理论月刊丨人工智能驱动下的新质生产力突破与挑战

年中经济观察

——“十五五”开局与中国经济新方位

编者按

2026年作为“十五五”规划的理论开局之年，标志着中国经济步入新旧动能转换的月刊攻坚期。上半年，丨人工智在积极有为的动下的新宏观政策托底下，经济运行总体保持回升向好态势。质生然而，产力全球贸易体系重构、突破挑战科技博弈加剧及地缘政治冲突常态化，理论使得外部环境的月刊不确定性与复杂性显著上升，给我国经济发展带来严峻挑战。丨人工智

与此同时，动下的新人工智能革命、质生绿色转型深化、产力先进制造业升级、突破挑战新型消费扩容及高水平对外开放，理论正孕育出巨大的新增长空间。本专题聚焦宏观政策协同、科技创新突破、内需体系重塑及全球格局重构四大主线，邀请国内权威专家进行深度研判，探讨人工智能如何驱动新质生产力发展。

高婴劢 张朝

核心观点

人工智能通过构建“人—机—物”全域智联与泛在协同体系，深刻重构生产要素、生产关系、生产模式及收益分配机制，成为加速新质生产力发展的关键引擎。其呈现出数据驱动、人机协同、跨界融合、共创分享四大关键特征。

■ 高婴劢 张朝

作为引领新一轮科技革命和产业变革的战略性技术，人工智能具有极强的溢出带动效应，是推动科技跨越式发展、要素创新性配置及产业优化升级的核心动力。我国高度重视人工智能发展，坚持夯实自主创新根基，推动产业发展与行业应用双向赋能，促进AI与实体经济深度融合，并坚持开源开放，为培育新质生产力注入强劲动能。

一、 人工智能驱动新质生产力发展的内在机理

新质生产力是以创新为主导，摆脱传统增长路径，具备高科技、高效能、高质量特征的先进生产力质态。人工智能通过全域智联与泛在协同，从以下四个维度重构生产力体系：

（一）生产要素之新——数据驱动

在AI时代，数据已成为创造新价值、新业态、新模式的核心要素。
* 高质量数据供给：围绕大模型海量计算需求，高质量数据的深度挖掘与系统供给成为关键燃料。通过算法封装、智能体分配及Token输出，重构产业链并优化价值链。
* 数据源拓展：高质量数据正从公域向私域延伸，企业生产数据、专业标注数据、科研知识库及个人偏好数据，正构筑AI差异化竞争力的基石。
* 合成数据兴起：鉴于互联网公开数据资源枯竭及真实数据中存在的噪声、偏见与价值不均，具备真实数据特征的算法生成合成数据，其重要性日益凸显。

（二）生产关系之新——人机协同

AI角色从辅助工具向智能代理转变，人类与智能机器的分工协作动态演变。
* 效能倍增：英伟达CEO黄仁勋指出，未来每位工程师将拥有100个智能体，单人可完成过去团队的工作量。
* 分工重构：机器擅长处理标准化、重复性及海量运算任务；人类则聚焦创造性、情感性及复杂决策，负责判断、监督与战略分解，在人机协同中占据主导。
* 案例实践：软件开发核心从“写代码”转向“编排代理系统”，工程师价值体现在架构设计、任务分解与系统监督，具体实现由AI承担。

（三）生产模式之新——跨界融合

AI赋能加速行业间技术渗透、业务融合与价值整合，拓展生产力边界。
* 生态延伸：企业个体向产业生态延伸，智能体通过自主链接与动态协作跨越组织边界，促进生态系统协同创新。
* 网络协作：产业链合作向产业网络协作转变，通过数据共享与算法融合打破行业壁垒，实现制造、服务、金融、医疗等多领域资源要素的跨界流动与重组。
* 数字渗透：生产力作用空间从物理世界向数字世界渗透。AI构建数字孪生映射，实现模拟验证与并行迭代，将技术、知识、经验封装为服务资源，在数字空间实现低成本、高效率扩散。

（四）分配机制之新——共创分享

AI发展遵循“共生共创”逻辑，构建基于开源生态、多元主体协同的新型价值创造体系。
* 开放创新：创新不再由单一企业封闭完成，而是由企业、开发者、用户及智能体共同参与，共建、共享、共治的开源生态加速形成。
* 价值重分配：开源协作重塑利益分享机制，基于贡献度的价值分配取代传统交易关系。例如：代码贡献者获社区商业机会，数据提供者通过交易共享收益，算力贡献者获资源回报，应用开发者基于模型迭代增值。
* 正向循环：参与者兼具创造者与共享者身份，在开源共治中迸发创新活力，推动价值创造正向循环。

二、 人工智能驱动新质生产力发展的实践进展及挑战

制造业作为实体经济主战场，在AI赋能下进入全要素、全流程、全链条深刻变革阶段，加速从自动化向自主化迈进。我国实施“AI+制造”战略，叠加制造大国优势与AI产业先行优势，推动传统产业转型及新兴、未来产业培育。

（一）筑牢新质生产力要素根基

• 算力基础：以企业为引领，提出“韬（τ）定律”等新理论，在芯片制程、电路连接、空间堆叠及系统架构维度集成创新。实施超大规模智算集群、算电协同等新基建，推进全国一体化算力监测调度，智能算力规模居全球第二。
• 算法突破：实施算法工程化创新，基础大模型领域实现从跟跑到并跑。国产开源模型凭借性价比优势，成为海外AI初创企业首选。
• 数据供给：实施“模数共振”，以场景为导向，依托龙头企业和产业集群建设高质量数据集。目前已建成超11.6万个、体量超960PB的数据集，覆盖钢铁、石化、煤炭等重点行业。

（二）以AI驱动实体产业转型升级

我国制造业门类齐全，正按企业、行业、区域分层分类推进AI赋能：
* 企业层面：支持数字化领先企业率先升级，AI技术渗透智能制造领航工厂70%以上业务场景，沉淀超6000个垂直领域模型，带动1700多项关键装备与工业软件规模化应用。
* 行业层面：钢铁、有色、电力、通信等行业涌现专用模型，AI驱动生产流程智能化变革。
* 区域层面：依托国家AI创新应用先导区及先进制造业集群，搭建区域赋能服务平台，促进供需对接，以点带面推动区域产业数字化普及与智能化升级。

（三）打造智能产业新兴优势

• 终端布局：加快下一代智能终端布局，卡位AI应用平台和流量入口。工业机器人、无人机产量居世界首位；人形机器人从演示走向工厂实战；AI手机、AI电脑引发新一轮智能消费高潮。
• 智能体发展：聚焦智能体这一AI进化与落地关键载体，支持领先企业布局编程、办公、商务智能体，发展“AI+软件”服务。加强从开发平台、多智能体协同到基础协议的全维度部署，突破商业化落地与规模化推广瓶颈。

（四）优化开源开放合作生态

• 开源社区：坚持AI造福人类，共建公平、普惠、安全、向善的开放生态。支持建设全球开源协作平台AtomGit，打造国家级AI开源社区，截至今年5月底聚集超1100万开发者。
• 国际合作：成立中国—东盟AI产业创新中心、中国—金砖国家AI发展与合作中心，落地联合国工发组织全球工业AI联盟卓越中心。举办世界人工智能大会，加强与ITU、联合国工发组织合作，发起《国际人工智能开源合作倡议》。

面临的挑战

尽管进展显著，挑战依然存在：
1. 技术路径不确定性：物理AI基础设施部署、工业软件变革、智能原生产品创新及垂直行业应用进展加快，制造业技术架构、业务流程和价值逻辑被改写，路径选择与模式适应性面临考验。
2. 标准化难题：不同行业数智化基础差异大，场景需求明显不同，难以形成通用化、标准化解决方案。
3. 成本压力：除一次性投入外，算力调度、人力培训、系统运维等持续性投入使企业短期内难以收支平衡。
4. 安全风险：技术不稳定性、数据流通安全性及跨系统协同问题，可能引发产业安全风险。

三、 人工智能驱动新质生产力发展的路径选择

（一）加强布局前沿技术和基础创新

• 新型举国体制：集中力量推进技术攻关，夯实产业底座。
• 基础研究：支持高校院所加强基础研究，跟踪开辟新兴技术路线，避免“踏空”。
• 创新联合体：支持龙头企业组建创新联合体，探索共享算力、人才等关键资源，体系化开展模型“摸高”，缩小与前沿模型差距。
• 产学研协同：完善“产业出题、科技答题”机制，凝练关键问题，突破高端算力、高质量实景数据等短板，实现科技创新与产业创新同频共振。

（二）拓展人工智能赋能广度和深度

• 深度融合：深入推进“人工智能+”行动，面向千行百业，释放智能红利。
• 场景引领：分行业提炼高价值应用场景，打造标准化优质解决方案，促进“场景+解决方案”规模化推广，加快向核心环节渗透。
• 因业施策：结合行业基础与痛点，差异化制定可落地赋能路线图，降低试错成本，扩大覆盖范围。

（三）加快人工智能产业做大做强做优

• 全栈竞争：应对全球从单一技术竞争向全栈生态竞争的转变，增强核心竞争力。
• 产品优化：丰富行业垂类模型和智能体供给，加快生产装备、消费终端智能化升级，适配千行百业需求。
• 开源生态：打造AI开源社区，孵化明星项目，培育应用与贡献开源氛围，支撑高频创新，将开源流量转化为生态优势。
• 国际影响：支持有条件区域发展高地，探索算力、Token、解决方案出海等多元化模式，推动全栈技术体系融入全球应用，打造造福人类的国际公共产品。

（四）增强重点领域风险防控能力

• 技术安全：加强内生安全工具、价值观对齐检测等关键标准供给，强化“以技治技”，确保AI可控创新发展。
• 应用治理：科学研判AI在伦理失范、就业替代等领域的影响，完善治理措施，防范系统性风险。
• 前沿监管：制定完备治理措施，避免超越人类能力的AI大规模滥用，确保智能向善。

(高婴劢：中国电子信息产业发展研究院信息化与软件产业研究所副所长；张朝：中国电子信息产业发展研究院信息化与软件产业研究所前沿智能研究室主任)

总 监 制丨 杨玉洋 车海刚

监 制丨 陈 波 王 彧

主 编丨毛晶慧 编 辑丨陈姝含

本文地址：https://www.dr-wine.com/html/100f12699773.html