能全球治理，推动构建公正合理的国际治理规则。

（作者系四川省社会科学院院长、教授）