一、智能经济的内涵与演进逻辑
（一）智能经济的定义与核心特征
智能经济是以人工智能为核心驱动力，以高质量数据、知识型人才为关键要素，通过人、机、物全域智联和泛在协同，推动技术创新向模拟计算、主动创造升级，资源配置向模型定义、系统优化转变，产业形态向软硬一体、平台共生演进，促进公平和效率高水平动态平衡的一系列经济活动。其核心本质是基于网络空间发展，以数据、算法和算力融合产出的智能要素为关键驱动力的新经济形态，标志着经济发展动力从信息对称向智能决策的根本性转变。
智能经济具备四大核心特征，且随着技术迭代持续深化。一是数据驱动，数据已成为创造新业态新模式的源头要素，面向大模型海量计算需求的高质量语料与合成数据成为产业发展的核心燃料，原始私域数据构成企业差异化竞争力的基础，数据通过算法筛选、模型封装与智能体分配重构产业链价值链。二是人机协同，AI 从辅助工具转向智能代理，生产力在场景落地中持续释放，机器承担标准化、重复性、海量运算类执行任务，人类主导创造性、情感性与复杂决策工作，二者形成动态分工的混合智能生产体系。三是跨界融合，智能体跨越组织边界实现自主链接与动态协作，推动跨行业技术渗透、业务融合与价值整合，数据共享与算法融合加速要素跨界流动重组，催生全新产业生态。四是共创分享，以开源生态为基础的多元价值创造体系加速形成，企业、开发者、用户乃至智能体共同参与创新，基于贡献度的价值分配逻辑逐步替代传统交易关系，形成共建共享共治的创新正向循环。
（二）信息经济、数字经济与智能经济的演进关系
信息经济、数字经济与智能经济是新质生产力发展带动形成的三代经济形态，三者遵循技术革命性突破、创新扩散产业化、生产力跃迁、生产关系适应性调整的发展逻辑，本质都是推动数据在人、物理世界、数字世界间的循环流通与价值释放，呈现承前启后、层层递进、螺旋上升的演进关系。
信息技术催生了信息经济，以信息的传输和加工为中心，核心要素是信息，决策规则为基于预设规则的单向执行，通过打破信息孤岛提升人类获取信息的效率，推动信息成为独立产业形态，代表性产业为软件服务与硬件制造。数字技术催生了数字经济，以数据的流通和处理为中心，核心要素是数据，决策规则为基于数据规律的辅助决策，通过构建物理世界的数字孪生空间扩大人类认知规律的能力，以数据流引领传统要素优化配置，代表性产业为平台经济与共享经济。人工智能催生了智能经济，以算法的训练和生成为中心，核心要素是高质量数据与知识型人才，决策规则为基于认知模型的自主闭环，通过人机协同极大拓展人类智力边界，依靠系统优化与主动创造产生新增价值，代表性产业为 AIGC 应用、自动驾驶与人形机器人。
智能经济作为更高阶的经济形态，在三方面实现跃升。一是系统认知能力实时全面，依托全域感知网络与多源数据融合，在数字空间构建经济社会孪生系统，可在全局尺度识别关键节点、预判传导路径、评估外溢效应。二是智能决策能力人机协同，智能体作为新型决策主体可理解模糊意图、拆解复杂任务、规划最优路径，人类专注价值判断与例外处置，在基础决策环节形成互补，在终极决策环节保持主导。三是知识创造能力边际递增，智能系统将复杂知识编码为可调用的服务模块，知识共享从人际有限传递升级为系统泛在赋能，边际成本趋近于零使知识从稀缺资源变为普惠要素，价值创造门槛大幅降低。
（三）智能经济的发展阶段研判
智能经济的演进遵循技术渗透由浅入深、能力层次由低到高的内在规律，可划分为三个发展阶段。第一阶段是基础智能的初级阶段，AI 作为专用工具实现单点赋能，技术渗透呈点状分布，仅在特定场景承担单一任务，传统行业引入 AI 解决局部问题，尚未形成系统性融合，典型应用为工业视觉质检、语音识别客服。第二阶段是增强智能的中级阶段，AI 作为决策副驾驶实现系统融合，技术渗透呈线面结合特征，产业链上下游形成数据闭环与决策协同，AI 能力走向系统集成，被赋能环节开始独立创造经济价值，在企业管理、生产制造等核心流程中与人类形成稳定协同。第三阶段是原生智能的高级阶段，AI 作为智能体代理人实现生态重构，自主智能体成为经济活动基础单元，研发、生产、流通、消费全链条以智能体为核心构建，具身智能机器人、自主无人系统等智能原生业态全面普及，同时催生智能体协同平台、数字劳动力市场等全新产业。
当前我国智能经济尚处在规则算法主导、大模型能力初步嵌入的初级阶段，基于大模型、智能体技术的应用加速扩散，但规模化商业模式尚未完全成型，经济价值大部分仍附着于传统规则算法之上，以 Token、智能体为代表的新产品新业态的经济价值仍在快速孕育。
二、中国人工智能创新生态的发展现状
（一）技术路线的重大转向：从规模效应到智能密度
2025 年成为人工智能技术创新路线的重要转折点，行业正式告别单纯的参数规模竞赛，转向以提升智能密度为核心的技术方向。此前 Transformer 架构主导下，规模效应是技术创新的基本规律，模型参数与算力集群规模决定模型能力，但随着 Scaling Law 边际效应递减、预训练成本急剧上升，规模竞赛已逼近物理与经济双重天花板。
智能密度即单位算力的智能产出率，成为技术创新的核心衡量标准，推动模型发展更注重可靠性、安全性、实用性与可用性。在架构创新层面，混合专家模型与稀疏注意力机制快速普及，通过结构稀疏化与经验式训练，实现有限算力下思维涌现与任务泛化能力的大幅提升。国产头部模型通过自研动态稀疏门控技术、流形约束超连接技术，解决了传统 MoE 架构负载不均衡、训练易发散的行业痛点，单 Token 推理计算量与显存占用大幅下降。在注意力机制层面，压缩稀疏注意力与重压缩注意力的混合架构实现突破，将传统 Transformer 自注意力的二次方复杂度瓶颈大幅降低，首次实现百万级上下文能力的普惠化落地。在多模态层面，原生理解生成统一架构逐步替代拼接式架构，将文本、图像等多模态信息纳入统一表征空间直接建模，跨模态理解与生成能力实现跨越式提升。
技术转向同时推动人工智能从信息智能向物理智能跨越，智能体与具身智能成为连接虚实的核心载体。智能体具备感知、记忆、决策和执行能力，从文本生成转向原生多模态协同，支持超长上下文与多步工具规划，升级为具备任务拆解与程序执行能力的执行型智能体。具身智能则搭建起网络空间到物理世界的桥梁，将感知、决策、执行整合为闭环体系，配合世界模型提供的环境理解、因果推理与长程规划能力，实现从数字空间认知到物理世界行动的跨越。目前中国具身智能已进入商业化阶段，2025 年中国人形机器人市场规模达 82.39 亿元，约占全球 50%，在工业高精度装配、商业服务、物流配送等场景实现落地，依托成熟供应链与丰富场景数据形成工程化优势，走出小脑强化 + 场景驱动的差异化发展路径。
（二）开源生态的繁荣与自主化进程
全球 AI 开源生态呈现中美双极驱动格局，中国在推理能力、模型轻量化、中文语境理解等领域形成独特优势，实现从并跑到领跑的转变。国产开源模型凭借权重开放与本地化部署能力，性能已接近闭源旗舰模型，中小企业可基于开源基座 + 私有数据 + 行业知识快速构建垂直应用体系，实现从模型接入者到生态构建者的角色转变。
开源生态的繁荣重塑了创新链条。预训练底座免费化、微调工具链标准化与数据要素公共化三者结合，显著降低了中小企业创新的技术门槛。开源微调框架已成为行业标准，支持高效微调算法，单卡消费级 GPU 即可完成专业模型训练，研发周期从数月缩短至数周。开源生态同时推动创新民主化，智能体模块化开发流程使中小企业可在有限算力与人员条件下完成从设计到执行的创新过程，中国 AI 创新生态从封闭集中走向开放协同。
在繁荣发展的同时，开源生态的安全合规与商业模式也在同步演进。合规层面，生成式服务监管从原则引导走向实质实施，算法备案成为刚性门槛，截至 2025 年底国内累计已有 748 款生成式人工智能服务完成备案，435 款生成式人工智能应用或功能完成登记。国家标准确立量化合规指标，训练数据不良信息比例不得超过 5%，模型输出合格率需达到 90%，合规工程化成为行业新常态。商业模式层面，头部企业形成差异化竞争路线，一类以智能密度提升构建 MaaS 商业体系，依靠性能提升支撑价值定价；一类以开源低价换生态规模，通过 API 降价与免费额度吸引开发者。API 订阅、行业私有化部署、智能体平台成为三大主流商业化路径，推动企业从模型供应商向智能服务平台转型。
同时开源生态仍面临底层技术自主化的挑战，CUDA 生态锁定效应显著，国产芯片一芯一栈的碎片化问题增加开发复杂度，基础软件仍大量依赖国外开源社区。行业正通过推动国产算力软件统一、强化底层框架研发，在开源繁荣与自主安全间寻求动态平衡。
（三）数据要素供给体系建设
数据资源是人工智能创新的基础性战略资源，在国家数据局统筹下，我国将高质量语料库与数据集建设纳入数据要素 × 与人工智能 + 行动整体部署，从政策制度、基础设施、行业实践三个维度系统推进，中文数据供给能力与质量显著提升。
供给规模与质量同步提升。截至 2026 年 3 月，全国已建设高质量数据集超过 10 万个，数据总体量超 890PB；日均 Token 调用量已超过 140 万亿，相比 2024 年初增长 1000 多倍，相比 2025 年底三个月增长超 40%。数据标注产能持续扩大，全国布局 7 个国家级数据标注基地，集聚数百余家标注企业，从业人员超 8.5 万人，聚焦自动驾驶、医疗健康、智能制造等重点领域建立全流程标准体系。语料结构持续优化，国内多数大模型训练的中文数据占比已达 60%-80%，多模态数据集开发加速，非结构化数据利用率从 2024 年的 10% 提升至 20%。
多元主体协同共建格局初步形成。国家队引领、地方队支撑、企业与科研机构协同的建设模式日益成熟，主流价值语料库、区域人工智能数据训练基地、开源中文互联网语料库等一批典型项目落地，覆盖时政、经济、文化等多领域，为大模型研发提供高质量可信赖的语料支撑。语料库建设正从单一文本数据向多模态、多语言、多领域拓展，从静态存储向动态运营和合规流通延伸。
未来数据供给将呈现三大趋势：一是从量的积累转向质的提升，行业专用数据集与领域知识库成为建设重点；二是合成数据发挥越来越重要的作用，在保护隐私的前提下快速扩充训练数据规模，缓解真实数据供给压力；三是国家级语料资源体系加速成型，按照 1 个综合平台加 X 个垂类行业语料库的架构，构建覆盖基础科学、工业制造、医疗健康等重点领域的分层分类语料资源体系。
（四）算力基础设施的规模化与网络化
算力是智能经济的核心物理底座，我国算力基础设施正从物理堆砌向网络化调度与服务化运营转型，被同时纳入信息基础设施与融合基础设施范畴，成为数字中国建设的核心底座与国家级战略资源。截至 2025 年底，中国已建成万卡级智算集群 42 个，智能算力总规模超过 1590EFLOPS，位居全球前列。
全国算力网络布局持续优化。以东数西算工程为标志，超过七成新增算力集中在内蒙古、宁夏、贵州等西部地区，改变了算力长期过度集中于东部沿海的局面。西部枢纽依托低电价与绿电优势，承接离线分析、大模型训练、海量存储等高时延信息处理；东部枢纽依托业务集聚与应用生态，支撑实时交易、工业互联网、城市治理等时延敏感场景，形成前端敏捷感知、后台高效承载的一体化运行格局。
智算芯片产业生态加速构建。智算芯片竞争已从单纯硬件性能比拼，演变为涵盖架构适配、软件生态、技术协同的系统性工程。国内智算芯片价值网络呈现小世界网络特征，企业是核心参与主体，高校、科研院所、算力中心、开源社区等多元主体协同推动。华为昇腾在技术合作网络中占据核心枢纽地位，与大模型厂商、操作系统企业、通信运营商形成广泛技术联动。国产大模型已实现多家国产芯片厂商的 Day0 原生适配，标志着中国 AI 产业正式完成从跟随式 CUDA 生态兼容到全栈自主软硬件生态构建的战略跨越。
（五）人才体系的全链条培育
我国人工智能人才培育正构建覆盖基础教育、高等教研、职业实训、社会赋能的全链条生态，政策体系持续加码，区域布局不断优化，产学研协同深化，着力破解人才结构性失衡难题。
政策支撑体系逐步完善。从顶层设计的新一代人工智能发展规划，到教育部增设具身智能等交叉学科新专业，再到数字人才培育行动方案，政策覆盖学段从高等教育下延至基础教育、上拓至终身教育，培养定位从单一技术型人才向复合型、领军型、应用型人才转变。2026 年发布的人工智能 + 教育行动计划，进一步推动构建纵向贯通大中小学、横向联通学校教育与社会培训的 AI 全学段通识教育体系。
区域人才集聚格局清晰。京津冀、长三角、粤港澳大湾区依托产业集聚优势汇聚了全国绝大部分 AI 企业与高端人才，北京在人才梯队高度、密度与结构完整度上优势显著，上海、杭州、深圳分别依托科创资源、龙头企业与产业应用形成各自人才特色。中西部区域中心城市正加速追赶，通过专项人才政策打造区域人才高地。
供需呈现总量扩张与结构性缺口并存的特征。我国 AI 研究人员数量十年间保持高速增长，企业数量超过 6200 家带动就业规模持续扩大，但人才供需比仍存在显著失衡，核心技术岗位薪酬显著高于行业均值。从业者呈现年轻化与高学历特征，30 岁以下人员占比接近半数，本科及以上学历者占比超八成，但具备长期工程经验与跨学科整合能力的资深复合型人才供给不足。
产学研协同育人模式深化。全国已有 90 余所高校成立人工智能学院，龙头企业通过共建产业学院、产教融合共同体，实现课程、师资与平台的共建共享。校企双导师制、真实项目实训等模式有效弥合高校教学与产业需求的鸿沟，地方政府、高校、产业园区联动构建区域性育人生态，推动教育链、人才链、产业链、创新链深度融合。
三、智能经济的产业构成与市场规模
（一）智能经济的五维架构体系
智能经济可概括为五维架构体系，由智能基础设施体系、驱动力及关键要素、运行机制、智能产业、智能系统五个部分构成，形成自下而上的完整支撑体系。
▌智能基础设施体系是基础底座，相当于工业时代的铁路与电网，由数算模网端五大类设施构成，包括数据要素设施、多元算力设施、算法和模型设施、泛在连接网络设施、传感与终端设施，为智能经济提供硬件、软件与连接支撑。
▌驱动力及关键要素是内生动力，以人工智能为核心驱动力，以高质量数据为基础燃料，以知识型人才作为价值创造的主导力量，三者相互依存、相互赋能，共同驱动经济活动从人驱指令向机驱智能转变。
▌运行机制是核心逻辑，智能体代理人机制、自主决策机制、模型定义的资源优化配置机制共同构成运行核心，替代传统的理性经济人假设、人工决策模式与价格传导机制，实现资源配置的动态优化与主动创造。
▌智能产业是核心载体，指以 AI 技术与数据为核心要素进行生产和服务的经济活动，分为智能产品制造、智能技术服务、智能场景应用三大类。其中智能产品制造与智能技术服务构成智能经济核心产业，提供技术、产品、服务与解决方案；智能场景应用则是 AI 与各行业融合的落地形态。
▌智能系统是融合运行体系，包括智创、智造、智流、智享、智配五大系统，分别对应智能创新、智能生产、智能流通、智能消费、智能分配，覆盖经济活动全领域全流程，构成智能经济可持续发展的完整运行闭环。
（二）核心产业规模与增长趋势
基于国民经济行业分类与数字经济核心产业统计分类，选取 12 个细分领域 91 个行业门类，按智能程度系数加权测算，2025 年我国智能经济核心产业营收规模达 47718.8 亿元，三年复合增长率超 54%，占数字产业业务收入的比重为 13.7%。其中智能产品制造产业营收 31908.2 亿元，智能技术应用产业营收 15810.6 亿元。
从人工智能核心产业维度看，2025 年我国人工智能核心产业规模突破 1.2 万亿元，企业数量超过 6200 家，开源大模型下载量居全球首位，规模以上制造业企业人工智能技术应用普及率超 30%，AI 手机、AI 电脑、AI 眼镜等终端产品加速普及，人形机器人推出数量超过全球半数。
未来十年智能经济核心产业规模增长将呈现先快后慢态势，总体复合增长率为 20%。预计 2030 年将达到 12.6 万亿元，占数字产业业务收入比重达 25.1%；2035 年将达到 29.6 万亿元，占数字产业业务收入比重达 47.7%，逐步成为数字经济的核心组成部分与国民经济的重要增长极。
（三）创新主体的多元协同格局
智能经济发展是企业、高校、科研院所、政府多元创新主体协同创新的结果，四类主体各司其职、良性互动，共同构成完整创新体系。
▌企业是产业创新的核心力量。人工智能企业价值网络呈现极核状结构，少数核心节点主导产业发展，华为、腾讯、百度、阿里巴巴等头部科技企业与三大运营商构成网络核心枢纽，拥有大量技术合作连接。技术合作中技术赋能占比高于技术输入，基础层企业技术合作最为密集，应用层次之。合作以国内为主，国外技术合作占比较低，体现出国内产业生态的自主性与完整性。技术合作类型覆盖大数据与云计算、物联网、5G/6G、智能机器人、智能芯片等 24 个技术类别，其中大数据与云计算占比最高，大模型、算力网络、具身智能等新兴技术活跃度持续提升。
▌高校与科研院所是基础研究与人才供给的核心支撑。截至 2025 年底，我国已有 80 多所高校成立专门的人工智能学院，超过 600 所高校开设人工智能相关本科专业。我国人工智能相关专利授权总量约达 104.86 万件，高校与科研院所是专利产出的重要力量，西安电子科技大学、北京航空航天大学、清华大学等院校专利授权量位居前列。学术论文发表量持续高速增长，中国科学院在论文产出上领先优势显著，上海交通大学、清华大学、浙江大学等头部高校构成第二梯队，论文覆盖计算机科学、工程学、数学、神经科学以及 AI for Science 等交叉学科。
▌政府是制度供给与战略引导的核心。我国人工智能政策始终紧扣全球技术演进方向，呈现清晰的阶段化特征，整体走在全球前列。从 2017 年围绕判别式人工智能的顶层设计，到 2023 年针对生成式人工智能的规范发展，再到 2025 年聚焦智能密度与深度应用的人工智能 + 行动，政策体系覆盖技术研发、产业应用、场景开放、安全治理、国际合作全链条。2025 年以来国家层面密集出台政策，形成以十五五规划纲要为中长期指引，以人工智能 + 行动意见为行动指导，涵盖各行业应用、合规治理、伦理审查的完整政策体系，为智能经济发展提供制度保障。
（四）AI 专精特新企业的生力军作用
AI 专精特新小巨人企业是人工智能深度应用与智能经济发展的生力军，一方面在芯片、工业软件等关键技术领域攻坚，另一方面深耕行业推动智能化转型，掌握的行业数据与工艺知识是 AI 深度应用的重要基础。
从企业属性看，505 家 AI 专精特新小巨人企业获批时间集中在 2019 至 2024 年，数量逐年递增，2024 年达到峰值。地域分布高度集中于广东省、北京市、浙江省、上海市、江苏省等东部沿海省份，北京、上海、杭州、广州、深圳位居城市前列。企业规模以中型为主，员工人数多在 300 人以内，符合专精特新企业深耕细分领域的特征。
从价值网络看，AI 专精特新企业技术合作网络持续扩张，总边数大幅增长，企业间合作密度显著提升。致远互联、思必驰、云从科技等企业处于网络核心枢纽位置，技术合作对象以华为、阿里巴巴等国内平台企业，清华大学、浙江大学等高校，以及三大运营商为主。国外合作对象主要为英伟达、英特尔等基础软硬件供应商与西门子、大众等智能制造企业，美国、德国、日本是主要合作国家。
从技术与应用分布看，技术类型集中于大数据与云计算、智能机器人、物联网、计算机视觉、自动驾驶与大模型领域。应用领域以智能制造占比最高，其次为智慧城市、智能交通、企业智能管理与智能教育。产业分布上第三产业占比最高，第二产业次之，第一产业占比较低；第二产业中专用设备制造、通用设备制造、仪器仪表制造占比较高，第三产业中信息传输软件服务、科学研究技术服务、教育占比较高。
四、智能经济的深度应用与新质领域
（一）人工智能与实体经济的融合路径
人工智能深度应用正在引发中国经济的结构性变化，从生产方式、创新范式、产业组织到生活方式全方位重塑，推动经济步入智能经济新阶段。
▌在工业制造领域，催生人智协同的新型生产方式。AI 广泛应用于质量检测、生产调度、设备维护、供应链管理等全生产环节，从传统的机器替代转变为智能增强。智能系统完成实时感知、模式识别与设备预测，劳动者负责问题界定与现场决策，二者构成双向学习的协同机制。劳动过程向知识密集型转变，劳动者需具备算法理解、数据分析与跨部门协作能力，最终形成人与智能系统互补协作的新型生产方式，而非单纯的机器替代体系。
▌在科学研究领域，形成人智协同的创新范式。知识创造主体从人类扩展为人与智能系统的协同，人类主导问题定义与价值判断，智能系统承担假设生成、方案搜索与高速仿真，创新过程具备更高并行度与即时反馈特征。AI4S 打破传统从假设到实验再到验证的线性流程，形成从数据到模型假设再到验证的创新循环，在材料科学、药物研发等领域实现端到端研究流程优化，使科学家从繁重计算中解放出来，聚焦更高价值的科学判断。
▌在工业设计与创意产业，推动人智协同深化。AI 可根据材料参数与工艺限制快速生成海量可行方案，人类工程师进行筛选整合，设计过程从线性搜索变为并行迭代。在艺术与内容创作领域，AI 生成庞大创意草图集，人类创作者进行审美判断与叙事整合，高频试错与组合探索提升了作品多样性与创新速度，人类的经验与文化积淀保障输出内容的社会意义与艺术价值。
（二）十大新质领域的发展态势
当前我国智能经济多头并进，新形态萌芽成型，十大新质领域成为驱动经济转型升级的重要引擎。
一是基础技术创新迭代。碳基材料、二维材料、宽禁带半导体等材料创新破解算力饥渴与功耗墙瓶颈；异质集成、芯粒三维堆叠等结构创新支撑更高阶形态演进；先进制程、柔性制造、硅光等工艺创新催生可拉伸可共形的智能微系统，共同推动产业从单点突破向体系化跃升。
二是计算体系逐步完善。超大规模智算集群、算电协同等新型基础设施加快部署，云计算、5G、工业互联网深度融合，太空计算等前沿方向布局提速。跨区域跨层级算力调度机制健全，边缘、云端、终端算力协同联动，形成多层次立体化算力服务体系，应用场景从传统领域向全域渗透。
三是大模型商用加快。行业专业模型加速垂直深耕，深度贴合制造、金融、医疗等领域业务逻辑与合规要求。模型工程化部署激发 Token 市场，全链路工程优化兼顾性能与部署效率，以 Token 交易为基础的新型商业逻辑加速演进，日均 Token 调用量的爆发式增长印证了规模商用进程。
四是数据市场全面成势。高质量数据集规模快速扩张，数据标注与审核市场规模突破 150 亿元，正由传统人工标注向人机协同升级。数据服务向平台化智能化演进，知识图谱与向量数据库构建行业知识库，实现数据从资产到生产力的转变。合成数据与仿真技术加速突破，解决真实数据获取成本高、场景覆盖有限的问题。
五是 AI + 终端加速发展。端侧 AI 专用芯片、新型传感模组等关键技术突破，催生 AI PC、智能车载终端等硬件创新。终端形态向复合型全场景化演进，AI 手机、AI 眼镜、智能网联汽车、工业巡检终端等形成全场景覆盖矩阵，实现物理世界与数字世界的实时交互。全链条产业生态日趋成熟，深度赋能工业制造、智慧城市等领域。
六是 AI + 软件创新变革。AI 深度渗透软件开发全生命周期，代码助手全球用户规模庞大，AI 运维成为企业标配，故障发现时间与人力成本大幅下降。模型即服务模式实现 AI 能力开箱即用，国产云厂商跻身全球 AI 开发平台主流阵营。软件形态向自然语言交互、多模态感知、自主决策响应演进，逐步向智能体友好型方向升级。
七是智能原生孕育而生。智能原生从场景设计到商业闭环全流程以智能决策为核心，摆脱对人工指令与固定流程的依赖，重构产业发展逻辑。智能体成为 AI 全场景落地的核心载体，突破单一功能局限，具备跨工具联动、多任务协同、持续学习能力。智能体即服务新模式探索发展，以轻量化、按需订阅、云端部署降低企业智能化部署成本。
八是智能引领产业转型。AI + 生产迈向全局自适应，实时捕捉订单、设备、库存信息自动调整生产计划，提升订单响应速度与设备利用率。AI + 服务拓展价值空间，从被动客户支持转向贯穿全生命周期的价值共创伙伴。AI + 供应链强化全局协同，实现订单处理、销量预测、库存预警的智能升级。数字员工加协作平台推动企业组织柔性转型，释放人力资源投向高价值领域。
九是智能场景全新激活。情绪价值催生陪伴经济爆发，虚拟伴侣、AI 心理疏导等产品提供千人千面的情感反馈。沉浸式交互重构教育与娱乐体验，AI 虚拟导师实现个性化教学，开放式内容生成创造全新消费体验。空间计算引领线下消费新业态，推动传统商业空间向虚实叠加的第四空间演进，催生沉浸式、场景化、社交型消费。
十是开源生态竞争加剧。全球 AI 开源生态格局快速分化，企业主导型、社区驱动型、技术自主型模式交织。商业模式跳出单一服务变现逻辑，转向基础开源引流加中间按需付费加顶层定制增值的分层盈利模式，行业加速探索技术开放与商业可持续性的动态平衡。
（三）深度应用引发的经济结构性变革
人工智能深度应用推动核心经济部门与融合经济部门界限打破，形成供需互动的创新循环。核心经济部门即人工智能产业化形成的产业，产出智能要素；融合经济部门即产业智能化创造的经济部门，投入智能要素实现价值增值。二者形成良性互动，核心部门提供技术资源，融合部门通过场景开放形成数据反馈反哺技术创新，场景开放、技术优化、场景再拓展的创新循环成为智能经济的自我演进动力。
智能经济运行建立在数据非竞争性、算法可复用性和网络外部性基础上，呈现近零边际成本、规模报酬递增和数据正反馈并行的特征，打破传统工业经济报酬递减约束。智能产品与服务边际成本趋近于零，同一款算法模型的重复调用带来显著规模报酬递增，网络效应与数据正反馈进一步放大报酬递增效应，使经济系统具备自我强化的持续增长动力。
与此同时，新的成本约束也逐步显现。算力与算法研发的持续投入成本高昂，算力高消耗带来能源高消耗，企业智能化迁移与再训练成本显著上升。治理与合规成本常态化，企业需投入大量资源保障算法透明、数据安全与隐私保护，算法歧视与虚假推荐风险使治理成为常态化支出。
五、智能经济发展的风险挑战与制度建设
（一）当前面临的主要风险与挑战
AI 技术非线性发展特征使其在应用深化过程中易出现系统性风险，需前瞻研判适时化解。
一是商业模式尚不成熟，投资突进引发经济周期失衡。AI 是全球投资最集中的领域之一，但商业回报尚未得到充分印证，投资扩散速度与经济回报间的结构性矛盾凸显。市场投资集中度不断攀高，科技巨头成为股市增长主力，但多数生成式 AI 企业尚未实现盈利。算力堆叠面临规模墙风险，海量算力投入带来的能力提升加速递减。经济增长对 AI 单一领域依赖度过高，增长结构狭窄脆弱，存在失衡风险。
二是技术垄断趋于集中，市场生态与应用安全面临系统性风险。AI 底层技术向头部科技企业集中，技术准入壁垒持续抬升。高端芯片、先进制程、云计算市场均呈现高度集中格局，易形成技术锁定效应。头部企业可能通过扼杀式并购、排他性合作等方式巩固垄断，获取超额利润。应用安全风险呈现系统性，单一供应商依赖使关键行业面临灰犀牛风险，少数企业掌控模型核心代码也带来大范围安全隐患。
三是就业冲击加剧，行业岗位呈现分级替代趋势。就业替代从体力向脑力延伸，知识型岗位面临重塑压力，流程管理、信息处理类中高技能岗位受冲击显著。劳动力市场呈现高端向上、低端分化的结构性失衡，中产岗位加速塌陷，初级岗位、软件开发、客服等领域承受压力最为集中。就业冲击呈现结构性错配，效率优先导向挤压劳动者议价空间，短期替代效应与长期技能重构挑战并存。
四是应用边界日益模糊，科技向善与主权安全博弈加剧。全球 AI 主权治理分歧凸显，成为大国智能博弈主线，意识形态层面的摩擦加大合规与创新成本。技术无国界理想与地缘政治壁垒间的撕裂，加剧自主创新与开放合作的平衡难度。大模型幻觉、深度伪造、算法黑箱、数据投毒等内生缺陷与滥用问题交织，法律归责与监管规制面临空白，易诱发系统失控风险。
（二）智能经济的制度结构与治理方向
智能经济生产力体系高效运行，需要与之相适应的制度结构支撑，数据确权流通、算法透明可控、劳动权益保障、伦理安全底线构成制度结构的四大支柱。
第一，以三权分置机制为抓手，加快数据要素市场制度建设。在数据资源持有权、加工使用权、产品经营权分置框架基础上，重点推进三方面改革：完善数据分类分级指引，提高公共数据授权运营与行业共享透明度；培育高质量行业数据集与训练语料库，平衡安全监管与数据可用性；建立跨区域数据交换通道，促成安全可控的全国统一数据市场。
第二，推进从备案制度到风险分级治理，完善算法治理体系。在算法备案常态化基础上，推动监管向全周期治理升级。启动人工智能风险管理能力评估等标准研制，探索基于风险等级的差异化管理机制。在金融、医疗等高风险领域引入监管沙盒试点，实施动态评估与场景化监管，形成备案与评估结合的全周期治理体系。
第三，推动新劳动关系制度化，保障劳动者权益。针对算法驱动的灵活用工群体，重新定义劳动关系边界。明确算法管理下的用工法律关系，承认不完全劳动关系的合法存在；建立强制职业伤害保险与灵活缴费体系，降低平台经营风险；完善再培训与终身学习支持机制，提升劳动者适应智能经济的弹性技能。
第四，完善伦理与安全治理体系，筑牢制度底线。推动伦理治理从倡导性共识向硬约束机制转变，在高风险领域建立强制算法审计、外部独立评估与应急熔断制度。通过风险评估、标准落地与技术验证构建治理闭环，强化内容安全、数据隐私与未成年人保护等重点领域规范。
同时，需强化跨部门协同治理，打破部门壁垒与制度分割。统筹数据、网信、市场监管、人社等部门职能，协调数据开放与隐私保护、算法创新与公平竞争、灵活用工与社保覆盖等领域的矛盾，通过高层级统筹治理与标准化体系，构建智能经济规则的一体化架构。
六、总结与展望
智能经济是新一代人工智能深度应用催生的新经济形态，以智能要素为关键驱动力，以人智协同为核心生产方式，是数字经济向更高阶段的跃升，也是培育新质生产力的核心引擎。当前我国智能经济已具备坚实发展基础，创新生态持续完善，产业规模快速增长，应用场景不断深化，在全球竞争中占据重要位置。
技术层面，我国已实现从规模效应向智能密度的技术转向，在开源生态、工程化落地、场景应用等领域形成差异化优势，全栈自主软硬件生态构建取得关键突破。产业层面，核心产业保持高速增长，多元创新主体协同格局基本形成，专精特新企业成为深度应用生力军，十大新质领域多点突破。制度层面，政策体系覆盖全链条，治理能力持续提升，数据、算法、劳动、伦理四大制度支柱逐步成型。
面向十五五时期，智能经济将迎来加速发展的关键窗口期。技术上，通用模型、行业模型、智能体、具身智能将持续迭代，信息智能与物理智能深度融合；产业上，核心产业规模将持续扩张，与实体经济融合从单点应用向系统级渗透升级；制度上，适应智能经济的制度体系将逐步完善，发展与规范的平衡更加成熟。
未来需持续加强基础研究实现核心技术突破，深化拓展人工智能 + 推动规模商业化应用，培育智能原生新产品新业态新模式，完善基础制度与治理体系，加速科技创新与产业创新深度融合，推动我国智能经济新形态持续健康发展，为经济高质量发展注入强劲持久动力。
