迅雷

司晓：打造智能经济新形态，我国的综合优势与重点部署_我的网站

A |     

D | 深化数据资源开发利用，健全数据要素基础制度，建设高质量数据集。完善人工智能治理。    这一部署既是抓住新一轮科技革命历史机遇的战略选择，也是拓展“人工智能+”赋能广度和深度的关键举措，将为我国培育新动能、拓展经济增长新空间提供核心驱动力。                        把握智能经济新形态的内涵特征          智能经济已超越数字经济的简单延伸，正在推动生产方式的一次结构性跃迁。这一判断有清晰的政策脉络。

E | 2024年政府工作报告首次部署“人工智能+”行动，将人工智能从技术议题提升为产业议题。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，明确到2030年使智能经济成为国民经济重要增长极。2026年《报告》进一步将“打造智能经济新形态”独立成段。三年三步，人工智能在政策体系中的定位从技术赋能上升为经济发展的全局性战略。    为什么是现在？需求侧和供给侧正在同时发生关键变化。需求侧，科技创新和产业创新深度融合是当前经济工作的战略重点，人工智能兼具科技前沿属性和产业渗透能力，能够直接嵌入研发、生产、流通、服务各环节，是推动两类创新深度融合的关键力量。

F | 供给侧，随着先进模型按需调用、按量计费，人工智能正从高门槛技术转向普惠能力供给。2023年GPT-4的API推理定价为每百万Tokens 30美元，不到三年后降至0.05至0.1美元，降幅超过300倍。战略需求与技术成熟在2025至2026年形成共振，为智能经济走向大规模实践打开了历史性窗口。          图1 GPT系列API输入价格走势（2023.3—2026.3）     数字经济主要通过数据流动提升资源配置效率，智能经济则进一步把人工智能能力嵌入生产、流通、服务和治理环节，使经济活动的运行方式发生结构性变化，且变化速度和扩散范围远超以往。这至少体现在三个方面。    一是生产要素配置方式发生变化。传统经济增长主要依赖劳动和资本的投入，数字经济阶段加入了数据这一生产要素。

G | 智能经济进一步将算力和算法深度嵌入生产决策过程，数据、算力、算法与劳动、资本深度耦合，资源配置方式随之改变。当一个制造企业的排产决策从依赖老师傅的经验转为依赖AI模型对订单、库存、设备状态的实时计算，生产函数的底层逻辑已经发生变化。    二是新产业形态涌现。智能体代办经济、AI情感陪伴、AI短剧等新业态正在快速生长。

H | 这些业态并非存量产业的数字化改造或效率提升，而是在AI能力支撑下，以极低边际成本开辟了此前商业上难以成立的服务供给，是因人工智能而原生的新物种。AI本身成为服务的供给主体，能够自主感知需求、生成内容、执行任务，由此催生出全新的价值创造方式和商业模式。    三是基础设施发生变化。传统经济以交通、能源等物理设施为支撑，数字经济以网络连接和数据中心为底座，智能经济则进一步要求算力、数据和能源的高密度协同供给。一个千亿参数模型单次训练所消耗的电力，相当于数百个家庭一年的用电量，算力基础设施的能源需求已从配套保障上升为核心约束。

I |                         我国发展智能经济新形态具备综合优势          发展智能经济新形态，我国并非从零起步。在模型能力、应用场景、算力基础、政策框架和人才储备五个维度上，已形成较为系统的支撑条件。单项并非每一项都领先，但组合起来使我国成为全球少数兼具技术追赶能力与大规模落地条件的经济体之一。    （一）基础模型能力快速提升，开源生态影响力持续扩大     从公开基准测试和实际应用表现来看，我国大模型与国际前沿的差距已从此前的代际级收窄至版本级，部分领域已形成交替领先的态势。值得关注的是技术突破的路径。

J | 深度求索以不到600万美元的算力成本训练出在多项主流基准测试中达到国际顶级模型水平的V3，API定价仅为美国同类的二十分之一至四十分之一，走出了一条以算法效率换规模约束的独特路径7。    在开源生态方面，一个标志性的转折已经发生。

K | 麻省理工学院与Hugging Face联合报告显示，2025年中国开源大模型全球下载量占比达17.1%，首次超过美国的15.8%，跃居世界第一。这意味着中国开源模型的技术标准和工程范式正在事实上获得全球影响力。    （二）场景丰富，需求侧驱动才是真正的护城河     技术追赶可以靠算法天才，但规模化落地更多要靠场景喂养。我国拥有全球最大的互联网用户群体、最完整的制造业体系和最丰富的消费场景。据API聚合平台OpenRouter数据，2026年3月第二周中国大模型调用量达4.69万亿Token，已连续两周超越美国，实际使用密度全球领先8。    产业渗透的速度同样说明问题。数字原生行业走在最前：广告领域部分客户使用人工智能生成素材成本降低可达80%，电商领域数字人直播成本降至真人主播的十分之一，游戏、金融等行业的研发效率和业务流程也在加速重构。硬件端，2025年国内AI手机出货量超1亿台，渗透率突破40%9，AI眼镜、AI玩具、AI陪伴机器人等新终端不断涌现；同年国内企业发布超过300款人形机器人产品，占全球半数以上。人工智能正在从专业工具走向大众消费品，重走智能手机普及之路。    （三）算力扩张，低电价构成结构性成本优势     算力是智能经济的硬件底座。截至2025年底，我国智能算力规模超过1590 EFLOPS，已建成万卡智算集群42个10，“东数西算”从规划进入实质运行。

L | 端侧推理芯片快速成熟，智能手机、PC、汽车等终端正在获得本地运行大模型的能力，算力架构从纯云端向云端协同延伸。    成本结构上，我国有一项容易被忽视的优势。西部地区绿电电价约0.03美元/千瓦时，仅为美国的20%至25%。这意味着同等算力投入下，中国能获得更大的推理服务规模。加上国产芯片替代加速和算法效率突破，以算法创新对冲硬件约束的路径仍有极大空间。    （四）政策先行，治理框架已有先发积累     技术跑得快，规则不能缺席。

M | 我国已形成从战略规划到年度施政再到专项部署的完整政策链条。《意见》从应用导向出发系统部署科技、产业、消费、民生、治理、全球合作六大领域，同步规划算力、数据、模型等八项基础支撑，并提出布局国家人工智能应用中试基地以打通落地的“最后一公里”，有效增强了行业投入信心和市场预期的确定性。在治理领域，从算法推荐管理、深度合成治理到生成式人工智能暂行办法、内容标识办法，逐步建立起分领域、渐进式的治理框架，在政策完整性和应对速度上形成独特优势。    （五）研究基础厚实，人才规模释放长期竞争力     经过多年持续投入，我国在人工智能研究领域已形成较为扎实的积累。专利方面，我国拥有全球60%的人工智能专利，论文产出居全球首位；人才方面，中国人工智能研究人员约5.2万人，与美国的6.3万人已较为接近11。    支撑这些数字的是更深层的结构性优势。中国每年STEM（科学、技术、工程、数学）毕业生超过500万。保尔森基金会的数据显示，全球排名前20%的人工智能研究人员中，47%的本科学业在中国完成。

N | 庞大的人才基数背后，是一条从基础培养到前沿输出的完整链条在持续运转。    当然，我国人工智能发展并非没有短板。

o | 高影响力基础研究、顶尖人才密度、高端芯片自主供给以及高质量语料库建设等方面仍有明显差距。这些瓶颈不会在短期内自然消解，需要清醒认识、持续攻关。

p | 正是因为存在这些约束，才更需要充分发挥已有条件的协同优势，以应用牵引突破、以生态厚度换时间。

q |               打造智能经济新形态的重点部署          2026年，人工智能正从技术竞赛转向产业落地的关键窗口期，《报告》围绕打造智能经济新形态作出四方面重点部署：以规模化应用牵引产业落地，以开源开放激活创新生态，以数字基础设施夯实发展底座，以治理体系建设保障智能向善。    （一）推动人工智能规模化应用     《报告》围绕深化拓展“人工智能+”作出系统部署，核心指向一个目标：推动人工智能从示范性应用走向商业化、规模化普及。能否尽快进入“技术突破—场景落地—商业闭环—规模化发展”的良性循环，是决定智能经济成长速度的关键变量。没有可持续的商业模式，规模化就难以为继；商业化跑通了，规模化才是水到渠成的结果。    规模化应用需要三重条件同时具备：足够大的用户基数、足够新的交互范式、足够深的行业纵深。终端是用户基数的入口。2026年具有本地大模型能力的手机出货量预计达到约1.47亿台12，AI眼镜、车载设备、家用机器人等新型终端也在加速渗透，AI能力正从云端调用走向日常触达。智能体则提供了全新的交互范式。2026年开年以来，智能体产品密集推出，已在电商运营、内容生产、办公协同等场景开始部署，应用形态从执行单一指令逐步走向承担多步骤、跨系统的复杂业务流程，有望进一步进入金融、医疗、制造等对可靠性要求更高的领域。

r | 行业纵深则决定了应用的持久性。在工业领域，AI驱动的质量检测、预测性维护、柔性生产已在汽车、电子、纺织等行业形成规模化部署；在服务领域，智能客服、个性化推荐等应用已覆盖零售、金融、文旅等主要行业。

s | AI正从辅助工具演变为业务流程的核心环节。    终端普及、智能体变革交互、行业应用积累纵深，三者共振，才能让人工智能真正从“能用”走向“常用”，从示范项目走向产业常态。与此同时，智能原生新业态也在这一过程中不断涌现，成为智能经济最具代表性的新增量。    （二）深入推进开源开放     《报告》明确提出支持人工智能开源社区建设、促进开源生态繁荣，这是政府工作报告首次将开源发展提升到战略层面。

t | 国产大模型在全球开源生态中的快速崛起，标志着我国正在逐步改变过去在基础软件领域长期以跟随和应用为主的局面。开源正在成为我国参与全球人工智能竞争的重要路径。    开源的核心意义，在于推动人工智能核心技术资源从少数头部企业向全社会有序扩散，使创新创业的起点前移。通过降低技术门槛、扩大开发者参与和促进生态协作，开源加快了这一波生成式人工智能技术的扩散和应用创新。坚持开源开放，有利于科研机构、中小企业和开发者共享技术成果，提升我国人工智能产业原始创新能力。

u |     过去一年，我国人工智能开源生态的全球影响力持续提升。截至2026年2 月，DeepSeek-R1及其衍生模型在Hugging Face平台总下载量已突破1000 万次，成为该平台有史以来最受关注的开源大模型。随后，腾讯、阿里、智谱、月之暗面等企业也持续推进不同层级和模态的大模型开源，我国企业在全球开源社区的活跃度和影响力明显增强。在Hugging Face下载量最高的前十大开源模型中，我国企业占据8款。    开源生态的繁荣，不只是模型开源，更在于形成可持续的生态体系。

v | 在开发者层面，进一步完善支持体系，通过开源贡献评价和激励机制，推动高校、科研机构、企业和个人开发者广泛参与，促进优质开源项目孵化与技术成果转化。在基础设施层面，推动模型、工具链、数据集和开发平台开放共享，完善知识产权保护机制和开源标准体系，增强不同项目之间的互操作性，避免形成新的技术孤岛。在商业模式层面，借鉴国际经验，支持企业通过技术服务、云托管、商业许可证双授权等方式提升开源项目可持续性。在生态开放层面，加强开源文化推广，加快构建面向全球开放的开源技术体系和社区生态。

w | 鼓励跨企业、跨机构协同创新，发展具有国际影响力的开源项目和开发工具，让更多国家、中小企业和开发者共享技术进步成果，推动人工智能能力以更加普惠的方式扩散。    （三）夯实智能经济发展底座     数字基础设施是智能经济的基础底座。《报告》对推进数字基础设施作出重要部署：实施超大规模智算集群、算电协同等新基建工程，加强全国一体化算力监测调度，支持公共云发展。

x | 加快发展卫星互联网。打造“5G+工业互联网”升级版。    算电协同是这组部署的核心。大模型训练、推理等场景规模化落地，带动算力需求快速攀升，并带动电力消耗同步攀升，电力约束已成为全球算力基础设施的核心因素。

y | 《报告》首次提出实施超大规模智算集群、算电协同等新基建工程，对我国而言，这不仅是应对能源压力的现实选择，也是发挥电力体系规模优势和基础设施统筹能力的重要战略路径。截至2025年底，我国可再生能源总装机达23.4亿千瓦，居全球第一。“东数西算”工程推动智算中心向西部绿电富集区布局，枢纽节点用电成本具备显著国际竞争力。预计未来将进一步优化国家算力枢纽节点布局，推动智算中心与绿电基地协同建设，以算力基础设施为牵引，促进芯片、基础模型、云平台和行业应用上下游贯通，形成绿色低碳、安全高效、全国协同的数字基础设施体系。    在算力部署方式上，针对“重硬轻软”和私有化部署成本高、周期长的问题，《报告》明确加强全国一体化算力监测调度，支持公共云发展。这意味着推动算力和AI能力由项目制交付转向即开即用的服务模式，继续推进普惠性“上云用数赋智”服务，让中小企业和开发者能够以较低成本接入大模型能力。

z |     在连接层面，《报告》部署加快发展卫星互联网、打造“5G+工业互联网”升级版。前者依托跨区域、全时段连接能力，为人工智能向远程制造、应急治理等场景延伸提供关键支撑；后者推动工业现场的实时数据采集和智能控制走向更大规模、更深层次的应用。两者共同构成智能经济“最后一公里”的网络底座。    （四）完善人工智能治理，推动智能向善     《报告》提出完善人工智能治理，这是统筹发展与安全、统筹技术进步与民生保障的内在要求。防范和化解人工智能带来的诸多风险，是全世界面临的共同课题。    完善人工智能治理，首先要把“让人放心”作为基本要求13。人工智能治理不能停留在数据安全、隐私保护和法律合规等底线层面，更重要的是在广泛的人机协作中建立可信机制。当前人工智能仍存在幻觉、不稳定输出、偏见扩散等问题，在医疗、教育、金融、公共治理等关键场景中，如果缺乏必要的人类监督，可能放大技术风险。尤其值得关注的是，随着人工智能从内容生成走向智能体执行乃至具身智能，应用层面的风险呈现“逐层外溢”特征，治理重心也需从通用规则转向场景化应对14。因此，要坚持发展和安全并重，强化关键环节的人类介入机制，推动形成“人机回环”的治理框架，使人在重要决策节点始终具备知情权、解释权和最终控制权，确保人工智能始终处于可信、可控、可追责的轨道上。

|     完善人工智能治理，还要以“把人放大”为价值导向。

| 人工智能的意义不在于替代人，而在于增强人的能力、拓展人的价值、提升人的创造空间。随着“智力即服务”成为现实，人工智能正在降低知识获取、内容生产和技术应用的门槛，使更多普通人、小微主体和基层组织能够以较低成本调用高质量智能服务。治理的重点不是限制技术扩散，而是通过制度安排确保更多群体公平受益，避免技术红利过度集中。    更深层地看，当知识获取和内容生产的门槛持续降低，真正决定个体价值的，将更多体现为判断力、主动性、同理心以及复杂情境中的综合应对能力。

| 推动智能向善，不只是治理技术本身，更是通过教育、制度和公共服务，引导社会形成与智能时代相适应的新型能力结构和价值认知。                        结语          智能经济不是已经到来的现实，而是正在形成的趋势。对我国而言，它的特殊意义在于：这是少数能够在技术早期阶段同时具备技术能力、市场规模和制度优势的经济形态。让技术可信可控，让人放心；让技术增强人而非替代人，把人放大。沿着这条主线，智能经济才能真正成为惠及广泛群体的新增长动能。                   参考资料：                    [1]阿西莫格鲁，《人工智能的简明宏观经济学》，美国国家经济研究局工作论文，2024年4月。

|          [2]高盛，《生成式人工智能对经济增长的潜在重大影响》，约瑟夫·布里格斯、德韦什·科德纳尼，2023年3月。         [3]麦肯锡，《生成式人工智能的经济潜力》，2023年6月。    [4]布莱恩·约弗森、洛克、西弗森，《生产率J曲线：信息技术如何以滞后效应提升生产率》，美国国家经济研究局，2021年。    [5]布雷斯纳汉、特拉伊滕贝格，《通用目的技术：增长的引擎？》，《计量经济学杂志》，1995年。

|     [6]麻省理工学院FutureTech项目，《AI与实体经济融合进展报告》，2025年。

|     [7] DeepSeek, “DeepSeek-V3 Technical Report,” 2024年12月。

|     [8]OpenRouter平台数据，2026年3月9日至15日当周。    [9] IDC，《2025年中国AI手机市场预测》，2025年12月。    [10]工业和信息化部新闻发言人、信息通信发展司司长谢存，2026年1月21日国新办新闻发布会。    [11]东壁科技、深圳大学，《全球人工智能科研态势报告》，2025年7月。    [12] IDC，《2026年中国智能手机市场十大洞察》，2025年12月。    [13] 司晓，《AI如何“让人放心，把人放大”》，《学习时报》，2026年2月4日。    [14]腾讯研究院，《2025年AI治理报告》，2026年1月。

|

Current article:http://www.xuanliaruamibinmilangca.shop/imaa/rnhi5.html

Published on:17:26:44