人工智能通过产业结构调整和投资扩张改变经济增长方式

钟新龙

当前，人工智能已成为影响投资结构、产业分工和增长效率的通用技术。人工智能对经济的影响将沿投资扩张、应用扩散、效率提升和收益分配四个阶段逐步显现，并通过产业结构调整、全要素生产率提升和新一轮投资扩张影响未来增长。当前最突出的特征是投资强度明显上升，宏观生产率和就业调整仍处在早期。投入转化效率是评估人工智能对经济影响的核心标尺。模型能力、算力规模和融资金额主要反映技术供给与资本热度，宏观成效还要观察人工智能增加了多少有效产出、降低了多少单位成本、形成了多少新产品和新服务，并考察新增收益如何分配。

人工智能对经济的影响将沿四个阶段逐步显现

（一）投资扩张阶段，人工智能首先表现为固定资产、研发和无形资产投入增加。人工智能对经济的影响最先表现为投资扩张，生产率提升通常滞后。模型能力要进入现实生产，需要转化为芯片、服务器、数据中心、电力设施、软件系统、数据资源和工程服务，相关投入通常发生在产出和效率改善之前。人工智能由此扩大固定资产投资、研发投入和无形资产投入，并推动资金、电力、人才等要素向人工智能相关领域集中。宏观经济中最早能够观察到的是投资需求增长和产业资源重新配置。持续增长取决于后续应用能否广泛扩散，以及企业能否将技术转化为稳定的生产效率。当前人工智能对经济的直接拉动主要来自投资扩张，其持续性仍取决于后续应用范围和资产利用效率。

（二）应用扩散阶段，人工智能由少数企业和试点场景进入更多行业及核心业务。基础设施形成后，人工智能开始由少数头部企业和试点场景向更多行业、不同规模企业及核心业务环节扩展。此阶段主要表现为技术采用范围持续扩大，单位产出尚未立即大幅提高，企业同步补齐数据、软件、流程和人才条件。人工智能如果仍主要用于办公辅助、客服问答和信息检索等外围任务，局部节省的工时很难转化为社会平均效益；只有进一步进入研发设计、生产调度、质量控制、营销服务和经营管理，技术收益才会扩展到整个产业体系。只有当人工智能越过头部企业和知识密集型部门，成为广大企业可负担、可复制、可持续使用的生产工具，经济运行才会进入下一阶段的效率提升。

（三）效率提升阶段，人工智能开始持续降低单位成本、提高有效产出和全要素生产率。当人工智能完成较大范围扩散，并与企业的数据、软件、流程和管理制度相适配后，评价重点才会由“多少企业在使用”转向“同样投入能否形成更多有效产出”。研发周期缩短、设备利用率提高、停机和废品减少、单位能耗下降、产品质量改善以及新产品和新服务增加，都会推动单位劳动和资本投入创造更多价值。由于数据清洗、软件改造、员工培训和管理调整等投入大多属于无形资产，投入发生在前，效率收益显现在后，宏观生产率通常滞后于投资扩张和应用扩散。只有当企业层面的成本下降和产出增加持续反映为行业劳动生产率及全要素生产率提高，人工智能才真正成为潜在增长动力。

（四）收益分配阶段，生产率收益通过工资、利润、价格和就业传导至居民收入与总需求。生产率提高最终要通过工资增长、产品降价、新岗位和公共服务改善转化为居民可支配收入和消费能力。当收益分布较为广泛时，技术进步能够同步扩大供给和需求；利润和资产增值若主要集中于少数资本所有者和高技能群体，劳动收入和居民消费可能承压，经济增长将更加依赖投资和资产价格。国际劳工组织2025年测算显示，全球约四分之一就业岗位存在不同程度的生成式人工智能暴露，处于最高暴露等级的就业占3.3%，但技术暴露不能直接换算为失业规模。当前影响主要表现为任务内容变化、初级岗位招聘减少和技能要求提高。宏观评估因此需要同步观察生产率、就业质量、劳动收入和居民消费，判断技术收益能否转化为更稳定的社会需求。

人工智能正在推动产业结构向高资本、高技术和高服务含量方向演进

（一）劳动密集型产业的调整将呈现认知任务快于实体作业的特征。客服、文秘、基础财务、内容加工等工作已经高度数字化，任务标准较清晰，人工智能更容易率先压缩工时和初级岗位需求。纺织、食品、家居、仓储等实体作业仍依赖传感器、机器人、工装和产线改造，替代速度相对较慢。劳动密集型产业的竞争优势将更多取决于柔性生产、快速交付和技能质量。

（二）资本密集型产业的主要增量将来自设备和资源利用率提升。钢铁、石化化工、有色、建材、电力等行业资本存量大、流程连续、能源消耗高，人工智能的主要作用包括工艺控制、设备预测性维护、能耗优化和供应链调度。资本密集型行业的生产率空间较大，但效果取决于设备数据、工业机理和安全控制能否协同。

（三）技术密集型产业可能获得更快增长并提高增加值占比。人工智能对芯片、服务器、工业软件、高端装备和专业技术服务的需求正在强化该趋势。从中期看，产业增加值和利润可能进一步向研发设计、软件、系统集成、智能控制和行业服务等环节集中。

（四）制造业与生产性服务业的边界将加快融合。人工智能提高了研发、软件、数据、检测、维护和供应链服务在工业产品中的含量，制造企业的收入来源也将从一次性设备销售逐步延伸到远程运维、状态监测、按使用付费和全生命周期服务。工业和信息化部等八部门2026年1月发布的《“人工智能+制造”专项行动实施意见》已将研发设计、生产制造、营销服务和运营管理纳入统一应用体系。产业结构变化因此会同时表现为技术密集型制造业比重上升、生产性服务业增长加快以及制造业内部服务收入占比提高。

人工智能将通过四个环节提高全要素生产率

全要素生产率反映资本和劳动投入之外的技术进步、管理改进和资源配置效率。评估人工智能贡献，需要观察研发成果能否转化、生产过程能否提效、产品能否形成新增需求、存量设备能否创造更多服务收入，主要存在四条路径。

（一）研发设计环节通过提高知识生产效率加快技术进步。

人工智能可以辅助检索、建模、代码编写、仿真、实验方案生成和工程设计，降低试错成本并缩短研发周期。经济合作与发展组织2025年对实验研究的综述显示，生成式人工智能在任务边界清晰、结果容易验证的工作中能够显著提高完成速度和质量，效果取决于使用者经验、任务复杂度和人工复核。《“人工智能+制造”专项行动实施意见》将智能辅助设计、软件代码辅助编写、药物研发和仿真模型构建列为重点方向。研发设计效率提高能够增加单位研发投入形成的知识和技术成果。

（二）生产制造环节的收益主要来自现有要素使用效率提高。人工智能能够优化排产、工艺参数、质量检测、库存和能源管理，减少停机、废品、返工和物料浪费。相关收益主要来自同样的设备、人员和能源投入创造更多合格产品，属于全要素生产率改善。我国2025年末规模以上工业企业数字化设备普及率达到57.7%，工业企业数字化研发设计工具普及率和关键工序数控化率在2025年6月底分别达到84.0%和66.8%，为人工智能进入核心生产环节提供了基础。下一阶段的难点在于把通用模型能力转化为稳定、可验证、可追责的工业控制能力。

（三）产品创新将通过质量提升、品种扩展和需求创造增加有效产出。人工智能能够降低小批量设计和个性化配置成本，使企业更快识别需求、生成方案、测试功能并持续改进产品。产品创新带来的收益可能先表现为质量提高、交付周期缩短和新品收入增长，随后才反映到产量和市场规模。宏观统计需要更加重视质量调整、新产品形成和消费者获得的新服务，避免低估技术进步对实际产出的贡献。

（四）服务型制造环节通过提高存量设备全生命周期产出扩大价值创造。人工智能支持远程监测、预测性维护、故障诊断、能效管理和按效果付费，使制造企业持续参与客户生产过程。企业从销售设备转向保障运行效果后，服务收入可以平滑设备销售周期，并提高设备利用率。服务型制造能够同时增加服务增加值、提高资本使用效率和改善资源配置，是制造业全要素生产率提升的重要来源。

人工智能将推动三类投资扩张但应做好政策调控

人工智能的增长效应取决于应用扩散和投资转化效率。政策重点应促进技术向传统产业和中小企业扩散，提高无形资产投入能力，稳定就业转换，防范高杠杆和重复建设放大投资波动。

（一）基础设施投资将继续保持高强度并向能源和网络环节延伸。国际能源署2026年4月报告显示，五家大型科技公司2025年资本开支超过4000亿美元，2026年计划再增长约75%；全球数据中心用电量预计从2025年的485太瓦时增至2030年的约950太瓦时，其中面向人工智能的数据中心用电量将增长至原来的约3倍。我国算力投资也将从单体数据中心扩大到全国一体化算力网、骨干网络、电网改造、储能、冷却和边缘节点。基础设施投资规模大、建设周期长、区域集中度高，将同时影响固定资产投资、能源供需和区域产业布局。

（二）企业改造和无形资产投入将形成覆盖面更广的投资增量。企业应用人工智能还需投入数据治理、知识库、工业软件、流程调整、网络安全和员工培训等，很多投入难以在传统固定资产投资中完整体现，却直接决定技术能否进入主营业务。我国更大的投资空间可能来自数十万家企业持续改造，投资主体和收益来源更加分散。

（三）智能装备和新型产品投资将把人工智能资本扩张带入实体生产能力。工业机器人、具身智能装备、智能终端、传感器、控制系统和测试验证平台将形成新的设备投资，相关需求还会带动精密零部件、材料、电池、工业软件和运维服务。该层投资与基础设施投资存在明显差异，商业回报取决于终端场景能否稳定运行、设备能否重复部署以及客户是否愿意持续付费。政策评估需要区分实验样机、示范项目和规模化收入，避免把技术展示直接计入有效产能。

（四）投资政策需要兼顾扩大有效投资和防范周期波动。国际清算银行2026年3月报告显示，美国大型科技企业2025年债券发行规模超过1000亿美元，数据中心融资正在更多地使用长期租约、合资载体和私人信贷。人工智能资产技术折旧快，电力和数据中心建设周期较长，商业收入兑现存在时滞，容易形成前期集中建设、后期产能闲置和融资收缩。政策上，评价标准应从算力规模、园区数量转向利用率、单位成本和经营收入。支持重点应更多投向企业软件、数据、培训和流程改造。风险监测应覆盖长期租约、保底采购和表外融资。就业政策应加强职业任务变化和初级岗位招聘监测，降低产业调整对就业和消费的冲击。

（作者系中国电子信息产业发展研究院未来产业研究中心人工智能研究室主任）