打造智能经济新形态
应加快范式转换

◇欧阳日辉

近年来，以人工智能为核心牵引、以数智空间与物理空间深度融合为典型特征的经济形态加速形成。从2017年国务院印发《新一代人工智能发展规划》，到2025年深入实施“人工智能+”行动，将“智能经济”写入政策文件，再到2026年政府工作报告首次提出“打造智能经济新形态”，我国精准把握新一轮科技革命和产业变革趋势，培育新质生产力、拓展经济增长新空间、塑造经济社会发展新优势。打造智能经济新形态，对于推动我国经济高质量发展具有重要意义。

从技术—经济范式的视角来看，绝大多数重大技术变革都会经历从“技术导入”到“经济重塑”的演进过程。智能经济继承了数字经济的基础设施和数据资源，但通过引入“智能”这一新的变量，改变了经济活动的组织方式和价值创造逻辑。这既关乎科学技术的演进，也关乎发展范式的跃迁。智能经济以数据为关键生产要素，以人工智能技术为核心驱动力，通过构建能够自主感知、学习、决策与执行的智能体网络平台，实现资源配置全局动态优化、生产组织方式深刻变革、经济增长动力根本转换。

智能经济新形态的“新”具体体现为：“算力+电力”时空协同的新型基础设施，高质量、高价值密度的行业数据集成为新的生产要素，智能原生企业创造前所未有的新产业组织，智能系统打造价值创造新机制。人机协同、跨界融合、共创分享的智能经济新形态，将重新定义生产函数、交易方式、消费模式、分配机制。

打造智能经济新形态是加快培育发展新质生产力的重要举措。一方面，智能经济推动现代产业体系智能化、绿色化、融合化。制造业向更具感知能力和决策能力的智能化转型，智能终端从单一工具进化为“智能伙伴”，不仅提升了生产效率和产品质量，更重要的是赋予了制造系统应对复杂场景、实现柔性生产的能力。另一方面，智能经济的发展，归根结底要增进人类福祉，在医疗、教育、养老等关系人民群众切身利益的重点领域不断拓展应用场景，让技术真正服务于人民美好生活需要。

当前，我国为智能经济的系统构建奠定了坚实基础。从基础设施看，“东数西算”工程已使算力成本大幅下降，算电协同、卫星互联网等新基建加速布局，智能算力规模达1590EFLOPS。从技术能力看，凭借在技术创新、落地应用、生态搭建等多个维度的突破，国产大模型已进入全球第一梯队，中国是全球大模型技术迭代速度最快的国家之一，中国研发的开源人工智能模型全球下载量位居全球第一。从数据要素看，行业高质量数据集建设全面铺开，数据从“能用”向“好用”转变。2026年初，国家数据局组织72家链主单位签署工作任务书，推动行业高质量数据集建设。从产业规模看，2025年我国人工智能核心产业规模突破1.2万亿元，人工智能企业超过6200家。更重要的是，我国拥有全球最完整的工业体系和最大规模的互联网用户市场，为人工智能提供了海量应用场景和丰富数据资源。可以说，打造智能经济新形态，既有技术准备，也有产业基础，更有市场条件。

从全球视角来看，我国打造智能经济新形态仍面临着一些短板。其一，基础算法与原创架构仍有差距，在Transformer架构之后，下一代基础性算法原创性贡献尚未充分显现。其二，高端算力供给存在“卡脖子”风险，先进制程、高带宽存储、先进封装等环节在一定程度上仍受制于人，可能影响超大规模智算集群的建设和运营成本。其三，高质量数据集的价值释放不足，行业高质量数据集的开放共享机制尚不健全，数据产权、收益分配等制度安排亟待健全。其四，智能经济治理体系滞后于技术创新，生成式AI带来了内容安全、算法歧视、隐私保护、就业冲击等问题，我国在风险分级治理、责任认定、监管沙盒等方面仍需加强。这些短板需要人们在战略层面加以正视，并以制度创新和技术攻关双轮驱动加以突破。因此，打造智能经济新形态，应从以下四个方面统筹谋划、协同推进。

夯实算电协同的基础设施底座。加快构建“算电协同”发展格局，优化算力设施与电力设施的布局匹配，推动算力中心向可再生能源富集地区集聚，实现算力发展与绿色能源利用的协同共进。同时，加快推进卫星互联网建设，构建天地一体化的通信网络，为智能经济提供覆盖全域、连接万物的网络支撑。

突破关键算法与“卡脖子”技术。在基础研究层面，加大对新型神经网络架构、类脑计算、符号推理与深度学习融合等方向的投入，支持“从0到1”的原创突破。支持开源开放生态建设，降低中小企业应用大模型的门槛。针对高端算力瓶颈，应坚持长期和短期相结合。短期内可优化算法效率，减少对先进制程的依赖；长期则需持续推进芯片设计、先进封装、新型存储等自主攻关。

以场景创新牵引应用落地。场景是智能经济的“试验场”，要摒弃“拿着锤子找钉子”的技术驱动思维，坚持“从场景中来到场景中去”的需求导向。推动具身智能在制造领域的深度应用，支持工业机器人、人形机器人等具身智能产品的研发应用，推动生产流程全链条智能优化。鼓励龙头企业建设智能工厂，带动产业链上下游协同转型，打造大中小企业融通发展的智能经济生态。

构建开放包容的数智治理体系。鼓励智能原生新业态的探索，对初创企业给予包容审慎的监管环境，让市场验证创新价值。建立基于应用场景的分级分类监管框架，对高风险应用如社会信用评分、大规模生物识别监控等从严监管，对低风险应用如智能推荐、内容生成等采取备案制或自律管理。建立健全产业沙盒和监管沙盒机制，允许创新企业在受控环境中测试新模式。

（作者系中央财经大学中国互联网经济研究院副院长、教授）

智能社会建设更需彰显民生温度

◇侯万锋

随着数智技术深度嵌入经济社会发展，我国智能社会建设已从试点探索逐步迈入规范化、体系化阶段。当前，学术界对于智能社会建设的方法和路径存在不同的观点。技术本位论秉持效率优先逻辑，主张智能化建设应以技术迭代、算法优化、场景扩容为重点，以数字化覆盖度、治理运行效率作为首要评价标准；坚持人本规制导向的学者则强调技术理性天然存在异化风险，纯粹的技术升级无法自发实现社会善治，必须以人文伦理、民生价值前置规约技术发展边界。新时代的智能社会建设，亟须跳出效率至上的单一评价维度，锚定人民美好生活需要，擦亮普惠包容的民生底色，实现技术理性与价值理性的辩证统一。

就本质而言，数智技术的应用场景、创新发展，始终内嵌于经济社会的系统建设，受制于民生发展的现实需求。同样，智能社会绝非数据与算法的机械叠加，而是技术赋能与人文关怀深度耦合的新型社会形态。传统的社会治理与公共服务模式，长期面临着资源配置失衡、供需对接滞后、兜底能力不足等结构性短板，难以适配人民群众日益增长的民生需求。数智技术的特色和优势，集中体现为破解传统治理难题、补齐公共服务短板、增进人民群众福祉。比如，智慧医疗推动优质医疗资源跨域下沉，智慧教育破除城乡基础教育壁垒，智慧养老构建精准兜底保障体系，数字政务重塑便民服务流程。实践证明，智能社会建设不仅要追求技术体系的完备度，更要体现民生福祉的提升度。唯有坚持人民至上、厚植为民情怀，才能推动智能社会建设行稳致远。

防范化解技术异化风险，是新时代智能社会建设彰显民生温度的重要前提。智能化转型持续释放数字发展红利，但技术本位、效率至上的认知局限，容易催生新的民生难题与治理风险。例如，部分地区智能社会建设陷入形式化误区，偏重硬件投入、场景搭建与数据扩容，忽视服务适配性与群体差异性。盲目追求数字化全覆盖，弱化特殊群体的服务保障，会导致智能发展包容性不足、普惠性偏弱，工具理性僭越价值理性的问题逐步凸显，成为智能社会高质量发展的隐性瓶颈。当前，城乡、代际、群体间的结构性数字鸿沟尚未弥合，老年人、残障人士和部分农村居民面临数字融入困境，便民智能服务异化为新型数字壁垒；算法偏见、数据垄断、信息茧房等异化现象，强化资源分配偏好，阻碍公共服务均等化步伐；基层治理出现“唯数据论”偏差，线上指标替代线下治理，引发治理悬浮、服务空转；数据滥用、隐私泄露等风险，持续侵蚀公众数字权益与社会信任。凡此种种，其根源在于技术发展逻辑凌驾于民生保障逻辑之上。这警醒我们，智能社会建设应以民生关切校准技术航向，以人文底线规制异化风险。

彰显民生温度绝非否定技术赋能的价值取向，更非放缓智能化转型进程，而是旨在对“技术至上论”的理论纠偏与实践修正，探索构建“民生牵引技术、价值规约工具、普惠定义效率”的新型发展模式。智能社会的高质量发展，本质上是技术创新与民生保障的动态平衡、协同共生。基于这一认识，智能社会建设必须跳出单一效率评价导向，精准对接各种民生需求、兼顾城乡发展差异、覆盖各类社会群体，实现创新赋能与公平普惠、发展速度与安全程度、技术迭代与人文关怀的有机统一。

坚持普惠包容导向，大力弥合数字鸿沟。智能社会建设需摒弃“一刀切”的粗放模式，构建适配多元群体、兼顾城乡差异的包容性发展体系。持续推进公共服务平台、智能终端的适老化、无障碍改造，适当保留传统线下服务渠道，不断筑牢特殊困难群体兜底保障。同时，推动优质数字公共资源向基层、乡村及欠发达地区倾斜，破除因地域、年龄、文化教育程度等造成的数字壁垒，让智能化发展成果覆盖全体人民，凸显智能社会的公平底色。 

锚定民生问题痛点，实现精准智能赋能。立足教育、医疗、养老、就业、社保等基础性民生领域，避免“为智能而智能”的形式化建设，以人民群众真实需求为导向重构服务供给模式。依托大数据与智能算法，搭建需求识别、资源匹配、精准推送的闭环服务体系，推动公共服务从被动响应的供给导向，转向主动适配的需求导向，以数字化改革破解民生供需错配难题，提升智能治理的精细化与人性化水平。

健全数字治理规制，有效增进民生福祉。针对算法失范、数据侵权、治理低效等突出问题，构建伦理约束、制度规范、监管兜底的“三位一体”现代化数字治理体系。明确数据采集、算法运行、信息应用的民生边界，常态化整治算法歧视、数据垄断、隐私泄露等技术失范行为，从制度层面规避技术异化风险。同时，优化基层智能治理模式，打造“数字赋能提效+人文治理暖心”的融合发展范式，以数字化建设释放治理动能，以人性化服务补齐技术短板，坚决纠治“唯数据、唯指标”的形式主义，促进智能治理效率与公平的有机统一。

科技向上向善体现数字文明的内在要求，为民赋能彰显智能社会建设的根本旨归。只有以民生温度规约技术理性、以普惠包容引领智能创新、以人文底色完善治理体系，才能建设好兼具科技高度、治理效度与人文温度的现代智能社会。

（作者系甘肃省社会科学院公共政策研究所所长、研究员）

破立并举走好﹃人工智能+﹄创新之路

◇高晓焘

当前，全球人工智能技术创新日新月异，促进人工智能技术在制度规范下健康有序发展，已成为世界各国面临的共同课题。“人工智能+”引发的经济社会发展的深刻变革，并非技术要素的简单叠加，而是对既有发展模式的系统性重构，是一场涉及技术、制度与社会伦理的系统性变革。《中华人民共和国国民经济和社会发展第十五个五年规划纲要》在围绕“人工智能+”进行科技布局、学科布局、产业布局的同时，明确了营造健康有序的人工智能发展生态的目标任务。面对“人工智能+”带来的结构性调整，唯有处理好破与立的辩证关系，才能让创新活力充分涌流而不失序，让制度规范精准有效而不僵化，为“人工智能+”发展壮大注入可持续动能。

“破”是释放“人工智能+”创新活力的源泉，核心在于坚持合作共赢、驱动创新发展，打破技术桎梏、行业壁垒与思维惯性。随着“人工智能+”对经济社会发展的影响不断深入，尤其是对能源、生物等诸多前沿领域的影响，为深层次的“破”提出了更高要求。在打破技术桎梏层面，“破”体现为要超越传统生产力的边界，通过“数据+算法”优化生产要素组合方式，重塑生产力发展底层逻辑，实现经济发展从要素驱动向创新驱动的根本性转变，使人工智能成为推动培育和发展新质生产力的重要引擎。在打破行业壁垒层面，“破”体现为要消解传统行业长期存在的数据流动壁垒，通过“人工智能+产业需求”的发展模式推动千行百业的数智化转型，赋能发展智能制造、绿色制造、服务型制造，加快产业模式和企业组织形态变革，催生新的行业生态，为技术创新提供更多空间。在打破思维惯性层面，“破”则体现为要重新审视技术与社会的关系，既摒弃“技术决定论”的线性认知与“技术恐慌论”的保守心态，承认人工智能的时代价值，又正视其可能带来的一系列风险与挑战，构建与人工智能技术进步相适应的动态认知模式，实现技术进步与社会发展的同频共振。这些思维突破是促进“人工智能+”有序发展的重要前提。

“立”是确保“人工智能+”安全可靠的基石，关键在于秉持以人为本、向上向善理念，推动技术发展立足当下实际需求，同时预留持续革新调整的空间。深入实施“人工智能+”行动，需要从数据采集到运行监测全程实现可追溯、可问责，通过制度和机制建设防止算法歧视，将“公平性、可解释性”等抽象原则转化为可操作的评估指标，使“科技向善”从抽象的道德倡导变为实践理性的具象化表达，确保技术进步与社会公平正义的内在价值统一，真正实现发展成果由人民共享。面向未来，使人工智能成为人类的可信工具，确保人工智能安全、可靠、可控，需要构建包括法律法规、技术监测、风险预警、应急响应等在内的全链条式治理体系。在制度层面，需要加快人工智能专项立法，建立健全数据要素基础制度，完善监督管理机制，既保留“先行先试”的创新空间，又明确风险防控的刚性底线；在技术层面，将算法透明度、数据隐私保护等要求嵌入技术研发环节，要求行业规范能够随技术演进及时调整，确保各类风险安全可控；在治理层面，建立政府、企业、社会公众等多元主体协同共治机制，形成数智治理合力。拓展国际合作，积极提出适应人工智能领域国际规则的中国方案，真正让人工智能技术惠及全球。

“人工智能+”的“破”，绝非毫无原则和边界的破坏，而要守住公平正义的伦理底线与安全底线。“人工智能+”的“立”，要体现动态适配性，避免数据安全、算法公平、社会责任成为创新的枷锁。在“人工智能+”领域的改革创新中，没有“破”的勇气，“立”就会成为僵化的教条；缺乏“立”的支撑，“破”就容易沦为无序的冲撞。人工智能的浪潮奔涌向前，“破”的锐气与“立”的智慧缺一不可。在中国式现代化的伟大实践中，我国在人工智能领域正努力走出一条创新与规范并重的发展道路。这条道路上，每一次技术突破都需要有制度护航，每一项规则建立都应为创新赋能。唯有如此，才能使“人工智能+”真正成为高质量发展的引擎，使中国在全球数字竞争中既保持创新活力，又彰显治理担当。

（作者系内蒙古自治区社会科学院中共党史党建学研究中心副主任、研究员）

打造智能经济新形态
应加快范式转换

◇欧阳日辉

近年来，以人工智能为核心牵引、以数智空间与物理空间深度融合为典型特征的经济形态加速形成。从2017年国务院印发《新一代人工智能发展规划》，到2025年深入实施“人工智能+”行动，将“智能经济”写入政策文件，再到2026年政府工作报告首次提出“打造智能经济新形态”，我国精准把握新一轮科技革命和产业变革趋势，培育新质生产力、拓展经济增长新空间、塑造经济社会发展新优势。打造智能经济新形态，对于推动我国经济高质量发展具有重要意义。

从技术—经济范式的视角来看，绝大多数重大技术变革都会经历从“技术导入”到“经济重塑”的演进过程。智能经济继承了数字经济的基础设施和数据资源，但通过引入“智能”这一新的变量，改变了经济活动的组织方式和价值创造逻辑。这既关乎科学技术的演进，也关乎发展范式的跃迁。智能经济以数据为关键生产要素，以人工智能技术为核心驱动力，通过构建能够自主感知、学习、决策与执行的智能体网络平台，实现资源配置全局动态优化、生产组织方式深刻变革、经济增长动力根本转换。

智能经济新形态的“新”具体体现为：“算力+电力”时空协同的新型基础设施，高质量、高价值密度的行业数据集成为新的生产要素，智能原生企业创造前所未有的新产业组织，智能系统打造价值创造新机制。人机协同、跨界融合、共创分享的智能经济新形态，将重新定义生产函数、交易方式、消费模式、分配机制。

打造智能经济新形态是加快培育发展新质生产力的重要举措。一方面，智能经济推动现代产业体系智能化、绿色化、融合化。制造业向更具感知能力和决策能力的智能化转型，智能终端从单一工具进化为“智能伙伴”，不仅提升了生产效率和产品质量，更重要的是赋予了制造系统应对复杂场景、实现柔性生产的能力。另一方面，智能经济的发展，归根结底要增进人类福祉，在医疗、教育、养老等关系人民群众切身利益的重点领域不断拓展应用场景，让技术真正服务于人民美好生活需要。

当前，我国为智能经济的系统构建奠定了坚实基础。从基础设施看，“东数西算”工程已使算力成本大幅下降，算电协同、卫星互联网等新基建加速布局，智能算力规模达1590EFLOPS。从技术能力看，凭借在技术创新、落地应用、生态搭建等多个维度的突破，国产大模型已进入全球第一梯队，中国是全球大模型技术迭代速度最快的国家之一，中国研发的开源人工智能模型全球下载量位居全球第一。从数据要素看，行业高质量数据集建设全面铺开，数据从“能用”向“好用”转变。2026年初，国家数据局组织72家链主单位签署工作任务书，推动行业高质量数据集建设。从产业规模看，2025年我国人工智能核心产业规模突破1.2万亿元，人工智能企业超过6200家。更重要的是，我国拥有全球最完整的工业体系和最大规模的互联网用户市场，为人工智能提供了海量应用场景和丰富数据资源。可以说，打造智能经济新形态，既有技术准备，也有产业基础，更有市场条件。

从全球视角来看，我国打造智能经济新形态仍面临着一些短板。其一，基础算法与原创架构仍有差距，在Transformer架构之后，下一代基础性算法原创性贡献尚未充分显现。其二，高端算力供给存在“卡脖子”风险，先进制程、高带宽存储、先进封装等环节在一定程度上仍受制于人，可能影响超大规模智算集群的建设和运营成本。其三，高质量数据集的价值释放不足，行业高质量数据集的开放共享机制尚不健全，数据产权、收益分配等制度安排亟待健全。其四，智能经济治理体系滞后于技术创新，生成式AI带来了内容安全、算法歧视、隐私保护、就业冲击等问题，我国在风险分级治理、责任认定、监管沙盒等方面仍需加强。这些短板需要人们在战略层面加以正视，并以制度创新和技术攻关双轮驱动加以突破。因此，打造智能经济新形态，应从以下四个方面统筹谋划、协同推进。

夯实算电协同的基础设施底座。加快构建“算电协同”发展格局，优化算力设施与电力设施的布局匹配，推动算力中心向可再生能源富集地区集聚，实现算力发展与绿色能源利用的协同共进。同时，加快推进卫星互联网建设，构建天地一体化的通信网络，为智能经济提供覆盖全域、连接万物的网络支撑。

突破关键算法与“卡脖子”技术。在基础研究层面，加大对新型神经网络架构、类脑计算、符号推理与深度学习融合等方向的投入，支持“从0到1”的原创突破。支持开源开放生态建设，降低中小企业应用大模型的门槛。针对高端算力瓶颈，应坚持长期和短期相结合。短期内可优化算法效率，减少对先进制程的依赖；长期则需持续推进芯片设计、先进封装、新型存储等自主攻关。

以场景创新牵引应用落地。场景是智能经济的“试验场”，要摒弃“拿着锤子找钉子”的技术驱动思维，坚持“从场景中来到场景中去”的需求导向。推动具身智能在制造领域的深度应用，支持工业机器人、人形机器人等具身智能产品的研发应用，推动生产流程全链条智能优化。鼓励龙头企业建设智能工厂，带动产业链上下游协同转型，打造大中小企业融通发展的智能经济生态。

构建开放包容的数智治理体系。鼓励智能原生新业态的探索，对初创企业给予包容审慎的监管环境，让市场验证创新价值。建立基于应用场景的分级分类监管框架，对高风险应用如社会信用评分、大规模生物识别监控等从严监管，对低风险应用如智能推荐、内容生成等采取备案制或自律管理。建立健全产业沙盒和监管沙盒机制，允许创新企业在受控环境中测试新模式。

（作者系中央财经大学中国互联网经济研究院副院长、教授）