摘要：新一代人工智能作為新質(zhì)生產(chǎn)力的典型代表和重要源泉，是催生第四次產(chǎn)業(yè)革命的戰(zhàn)略性通用元技術。在識別新一代人工智能全新技術—經(jīng)濟特征的基礎上，系統(tǒng)性探究其驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的理論機制、突出問題與對策建議。一方面，基于生產(chǎn)函數(shù)變革視角，全面闡釋新一代人工智能發(fā)展對現(xiàn)代經(jīng)濟增長方程的投入要素、函數(shù)關系和經(jīng)濟產(chǎn)出等環(huán)節(jié)的深度變革效應，揭示新一代人工智能驅(qū)動傳統(tǒng)產(chǎn)業(yè)系統(tǒng)性優(yōu)化重組的理論機制。另一方面，基于要素協(xié)同匹配視角，利用信息經(jīng)濟學和創(chuàng)新經(jīng)濟學理論，深入闡釋新一代人工智能驅(qū)動現(xiàn)代產(chǎn)業(yè)體系全方位構(gòu)建的理論機制。從微觀、中觀、宏觀、國際和未來五大維度辨識新一代人工智能在驅(qū)動中國產(chǎn)業(yè)深度轉(zhuǎn)型升級中存在的突出問題。為此，建議在微觀維度形成有利于智能化轉(zhuǎn)型的創(chuàng)造性破壞生態(tài)，在中觀領域推進智能經(jīng)濟協(xié)調(diào)均衡發(fā)展，在宏觀層面締造優(yōu)良的新質(zhì)生產(chǎn)力發(fā)展環(huán)境，在國際環(huán)境中構(gòu)建自主可控的核心技術體系，并在未來視野下前瞻性擘畫智能化轉(zhuǎn)型方向。

關鍵詞：新一代人工智能；產(chǎn)業(yè)轉(zhuǎn)型升級；通用元技術；生產(chǎn)函數(shù)變革；要素協(xié)同匹配；新質(zhì)生產(chǎn)力；智能化轉(zhuǎn)型

文獻標識碼：A" " " 文章編號：1002-2848-2025（04）-0080-17

一、問題提出

人工智能（AI）正式提出于1956年的達特茅斯會議，在符號學派與統(tǒng)計學派的紛爭揚棄中經(jīng)歷了三次沉浮，如今正處于其第三波發(fā)展熱潮之中。2012年，AlexNet在ImageNet挑戰(zhàn)賽上取得突破性勝利，開啟了以機器學習革命為代表的AI新紀元，AlphaGo、ChatGPT、DeepSeek等顛覆性成果接連問世，引發(fā)了巨大的經(jīng)濟社會反響。在大數(shù)據(jù)、超級計算、腦科學等新技術新理論及廣泛應用場景的協(xié)同驅(qū)動下，新一代AI形成了數(shù)據(jù)智能和類腦智能并進的理論、技術與方法體系，呈現(xiàn)出深度學習、人機協(xié)同、跨界融合、群智開放、自主操控等科技突破性特征，成為新質(zhì)生產(chǎn)力的典型代表和重要源泉，已被諸多國家認為是掀起第四次產(chǎn)業(yè)革命的引擎。習近平總書記指出，“人工智能是引領這一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術，具有溢出帶動性很強的‘頭雁’效應”，“加快發(fā)展新一代人工智能是我們贏得全球科技競爭主動權的重要戰(zhàn)略抓手，是推動我國科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、生產(chǎn)力整體躍升的重要戰(zhàn)略資源”。

產(chǎn)業(yè)深度轉(zhuǎn)型升級不僅有利于經(jīng)濟快速增長及高效發(fā)展，還有利于經(jīng)濟可持續(xù)發(fā)展與產(chǎn)業(yè)安全，是不斷形成新質(zhì)生產(chǎn)力和扎實推進經(jīng)濟高質(zhì)量發(fā)展的核心內(nèi)容。因此，加快產(chǎn)業(yè)升級換代步伐，動態(tài)提升產(chǎn)業(yè)結(jié)構(gòu)層次，是現(xiàn)代經(jīng)濟發(fā)展的核心主題。當代國際經(jīng)濟競爭勝負的關鍵也取決于持續(xù)推進產(chǎn)業(yè)轉(zhuǎn)型升級的能力，這種能力的變遷會直接體現(xiàn)為此消彼長的國際經(jīng)濟實力格局的演變，并最終表現(xiàn)為國家興衰榮辱的歷史[1]。當前階段，中國新一代AI發(fā)展水平與世界前沿的差距要小于中國產(chǎn)業(yè)發(fā)展水平與世界前沿的差距；并且新一代AI作為戰(zhàn)略性通用科技進展，高度契合中國經(jīng)濟由高速增長邁向高質(zhì)量發(fā)展階段的時代使命，為驅(qū)動中國產(chǎn)業(yè)深度轉(zhuǎn)型升級、加快構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系提供了歷史性機遇。因此，利用新一代AI推動中國產(chǎn)業(yè)深度轉(zhuǎn)型升級既有戰(zhàn)略必要性也具現(xiàn)實可行性。

在社會實踐領域，雖然有人對新一代AI的經(jīng)濟社會影響滿懷期待，也有人對此感到不安，但都不否認新一代AI將深刻重塑經(jīng)濟業(yè)態(tài)與結(jié)構(gòu)。然而，在學術研究中，學者們對AI發(fā)展的經(jīng)濟效應有著更為復雜多元的觀點。一些研究認為，新一代AI是通用元技術（general purpose meta technology，GPMT），在促進知識增長、技術創(chuàng)新與經(jīng)濟效率提升上具有強大作用[2-3]，甚至已開始樂觀展望技術與經(jīng)濟奇點的來臨[4]。但另一些研究則發(fā)現(xiàn)了“新索洛悖論”現(xiàn)象[5][①]，并認為奇點到來還很遙遠且具有不確定性[6-7][②]。還有一些研究表明，AI對全要素生產(chǎn)率的影響具有異質(zhì)性和非線性特征[8-9]。此外，圍繞AI能否促進產(chǎn)業(yè)協(xié)調(diào)均衡發(fā)展，緩解鮑莫爾成本病[③]，也有肯定與否定等不同研究結(jié)論。

對于以上提到的新索洛悖論、奇點問題、鮑莫爾成本病等命題，從實證研究上看，可能源于遺漏變量、測量誤差、樣本選擇、模型誤設等導致的內(nèi)生性偏差，從而只看到了相關關系而未能識別出因果關系。從理論研究上看，則必須全面把握新一代AI全新技術—經(jīng)濟特征，并在深刻理解產(chǎn)業(yè)深度轉(zhuǎn)型升級內(nèi)涵與實現(xiàn)路徑的基礎上，對新一代AI發(fā)展驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的內(nèi)在機理進行系統(tǒng)性經(jīng)濟學分析，更好地理解與之相關的典型事實與理論假說，從而為經(jīng)驗研究奠定分析基礎。從政策研究上看，還需要深入辨識中國在利用新一代AI驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級中出現(xiàn)的突出問題，并提出針對性政策建議，以充分釋放新一代AI對中國產(chǎn)業(yè)深度轉(zhuǎn)型升級的強大勢能。

二、基礎內(nèi)涵研究

與一般的技術創(chuàng)新相比，新一代AI具有全新的技術—經(jīng)濟特征，對此進行全面剖析才能為深入揭示其強大產(chǎn)業(yè)變革效應奠定認知基礎。同時，也需要事先厘清產(chǎn)業(yè)深度轉(zhuǎn)型升級的深刻內(nèi)涵與實現(xiàn)路徑，進而為系統(tǒng)性探討新一代AI發(fā)展驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的內(nèi)在機制、突出問題與政策建議奠定分析基礎。

（一）新一代AI的全新技術—經(jīng)濟特征

1.通用元技術

新一代AI是兼具通用目的技術（general purpose technology，GPT）與發(fā)明方法的發(fā)明（invention of a method of invention，IMI）兩大功能的GPMT[④]。如表1所示，工業(yè)機器人、感知反應機器人、靜態(tài)編碼算法等傳統(tǒng)AI在GPT或IMI上最多只具其一，而基于機器學習的新一代AI則既是GPT又是IMI[3]。GPT能在國民經(jīng)濟各行業(yè)中產(chǎn)生廣泛的要素替代與互補效應[10]，IMI可深刻革新技術創(chuàng)新范式。因此，傳統(tǒng)AI只能產(chǎn)生局部產(chǎn)業(yè)變革效應，缺乏驅(qū)動廣泛產(chǎn)業(yè)深度轉(zhuǎn)型升級的能量，新一代AI則具有引發(fā)新一輪全局性科技與產(chǎn)業(yè)革命的強大勢能。

2.強大信息揭示與預測功能

基于統(tǒng)計學派的新一代AI改變了符號學派的理論驅(qū)動范式，可以在沒有專家知識的情況下，利用海量數(shù)據(jù)、強大算力和先進算法，憑借數(shù)據(jù)驅(qū)動范式從混沌中進行統(tǒng)計歸納和模仿學習[11]，其在諸多領域已展現(xiàn)出強大的信息揭示與低成本預測功能，大幅降低信息不完全，緩解逆向選擇和道德風險問題，并減少決策的盲目性、滯后性和片面性[2，12]，極大提高市場運行效率。例如，Google Flu Trends通過記錄匯總流感信息搜索的IP地址，實現(xiàn)了對甲型H1N1流感疫情傳播情況的動態(tài)監(jiān)測和精準定位，為公共衛(wèi)生機構(gòu)提供了近乎實時的疫情熱點信息，增強了及時決策防控和高效配置醫(yī)療資源的能力，而傳統(tǒng)流感監(jiān)測和預測手段通常依賴醫(yī)院報告和實驗室檢驗，可能會有時間上的延遲。

3.學習曲線效應與正網(wǎng)絡效應

新一代AI具有學習曲線效應，隨著使用時間和次數(shù)的增長，能不斷積累訓練數(shù)據(jù)、優(yōu)化算法、增強算力和拓展應用場景，從而大幅提升其價值和功能，還可通過博弈機器學習方式，實現(xiàn)自我迭代更新，極大提高學習效率。如AlphaGo的多智能體系統(tǒng)憑借反復虛擬攻防對抗訓練和無悔學習，以“左右手互搏”的方式不斷優(yōu)化對弈策略。此外，新一代AI還呈現(xiàn)出正網(wǎng)絡效應。隨著使用者數(shù)量日益增加，訓練集變得越發(fā)豐富，還拓展了更廣闊的應用場景，從而不斷提升新一代AI的價值與功能。

總之，從以上三方面的全新技術經(jīng)濟特征來看，新一代AI技術不僅本身具有原創(chuàng)性和顛覆性，是新質(zhì)生產(chǎn)力的典型代表。并且，其還能促進生產(chǎn)要素創(chuàng)新配置，加快技術創(chuàng)新步伐，故還是催生新質(zhì)生產(chǎn)力的重要源泉。因此，通過改造提升傳統(tǒng)產(chǎn)業(yè)、培育壯大新興產(chǎn)業(yè)以及布局建設未來產(chǎn)業(yè)，新一代AI將成為驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的重要力量。

（二）產(chǎn)業(yè)深度轉(zhuǎn)型升級的內(nèi)涵與實現(xiàn)路徑

產(chǎn)業(yè)深度轉(zhuǎn)型升級是通過驅(qū)動一系列基要生產(chǎn)函數(shù)持續(xù)變化，使傳統(tǒng)產(chǎn)業(yè)由低附加值、低技術水平和低效率狀態(tài)普遍向高附加值、高技術水平和高效率狀態(tài)大幅躍遷的過程。這一演變是實現(xiàn)增長動力轉(zhuǎn)換、經(jīng)濟結(jié)構(gòu)優(yōu)化和發(fā)展方式轉(zhuǎn)變的關鍵所在，也是現(xiàn)代化經(jīng)濟體系逐漸構(gòu)建的過程?；诖媪空{(diào)整（“革故”）和增量演進（“鼎新”）的邏輯，本文將深入探究產(chǎn)業(yè)深度轉(zhuǎn)型升級的兩大實現(xiàn)路徑：一是推動傳統(tǒng)產(chǎn)業(yè)系統(tǒng)性優(yōu)化重組，充分利用新一代AI的產(chǎn)業(yè)變革效應，抓住優(yōu)化重構(gòu)傳統(tǒng)產(chǎn)業(yè)生產(chǎn)函數(shù)的歷史性機遇，大幅提高傳統(tǒng)產(chǎn)業(yè)的技術水平、附加值和生產(chǎn)率；二是促進現(xiàn)代產(chǎn)業(yè)體系全方位構(gòu)建，全面發(fā)揮新一代AI在促進實體經(jīng)濟、科技創(chuàng)新、現(xiàn)代金融與人力資源四維協(xié)同上的作用，形成完整、先進和安全的現(xiàn)代產(chǎn)業(yè)體系。

因此，本文將基于生產(chǎn)函數(shù)變革與要素協(xié)同匹配兩大視角，從傳統(tǒng)產(chǎn)業(yè)系統(tǒng)性優(yōu)化重構(gòu)和現(xiàn)代產(chǎn)業(yè)體系全方位構(gòu)建兩大實現(xiàn)路徑出發(fā)，探討作為新質(zhì)生產(chǎn)力典型代表和重要源泉的新一代AI對產(chǎn)業(yè)深度轉(zhuǎn)型升級的驅(qū)動機理。

三、新一代AI驅(qū)動傳統(tǒng)產(chǎn)業(yè)系統(tǒng)性優(yōu)化重組的理論機制

本部分將基于生產(chǎn)函數(shù)變革視角，針對現(xiàn)代經(jīng)濟增長方程的投入要素、函數(shù)關系及經(jīng)濟產(chǎn)出等環(huán)節(jié)，全面闡釋新一代AI通過要素稟賦結(jié)構(gòu)升級、全要素生產(chǎn)率提升、產(chǎn)消合一模式達成和智能經(jīng)濟轉(zhuǎn)型等四個渠道驅(qū)動傳統(tǒng)產(chǎn)業(yè)系統(tǒng)性優(yōu)化重組的內(nèi)在理論機制。

（一）要素稟賦結(jié)構(gòu)動態(tài)升級

規(guī)模經(jīng)濟理論認為，規(guī)模擴大可增強產(chǎn)業(yè)發(fā)展的國際競爭優(yōu)勢，揭示了產(chǎn)業(yè)競爭格局是可以后天創(chuàng)造的。然而，內(nèi)生于要素稟賦結(jié)構(gòu)的比較優(yōu)勢事實上框定了能在什么層次和類型的產(chǎn)業(yè)上形成規(guī)模經(jīng)濟。在嚴重違背要素稟賦結(jié)構(gòu)的情形下，規(guī)模經(jīng)濟效應很難實現(xiàn)。因此，要推動產(chǎn)業(yè)深度轉(zhuǎn)型升級，必須從根本上提升要素稟賦結(jié)構(gòu)，否則大規(guī)模市場優(yōu)勢將難以發(fā)揮。新一代AI所具有的全新技術—經(jīng)濟特征和功能，使其能夠推動要素稟賦結(jié)構(gòu)動態(tài)升級，為傳統(tǒng)產(chǎn)業(yè)系統(tǒng)性優(yōu)化重組奠定要素基礎。

1.革新要素投入版圖

新一代AI本身是具有技術前沿性、高附加值、創(chuàng)新驅(qū)動力等特征的高端新型要素，不僅能夠部分或完全替代非熟練勞動、熟練勞動、信息和通信技術資本等生產(chǎn)要素，勝任大量人類難以處理的復雜和高強度工作，實現(xiàn)對人類體力和腦力的雙重替代[13]，還可作為互補要素，與其他要素形成分工協(xié)作格局，大幅提升生產(chǎn)效率。例如，在醫(yī)學影像分析中，通過深度學習算法，AI能夠快速精準分析X光片、CT等數(shù)據(jù)，檢測早期病變或異常。醫(yī)生則負責對分析結(jié)果進行審查和最終診斷，并與患者溝通病情，確定治療方案，大幅提高診斷效率。因此，新一代AI技術具有廣泛而強大的要素替代與互補能力，為經(jīng)濟社會在生產(chǎn)要素方面提供了全新選擇，革新了要素投入版圖，驅(qū)動了要素稟賦結(jié)構(gòu)動態(tài)升級，從而為產(chǎn)業(yè)升級提供強勁動力。

2.提升人力資本結(jié)構(gòu)

新一代AI對中低技能重復性工作具有替代效應，會減少這類勞動者的報酬并提高其失業(yè)風險，但對高端人力資本存在互補效應，可增加高層次人才的需求和報酬[7，13]。例如，在金融領域，AI算法能夠?qū)崿F(xiàn)高頻交易和風險分析，推動金融從業(yè)人員轉(zhuǎn)向復雜金融產(chǎn)品開發(fā)和市場分析等更具創(chuàng)造性和戰(zhàn)略性的工作，這要求具備更強的數(shù)據(jù)分析能力和豐富的跨學科知識，從而倒逼人力資本結(jié)構(gòu)提升。此外，新一代AI及其產(chǎn)業(yè)化發(fā)展還會產(chǎn)生就業(yè)創(chuàng)造效應，在AI算法開發(fā)、大數(shù)據(jù)分析、智能系統(tǒng)維護等領域涌現(xiàn)了大量新興崗位。勞動市場的上述變化會引起薪酬結(jié)構(gòu)以及教育培訓體系的深刻重塑，形成促進人力資本結(jié)構(gòu)提升的倒逼或誘導機制[14]，進而驅(qū)動要素稟賦結(jié)構(gòu)動態(tài)升級。

（二）全要素生產(chǎn)率大幅提升

全要素生產(chǎn)率反映了除資本和勞動投入外其他因素所帶來的綜合產(chǎn)出效應，其他因素主要包括技術創(chuàng)新、資源配置、規(guī)模與范圍經(jīng)濟、制度與組織環(huán)境等。

1.技術創(chuàng)新加速迭代

作為通用目的技術，新一代AI將廣泛滲透到國民經(jīng)濟和社會發(fā)展的各個領域，帶來深刻的智能化革命，催生全新的應用場景、產(chǎn)品和商業(yè)模式，從而通過技術替代和創(chuàng)新互補加速誘致性技術變遷。作為IMI，新一代AI能夠廣泛發(fā)現(xiàn)潛在技術供給與需求，匹配整合創(chuàng)新資源，并在新想法的產(chǎn)生、篩選、實驗和商業(yè)化開發(fā)等創(chuàng)新創(chuàng)業(yè)過程以及創(chuàng)新管理實踐中發(fā)揮優(yōu)化作用，進而加速各領域新科技成果的廣泛產(chǎn)生[15]。例如，美國Atomwise公司利用深度卷積神經(jīng)網(wǎng)絡預測候選分子的生物活性，通過大規(guī)模分析和處理分子結(jié)構(gòu)數(shù)據(jù)，模擬和預測其與生物靶點的相互作用，助力研究人員快速確定最具潛力的新藥物。此項突破不僅縮短了研發(fā)周期，降低了試驗成本，提高了新藥物研發(fā)成功率，也為生物醫(yī)藥領域的前沿創(chuàng)新提供了新技術手段。此外，新一代AI在利用數(shù)據(jù)的同時也會產(chǎn)生新數(shù)據(jù)，為未來的創(chuàng)新奠定基礎，形成“序貫創(chuàng)新”的良性機制。這些會系統(tǒng)有效地提升創(chuàng)新速率，降低創(chuàng)新風險，從而開啟重組增長的新紀元。

2.資源配置優(yōu)化

新一代AI不僅有助于緩解商品市場面臨的信息不完全、競爭活力不足、公共物品、外部效應等市場失靈問題，促進商品市場高效運行，也為配對市場的稠密性、真實偏好揭示、穩(wěn)定匹配、安全性、簡單方便等要求提供了重大技術機遇，助力配對市場的應用場景擴展和繁榮發(fā)展[16]。商品市場與配對市場的高效運作，有利于實現(xiàn)資源潛在需求與潛在供給的智能對接，向人盡其才、物盡其用的境界靠攏，全面推進資源優(yōu)化配置。例如，美的公司的智能樓宇管理系統(tǒng)通過動態(tài)監(jiān)控人員流量，對空調(diào)實時變頻調(diào)控，實現(xiàn)空調(diào)耗能智慧化管理，僅1棟辦公樓1日就可節(jié)省7 000余元電費開支，節(jié)省電能損耗24%左右。杭州數(shù)字資源管理中心通過“城市大腦”精確預測游客數(shù)量和來訪時間，提前進行交通規(guī)劃和人員調(diào)度，優(yōu)化了資源配置。

3.規(guī)模與范圍經(jīng)濟效應

新一代AI可幫助企業(yè)更充分地發(fā)揮內(nèi)部和外部規(guī)模經(jīng)濟效應。在開發(fā)前期，新一代AI需要進行數(shù)據(jù)訓練、算法設計和算力投入，完成后便可廣泛應用于研發(fā)、生產(chǎn)、營銷、庫存管理等多個環(huán)節(jié)，實現(xiàn)人機分工與生產(chǎn)，呈現(xiàn)出高固定成本與低邊際成本特征，平均成本便可隨生產(chǎn)規(guī)模擴大而大幅下降，具有明顯的內(nèi)部規(guī)模經(jīng)濟效應。同時，通過知識共享平臺構(gòu)建、智能檢索與生成等，新一代AI促進了產(chǎn)學研合作及虛擬互動，增強了知識溢出與技術擴散，從而提升了外部規(guī)模經(jīng)濟效應。

新一代AI可幫助企業(yè)通過多元化經(jīng)營實現(xiàn)成本節(jié)約，充分利用范圍經(jīng)濟效應。新一代AI在不同產(chǎn)品研發(fā)上具有通用性，企業(yè)可通過遷移學習與技術共享減少研發(fā)成本，促進多產(chǎn)品線的協(xié)同創(chuàng)新，并通過生產(chǎn)流程優(yōu)化與資源智能調(diào)度，在多產(chǎn)品生產(chǎn)中共享設備、原材料和人力等資源，實現(xiàn)多元化高效共線生產(chǎn)。此外，新一代AI還能增強企業(yè)在市場營銷、供應鏈管理和客戶服務中的協(xié)同性，優(yōu)化統(tǒng)籌不同產(chǎn)品的采購、庫存與品牌管理，提升多元化運營效率。

4.組織管理效率提升

新一代AI能夠利用已有信息生成未知信息，填補缺失信息，降低管理過程中的信息不對稱和交易費用，還可助力信息在組織間高效流動，減少信息漏損，緩解委托—代理問題，提高決策效率和準確性。這為組織的集權化或分權化重組提供了良好的信息技術條件，使得組織架構(gòu)可以根據(jù)效率原則靈活調(diào)整，從而大幅提升全要素生產(chǎn)率[17]。例如，西門子公司通過應用新一代AI技術，提升了生產(chǎn)系統(tǒng)的智能化水平，實現(xiàn)了全球范圍內(nèi)的生產(chǎn)數(shù)據(jù)共享，建立了集權化與分權化相結(jié)合的高效管理模式：在戰(zhàn)略層面保持集中統(tǒng)一，以確保全球業(yè)務的一致性；在運營層面賦予各地工廠自主權，以快速響應本地市場需求。

（三）產(chǎn)消合一模式達成

高檔產(chǎn)品的需求收入彈性大于1，是從需求側(cè)驅(qū)動產(chǎn)業(yè)轉(zhuǎn)型升級的重要力量。隨著收入增加，中國居民對高品質(zhì)、個性化、健康、安全產(chǎn)品的需求暴漲，而對低檔產(chǎn)品的需求銳減，適應消費新趨勢為產(chǎn)業(yè)深度轉(zhuǎn)型升級提供了巨大的潛在市場推力。新一代AI在消費端可通過大規(guī)模搜集用戶體驗和多樣化偏好，及時識別和反饋個性化需求；在生產(chǎn)端可利用消費大數(shù)據(jù)進行柔性生產(chǎn)，并對潛在目標消費群體進行定向營銷和動態(tài)定價。通過促進生產(chǎn)端和消費端的智能交互銜接，新一代AI能助力產(chǎn)消合一模式實現(xiàn)[18]。這有利于提高新產(chǎn)品與服務的市場需求契合度，縮短開發(fā)周期并增加決策精準性，引導生產(chǎn)者通過產(chǎn)品重組和升級贏得潛在市場，推動高端產(chǎn)品生產(chǎn)并淘汰低端落后產(chǎn)能，為緩解中國人民日益增長的美好生活需要和不平衡不充分發(fā)展之間的矛盾提供了重要的技術性輔助方案，從而推進供給結(jié)構(gòu)優(yōu)化調(diào)整和產(chǎn)業(yè)深度轉(zhuǎn)型升級。

（四）智能經(jīng)濟轉(zhuǎn)型效應

智能經(jīng)濟轉(zhuǎn)型包括智能產(chǎn)業(yè)化和產(chǎn)業(yè)智能化兩部分，前者是AI技術本身作為一個獨立產(chǎn)業(yè)的發(fā)展和市場化，而后者則是將AI技術應用到傳統(tǒng)行業(yè)以提升其智能化水平。智能產(chǎn)業(yè)化為產(chǎn)業(yè)智能化提供技術基礎，而產(chǎn)業(yè)智能化則為智能產(chǎn)業(yè)化創(chuàng)造市場需求，兩者協(xié)同聯(lián)動促進傳統(tǒng)產(chǎn)業(yè)系統(tǒng)性優(yōu)化重組。

1.智能產(chǎn)業(yè)化

新一代AI通過研發(fā)創(chuàng)新和商業(yè)化開發(fā)已成長為規(guī)?？捎^的獨立產(chǎn)業(yè)，如自動駕駛技術、AI芯片、生成式AI、智能機器人等。截至2024年11月，中國AI核心產(chǎn)業(yè)規(guī)模接近6 000億元，相關企業(yè)約4 500家。雖然智能產(chǎn)業(yè)化的經(jīng)濟規(guī)模仍小于產(chǎn)業(yè)智能化，但新一代AI產(chǎn)業(yè)本身是知識密集型產(chǎn)業(yè)，具有高技術含量和高附加值特征，居于產(chǎn)業(yè)價值鏈的高端環(huán)節(jié)，其發(fā)展將直接帶來產(chǎn)業(yè)深度轉(zhuǎn)型升級。此外，智能產(chǎn)業(yè)具有技術前沿性、廣泛滲透性和協(xié)同創(chuàng)造性等特征，是推進廣泛產(chǎn)業(yè)智能化轉(zhuǎn)型的技術基礎與“火車頭”，從而能間接驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級。

2.產(chǎn)業(yè)智能化

傳統(tǒng)產(chǎn)業(yè)通過引入和應用新一代AI，可提升其在供應鏈、生產(chǎn)流程、營銷策略等方面的智能化水平，從而增強決策能力、優(yōu)化資源配置，促進技術創(chuàng)新，實現(xiàn)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級。同時，新一代AI作為通用目的技術，可通過智慧農(nóng)業(yè)、智能制造、智能服務等方式對傳統(tǒng)產(chǎn)業(yè)各領域進行深刻的智能化改造，產(chǎn)生廣泛而強大的聚變、裂變與衰變效應，使其煥發(fā)出全新的產(chǎn)品、業(yè)態(tài)和模式。此外，傳統(tǒng)產(chǎn)業(yè)智能化的推進也將為新一代AI發(fā)展帶來廣闊應用場景和多方市場動態(tài)反饋，形成產(chǎn)業(yè)智能化和智能產(chǎn)業(yè)化循環(huán)演進的格局，通過創(chuàng)造性破壞效應驅(qū)動傳統(tǒng)產(chǎn)業(yè)重構(gòu)升級[19]。

四、新一代AI賦能現(xiàn)代產(chǎn)業(yè)體系全方位構(gòu)建的理論機制

本部分將基于要素協(xié)同匹配視角，利用信息經(jīng)濟學和創(chuàng)新經(jīng)濟學理論，探究新一代AI通過人機分工新形態(tài)形成、信息不對稱緩解、高效分離均衡實現(xiàn)以及搜尋匹配成本降低等4個渠道賦能現(xiàn)代產(chǎn)業(yè)體系全方位構(gòu)建的內(nèi)在理論機制。

《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》指出，“構(gòu)建實體經(jīng)濟、科技創(chuàng)新、現(xiàn)代金融、人力資源協(xié)同發(fā)展的現(xiàn)代產(chǎn)業(yè)體系”。這一提法擺脫了以三次產(chǎn)業(yè)構(gòu)成來刻畫產(chǎn)業(yè)升級的傳統(tǒng)做法，深刻體現(xiàn)了中國對現(xiàn)代經(jīng)濟增長內(nèi)在動力及其實現(xiàn)路徑的深入洞察，使人們對產(chǎn)業(yè)結(jié)構(gòu)變遷的理解從簡單線性思維進入到非線性系統(tǒng)思維階段[20]。實體經(jīng)濟是國民經(jīng)濟的基石，科技創(chuàng)新是促進經(jīng)濟發(fā)展的第一動力，現(xiàn)代金融是經(jīng)濟的血液，人力資源是源頭資源?？萍紕?chuàng)新、現(xiàn)代金融和人力資源需要以質(zhì)的匹配性、量的均衡性、時間的及時性以及空間的聚合性投入到實體經(jīng)濟中，才能有效驅(qū)動現(xiàn)代產(chǎn)業(yè)體系構(gòu)建。新一代AI為解決現(xiàn)代產(chǎn)業(yè)體系構(gòu)建中的四維協(xié)同問題提供了新的技術性應對方案，成為驅(qū)動現(xiàn)代產(chǎn)業(yè)體系全方位構(gòu)建的重要力量。

（一）形成人機分工新形態(tài)

新一代AI能夠與人類智能協(xié)同互補，依據(jù)比較優(yōu)勢形成人機分工新形態(tài)。新一代AI在及時性與關注力要求高、數(shù)據(jù)豐富的常規(guī)預測、情緒化認知偏差規(guī)避、規(guī)律性復雜計算等活動上具有比較優(yōu)勢，而人類智能則在數(shù)據(jù)稀少的例外預測、價值判斷、發(fā)散創(chuàng)造性思維等活動上存在比較優(yōu)勢[2]。波蘭尼悖論（Polanyi’s paradox）和莫拉維克悖論（Moravec’s paradox）進一步揭示：對人類而言需要高階認知技能的任務，如數(shù)學定理證明等顯性知識，AI通常可以輕而易舉地解決；而對人類來說十分簡單的無意識直覺活動，如自如行走、情緒感知等隱性知識，AI卻面臨巨大的算力、數(shù)據(jù)和算法挑戰(zhàn)[11，13][⑤]。因此，如圖1所示，對于顯性知識復雜性與隱性知識編碼性兩個維度相結(jié)合的各種可能，新一代AI和人類智能具有互補性。人類智能在隱性知識領域更擅長，而AI則在顯性知識上具有比較優(yōu)勢，使得人機分工與協(xié)作的新形態(tài)得以形成，從而全面提高生產(chǎn)率，驅(qū)動現(xiàn)代產(chǎn)業(yè)體系構(gòu)建。

（二）緩解信息不對稱

新一代AI通過匯集和分析市場交易大數(shù)據(jù)，具有強大的信息揭示功能，可以降低資金供需方、人才與雇主、科技研發(fā)與商業(yè)化應用之間的信息不對稱程度，使得供需雙方更容易地發(fā)現(xiàn)彼此，打通各類要素在不同地區(qū)、部門和體制間的市場化流轉(zhuǎn)信息壁壘。這有利于現(xiàn)代金融、科技創(chuàng)新、人力資源和實體經(jīng)濟在數(shù)量、質(zhì)量、結(jié)構(gòu)等多維度上進行供需動態(tài)對接。并且，新一代AI通過信息收集和反饋，能夠及時發(fā)現(xiàn)要素協(xié)同過程中的體制機制障礙和要素短板，推動政府進行改革，幫助企業(yè)和研究機構(gòu)找準并攻克卡脖子技術難題，促進要素培育、引入和流動，實現(xiàn)要素協(xié)同。此外，新一代AI也減少了市場主體發(fā)現(xiàn)成功者并學習其成功策略的信息壁壘，有利于加快學習和調(diào)整速度，驅(qū)動要素動態(tài)協(xié)同。

（三）實現(xiàn)高效分離均衡

當以次充好的成本足夠小時，低質(zhì)量要素會把高質(zhì)量要素擠出市場，形成逆向選擇現(xiàn)象，導致要素市場部分或完全失靈，出現(xiàn)低效率混合均衡（pooling equilibrium），難以實現(xiàn)要素協(xié)同。新一代AI以要素市場大數(shù)據(jù)為基礎，在強大算力和算法的支持下，增強了甄別要素真實質(zhì)量的能力，大幅提升以次充好的成本，有利于形成高效率分離均衡（separating equilibrium），避免市場失靈。以科技成果轉(zhuǎn)化為例，上述高效率分離均衡機制可在一個完全但不完美信息動態(tài)博弈中得到說明，如圖2所示。

假設科技成果轉(zhuǎn)化市場上的成果擁有者（博弈方1）有兩種類型的科技成果：有市場前景的好成果（g）和沒有市場前景的差成果（b），它們均以相同價格P轉(zhuǎn)讓。對科技成果潛在需求方（博弈方2）而言，好成果價值為V，差成果價值為W，假設V PW。此外，假設差成果要偽裝成好成果進行轉(zhuǎn)化，需要額外付出成本C。同時，信息是不對稱的：博弈方1知道自己的成果是好還是差，但博弈方2不知道。

1.市場完全失敗的合并均衡

若需求方根據(jù)掌握的信息認為（其中一個必要條件是CP）在成果擁有者選擇轉(zhuǎn)化（s）時一定是差成果，而不會是好成果，即。此時，需求方選接受的期望收益為，為負值，需求方肯定會拒絕，供給方選轉(zhuǎn)化是相比不轉(zhuǎn)化的弱劣策略，因此選不轉(zhuǎn)化更明智。這種情況下的完美貝葉斯納什均衡為：科技成果擁有方選擇不轉(zhuǎn)化，科技成果需求方選擇拒絕。需求方的判斷為：。這是一種市場完全失敗的合并均衡，許多具有潛在經(jīng)濟利益的科技成果交易完全沒法實現(xiàn)。

2.市場完全成功的分離均衡

當PC時，可達到市場完全成功的分離均衡。此時，科技成果擁有方一定不會將差成果進行轉(zhuǎn)化，而好成果仍會選擇轉(zhuǎn)化，則需求方的判斷為，其選擇接受的期望收益為，為正值，接受是最佳選擇。以上判斷和策略組合構(gòu)成完美貝葉斯納什均衡，是市場完全成功的分離均衡。

上述分析表明，增加以次充好的成本是使科技成果轉(zhuǎn)化市場由失靈走向成功的關鍵，而新一代AI借助科技成果轉(zhuǎn)化數(shù)據(jù)庫和強大計算能力，可以提供更豐富、更準確的科技成果潛在市場前景信息，大大減少了劣幣驅(qū)逐良幣現(xiàn)象，從而有利于締造成功的科技成果轉(zhuǎn)化市場。這一邏輯也很容易推廣到對金融市場、人力資源市場、產(chǎn)品市場、服務市場等廣泛情形的分析[⑥]。對于現(xiàn)代產(chǎn)業(yè)體系構(gòu)建的四維協(xié)同問題，新一代AI可以幫助人力資源管理部門識別應聘者的真實才能，幫助金融機構(gòu)判斷潛在融資項目的發(fā)展前景，幫助政府或企業(yè)分析科技創(chuàng)新項目的成功概率，這都有利于驅(qū)動實體經(jīng)濟的健康發(fā)展，從而在科技創(chuàng)新、現(xiàn)代金融、人力資源與實體經(jīng)濟的四維協(xié)同發(fā)展中扮演催化促進作用，驅(qū)動現(xiàn)代產(chǎn)業(yè)體系構(gòu)建。

（四）降低搜尋匹配成本

產(chǎn)業(yè)轉(zhuǎn)型升級理論較多強調(diào)了各類高端要素的不可或缺性，認為只要要素齊備，產(chǎn)業(yè)升級便可自然推進。然而，產(chǎn)業(yè)升級是一個復雜的系統(tǒng)過程，不僅需要各類要素的存在，更需要所有要素形成協(xié)同匹配、優(yōu)化組合的局面，有要素但不協(xié)同仍然難以有效驅(qū)動產(chǎn)業(yè)升級。此外，各類要素本身具有異質(zhì)性，對要素的需求也是高度差異化的。因此，要素供需雙方必須在分散化的市場上以一對一的方式進行交易匹配，在搜尋過程中實現(xiàn)特殊偏好、技能與需求的協(xié)同匹配。這一搜尋匹配過程通常是費時、高成本且充滿摩擦的，一定時間內(nèi)要素閑置與要素急需會同時存在。

在信息不對稱程度難以降低時，新一代AI能夠降低搜尋匹配成本[22]，形成實體經(jīng)濟、科技創(chuàng)新、現(xiàn)代金融與人力資源四維協(xié)同的發(fā)展格局，從而通過技術、人才、資金等要素的優(yōu)化聚合締造優(yōu)良的創(chuàng)新發(fā)展生態(tài)系統(tǒng)，極大釋放現(xiàn)有創(chuàng)新資源的科創(chuàng)勢能，為現(xiàn)代產(chǎn)業(yè)體系構(gòu)建奠定微觀基礎。

五、新一代AI驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的突出問題

在上述理論機制分析的基礎上，本部分擬從中國新一代AI發(fā)展及產(chǎn)業(yè)轉(zhuǎn)型的現(xiàn)實出發(fā)，基于微觀維度、中觀領域、宏觀層面、國際環(huán)境和未來視野等五大方面，系統(tǒng)辨識新一代AI在驅(qū)動中國產(chǎn)業(yè)深度轉(zhuǎn)型升級中存在的突出問題。

（一）微觀維度智能化轉(zhuǎn)型面臨三重困境

新一代AI若要充分發(fā)揮理論上闡述的對產(chǎn)業(yè)深度轉(zhuǎn)型升級的驅(qū)動效應，必須依托企業(yè)的智能化轉(zhuǎn)型，這需要企業(yè)系統(tǒng)性革新現(xiàn)有經(jīng)營模式，勢必會經(jīng)歷一個創(chuàng)造性破壞的動態(tài)演變過程。此過程不僅耗時較長，還伴隨著高昂的調(diào)整成本，可能在初期造成資源配置扭曲[23]，甚至出現(xiàn)“索洛悖論”現(xiàn)象。因此，出于害怕變革、認知滯后、路徑依賴等原因，中國企業(yè)智能化轉(zhuǎn)型面臨三重困境，從而未能充分形成驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的微觀基礎。

1.企業(yè)智能化轉(zhuǎn)型缺乏方向

長期積淀而成的企業(yè)文化易導致路徑依賴，使企業(yè)行為及決策模式固化，在面臨智能化轉(zhuǎn)型機遇時，會畏懼轉(zhuǎn)型陣痛，對技術與市場變化反應遲緩，缺乏創(chuàng)新思維和轉(zhuǎn)型動力。戰(zhàn)略方案的缺位也使其不知如何推進智能化轉(zhuǎn)型。企業(yè)要么缺乏明確的目標，盲目地孤島式部署智能化，轉(zhuǎn)型方向迷失；要么智能化轉(zhuǎn)型方案與企業(yè)業(yè)務發(fā)展脫軌，轉(zhuǎn)型缺乏指導性；抑或是跨業(yè)務領域拓展智能化轉(zhuǎn)型的協(xié)調(diào)成本較高，使得企業(yè)無法凝聚合力全方位推進智能化轉(zhuǎn)型。這些均會導致企業(yè)智能化轉(zhuǎn)型方向不明，從而難以充分釋放新一代AI發(fā)展的引領帶動作用，錯失提升生產(chǎn)率和競爭力的新機遇。

2.企業(yè)智能化轉(zhuǎn)型深度不足

企業(yè)智能化轉(zhuǎn)型對硬件和軟件會提出全新要求，推倒重構(gòu)現(xiàn)有技術不僅成本高昂，且充滿不確定性，因此多數(shù)企業(yè)傾向于在現(xiàn)有基礎上進行局部調(diào)整而非系統(tǒng)性開發(fā)，這可能引發(fā)兼容性問題，使得智能化轉(zhuǎn)型難以深入。并且，智能化轉(zhuǎn)型也亟須大量專業(yè)技術人才支持，但當前這類人才較為短缺。加之企業(yè)從招聘到技能培訓的過程漫長，新一代AI應用可能因人才匱乏而受限，進一步制約了智能化轉(zhuǎn)型的深入推進。

3.企業(yè)智能化轉(zhuǎn)型不可持續(xù)

企業(yè)智能化轉(zhuǎn)型是一個動態(tài)革新過程，需要不斷將新一代AI的前沿科技進展應用到生產(chǎn)流程和管理實踐中。部分企業(yè)雖表面上實現(xiàn)了一定程度的智能化轉(zhuǎn)型，但由于未能從根本上適應性革新經(jīng)營流程，從而難以針對市場變化和新技術涌現(xiàn)及時進行更新迭代，阻礙了智能化轉(zhuǎn)型的可持續(xù)推進。加之傳統(tǒng)金字塔型組織架構(gòu)存在決策層級過多、信息漏損嚴重、資源配置缺乏靈活性等問題，亦會降低企業(yè)對市場和技術變革的反應速度，從而削弱持續(xù)推進智能化轉(zhuǎn)型的能力。

（二）中觀領域智能化轉(zhuǎn)型存在兩大失衡

新一代AI的廣泛滲透性和強大變革潛力正深刻重塑區(qū)域經(jīng)濟格局與產(chǎn)業(yè)發(fā)展模式，但此過程并非均衡推進。無論是地區(qū)間，還是產(chǎn)業(yè)間，智能化轉(zhuǎn)型發(fā)展的水平和速度都存在明顯差異。

1.新一代AI科技及產(chǎn)業(yè)化發(fā)展存在地區(qū)間失衡

新一代AI作為GPMT，雖具有廣泛滲透性，但由于科技、金融、人才、信息等因素的地區(qū)間差異，智能產(chǎn)業(yè)化及產(chǎn)業(yè)智能化在中國不同地區(qū)呈現(xiàn)出明顯的進程差異和發(fā)展不平衡特征。京津冀、珠三角和長三角三大都市圈的AI企業(yè)數(shù)量占比高達84.23%，是中國AI科技與產(chǎn)業(yè)集群的主要分布區(qū)域。其中，北京和廣東又構(gòu)成了南北“雙極”，如圖4所示，兩地在AI專利和企業(yè)數(shù)量占比方面遙遙領先。由于先天稟賦與后天條件的固有差異，智能經(jīng)濟發(fā)展不可能達到區(qū)際完全平衡的狀態(tài)，但過大的區(qū)際發(fā)展失衡會造成智能鴻溝，不僅阻礙產(chǎn)業(yè)深度轉(zhuǎn)型升級的廣泛推進，也不利于區(qū)域經(jīng)濟協(xié)調(diào)均衡發(fā)展。

2.智能化轉(zhuǎn)型或AI應用滲透程度存在產(chǎn)業(yè)間失衡

產(chǎn)業(yè)數(shù)智化轉(zhuǎn)型從低到高可分為數(shù)字化、網(wǎng)絡化和智能化三大發(fā)展階段。當前中國各產(chǎn)業(yè)的數(shù)智化轉(zhuǎn)型水平參差不齊，部分產(chǎn)業(yè)已實現(xiàn)了智能化，部分產(chǎn)業(yè)尚處在數(shù)字化或網(wǎng)絡化階段，而還有部分產(chǎn)業(yè)則仍停留在手工勞動階段。《2023—2024中國人工智能計算力發(fā)展評估報告》顯示，中國AI應用滲透度在互聯(lián)網(wǎng)、制造、教育等行業(yè)間存在明顯差異。此外，從2023年AI技術合作關系的產(chǎn)業(yè)分布來看，第三產(chǎn)業(yè)排名第一，占比71.93%；第二產(chǎn)業(yè)排名第二，占比27.92%；第一產(chǎn)業(yè)排名第三，占比僅為0.15%。圖5進一步顯示，在服務業(yè)和制造業(yè)內(nèi)部，AI技術合作關系分布也存在明顯差距。由于產(chǎn)業(yè)屬性差異以及當前AI技術水平限制，不同產(chǎn)業(yè)在AI技術利用程度上存在明顯差別。例如，AlphaGo雖戰(zhàn)勝了圍棋世界冠軍，但卻沒有能力移動棋子，表明目前的AI只能替代部分人類工作，還有很多工作無法由AI完成。因此，技術、經(jīng)濟與社會可行性差異使得不同產(chǎn)業(yè)的智能化轉(zhuǎn)型水平必然具有不平衡性。然而，若由于政策、科技、金融、人才、觀念等的制約，使得本可以推進的智能化轉(zhuǎn)型未能落實，此時產(chǎn)生的產(chǎn)業(yè)間智能化發(fā)展失衡是不合理的，不利于產(chǎn)業(yè)發(fā)展的效率提升和均衡協(xié)調(diào)發(fā)展，制約產(chǎn)業(yè)深度轉(zhuǎn)型升級。

（三）宏觀層面智能化轉(zhuǎn)型機制渠道不暢

前文從生產(chǎn)函數(shù)變革和要素協(xié)同匹配兩大視角出發(fā)，分別從理論上系統(tǒng)闡述了新一代AI驅(qū)動傳統(tǒng)產(chǎn)業(yè)優(yōu)化重組和現(xiàn)代產(chǎn)業(yè)體系構(gòu)建的內(nèi)在機制。然而，從宏觀層面來看，要落實理論上的驅(qū)動機制仍存在多重現(xiàn)實制約。

1.生產(chǎn)函數(shù)變革渠道不暢，新一代AI難以全面驅(qū)動傳統(tǒng)產(chǎn)業(yè)優(yōu)化重組

人工智能雖革新了要素投入版圖，可廣泛替代或互補諸多其他要素。然而，對于傳統(tǒng)產(chǎn)業(yè)而言，如何在研發(fā)、生產(chǎn)、營銷等業(yè)務活動中應用新一代AI，并通過產(chǎn)業(yè)組織變革充分發(fā)揮其在資源配置優(yōu)化、規(guī)模與范圍經(jīng)濟獲取上的作用，目前普遍存在認知與能力瓶頸，這制約了傳統(tǒng)產(chǎn)業(yè)智能化轉(zhuǎn)型的廣度與深度。此外，產(chǎn)業(yè)智能化轉(zhuǎn)型具有高固定成本及低邊際成本特征，當存在融資約束和未來不確定性時，傳統(tǒng)產(chǎn)業(yè)可能陷入“不轉(zhuǎn)型等死，轉(zhuǎn)型找死”的發(fā)展困境[24]。并且，傳統(tǒng)產(chǎn)業(yè)智能化轉(zhuǎn)型面臨更為嚴重的技術性失業(yè)風險以及收入分配惡化效應等經(jīng)濟社會問題，應對不足也會阻礙轉(zhuǎn)型進程。上述因素使得新一代AI發(fā)展難以充分驅(qū)動生產(chǎn)函數(shù)變革，從而制約對傳統(tǒng)產(chǎn)業(yè)的優(yōu)化重組效應。

2.要素協(xié)同匹配渠道受阻，新一代AI未能充分推進現(xiàn)代產(chǎn)業(yè)體系構(gòu)建

新一代AI應用滲透不到位，導致其未能充分應對現(xiàn)代產(chǎn)業(yè)體系構(gòu)建中的四維協(xié)同問題。在應用后，也可能存在人機分工不到位以及人機交流障礙，這使其未能充分處理要素供求雙方之間的信息不對稱、搜尋匹配費用高、要素質(zhì)量識別難等問題，加上要素在國家間、地區(qū)間和部門間流動重組不暢，造成有要素但不協(xié)同的局面[25]。同時，科技短板、人力資本結(jié)構(gòu)供需不匹配，預算軟約束體制、金融結(jié)構(gòu)發(fā)展滯后等問題，使得要素協(xié)同缺乏要素與制度支撐。此外，中國實體經(jīng)濟與虛擬經(jīng)濟之間投資回報率的失衡，也極大阻礙了實體經(jīng)濟對科技創(chuàng)新、現(xiàn)代金融與人力資源等要素的吸收集聚能力，導致現(xiàn)代產(chǎn)業(yè)體系構(gòu)建中四維協(xié)同受阻。

（四）國際環(huán)境中智能化轉(zhuǎn)型受制于技術卡脖子難題

憑借新型舉國體制的制度優(yōu)勢及海量數(shù)據(jù)信息、廣闊應用場景的市場優(yōu)勢，中國在AI專利授權量、AI創(chuàng)業(yè)、垂類大模型應用等方面取得了卓越成績。雖然中國在新一代AI總體發(fā)展水平上處于第一梯隊，但尚存在一系列基礎研究短板和AI核心技術卡脖子難題[26]。《中國新一代人工智能科技產(chǎn)業(yè)發(fā)展報告·2024》顯示，中國AI應用層企業(yè)數(shù)最多，占比達到61.47%，技術層企業(yè)占比為28.60%，而基礎層企業(yè)占比僅為9.93%。與美國相比，中國在一些方面還存在明顯差距，具體如表2所示。

1.新一代AI核心硬件基礎薄弱，無法充分釋放對產(chǎn)業(yè)轉(zhuǎn)型的潛在勢能

從國內(nèi)市場看，中國在高端芯片、高精度傳感器和關鍵部件等領域起步較晚，早期技術積累薄弱且自主研發(fā)力度不足，核心硬件高度依賴國外供應。從國際環(huán)境看，中美貿(mào)易戰(zhàn)以來，美國及其盟友逐步加強對中國出口管制以及核心技術封鎖遏制，芯片、光刻機等AI核心硬件的進口與發(fā)展受到嚴重制約。在這種外部環(huán)境制約的背景下，核心硬件卡脖子問題極大阻礙了新一代AI發(fā)展，無法充分釋放其對產(chǎn)業(yè)深度轉(zhuǎn)型升級的勢能。

2.數(shù)據(jù)、算力和算法發(fā)展不足，制約了產(chǎn)業(yè)深度轉(zhuǎn)型升級效應的發(fā)揮

盡管中國具有海量數(shù)據(jù)優(yōu)勢，但數(shù)據(jù)要素市場發(fā)展滯后，存在數(shù)據(jù)煙囪、數(shù)據(jù)孤島、虛假數(shù)據(jù)泛濫、采集分裂等一系列問題，導致高質(zhì)量中文數(shù)據(jù)集匱乏。此外，頂尖人才欠缺、基礎性與前沿性研究不足以及融資約束和先進設備進口受限等，使中國面臨較為突出的算力瓶頸和核心算法缺位問題。這些因素制約了新一代AI的更新演進，進而未能充分發(fā)揮其對產(chǎn)業(yè)深度轉(zhuǎn)型升級的驅(qū)動效應。

3.有影響力的基礎性大模型匱乏，難以廣泛驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級

ChatGPT等生成式AI的問世使大模型成為AI發(fā)展的前沿和焦點，中國也構(gòu)建了一批大模型，呈現(xiàn)出“百模大戰(zhàn)”的發(fā)展局面。與美國相比，中國在應用性垂類大模型發(fā)展上表現(xiàn)突出，諸如工業(yè)大模型、礦山大模型、物流大模型等在驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級上發(fā)揮了重要作用。

然而，諸如DeepSeek、啟元重癥大模型等基礎性、有影響力的通用或垂類大模型，中國尚存在發(fā)展不足問題。隨著科技發(fā)展與產(chǎn)業(yè)應用的不斷深化，對大模型的技術要求會越來越高，基礎性、原創(chuàng)性和通用性不足使得新一代AI難以充分驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級。

（五）未來視野下智能化轉(zhuǎn)型的機遇與挑戰(zhàn)應對不足

新一代AI是加快推動產(chǎn)業(yè)深度轉(zhuǎn)型升級的新動能。然而，面對未來發(fā)展的復雜形勢，智能化轉(zhuǎn)型仍面臨諸多深層挑戰(zhàn)。以下將從技術、經(jīng)濟與社會可行性出發(fā)，以前瞻視角探討智能化進程面臨的關鍵制約因素，從而為抓住技術機遇和應對潛在挑戰(zhàn)提供啟發(fā)。

1.新一代AI的通用泛化能力有待強化，限制了產(chǎn)業(yè)智能化轉(zhuǎn)型的平衡性

雖然新一代AI在專用場景上表現(xiàn)出色，但其自適應性、新環(huán)境遷移學習能力以及在通用場景下的應用能力仍有局限。面對新情景時，需重新進行模型訓練，限制了智能化轉(zhuǎn)型的廣深推進。此外，當前AI在并行處理圖文聲像的多模態(tài)技術上發(fā)展不足，且無法實現(xiàn)直覺判斷、靈活運動、情緒感知等對人類而言較為容易的低階技能。這些問題表明，通用AI時代的來臨仍面臨諸多技術可行性障礙，故諸多工作任務依然無法用AI完成，也導致不同產(chǎn)業(yè)間AI滲透度差距懸殊。

2.新一代AI的高能耗問題突出，增加了產(chǎn)業(yè)深度轉(zhuǎn)型升級的成本

新一代AI需通過海量數(shù)據(jù)、強大算力和先進算法才能統(tǒng)計歸納出最佳答案，其核心是粗放發(fā)展型的塵暴經(jīng)驗主義（dustbowl empiricism）。在這一模式下，高質(zhì)量數(shù)據(jù)標注、大規(guī)模模型訓練以及實時反饋的高頻調(diào)用機制，導致新一代AI的能源消耗巨大，產(chǎn)業(yè)智能化轉(zhuǎn)型成本極為高昂，嚴重限制了智能產(chǎn)業(yè)化與產(chǎn)業(yè)智能化的可持續(xù)發(fā)展。例如，AlphaGo僅計算單元的功率就高達2 000瓦，其對手李世石的大腦耗能僅為20瓦左右。因此，諸多領域的智能化轉(zhuǎn)型雖具有技術可行性，但囿于經(jīng)濟可行性限制事實上無法落地，從而減緩了產(chǎn)業(yè)深度轉(zhuǎn)型升級的進程。

3.新一代AI的負面影響應對不足，產(chǎn)業(yè)深度轉(zhuǎn)型升級存在后顧之憂

新一代AI的功能強烈依賴高質(zhì)足量的數(shù)據(jù)投喂，存在數(shù)據(jù)黑洞問題。當下數(shù)據(jù)雖在量上呈指數(shù)級增長，但高質(zhì)量數(shù)據(jù)仍然欠缺，導致新一代AI容易學習到偏頗或錯誤數(shù)據(jù)，從而生產(chǎn)出大量虛假信息，大幅提高信息甄別成本。并且，新一代AI通過大規(guī)模訓練獲得答案，知其然但不知其所以然，模型的可解釋性弱，黑箱性質(zhì)使用戶無法得知結(jié)論背后的邏輯和依據(jù)，也難以追溯責任歸屬，極易引發(fā)信任危機。此外，隨著新一代AI的深化發(fā)展和廣泛應用，有害數(shù)據(jù)、算法歧視、倫理編程等問題接踵而至，且AI難以擁有同情、道德約束和自我反思能力，可能導致其與人類在價值觀與倫理方面產(chǎn)生沖突，人機對齊（the alignment problem）問題日益凸顯[⑦]。這些使得新一代AI發(fā)展面臨一系列社會可行性困境，給產(chǎn)業(yè)深度轉(zhuǎn)型升級帶來后顧之憂。

六、新一代AI驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的對策建議

（一）微觀維度形成有利于智能化轉(zhuǎn)型的創(chuàng)造性破壞生態(tài)

企業(yè)是產(chǎn)業(yè)深度轉(zhuǎn)型升級的核心主體和微觀基礎，要推動其智能化轉(zhuǎn)型從初步探索走向深入發(fā)展，進而實現(xiàn)持續(xù)演進，企業(yè)亟須在方向引導、能力建設與組織變革等方面進行系統(tǒng)重塑，構(gòu)建有利于發(fā)揮新一代AI創(chuàng)造性破壞效應的發(fā)展生態(tài)。

1.明確企業(yè)智能化轉(zhuǎn)型方向

一方面，打造適應智能化轉(zhuǎn)型的企業(yè)文化，助力企業(yè)智能化轉(zhuǎn)型方向的確立。企業(yè)應摒棄固步自封的文化，打破對傳統(tǒng)模式的盲目依賴和對變革的抵觸心理，通過構(gòu)建靈活開放的創(chuàng)新文化，鼓勵企業(yè)積極探索新技術和新思維，迅速適應市場變化，在不斷試錯改進中確定適合自身發(fā)展的智能化轉(zhuǎn)型方向。另一方面，制定完善的戰(zhàn)略方案，明確企業(yè)智能化轉(zhuǎn)型的具體路徑。企業(yè)應全面評估現(xiàn)有技術設備、業(yè)務領域、人力資源等內(nèi)部條件，同時分析行業(yè)趨勢、市場需求、競爭對手等外部環(huán)境。以此為基礎，優(yōu)化調(diào)整發(fā)展目標，明確智能化轉(zhuǎn)型的戰(zhàn)略、方向和路徑，凝聚跨部門協(xié)同推進的合力。

2.推動企業(yè)智能化轉(zhuǎn)型深入發(fā)展

一方面，廣泛開展互補技術研發(fā)。企業(yè)須對現(xiàn)有技術體系與新一代AI之間的互補性進行系統(tǒng)評估，據(jù)此制定科學合理的修補或重構(gòu)方案。對互補性較強的技術應優(yōu)化更新，對互補性弱的技術則依序推倒重構(gòu)，確保企業(yè)技術體系與AI技術高度互補兼容，以此推進企業(yè)智能化轉(zhuǎn)型深入發(fā)展。另一方面，強化人才引進和培育工作。高素質(zhì)專業(yè)技術人才對確保企業(yè)智能化轉(zhuǎn)型深入推進是不可或缺的，企業(yè)應根據(jù)發(fā)展規(guī)劃和業(yè)務需求，明確智能化轉(zhuǎn)型所需的人才類型，并進行前瞻性部署。既要拓寬人才引進渠道，也要健全內(nèi)部學習制度，并完善人才流動機制與激勵舉措，實現(xiàn)人機高效協(xié)同，確保智能化轉(zhuǎn)型深入發(fā)展。

3.增強企業(yè)智能化轉(zhuǎn)型的可持續(xù)性

一方面，動態(tài)革新企業(yè)經(jīng)營流程。將智能化轉(zhuǎn)型視為一項持續(xù)性長期戰(zhàn)略，而非階段性短期任務。這意味著企業(yè)必須緊跟市場和技術的動態(tài)變化，從根本上對經(jīng)營流程進行適應性革新，以滿足重組增長、柔性生產(chǎn)、精準營銷等需要，為可持續(xù)推進智能化轉(zhuǎn)型創(chuàng)造良好的發(fā)展環(huán)境。另一方面，對組織架構(gòu)進行扁平化調(diào)整。通過減少組織層級、縮短決策鏈條和降低信息漏損率，提高決策時效性。同時，完善橫向溝通機制，打破部門壁壘，實現(xiàn)跨部門交流協(xié)作和信息共享，避免多層級信息傳遞的煩瑣流程，為企業(yè)可持續(xù)推進智能化轉(zhuǎn)型締造適宜組織架構(gòu)。

（二）中觀領域推進智能經(jīng)濟協(xié)調(diào)均衡發(fā)展

在中觀領域推進中國地區(qū)與產(chǎn)業(yè)間智能經(jīng)濟的協(xié)調(diào)均衡發(fā)展，既要因地制宜、強化協(xié)作，縮小區(qū)際智能鴻溝，也要因業(yè)制宜、靈活選擇路徑，彌合產(chǎn)業(yè)間轉(zhuǎn)型差異。

1.多措并舉推動落后地區(qū)智能經(jīng)濟發(fā)展，縮小區(qū)域間智能鴻溝

首先，因地制宜采取差異化智能經(jīng)濟發(fā)展之路。AI發(fā)展相對落后的地區(qū)應合理評估本地資源稟賦、產(chǎn)業(yè)基礎及市場需求，培育根植性強的AI主導產(chǎn)業(yè)，同時結(jié)合區(qū)域優(yōu)勢打造特色應用場景，因地制宜推進產(chǎn)業(yè)深度轉(zhuǎn)型升級。其次，以點帶面強化跨區(qū)域幫扶合作。國家新一代人工智能創(chuàng)新發(fā)展實驗區(qū)和國家人工智能創(chuàng)新應用先導區(qū)等的引領帶動作用，增強其作為產(chǎn)業(yè)深度轉(zhuǎn)型升級增長極的輻射力，鼓勵先進地區(qū)與落后地區(qū)建立穩(wěn)定的合作關系，為落后地區(qū)提供必要的技術支持和人才培訓。最后，要通過政策傾斜助力落后地區(qū)智能經(jīng)濟發(fā)展。政府應加大對落后地區(qū)資金和人才的扶持力度，提高新型基礎設施建設水平，強化區(qū)域技術承接能力，并積極引導新一代AI技術向落后地區(qū)擴散。通過以上舉措縮小地區(qū)間智能鴻溝，以廣泛發(fā)揮新一代AI對各地區(qū)產(chǎn)業(yè)深度轉(zhuǎn)型升級的推動作用。

2.相機實施產(chǎn)業(yè)智能化轉(zhuǎn)型的串聯(lián)與并聯(lián)路徑，縮小產(chǎn)業(yè)間智能鴻溝

在智能化轉(zhuǎn)型程度存在產(chǎn)業(yè)間差異的現(xiàn)實下，新一代AI為中國產(chǎn)業(yè)智能化轉(zhuǎn)型提供了兩條路徑：一是循序漸進的串聯(lián)發(fā)展路徑，該路徑對技術、要素、產(chǎn)業(yè)和市場條件等的要求較低，可以通過由淺入深、逐步培育的方式實現(xiàn)；二是躍遷突變的并聯(lián)升級路徑，該路徑則需要技術發(fā)展領先于產(chǎn)業(yè)發(fā)展多個階段，并且要素條件、產(chǎn)業(yè)基礎和市場需求須具備支持跳躍升級的必要準備，通過時間壓縮、合并疊加的發(fā)展方式推進智能化轉(zhuǎn)型。然而，產(chǎn)業(yè)屬性不同決定了產(chǎn)業(yè)間智能化轉(zhuǎn)型必然存在差異，故各產(chǎn)業(yè)應在全面評估新一代AI計算資源與自身產(chǎn)業(yè)屬性的基礎上，結(jié)合經(jīng)濟可行性、社會接受性及前期產(chǎn)業(yè)基礎，明確是否能夠進行智能化轉(zhuǎn)型、哪些領域應優(yōu)先轉(zhuǎn)型以及該選擇串聯(lián)還是并聯(lián)路徑進行轉(zhuǎn)型，從而有效縮小產(chǎn)業(yè)間智能鴻溝，充分發(fā)揮新一代AI為產(chǎn)業(yè)深度轉(zhuǎn)型升級帶來的發(fā)展機遇。

（三）宏觀層面締造優(yōu)良的新質(zhì)生產(chǎn)力發(fā)展環(huán)境

宏觀層面亟須為傳統(tǒng)產(chǎn)業(yè)優(yōu)化重組與現(xiàn)代產(chǎn)業(yè)體系構(gòu)建締造優(yōu)良的新質(zhì)生產(chǎn)力發(fā)展環(huán)境，以下建議將探討如何打通生產(chǎn)函數(shù)變革與要素協(xié)同匹配的關鍵通道，全面釋放新一代AI驅(qū)動產(chǎn)業(yè)深度轉(zhuǎn)型升級的潛能。

1.暢通生產(chǎn)函數(shù)變革渠道，強化新一代AI對傳統(tǒng)產(chǎn)業(yè)的優(yōu)化重組效應

一方面，增強新一代AI產(chǎn)業(yè)化與傳統(tǒng)產(chǎn)業(yè)智能化之間的協(xié)同聯(lián)動性。通過技術變革、科技金融支持、科技創(chuàng)業(yè)激勵、戰(zhàn)略科學家引育、要素流動重組、新基建布局等，推動新一代AI科技及其產(chǎn)業(yè)化發(fā)展，為傳統(tǒng)產(chǎn)業(yè)的智能化改造提供可持續(xù)的技術支撐。同時，廣泛促進傳統(tǒng)產(chǎn)業(yè)深度智能化轉(zhuǎn)型，為新一代AI發(fā)展提供廣闊的需求場景。通過新一代AI產(chǎn)業(yè)化與傳統(tǒng)產(chǎn)業(yè)智能化之間的協(xié)同聯(lián)動，暢通生產(chǎn)函數(shù)變革渠道，為傳統(tǒng)產(chǎn)業(yè)深度轉(zhuǎn)型升級提供新質(zhì)生產(chǎn)力。另一方面，充分應對傳統(tǒng)產(chǎn)業(yè)智能化轉(zhuǎn)型帶來的負面影響。技術革新往往帶來破壞效應，而創(chuàng)造性效應的釋放則是有條件的。因此，在利用新一代AI驅(qū)動傳統(tǒng)產(chǎn)業(yè)深度轉(zhuǎn)型升級的過程中，既要充分釋放正面效應，也必須系統(tǒng)改革完善治理體系、教育培訓模式、社會保障制度等，以全面應對可能引發(fā)的就業(yè)極化、收入分化、平臺壟斷、知識產(chǎn)權侵權等負面影響，從而消解新一代AI驅(qū)動傳統(tǒng)產(chǎn)業(yè)優(yōu)化重組的阻礙因素。

2.暢通要素協(xié)同匹配渠道，增強新一代AI對現(xiàn)代產(chǎn)業(yè)體系構(gòu)建的驅(qū)動作用

新一代AI作為新技術手段，能為技術上難以解決的問題提供新的技術性突圍方案，如緩解信息不對稱、降低搜尋匹配費用、識別要素質(zhì)量等，從而直接緩解現(xiàn)代產(chǎn)業(yè)體系構(gòu)建中的要素協(xié)同問題。并且，其還可以及時識別產(chǎn)業(yè)深度轉(zhuǎn)型升級中存在的突出制度或技術障礙，如卡脖子問題、人才缺口以及脫實向虛的原因等，從而間接推進現(xiàn)代產(chǎn)業(yè)體系構(gòu)建中要素協(xié)同問題的解決。因此，應大力推進新一代AI發(fā)展及其產(chǎn)業(yè)化應用，并廣泛培養(yǎng)相應的研究型人才，以及擅長與AI交互的應用型人才，形成人機協(xié)作分工的良好格局，暢通要素協(xié)同匹配渠道，充分釋放新一代AI對現(xiàn)代產(chǎn)業(yè)體系構(gòu)建的驅(qū)動作用。

（四）國際環(huán)境中構(gòu)建自主可控的核心技術體系

在全球技術競爭格局日趨激烈的背景下，中國需要妥善把握自主創(chuàng)新與國際合作的關系。以下將圍繞內(nèi)外資源協(xié)同、開放與保護的動態(tài)平衡以及基礎層與應用層發(fā)展兼顧等問題，探討如何在國際環(huán)境中打造自主可控的核心技術體系。

1.構(gòu)建核心技術突圍的“雙循環(huán)”創(chuàng)新格局

在當前中國面臨核心技術封鎖的國際背景下，應充分認識到西方發(fā)達國家也并非鐵板一塊，存在各自不同的發(fā)展訴求與價值觀，且中西方在技術發(fā)展、市場空間、安全維護、人機對齊等方面存在諸多共同的利益與挑戰(zhàn)。因此，應盡力挖掘潛在的國際研發(fā)合作空間，為中國卡脖子技術突圍爭取機會、資源和時間。在國內(nèi)環(huán)境中，應充分發(fā)揮中國善于協(xié)同調(diào)度創(chuàng)新資源進行科技攻關的體制優(yōu)勢，形成國家級算力基礎設施和統(tǒng)一算力大市場，從而在新一代AI科技發(fā)展的關鍵領域?qū)崿F(xiàn)揚長補短。同時，中國需充分利用超大規(guī)模市場和完備產(chǎn)業(yè)體系優(yōu)勢，通過海量數(shù)據(jù)、廣闊應用場景和規(guī)模經(jīng)濟效應助力新一代AI發(fā)展?？傊瑧蠂H國內(nèi)創(chuàng)新資源，實現(xiàn)國內(nèi)創(chuàng)新鏈和全球創(chuàng)新鏈的共軛環(huán)流，形成有利于AI核心技術突圍的雙循環(huán)創(chuàng)新格局，為中國產(chǎn)業(yè)深度轉(zhuǎn)型升級奠定基礎。

2.辯證處理開放發(fā)展與產(chǎn)業(yè)保護的關系

適度合理的科技扶持與產(chǎn)業(yè)保護對于提升產(chǎn)業(yè)競爭力是必要的，但過度盲目保護可能會滋生發(fā)展惰性問題。中國應采取開放保護的方式促進新一代AI科技發(fā)展及其產(chǎn)業(yè)化落地，形成競爭與保護動態(tài)協(xié)調(diào)的機制，在扶持的對象、方式、期限及目的等方面，充分貫徹經(jīng)濟效率、公平競爭、可持續(xù)發(fā)展和安全高效的原則，以產(chǎn)生強大的自生能力，實現(xiàn)從“輸血”到“造血”再到“供血”的蛻變。

3.營造AI核心技術探索與利用兼顧的創(chuàng)新創(chuàng)業(yè)環(huán)境

中國在AI基礎層發(fā)展上仍存在不足，亟須補足相關短板，協(xié)同推進AI核心技術探索與利用。對于基礎性、零起步、共性、卡脖子及溢出效應大的AI技術探索領域，應充分發(fā)揮公共研發(fā)機構(gòu)、國有企業(yè)等國家創(chuàng)新力量的攻關優(yōu)勢。而對于應用性、專用性、迭代優(yōu)化性的AI技術利用領域，則需營造有效的市場環(huán)境，形成推動科技商業(yè)化與產(chǎn)業(yè)化發(fā)展的強大協(xié)同創(chuàng)新力與需求牽引力。有效市場與有為政府應有機配合，共同構(gòu)建AI核心技術探索與利用的協(xié)同發(fā)展格局。

（五）未來視野下前瞻性擘畫智能化轉(zhuǎn)型方向

面對智能化轉(zhuǎn)型的深度演進與未來不確定性，亟須以更具前瞻性的視角把握技術方向、布局核心能力和完善治理體系，以下提出針對性政策建議，助力智能化轉(zhuǎn)型發(fā)展更具協(xié)同性、安全性與可持續(xù)性。

1.推動合成數(shù)據(jù)發(fā)展，為產(chǎn)業(yè)深度轉(zhuǎn)型升級奠定數(shù)據(jù)基礎

高質(zhì)量數(shù)據(jù)不足、錯誤數(shù)據(jù)泛濫及隱私泄露等問題嚴重制約了新一代AI的蓬勃發(fā)展，而合成數(shù)據(jù)為突破這一瓶頸帶來了全新契機。合成數(shù)據(jù)是根據(jù)數(shù)學和統(tǒng)計科學原理生成虛擬數(shù)據(jù)，以模擬真實世界的特征和結(jié)構(gòu)。合成數(shù)據(jù)為AI提供豐富多樣的學習材料，大幅減少對高質(zhì)量真實數(shù)據(jù)的依賴，能夠通過靈活調(diào)控數(shù)據(jù)特征來設計更具針對性的訓練集，有效提高模型泛化能力，并通過在虛擬環(huán)境中飛速迭代加快奇點時刻的來臨。同時，合成數(shù)據(jù)也避免了新一代AI學習人類錯誤數(shù)據(jù)和有害數(shù)據(jù)而導致的負面效應。在隱私安全方面，其不涉及真實的個人或敏感信息，從而有效避免了隱私泄露。這些都會為產(chǎn)業(yè)深度轉(zhuǎn)型升級奠定堅實的數(shù)據(jù)基礎。

2.兼顧數(shù)據(jù)智能與類腦智能范式，拓寬產(chǎn)業(yè)智能化的邊界

當前新一代AI的主流是統(tǒng)計學習驅(qū)動的數(shù)據(jù)智能，而認知仿生驅(qū)動的類腦智能仍處于探索階段。數(shù)據(jù)智能面臨能耗高、可解釋性差、環(huán)境遷移難、自適應能力弱等困境，而類腦智能則為克服這些問題提供了新路徑。類腦智能通過模仿人類大腦結(jié)構(gòu)和認知推理機制，具備較強的自學習和自適應能力，可提高模型的可解釋性，且能以低能耗執(zhí)行任務，大幅降低智能化轉(zhuǎn)型的經(jīng)濟成本。此外，類腦智能可以如人腦一般并行處理圖文聲像等多模態(tài)數(shù)據(jù)集，彌補了數(shù)據(jù)智能在認知推理方面的缺陷，從而能拓寬產(chǎn)業(yè)智能化的邊界。

3.發(fā)展“知行合一”的具身智能，實現(xiàn)產(chǎn)業(yè)智能化的協(xié)調(diào)推進

現(xiàn)階段新一代AI面臨有腦無形（如大語言模型）或有形無腦（如機器人）問題，因而在需要手腦并用的諸多工作場景中缺乏通用性，而將大模型技術與機器人技術深度融合的具身智能為應對這一問題提供了解決方案。具身智能可與環(huán)境實時交互，實現(xiàn)自主規(guī)劃、決策與行動，并通過感知反饋不斷自我演進，彌補了大語言模型運動感知能力缺失及機器人智能不足的缺陷，可以應對默會知識密集的多維場景，從而實現(xiàn)產(chǎn)業(yè)智能化的廣泛協(xié)調(diào)推進。

4.完善人機對齊的治理體系，為智能化轉(zhuǎn)型營造優(yōu)良社會倫理生態(tài)

為確保新一代AI發(fā)展與人類的價值觀和倫理標準相一致，AI技術突破不可或缺，但建立健全治理體系亦是關鍵所在。須持續(xù)跟蹤AI技術發(fā)展變化，前瞻性構(gòu)建AI發(fā)展的倫理規(guī)范，明確責任歸屬及問責機制，并通過國際合作和公眾參與等途徑對AI法律、法規(guī)與標準進行動態(tài)優(yōu)化調(diào)整，確保人機對齊，從而為新一代AI良性發(fā)展和產(chǎn)業(yè)深度轉(zhuǎn)型升級營造優(yōu)越的社會倫理生態(tài)。

參考文獻：

［1］" " " " 劉志彪. 產(chǎn)業(yè)經(jīng)濟學［M］.3版.北京：機械工業(yè)出版社，2024：308.

［2］" " " " 阿格拉沃爾，甘斯，戈德法布. AI極簡經(jīng)濟學［M］.閭佳，譯.長沙：湖南科學技術出版社，2018：12-65.

［3］" " " " COCKBURN I M， HENDERSON R， STERN S. The impact of artificial intelligence on innovation［R］. National Bureau of Economic Research Working Paper，No.24449，2018.

［4］" " " " KURZWEIL R. The singularity is near［M］//Ethics and Emerging Technologies. London： Palgrave Macmillan， 2014：393-406.

［5］" " " " BRYNJOLFSSON E， ROCK D， SYVERSON C. Artificial intelligence and the modern productivity paradox： a clash of expectations and statistics［R］. National Bureau of Economic Research Working Paper，No.24001，2017.

［6］" " " " NORDHAUS W D. Are we approaching an economic singularity？ Information technology and the future of economic growth［R］. National Bureau of Economic Research Working Paper，No.21547，2015.

［7］" " " " AGHION P， JONES B F， JONES C I. Artificial intelligence and economic growth［R］. National Bureau of Economic Research Working Paper，No.23928，2017.

［8］" " " " DEWAN S， KRAEMER K L. Information technology and productivity： evidence from country-level data［J］. Management Science，2000，46（4）：548-562.

［9］" " " " 錢貴明，陽鎮(zhèn)，陳勁.數(shù)字平臺視角下新質(zhì)生產(chǎn)力的形成機制與推進策略［J］. 西安交通大學學報（社會科學版），2024，44（5）：15-26.

QIAN G M， YANG Z， CHEN J. The formation mechanism and promotion strategy of new quality productive forces from the perspective of digital platforms［J］. Journal of Xi’an Jiaotong University（Social Sciences），2024，44（5）：15-26.

［10］" " " BRESNAHAN T F， TRAJTENBERG M. General purpose technologies “engines of growth”？［J］. Journal of Econometrics，1995，65（1）：83-108.

［11］" " " AUTOR D. Polanyi’s paradox and the shape of employment growth［R］. National Bureau of Economic Research Working Paper，No.20485，2014.

［12］" " " 王樹斌，侯博文，李彥昭. 新質(zhì)生產(chǎn)力要素機制、創(chuàng)新邏輯與路徑突破：基于系統(tǒng)論視角［J］. 當代經(jīng)濟科學，2025，47（1）：120-133.

WANG S B， HOU B W， LI Y Z. New quality productivity forces element mechanism， innovation logic， and path breakthrough-through the lens of system theory［J］. Modern Economic Science，2025，47（1）：120-133.

［13］" " " 蔡躍洲，陳楠. 新技術革命下人工智能與高質(zhì)量增長、高質(zhì)量就業(yè)［J］. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2019，36（5）：3-22.

CAI Y Z， CHEN N. Artificial intelligence and high quality growth" employment in the era of new technological revolution［J］. Journal of Quantitative" Technological Economics，2019，36（5）：3-22.

［14］" " " 尹洪英，李闖. 智能制造賦能企業(yè)創(chuàng)新了嗎：基于中國智能制造試點項目的準自然試驗［J］.金融研究，2022，65（10）：98-116.

YIN H Y， LI C. Can intelligent manufacturing empower enterprise innovation？ A quasi-natural experiment based on China’s intelligent manufacturing demonstration project［J］. Journal of Financial Research，2022，65（10）：98-116.

［15］" " " FüLLER J， HUTTER K， WAHL J， et al. How AI revolutionizes innovation management： perceptions and implementation preferences of AI-based innovators［J］. Technological Forecasting and Social Change，2022，178：121598.

［16］" " " 羅斯. 共享經(jīng)濟：市場設計及其應用［M］.傅帥雄，譯.北京：機械工業(yè)出版社，2016：221-226.

［17］" " " GARICANO L. Hierarchies and the organization of knowledge in production［J］. Journal of Political Economy，2000，108（5）：874-904.

［18］" " " 黃卓，陶云清，劉兆達，等. 智能制造如何提升企業(yè)產(chǎn)能利用率：基于產(chǎn)消合一的視角［J］.管理世界，2024，40（5）：40-59.

HUANG Z， TAO Y Q， LIU Z D， et al. How does intelligent manufacturing improve enterprise capacity utilization？ Based on the perspective of integration of production and consumption［J］. Journal of Management World，2024，40（5）： 40-59.

［19］" " " 陳龍，劉剛，戚聿東，等. 人工智能技術革命：演進、影響和應對［J］.國際經(jīng)濟評論，2024，29（3）：9-51.

CHEN L， LIU G， QI Y D， et al. AI technology revolution： evolution， impact and countermeasures［J］. International Economic Review，2024，29（3）：9-51.

［20］" " " 賀俊，呂鐵. 從產(chǎn)業(yè)結(jié)構(gòu)到現(xiàn)代產(chǎn)業(yè)體系：繼承、批判與拓展［J］.中國人民大學學報，2015，29（2）：39-47.

HE J， LYU T. From industrial structure to modern industry system： theoretical inheritance， criticism and extension［J］. Journal of Renmin University of China，2015，29（2）：39-47.

［21］" " " WIRTZ J， KUNZ W， PALUCH S. The service revolution， intelligent automation and service robots［J］. European Business Review，2021，29（5）：909-922.

［22］" " " 杜傳忠，曹效喜，任俊慧. 人工智能影響我國全要素生產(chǎn)率的機制與效應研究［J］.南開經(jīng)濟研究，2024，40（2）：3-24.

DU C Z， CAO X X， REN J H. Research on the mechanism and effect of artificial intelligence on total factor productivity in China［J］. Nankai Economic Studies，2024，40（2）：3-24.

［23］" " " BRYNJOLFSSON E， JIN W， WANG X P. Information technology， firm size， and industrial concentration［R］. National Bureau of Economic Research Working Paper，No.31065，2023.

［24］" " " 王海，閆卓毓，郭冠宇，等. 數(shù)字基礎設施政策與企業(yè)數(shù)字化轉(zhuǎn)型：“賦能”還是“負能”？［J］. 數(shù)量經(jīng)濟技術經(jīng)濟研究， 2023，40（5）：5-23.

WANG H， YAN Z Y， GUO G Y， et al. Digital infrastructure policy and digital transformation of enterprises： “empowerment” or “negative energy”？［J］. Journal of Quantitative" Technological Economics，2023，40（5）：5-23.

［25］" " " 劉志彪. 建設實體經(jīng)濟與要素投入?yún)f(xié)同發(fā)展的產(chǎn)業(yè)體系［J］. 天津社會科學，2018，38（2）：109-114.

LIU Z B. Building an industrial system of coordinative development about real economy and investment elements［J］. Tianjin Social Sciences，2018，38（2）：109-114.

［26］" " " 胡樂明，楊虎濤. 產(chǎn)業(yè)發(fā)展戰(zhàn)略選擇的內(nèi)在邏輯：一個連接演進的解析框架［J］.經(jīng)濟研究，2022，57（6）：45-63.

HU L M， YANG H T. The inner logic of industrial development strategy selection： an analytical framework based on the evolution of connection［J］. Economic Research Journal，2022，57（6）：45-63.

編輯：鄭雅妮，高原

Research on New Generation Artificial Intelligence Driving Deep Industrial Transformation and Upgrading

—From the Perspective of Production Function Transformation and Factor Collaborative Matching

CAO Yuping， LIU Jingwei， ZHENG Zhanpeng

School of Economics， Henan University， Kaifeng 475000， China

Summary Deep industrial transformation and upgrading not only balances rapid economic growth with high-efficiency development but also ensures economic sustainability and industrial security. As a typical representative and important source of new quality productive forces， new generation artificial intelligence （AI） possesses powerful potential to catalyze the fourth industrial revolution. Accelerating the research， development and industrial application of new generation AI is both an important strategic deployment to promote China’s leapfrog technological development and overall productivity enhancement. Against this backdrop， and an inevitable path to seize opportunities in industrial transformation. Against this backdrop， there is an urgent need to systematically study the intrinsic mechanisms by which new generation AI drives China’s deep industrial transformation and upgrading， and to comprehensively identify prominent challenges and countermeasures in this process.

Based on a comprehensive understanding of the general-purpose meta-technological characteristics of new generation AI， this paper adopts two complementary analytical perspectives. First， from the perspective of production function transformation， it systematically explains how AI reshapes input factors， functional relationships， and output paths in the modern economic growth equation， thereby driving the systematic optimization and restructuring of traditional industries. Second， from the perspective of factor collaborative matching， it reveals in depth the theoretical mechanisms through which AI promotes the comprehensive construction of a modern industrial system—by forming new patterns of human-machine division of labor， mitigating information asymmetry， achieving efficient separating equilibria， and reducing search and matching costs.

Although new generation AI has powerful theoretical potential to drive deep industrial transformation and upgrading， it faces numerous obstacles in practice. This paper further identifies prominent issues in the processes of intelligent industrialization and industrial intelligence from five dimensions—micro， meso， macro， international， and future-oriented—and proposes corresponding countermeasures： creating a micro-level ecosystem conducive to creative destruction in intelligent transformation； promoting coordinated and balanced development of the intelligent economy at the meso level； establishing an excellent development environment for new quality productive forces at the macro level； building an autonomous and controllable core technology system in the international environment； and proactively planning the direction of intelligent transformation from a future perspective.

This paper makes three main marginal contributions：First， it comprehensively reviews the novel techno-economic characteristics of new generation AI， establishing a cognitive foundation for explaining its effects on deep industrial transformation. Second， based on the perspectives of production function transformation and factor collaborative matching， it constructs a theoretical framework for new generation AI driving traditional industrial optimization and restructuring， as well as modern industrial system construction. Third， it systematically identifies prominent issues in new generation AI driving China’s deep industrial transformation and upgrading， and proposes targeted countermeasures.

Through characteristic recognition， theoretical exposition， pain point identification， and countermeasure proposal， this paper provides a theoretical analytical framework and practical response measures for deeply understanding the new driving force and creative destruction effects of new generation AI in China’s deep industrial transformation and upgrading. It has important implications for China to seize opportunities in disruptive technological change， innovate industrial development ecosystems， and construct a modernized industrial system.

Keywords new generation artificial intelligence；industrial transformation and upgrading；general-purpose meta-technology； production function transformation；factor collaborative matching；new quality productive forces；intelligent transformation

收稿日期：2024-07-06。" "修回日期：2025-05-10。

基金項目：國家社會科學基金一般項目“新一代人工智能發(fā)展驅(qū)動產(chǎn)業(yè)轉(zhuǎn)型升級的機制、效應與對策研究”（21BJL062）；河南省高等學校哲學社會科學創(chuàng)新人才支持計劃項目（2023-CXRC-07）；河南省高等學校哲學社會科學創(chuàng)新團隊支持計劃項目（2024-CXTD-03）。

作者簡介：曹玉平，男，河南大學經(jīng)濟學院副教授，博士生導師，研究方向為產(chǎn)業(yè)經(jīng)濟學；劉竟威，女，通信作者，河南大學經(jīng)濟學院博士研究生，研究方向為創(chuàng)新經(jīng)濟學，電子郵箱為liujingwei@henu.edu.cn；鄭展鵬，男，河南大學經(jīng)濟學院教授，博士生導師，研究方向為國際貿(mào)易學。

[①]索洛悖論（Solow paradox）由索洛在20世紀80年代提出，指信息技術廣泛應用與生產(chǎn)率緩慢增長相伴的現(xiàn)象。后來，有學者把AI飛速發(fā)展但各國生產(chǎn)率增長卻大幅放緩的現(xiàn)象進一步稱為新索洛悖論。

[②]技術奇點（technological singularity）指自我迭代進化的人工智能超越人類思維能力，從而在有限的時間里引發(fā)智慧無限擴張的時間點；經(jīng)濟奇點則指經(jīng)濟開始以前所未有的速度持續(xù)加快增長的時刻。

[③]鮑莫爾成本?。˙aumol’s cost disease）是指服務業(yè)生產(chǎn)率增速長期低于工業(yè)，但產(chǎn)業(yè)間工資水平卻趨同，在服務需求缺乏價格彈性且富有收入彈性的條件下，引起服務相對成本持續(xù)攀升、經(jīng)濟結(jié)構(gòu)性減速的現(xiàn)象。

[④]GPT指具有用途廣泛性、技術互補性與持續(xù)改進潛力的突破式創(chuàng)新；IMI指具有促進創(chuàng)新效率提升、知識重組增長、新思想生產(chǎn)等功能的創(chuàng)新機制的演進。

[⑤]一個典型的例子是：2016年，來自Google DeepMind的AI程序AlphaGo以總比分4∶1的成績戰(zhàn)勝了圍棋世界冠軍李世石，但AlphaGo移動棋子卻是在人類幫助下完成的。

[⑥]例如，人工智能通過交易流水等商業(yè)大數(shù)據(jù)可更好判別企業(yè)真實的發(fā)展前景和還款能力，開展智能金融服務，以應對金融市場面臨的逆向選擇和道德風險問題，緩解新興行業(yè)由于缺乏硬資產(chǎn)抵押導致的融資難題，也有利于減少金融結(jié)構(gòu)發(fā)展滯后導致的實體經(jīng)濟融資障礙。

[⑦]人機對齊指如何確保人工智能可以捕捉到人類的規(guī)范和價值觀，從而理解人類意圖，并以人類想要的方式行動。