本文根据作者在2026年7月18日第三届中国发展战略学大会上的主题报告编辑整理而成，拟刊载于《中国科学院院刊》2026年第8期“科学观察”

王一鸣

1 国务院发展研究中心2 中国国际经济交流中心

智能经济是人工智能驱动的新经济形态，也是新的技术-经济范式革命，推动生产要素、生产函数、生产模式实现质的跃升。智能经济通过数据驱动、人机协同、跨界融合、共创分享等维度赋能高质量发展。面对智能经济在技术、要素、产业、生态、治理等方面带来的变革，要从科技创新、要素配置、产业转型、生态建设和社会适配等方面系统施策，培育发展智能经济新形态，为高质量发展注入强劲动能。

习近平总书记早在2018年10月主持中央政治局第九次集体学习时就提出，“要培育具有重大引领带动作用的人工智能企业和产业，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态”。2025年8月，《国务院关于深入实施“人工智能+”行动的意见》强调，加快构建智能经济与智能社会新形态。2026年国务院政府工作报告就“打造智能经济新形态”作出部署。2026年7月30日中共中央政治局召开会议，在分析研究当前经济形势和经济工作时进一步指出，深入实施“人工智能+”行动，发展智能经济新形态。当前，以人工智能为核心的新科技革命和产业变革加速突破，推动经济形态加快从数字经济向智能经济演进。面对智能经济在技术、要素、产业、生态、治理等方面带来的变革，要从科技创新、要素配置、产业转型、生态建设和治理体系等方面系统施策，培育发展智能经济新形态，为高质量发展注入强劲动能。

1

智能经济是人工智能驱动的新经济形态

科学认识智能经济

智能经济是以人工智能为核心驱动力，以数据为关键要素、以算力为基础设施、以算法为核心引擎，以数据驱动、人机协同、跨界融合、共创分享为主要特征的新型经济形态。

1

智能经济以人工智能为核心驱动力

当前，人工智能多路线并进、加速迭代，正从专用智能向通用智能、通专融合迈进，智能体成为新的重要方向，具身智能有望成为打通物理实体人工智能的突破口。人工智能前沿技术群体性突破和向经济社会领域的广泛渗透，通过“人—机—物”全域智联和泛在协同，深刻重构生产要素、生产函数、生产模式，催生智能经济新形态。

2

智能经济以数据为关键要素、以算力为基础设施、以算法为核心引擎

数据是形成智能经济的认知入口，经济活动只有被转化为可识别、可计算、可调用的数据对象，才能进入算法分析和智能决策过程。高质量数据集成为智能经济时代的关键要素。算力作为智能经济的基础设施，为复杂的计算任务提供基础支撑。算法作为智能经济的核心技术，是将数据转化为智能能力的载体。三者的有机结合和相互协同，构成了智能经济运行的底层架构和基础支撑。

3

智能经济是以数据驱动、人机协同、跨界融合、共创分享为主要特征的新型经济形态

智能经济赋予劳动者、劳动资料、劳动对象新的内涵，实现劳动者、劳动资料、劳动对象及其优化组合的跃升。智能经济时代，需要加快培育拥有专业知识、掌握先进技术、能够快速学习的新型劳动者，智力型、技能型劳动者成为劳动者队伍的主体。劳动资料（生产工具）不再局限于传统工具，而是扩展到具有自主感知和自主决策能力的智能体、智能终端等智能工具。智能经济拓展了劳动对象边界，数据、模型成为新的劳动对象。智能经济通过数据驱动、人机协同、跨界融合、共建分享，重塑劳动者、劳动资料、劳动对象结合方式，对生产、分配、交换、消费全过程进行系统性重构。

理解智能经济，需要把握智能经济与数字经济的区别。智能经济发轫于数字经济，但与数字经济有着本质区别。数字经济以“数字技术”为核心驱动力，主要解决物理世界数字化的问题；而智能经济以“智能技术”为核心驱动力，解决的是对数字世界的自主感知、自主决策和价值创造问题。从这个意义上讲，智能化不同于数字化：数字化解决的是万物互联和流程效率问题，而智能化是在万物智联基础上，解决复杂生产活动的智能决策与价值创造问题。

智能经济是新的技术-经济范式革命

从根本上说，智能经济是新的技术-经济范式革命，实现了生产要素、生产函数、生产模式的质的跃升。

1

生产要素变革

在农业经济中，核心要素是土地与劳动力；工业经济转向资本与工业技术；数字经济是数据和数字技术；而智能经济的核心要素转为高质量数据集、算力、算法和智能体等。智能体成为将数据转化为智能能力的核心载体。不同于传统意义上的生产工具，智能体是具备自主感知、决策与执行能力的智能工具。

2

生产函数重塑

智能经济的生产函数不再是资本、技术与劳动力的简单组合，而是引入了高质量数据集、算力、算法、智能体等新要素。数据是智能经济的关键要素。2025年，中国年度数据生产总量达52.28泽字节，约占全球总量的27.44%。高质量数据集数量超过11万个，规模超908拍字节。算力作为支撑智能经济的基础设施，截至2025年，全国智能算力规模达159万PFLOPS（每秒浮点运算次数），通用算力向智能算力的代际更替加速，为智能经济发展提供了物质基础。算法是驱动数据与算力协同创造价值的核心枢纽，是从数字化迈向智能化的关键环节。智能体以大模型为基础，是具有自主感知、决策与执行能力的智能系统，是人工智能从内容生成走向实际生产应用的重要形态。高质量数据集、算力、算法、智能体等的引入，大幅提升生产效率，重塑生产函数。

3

生产模式重构

在智能经济时代，数据、算力、算法通过深度耦合与协同互动，形成驱动智能经济运行闭环——数据使经济活动可感知，算力使复杂信息可处理，算法使经济决策可优化。智能闭环嵌入经济活动实现从技术能力向价值创造能力的转换。智能体使人工智能从被动工具演变为具备自主感知和自主决策能力的“数字同事”，人不再是每个环节的操作者，而是目标设定者、过程监督者与结果考核者，人与机器的关系从“主从”走向“协同”，推动生产模式的深刻变革。

智能经济赋能中国经济高质量发展。中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，迫切需要智能经济加力赋能。2025年中国人工智能核心产业规模已突破1.2万亿元，同比增长超过30%，预计到2030年相关产业将形成10万亿元级的庞大市场。中国依托超大规模市场和完备产业体系优势，推动人工智能大模型、工业互联网和智能体从技术赋能向重构发展模式、优化经济结构、转换增长动能转变，为经济高质量发展注入强劲动能。

2

智能经济赋能高质量发展的机理和路径

智能经济主要通过数据驱动、人机协同、跨界融合、共创分享等路径，从动力系统、生产模式、经济结构、价值创造等多维度赋能高质量发展，推动高质量发展取得实质性突破。

数据驱动：推动发展动力转换

1

高质量数据集成为关键要素

高质量数据集决定了智能体的智力上限，算力为系统的高效运行提供强大支撑，算法通过对数据的处理和分析挖掘实现价值创造。数据、算力、算法的有机结合和相互协同，构成智能闭环。高质量数据集是形成智能经济的起点，也直接关系到智能经济的发展水平。

2

智能体成为重要驱动力

智能体具有感知环境、理解指令、规划任务、调用工具和完成复杂任务的功能，而且智能体可以接近零的边际成本复制，并具有自我进化和报酬递增特征，推动特定领域的生产力呈现指数级增长特征。

3

全要素生产率大幅提升

智能经济带来的生产要素变革，使经济增长从根本上摆脱对传统生产要素的依赖，智能系统高效替代可编码、高重复性的体力劳动与认知任务，有效降低生产成本和提升经济运行的稳定性，推动以全要素生产率大幅提升，经济发展模式转向创新驱动的新阶段。

人机协同：推动生产模式重构

1

从“标准化”到大规模“个性化定制”

传统制造业具有集中式、标准化和规模化特征，而智能制造推动工业生产向分布式、非标化、定制化方向发展，进而实现大规模个性化定制。智能体还可以实现同一系统同时服务海量差异化需求，实现规模经济与范围经济的统一。

2

从“生产导向”转向“用户导向”

工业化时代的生产逻辑是先预测需求再组织生产；智能时代的生产逻辑是实时感知需求并动态响应需求。人机协同智能制造模式，实现生产流程柔性化与自适应调整，依托智能体实时响应需求，为用户提供定制化、差异化的产品和服务。

3

智能原生企业成为重要企业形态

智能原生企业以人工智能为技术底座与核心动力，用智能原生思维替代智能工具化认知，将智能技术深度嵌入战略规划、组织架构、业务流程全环节。智能原生企业以模型、数据、算法为核心资产，其组织架构高度扁平化。“一人公司”（OPC）借助智能体可以完成过去整个团队的工作，成为智能经济下的重要企业形态。

跨界融合：推动经济转型升级

1

推动产业深度融合

智能经济通过数据跨界流动与算法全域赋能，打破长期固化的产业边界，推动产业深度融合，使竞争范式从单一企业竞争升级为产业生态竞争，产业组织逐步转向“链主+生态”的现代组织模式。

2

重塑经济运行形态

智能经济大幅提升经济智能化水平，模型即服务（MaaS）、智能体即服务（AaaS）成为重要经济形态；客户不再为工具付费，而是为成果付费。智能经济推动人工智能与产业深度融合，催生智能体员工、自主业务代理等新模式，从根本上重塑经济运行形态。

3

拓展生产可能性边界

在智能经济新形态下，不同行业间的技术渗透、业务融合和价值整合，形成打通生产部门、跨越产业边界、穿透物理和数字空间的全新产业生态和价值网络，大幅拓展生产可能性边界。

共创分享：推动包容普惠发展

1

人与智能体“协同共创”

企业“雇佣”智能体作为数字劳动力，智能体从辅助工具转向智能代理，人类与智能体分工协作，智能体主要从事标准化、重复性和海量数据运算任务；人类专注于创造性、情感性和复杂性决策，以及情势判断、监督和任务分解，在协同共创中占据主导地位。

2

构建开源生态

智能经济构建以开源生态为基础、多元主体协同参与的新型价值创造体系，企业、开发者、用户乃至智能体共同参与。在这个体系中，每个参与者既是价值创造者，也是利益共享者，构建利益共享机制，在开源生态中形成价值共创分享。

3

从“智能鸿沟”迈向“包容普惠”

智能经济在发展过程中，不同行业、区域、人群因技术适应能力和人机协同素养的差异，有可能形成“智能鸿沟”。通过建设智能技能培训体系，赋能弱势群体和传统行业从业者，保障劳动者平等融入智能经济；通过提高技术普惠性、算力公共性、生态开放性，推动公共服务均等化，缩小不同行业、区域发展差距，迈向包容普惠发展。

推动生产力跃升和生产关系重塑

1

智能经济推动生产力跃升

智能经济推动技术革命性变革、生产要素创新性配置，产业深度转型升级，催生新产业、新业态、新模式，推动科技创新和产业创新深度融合。有研究提出，智能经济时代，生产力的核心标志是“智力替代率”，即由智能体完成的知识型工作在全社会知识型工作的占比。

2

智能经济重塑生产关系

智能经济重塑产权关系与人机协作模式。比如，如何界定智能体产出的知识产权归属，这势必会催生新的产权形态，形成新型生产关系。又如，“数字同事”的出现，使人与机器的关系从“主从”走向“协同”。有研究机构提出，将“人机协同效能”和“共创分享生态”作为核心评价维度，体现了智能经济时代新型生产关系的重要特征。

3

以智能经济赋能高质量发展的对策

智能经济赋能高质量发展面临的挑战

1

技术层面

1. 我国在核心技术领域仍有差距，高端人工智能芯片、工业软件、精密传感器等仍依赖进口，存在一定程度的受制于人。

2. 人工智能大模型作为核心技术，目前处于快速迭代阶段，在要求严苛的专业领域，精度和可靠性仍显不足，“最后一公里”问题没有完全解决。

3. 人工智能应用场景的复杂性与长尾需求，导致通用模型难以覆盖全部细分领域，定制化开发成本往往超出承受能力。

2

要素层面

1. 我国是数据资源大国，但数据共享水平低，跨主体、跨行业数据存在“不愿共享、不敢共享、不能共享”的问题，呈现海量数据与有效供给不足的落差。受制于数据开放度低、数据标准不一、授权机制不健全、合规边界不清晰等，高质量数据集供给不足，难以满足大模型训练需求。

2. 算力具有明显的资本密集和规模经济特征，头部企业、大型平台具有明显优势，导致智算能力向少数主体集中，形成“强者更强”的马太效应。算力供给还受到区域错配影响，东部算力需求集中区算力资源紧张，跨区域算力调度仍存在难点。

3. 算法规则缺乏透明度，算法信号失真，导致模型决策偏差，模型“幻觉”还会带来生成虚假信息、输出不实内容等问题。

3

产业层面

1. 传统产业技术架构与管理模式难以适配智能技术要求，流程再造带来成本超出承受能力，并可能带来转型风险，企业决策层对智能化转型存在顾虑。

2. 多数中小企业面临资金短缺、人才匮乏、信息化基础薄弱等现实困境，普遍难以承担高昂的智能技术应用成本，自主转型能力偏弱。

3. 智能经济的产业生态尚不完善，适配性强、小快轻准、价格适宜的解决方案依然缺乏，制约着智能技术在产业领域的推进效率。

4

生态层面

1. 人工智能生态体系尚未形成。人工智能属于体系化通用技术，覆盖芯片、架构、数据、应用、规制等方方面面，并非攻克单一技术就能实现突破。在国际竞争中，面对的不仅是某个技术的“卡脖子”，更是体系化的竞争，必须实现从底层硬件、架构到上层数据、算法的全生态突破。

2. 人工智能模型对行业专业知识的整合深度不足，难以满足核心生产场景的严苛要求。专用模型在工业场景中的“幻觉率”仍然偏高。

3. 顶尖人工智能人才严重短缺，既懂人工智能、又懂行业应用的复合型人才缺口较大。根据人力资源社会保障部的报告，我国人工智能相关人才缺口超过500万人，供求比例达1:10。

5

治理层面

1. 岗位替代和就业冲击。人工智能将替代大量重复性工作岗位。短期内人工智能对就业岗位的替代效应可能会大于创造效应。

2. 人工智能技术快速迭代与规则完善的渐进式导致监管滞后。人工智能的模型“黑箱”、隐私泄露、算法歧视、深度伪造、认知操控等技术难题尚未完全解决，传统监管模式难以有效应对跨界融合带来的挑战，部分领域可能出现监管空白与规则冲突。

3. 法律法规滞后于技术发展。近年来，我国先后出台《人工智能安全治理框架》《人工智能科技伦理审查与服务办法（试行）》等一系列制度，标志着人工智能治理已从原则倡导走向制度化建设，但算法备案、数据标注规范、跨部门联合审查机制等相关规则仍须进一步完善。

以智能经济赋能高质量发展的对策

针对智能经济发展中面临的挑战，要从科技创新、要素配置、产业转型、生态建设和治理体系等维度系统施策。

1

加强人工智能科技创新

1. 持续加大对人工智能芯片、工业操作系统、高端传感器等“卡脖子”技术的研发投入，发挥新型举国体制优势，创新研发组织机制，整合产学研用各类创新资源，集中力量突破底层关键技术。

2. 加强高质量数据集开发，建立各行各业高质量数据集和语料库，加大对专用模型的支持，提升模型在不同场景的推理可信性和结果可靠性。加速国产算力建设，夯实人工智能应用的基础底座。

3. 加强人工智能基础理论研究，提升模型基础底层架构研发能力。

2

优化生产要素供给体系

1. 加快培育数据要素市场，建立健全数据要素确权、定价、交易、监管全链条规则，深入推进数据要素市场化配置改革试点，打破跨行业跨主体的数据孤岛，推动数据资源顺畅流通和优化配置。

2. 增加高质量数据集供给，建立共享机制，破解大模型训练和微调所需要的高质量数据集供给不足的瓶颈。

3. 完善算力市场定价机制，鼓励地方对中小企业、创新创业团队给予算力成本补贴，支持国家公共智算中心向中小企业开放低价配额，着力降低中小企业算力获取门槛。

3

构建现代智能产业体系

1. 深入实施国家“人工智能+”专项行动，推动新一代人工智能技术与研发设计、生产控制、供应链管理等环节融合创新，培育一批智能化升级的系统解决方案，在工业、服务业、医疗、金融等领域打造一批“AI+”深度融合的标杆项目。

2. 引导大型龙头企业发挥产业链数智化转型的带动效应，开放平台能力，构建覆盖设计、生产、物流、服务的全链条智能生态，带动供应链中小企业融入智能生产体系，有效降低中小企业智能化应用门槛。

3. 在装备制造、汽车、家电等重点行业打造标杆示范项目，提炼可复制的解决方案，探索形成一批典型示范案例在行业内复制推广。

4

加强适配生态体系建设

1. 以智能原生作为产业升级的重要方向，推动产业发展、生产组织、管理模式等按照智能化发展要求重构，推动产业形态向智能原生转变。

2. 以场景应用作为数智化转型的核心抓手，推动智能技术与场景深度融合。

3. 深化产教融合改革，强化复合型人才供给，构建“产学研用”一体化的人才培养模式。

5

建立完善协同治理体系

1. 完善职业技能培训，培养从业者适应智能社会的新技能，形成人机协作的新型就业模式。强化社会保障，健全失业与再就业支持体系。

2. 创新协同监管机制，破解传统分业监管存在的规则冲突与监管空白问题。推广监管沙盒，开展包容审慎监管，探索适应智能经济跨领域融合特征的新型监管体系，在守住安全底线的前提下激发市场创新活力。

3. 坚持发展和安全并重，加快完善人工智能法律法规与制度规范，确保人工智能安全、可靠、可控。积极参与全球人工智能治理，深度参与联合国等多边框架下的人工智能治理规则与标准制定，深化与主要经济体的双边多边治理对话，提升我国治理方案的国际影响力。

本文拟于《中国科学院院刊》2026年第8期“科学观察”栏目刊登。