立足智能浪潮 深耕现代治理

2026年《政府工作报告》首次提出“打造智能经济新形态”，标志着人工智能（AI）在国家战略层面被正式赋予重塑经济运行方式的新定位。当数字智能从辅助工具演变为驱动经济转型的内生力量，其对经济体系与产业生态的影响便不再是提高局部效率，而是涉及生产要素及其配置方式、产业组织形态、价值创造模式以及治理体系格局的系统性重构。在AI快速迭代的推动下，这种重构加速演进，产业体系调整与政策制度适配的时间窗口极为有限。数据、算力和算法取代传统生产要素组合，构成新型要素体系；智能体驱动的生产组织突破企业边界，重塑分工格局；价值创造从线性产业链转向网状协同网络；开放共生的产业生态正在取代封闭垂直的传统产业结构。深入辨析这一系统性重构的深层逻辑，已成为新发展格局下兼具理论紧迫性与实践必要性的重要命题。

生产要素体系的智能化重构

数据的要素化跃升。数据作为新型核心生产要素的确立，蕴含着对传统经济学基本假设的突破。土地、劳动、资本等传统生产要素均具有竞争性与排他性——被占用则他人无法使用，被投入则不能再用于别处。数据则截然不同：一旦产生，可被无限次使用而不损耗价值，多主体可同时使用而互不干扰。这一非竞争性特征直接导致边际报酬递增效应——数据驱动的智能系统具备自学习能力，数据使用越频繁、积累越丰富，系统性能与产出价值就越高。数据要素通过放大、叠加、倍增作用提高其他要素的全要素生产率，使经济运行的底层逻辑从“稀缺性约束”转向“丰裕性可能”。

数据在智能经济中的角色远非“记录过去的痕迹”，已成为算法训练的原料、智能决策的依据和价值创造的来源。从“数据要素×”三年行动计划的提出，到国家数据局成立后系列制度的落地，再到《关于完善数据流通安全治理 更好促进数据要素市场化价值化的实施方案》的出台，数据要素的制度框架正在加速成型。数据的角色正在从“记录过去”走向“驱动未来”——每一次数据的使用都是价值的再创造，而非价值的消耗。这种从“存量记录”到“流量创造”的转变，意味着数据要素的价值实现方式发生了根本性变化。

算力与算法的协同驱动。如果说数据是智能经济的原料，算力与算法则是加工原料的生产工具与生产方法。国家“十五五”规划纲要已将算力设施建设纳入国家整体布局，提出“统筹推进算力设施建设、模型算法发展和高质量数据资源供给，筑牢数智化发展底座”。2026年《政府工作报告》进一步提出“实施超大规模智算集群、算电协同等新基建工程”。截至2026年3月底，我国智能算力总规模达1882EFLOPS（FP16）。目前，我国已初步构建以国家枢纽为核心、重点区域为承接、城市边缘为支撑的多层次算力设施体系和全国一体化算力网。算力的革命性意义不仅在于提高计算的速度，更在于改变了“什么可以被计算”的边界——以往因计算量过大只能依赖经验判断的领域，如今可通过大规模计算实现精准预测与优化。

算法的意义则更为根本。传统经济学中的生产函数是既定的——土地、劳动、资本等要素按照固定技术关系组合产出，而算法则是一种“活的生产函数”，能自动优化要素配置、发现新的生产路径，甚至提供新的产品和服务。机器学习从数据中提炼知识、从经验中改进性能，算法具备了持续学习、自我优化的能力。数据、算力、算法三者共同构成智能经济的核心生产要素——数据是基础资源，算力是支撑平台，算法是驱动引擎。三者有机融合，推动生产力从“人驱动机器”向“机器辅助人、自主迭代”跃升。三者之间的辩证关系在于：数据量的扩张提升了算力的利用效率，算力的提升拓展了算法的优化空间，算法的突破又开辟了数据价值挖掘的新维度，由此形成正向循环的要素协同效应。

认知能力的要素化配置。如果说工业经济的本质是机械动力的规模化配置，数字经济的本质是信息能力的规模化配置，那么智能经济更深层的特征则在于认知能力的规模化配置。马克思在《政治经济学批判大纲》的“机器论片段”中提出“一般智力”的概念——科学知识、技术能力等社会性智力在资本主义生产方式中被物化为固定资本，成为直接生产力。智能经济正是这一预言的当代实现：识别、理解、生成、判断、调度、协同等原本只能由人类完成的认知活动，开始通过模型、知识系统、智能体和平台服务被外显化、结构化和系统化。认知能力从人类专属禀赋转变为可规模化生产、流通和消费的生产力要素。

这一转变带来的关键变化是经济活动中的成本结构正在被改写。市场运行和组织运转中长期存在一类重要却常被忽视的成本——信息获取、搜索发现、供需匹配、判断决策所需的高强度认知投入。这些活动过去只能依靠人来完成，昂贵、分散、不可复制。如今，模型、知识系统、智能体正越来越多地承接这类活动。智能经济真正压低的，远不止一般性交易成本，而是认知型交易成本和认知型组织成本。从更深层次来看，认知能力的要素化配置使得经济系统的决策结构从“中心化理性”走向“分布式智能”——决策不再集中于少数管理层，而是分散于无数智能节点之中，这一变化具有深远的经济学意义。

支撑这一变化的深层标志是词元（Token）正从大模型处理信息的基本技术单元加速演变为衡量和交换认知能力的基本尺度。截至2026年3月，我国日均词元调用量已突破140万亿次，两年间增长超千倍。每一次调用模型完成识别、理解、生成或决策，背后都是词元的消耗与产出。词元使认知能力从边界模糊的技术形态转变为可计量、可定价、可交易的新型生产要素，使得认知能力的生产、流通和消费成为可能，标志着智能经济在生产要素层面的革命性变化——认知能力不再是附着于人的不可转让的禀赋，而成为可在市场中高效配置的生产要素。

产业组织的网络化变革

生产组织方式的智能化重塑。AI对生产组织方式的重塑，首先源于生产主体的根本性变化。AI正在从被动执行指令的工具，发展成为能够自主感知、自主决策和自动执行的智能体。从马克思主义政治经济学的视角看，生产工具由传统的机械化、自动化装备跃升为具备强大自主学习与推理能力的大模型智能体，劳动资料的性质发生了质变。生产过程的优化不再依赖人的经验判断，而是基于实时数据流的动态调优——这一转变的实质是决策权的重新配置。具身智能机器人已能够在汽车压铸、电池生产、装配等高精度场景中自主完成此前由人工完成的复杂任务，人机协同已从概念走向现实。智能制造、柔性生产正成为主流，工业互联网平台能够实现全流程智能化。

由此，传统工业组织的底层逻辑正在被改写。泰勒制奠定的“管理层制定标准、工人执行标准”的分工结构正在松动。当智能体能够自主完成感知、决策、执行的全链条工作时，它不仅替代体力劳动，更开始分担复杂的脑力任务。在行动者网络理论视角下，智能体已成为网络中的“行动者”节点，与其他节点实时交互、协同决策。科层制信息壁垒被打破——过去信息需逐级上报、指令需逐级下达，现在智能体可直接获取数据、自主做出局部决策、实时调整执行方案。组织不再依赖少数管理者的理性判断，而依赖网络中所有节点的分布式智能。AI的应用正在从单设备控制走向全链路协同决策，生产组织正从垂直科层结构走向扁平化、网络化的协同网络。

产业边界的消融与重组。数字化、网络化解决的是产业内部的连接与效率问题，智能经济带来的则是一场“生态级”的产业重构。从罗纳德·科斯关于企业性质的理论来看，企业存在的原因是市场交易存在成本，企业的边界由内部组织成本与外部交易成本的比较决定。在智能经济中，AI大幅降低了跨企业协同的搜索成本、缔约成本和监督成本。当跨企业协同成本低于企业内部管理成本时，产业便不再以垂直一体化为最优解，而走向跨界融合与网络化协作。

这种协作的典型形态是“虚拟集群”。与传统产业集群依赖地理邻近性不同，虚拟集群以数字平台和AI基础设施为纽带，将分散在不同地域、不同行业的主体连接为功能互补、实时协同的生产网络。数据是核心连接介质，算法是协调机制，智能体是执行节点。企业之间边界不再泾渭分明——生产、研发、服务可在不同主体间无缝流转。智能汽车的生产可能涉及：算法公司提供决策系统、芯片企业提供算力底座、运营商提供数据通道、传统整车厂提供制造能力——它们分属不同行业，却围绕同一价值目标协同运转。“人工智能+制造”正成为不同领域创新主体协同攻关的示范场景，从AI手机到AI眼镜，从智能汽车到智慧医疗，不同行业以AI为纽带加速跨界融合，技术供给与场景需求在深度互动中催生新业态。

新型组织形态的涌现。智能体正从“对话助手”跃迁为“任务管家”，可自主理解并执行复杂任务。在企业生产运营各环节，智能体的嵌入正在重塑组织运行方式：智能排产环节实时分析多维数据，自动生成最优计划；质检环节通过机器视觉实现毫秒级缺陷识别；在供应链管理中持续监测上下游动态、提前预警中断风险。AI智能体正以自主决策、实时协作和多任务编排的能力，成为嵌入企业核心流程的新型组织单元。

当智能体能够自主完成原本需要多个岗位协同才能实现的复杂任务时，传统科层制组织架构正在被打破。生产指令不再需要从管理层逐级传达，智能体可直接接收目标、自主调用资源完成执行，中间层级的协调职能正被算法替代。这一变革的深层意义在于个体被空前赋能。大模型降低了专业知识的获取门槛，智能体降低了复杂任务的执行成本，个体可以绕过组织直接调用过去只有大型机构才能支配的知识和能力。独立开发者借助AI工具即可完成编码、设计、测试、部署全流程；内容创作者借助AI即可完成文案、图像、视频的全链条生产。“一人公司”“超级个体”等新型组织形态开始涌现——组织的概念正从“人的集合”演变为“能力的集成”。组织的边界正从制度性边界转向功能性边界，其本质是对能力的编排与调度，而非对人的管理与控制。

价值链的协同化升级

价值创造主体的多元拓展。智能经济对经济体系的深层重塑，最终体现在价值创造方式的质变上。数字经济解决的是信息不对称问题，智能经济依托的则是价值共创能力。在传统价值链中，价值由企业创造、消费者购买，消费者处于价值链末端，是价值的被动接受者。在智能经济中，用户的数据和行为反馈本身就是价值创造的输入——每一次使用都在训练模型，每一次反馈都在优化服务。智能经济超越了传统意义上的效率改进，驱动经济系统从“信息驱动”向“共创能力驱动”质变。价值创造不再局限于企业内部或线性供应链上下游之间，而是在多元主体、动态组合的协作网络中实时完成。

清华大学互联网产业研究院将产业互联网的演进划分为三个阶段：数字化工具普及期，通过企业资源计划（ERP）、生产执行系统（MES）等系统实现业务流程在线化；跨主体协同期，依托产业平台打通供应链数据壁垒；当前正在迈入价值原生期，契合产业互联网从效率革命走向价值创造的深层趋势。AI不再是附着于现有流程的辅助工具，而是重构产业研发、生产、运营全链条的核心基础设施。当AI与产业场景的科学原理、价值逻辑深度耦合，产业互联网便从“可选优化配置”升级为“企业生存必需模式”。

价值创造范围在向更广阔的价值网络扩展。智能技术加速向新能源汽车、量子信息、低空经济等新赛道渗透，推动经济系统从行业分割、线性关联的价值链，走向跨界共创、网状协同的价值网。智能经济价值创造主体的参与范围、覆盖领域、利益分配均发生改变，每一个使用者都是价值的共同创造者，数据即生产，使用即创造。这种“产消融合”的新格局意味着生产与消费的传统二分法正在被超越，价值创造的主体边界日益模糊。

价值创造机制的服务化转型。AI已从大模型能力竞争迈向智能体规模应用阶段。2026年《政府工作报告》明确提出“促进新一代智能终端和智能体加快推广”。行业讨论的重点已从智能体的智慧转向其价值创造能力，从模型参数规模转向投入之后能否转化为生产力。

智能体正在深刻改变商业模式的底层逻辑。传统商业模式以产品交易为终点，卖出产品即完成价值实现。当产品在交付后仍能持续学习和进化时，交易便不再是价值的终点，而是价值创造的起点。商业模式必然从交易导向转向持续服务，智能体与用户之间形成长期互动关系，价值在持续服务中不断生成和累积。Gartner预测，到2028年，至少15%的日常工作决策将通过AI智能体自主完成，约33%的企业软件将集成AI智能体功能。

“智能原生”新业态的涌现是这一重构逻辑的集中体现。生成式AI、数字人、空间计算等原生新业态，从诞生之初就以智能技术为内核构建价值创造方式。智能经济并非简单叠加在传统产业上的新增业态，而是将智能能力深度嵌入农业、工业、服务业的每一个环节，打破产业边界与流程壁垒，催生出大量智能原生新业态新模式。这些新业态的根本特征在于，其价值主张、运营逻辑和竞争壁垒都以智能能力为核心构建，而非在传统业态基础上附加智能功能。

价值创造链条的协同化贯通。AI正在成为类似蒸汽机、电力、计算机的通用目的技术。其对全要素生产率的拉动不是线性的，而是通过赋能全链条产生乘数效应——每一个环节的效率提升都会放大其他环节的产出。《“人工智能+制造”专项行动实施意见》提出，到2027年，“推动3-5个通用大模型在制造业深度应用”“打造100个工业领域高质量数据集，推广500个典型应用场景”。目前，AI已渗透领航级智能工厂70%以上的业务场景，沉淀了超6000个垂直领域模型，带动1700多项关键智能制造装备与工业软件规模化应用，形成一批具备感知、决策和执行能力的工业智能体，推动智能制造从“自动化”向“自主化”演进。从政策引导到产业实践，“人工智能+制造”正在打通从研发设计到生产制造再到增值服务的全链条价值协同，从“单点工具”到深度嵌入“全环节数字底座”。

场景成为大国科技博弈的战略新高地，场景驱动成为价值协同的关键机制。场景需求不再是技术落地的被动接受者，而成为驱动技术迭代与产业升级的双螺旋引擎。前端研发、生产、供应需求倒逼AI从通用能力向专业工具进化；后端销售、服务反馈又推动AI从效率工具向决策大脑升级。从技术性能比拼到产业生态与治理规则的全方位博弈，竞争重心正在发生转移。场景驱动的本质是以真实需求牵引技术迭代，以技术突破回应场景痛点，由此形成供需双向赋能的良性循环。

产业生态与治理体系现代化的适配

开源生态与多元主体协同创新。开源不仅是技术扩散的渠道，更已成为产业标准形成和生态主导权竞争的核心场域，是智能经济时代技术扩散与产业生态构建的关键机制。从经济学角度看，开源本质上是一种新型的知识产权配置——通过“使用权”的充分开放换取“改进权”的广泛参与，很大程度上打破传统知识产权制度的两难困境，在保护创新者声誉和影响力的同时，加速知识积累和技术迭代，实现最大化扩散。中国已成为全球开源模型供给最活跃的地区之一。

创新三螺旋理论表明，政府、高校、企业三类关键创新主体通过资源共享与协同产生螺旋上升的创新溢出效应。在智能经济中，这一结构因AI平台的存在变得更加扁平。2025年8月，《国务院关于深入实施“人工智能+”行动的意见》首次提出“智能原生企业”概念。2026年6月，工业和信息化部等七部门印发《促进平台经济大中小企业协同发展行动方案（2026—2028年）》，围绕强化创新协同引领、健全生态协同体系、深化开放协同联动部署重点任务。创新主体之间的物理距离和制度距离被AI大幅压缩，协同创新正从“制度设计”走向“自然发生”。

制度供给的范式转换。智能经济的健康发展，既需要技术创新的加速度，也需要制度供给的适配度。治理理念正从“管理”走向“治理”。从学理层面，治理不仅是限制，更是促进；不仅是设置防火墙，更要为发展清障、铺路、赋能。AI已不再是简单的技术工具，而是具有自主学习、自主行动能力的“类主体”系统性存在。新的技术经济范式必然呼唤新的治理范式——从“事后追责”转向“全程嵌入”，从“单向管控”走向“多元共治”。

监管逻辑的转变在制度层面已有重要进展。2026年3月20日，工业和信息化部等十部门联合印发《人工智能科技伦理审查与服务办法（试行）》（以下简称《办法》），标志着伦理治理从原则倡导向制度化、程序化、全链条的关键跨越。《办法》构建起“预防、服务、监管”三位一体的善治体系，突破传统治理中“重监管、轻服务”的固有思路，明确将伦理治理定位为产业发展的助推器。2026年5月，全国网络安全标准化技术委员会发布《人工智能应用伦理安全指引1.0》，系统划定人工智能应用伦理安全边界，提出九大伦理安全原则，明确要求事先评估并防范人工智能应用可能引发的就业替代或失业风险。基于“敏捷治理”与“分级分类”理念，中国正在建立覆盖人工智能全生命周期的治理框架，为人工智能科技创新与安全发展提供更为明确的制度保障。制度供给的范式转换，本质上是将治理从技术的外部约束内化为技术发展的有机组成部分。

全球治理视域下的角色转变。在国际治理层面，2023年，中国率先发布《全球人工智能治理倡议》，确立智能向善、安全可控、普惠公平的治理导向；2025年，中国政府倡议成立世界人工智能合作组织，提出《人工智能全球治理行动计划》和《“人工智能+”国际合作倡议。从“跟跑”到“领跑”，中国在全球治理中正从规则遵循者转变为生态组织者。治理的终极目标不是管住技术，而是释放技术的正向价值——让创新服务于人，而非让人服务于创新，让发展成果惠及全社会。在全球人工智能治理规则尚未定型的窗口期，中国的角色转变具有重要的制度性意义，不仅关乎技术话语权的提升，更关乎构建更加包容、公正的国际治理新秩序。

智能经济对经济体系与产业生态的系统性重构，正从理论设想加速转化为现实图景。从生产要素的智能化重组，到产业组织的网络化变革，从价值链的协同化升级，到产业生态与治理体系的现代化适配，这种重构不是局部修补，而是系统再造。贯穿这一系统再造的主线在于：智能技术正在重新定义经济活动的核心变量——生产要素从“物质形态”向“认知形态”扩展，生产组织从“科层结构”向“网络结构”演化，价值创造从“线性流程”向“协同生态”跃迁，治理逻辑从“事后管控”向“全程嵌入”转变。

全球人工智能竞争日趋激烈，留给我国布局智能经济新赛道的时间窗口有限。唯有向新求变、向智提质、向远布局，在技术创新与制度创新两个层面同步发力，才能将智能技术的先发优势转化为产业体系的竞争优势，推动智能经济从“点上开花”走向“面上结果”，真正成为人人可感、各行业可享的新经济形态，为高质量发展注入持久强劲的新动能。

（对外经济贸易大学北京对外开放研究院研究员、国际经济贸易学院教授 华迎；本文第二作者为对外经济贸易大学国际经济贸易学院 郭可欣）

编辑：马明 吕霁雯