從賦能到使能：人工智能驅動下的未來產業培育

【摘要】人工智能正在從根本上改變產業創造、運行和獲取價值的傳統方式。人工智能具有快速感知和響應市場動態、自動提高企業任務單元效率、有效促進業務流程轉型和運營模式提升的賦能效應，通過賦能效應促進了現有產業的數字化轉型。為了在新領域新賽道中實現“換道超車”，必須加速人工智能從賦能效應向使能效應轉變。未來產業的培育必須充分挖掘人工智能的系統性使能效應，理順人工智能驅動下未來產業培育框架生態的內在關系。完善未來產業培育的戰略規劃和頂層設計，積極搭建跨學科、大協作、高強度的協同創新平臺以及強化未來產業應用場景的不斷拓展，是基于使能效應的未來產業培育的關鍵策略。

【關鍵詞】人工智能 賦能效應 使能效應 未來產業

【中圖分類號】F49 【文獻標識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2024.12.009

引言

在過去幾年中，隨著數據的指數級增長和計算能力的強勁發展，大型數據集、強大的計算機硬件和新方法的可用性極大地推動了社會各種智能制造系統的概念創新、演進和工程化，人工智能（AI）被認為是全球企業和各行各業的顛覆性力量。當前，人工智能表現出新興技術的典型特征，如激進的新穎性、相對快速的增長、突出的影響和不確定性，同時伴以包括模糊性以及安全、隱私和問責制在內的擔憂和挑戰，人工智能正在從根本上改變產業創造、運行和獲取價值的方式。根據有關市場研究，從2022年到2023年，全球制造業人工智能市場規模幾乎翻了一番，預計到2030年將增長10倍。[1]產業格局正處于一場前所未有的變革邊緣，將要釋放未開發的巨大潛力，推動產業進入新質生產力和未來賽道的新時代，新興未來產業的不斷涌現與發展所驅動的復雜產品生產空間演進，將是全球創新版圖和經濟格局變遷中最活躍的力量。

越來越多的國家高頻次地宣布其成為人工智能世界領導者的雄心壯志，將人工智能的開發和應用整合到激烈的全球競爭中。[2]在2020年～2023年連續4個財年中，美國明確將人工智能、量子信息科學領域等未來產業作為國家科技發展的優選方向，列入研發預算優先領域備忘錄。[3]人工智能的發展甚至被描述為“下一次太空競賽”，正如20世紀五六十年代，美國和蘇聯在尖端太空技術中爭奪優勢，如今21世紀20年代，人工智能成為美國和中國博弈的關鍵領域。[4]對于中國而言，人工智能領域不存在發達國家領先科技公司的“戰略剛性”，因此發展人工智能驅動的未來產業是中國實現“換道超車”的重要機遇。[5]面對這樣一個重大戰略機遇和嚴峻挑戰，如何探索人工智能的無限可能？如何助推未來產業的發展？如何看待人工智能對產業的賦能效應和使能效應，更深入地理解人工智能對未來產業培育的重大意義，成為極為重要的現實問題。

賦能效應：人工智能驅動下的現有產業數字化轉型

由于技術的發展和計算能力的提高，人工智能已經從解決“狹隘”的任務和明確的目標向“更廣泛”的任務和更模糊或多方面的目標發展，例如，在社交互動、設計、藝術、科學或創造力和創新方面運用人工智能技術。計算能力的最新進展、數據可用性的廣泛增強以及新的機器學習技術的出現，將使各種組織能夠在人工智能解決方案的幫助下執行管理活動。人工智能使機器變得足夠智能，能夠更合乎邏輯地為行業進步或業務任務的開展作出貢獻。具體來說，人工智能通過識別和分析圖像數據、數字文本和聲音，創造提出解決方案、提供建議、突出問題和采取適當行動的可能性。這種賦能效應主要體現在以下方面。

快速感知和響應市場動態。人工智能可以解鎖隱藏在大量數據中的洞察力和模式，通過在企業內部和企業之間收集、傳輸和處理數據，可以呈現以前未知的信息，并幫助人類作出洞察力驅動的決策，即人工智能釋放的隱藏價值可用于作出更明智的決策，甚至部分自動化任務。人工智能可以通過提供一種有效的方法來處理大量可用數據，從而幫助管理者克服他們的認知局限性。通過人工智能處理和學習現有客戶數據來增強客戶細分，使企業能夠以全新的方式了解客戶的偏好和生活方式，更好地快速感知和響應市場動態，這種響應能力也稱為組織敏捷性，它包括感知、知情決策和響應。特別是人工智能的深度學習，可以在這些活動中發揮積極作用，可以被引導到系統有效地識別人類可能錯過的模式和潛在信號，并訓練他們快速準確地響應這些信號。[6]人工智能具有允許在創新過程中以新穎的方式獲取、分析和重新組合有關工藝性能、產品使用與客戶需求的信息的功能。

自動提高企業任務單元的完成效率。人工智能涵蓋了數據管理、通信和網絡管理、傳感器管理、產品生產過程管理與產品供應鏈管理的各個階段，尤其使生產和運營管理中的質量控制、預測性維護、流程優化和人機交互變得容易，從而提高產品質量。企業可以使用人工智能技術圍繞傳統產品引入新服務，如推薦系統、聊天機器人或智能代理等。在這個過程中，企業的生產方式逐漸從經驗制度化、標準化向精細化狀態轉變。機器可以比人類更快、更精確地執行部分任務，從而提高企業的吞吐量，特別是在制造業和供應鏈運營中，人工智能技術的使用可以減少完成一些關鍵業務流程所需的時間，并通過自動化一系列任務來降低錯誤率和滯后時間。智能控制系統的技術和應用能力、內部生產系統的能力以及數字系統收集的數據與信息的理解能力被塑造出來，人工智能促進了更高水平的大規模定制流程、產品和服務的實現，使企業能夠達到更高的效率水平。[7]

有效促進業務流程轉型和運營模式提升。所有業務流程的目標是將輸入轉化為有價值的輸出，新技術有望通過徹底的轉型來改善這些流程，人工智能也不例外，它可以重新設計業務流程，從根本上改變當前運營的執行方式。作為一種創新和顛覆性技術，人工智能使企業組織能夠創新和轉變業務流程，人工智能技術的應用為管理人員和員工帶來了一套新的技能與方法，使其能夠協同工作，通過影響人力資源的使用方式，促進業務流程和組織結構的變化。通過使用人工智能，企業可以重新分配資源，從長遠來看，這些資源有可能重新繪制企業的組織結構圖。人工智能正在凸顯研發過程中數據的網絡效應，因為企業越來越多地被推動發展其跨產品、部門與公司交換、組合和處理數字信息的能力。[8]

當前，許多產業尤其是最具競爭力的產業，都在人工智能系統集成的基礎上加速推進數字化轉型。[9]據預測，人工智能將影響幾乎所有的工作職能。[10]由于賦能效應而產生的數字化轉型在世界各地有不同的名稱，在中國、德國和巴西被稱為“工業4.0”，在美國被稱為“未來制造”、“先進制造技術”和“智能工廠”，在英國被稱為“未來制造”，在韓國、瑞典被稱為“智能制造”。人工智能現在被視為一項基本技術，應用廣泛且深入，可以在工業4.0模式的框架內有效地改善商業模式、生產過程和流程結構（見表1）。

從賦能效應到使能效應：人工智能驅動下的未來產業培育范式轉型

當前，全球人工智能創新版圖加速形成，各個國家和地區都在搶灘布局，希望借助人工智能搶抓新一輪科技革命的戰略機遇，構筑先發優勢、占據發展制高點。作為全球科技競爭的新高地、未來產業的新賽道、經濟發展的新引擎，人工智能發展經歷了從深度學習、大模型、ChatGPT到Sora，逐漸地逼近通用智能。為了在新領域新賽道中“換道超車”，必須加速推動人工智能從賦能效應向使能效應轉變。

人工智能從賦能效應到使能效應。技術的創新可以是“漸進的”，也可以是“激進的”。漸進式創新一般改進了現有產業并瞄準了現有市場，具有賦能效應；而以新穎性和獨特性為特征的激進式創新則具有使能效應，通過擾動現有市場、開辟新市場以及促進后續創新，成為某些領域經濟增長的關鍵因素，對未來產業的影響更大。

未來產業基于重大前沿科技的突破性創新成果，跨越原有的技術軌道，構建出新的研發范式，對未來經濟社會發展起到前瞻性的引領作用，是各國深度布局、激烈角力的“競技場”。[11]因此，前沿技術驅動、未來高成長性和戰略支撐性是未來產業區別于其他產業的核心特征。[12]《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確要求：“在類腦智能、量子信息、基因技術、未來網絡、深海空天開發、氫能與儲能等前沿科技和產業變革領域，組織實施未來產業孵化與加速計劃，謀劃布局一批未來產業?！盵13]一般來說，戰略性新興產業已經初步完成了重大技術試錯，從技術創新階段發展到產業創新階段；未來產業則仍處于科技創新的試錯階段，產業應用場景和商業模式尚不明確，具有較強的不確定性。人工智能能力的開發與應用仍處于早期階段，當前，人工智能技術通過賦能效應加快數字化轉型，形成了一些戰略性新興產業，這些戰略性新興產業也有可能成為未來產業，但是若要加速培育人工智能驅動的未來產業，需要充分發揮人工智能的使能效應。

人工智能的使能效應往往發生在跨學科的背景下，不是建立在當前知識之上的“創造性積累”，而是采用了開放的技術系統，這種環境整合了迄今為止不同學科和部門中彼此分離的知識領域，特別是開發方和多重應用領域之間的緊密耦合的知識轉移，是一種“創造性破壞”知識。人工智能的使能效應使技術創新正在從一個主要關注技術發展的概念演變為一個系統地包含各領域的社會創新概念，無論是在產業層面還是企業層面，一個多層次的創新體系正在超越傳統的經濟結構和模式。今后，人工智能與物聯網、區塊鏈、增強現實（AR）、混合現實（MR）、擴展現實（XR）等技術的融合將繼續在塑造未來產業發展方面發揮越來越重要的作用。與此同時，賦能效應以連接機器為目標，打造智能供應鏈，推動智能產品生產，將人力與自動化產業隔離開來，以最低浪費和最高效率實現大規模定制，在此基礎上，使能效應旨在以最低成本和最高精度實現大規模超定制。超定制是一種個性化的營銷策略，它將人工智能、機器學習、深度學習、強化學習、認知系統和計算機視覺等尖端技術應用于特定具體情景，為每位客戶提供個性化制造解決方案，提供更精準的產品、更敏捷的供應鏈、更全面的服務和更適配的內容。具體來說，人工智能賦能效應和使能效應的比較如表2所示。

基于使能效應的未來產業培育范式轉型。當前，人工智能正在從1.0向2.0演進，人工智能2.0是基于新信息化環境的顯著變化、高度自主性和決策能力以及新目標的發展而構建的新一代人工智能。移動互聯網和先進計算終端的普及、傳感器和控制網絡的發展、在線社交社區的興起以及新一代IT（如區塊鏈、云計算和大數據分析）的出現推動了新的信息化環境形成。社會公認的人工智能2.0核心理念包括大數據智能、跨媒體智能、互聯網人群智能、人機混合增強智能、自主智能等。

對更高級人工智能的純粹技術追求并非未來產業的唯一發展方向。在未來高度自動化和數字化的工廠中，人類將承擔更少的體力任務，但在日益復雜的人-信息-物理系統（HCPS）的背景下，人類的決策和解決問題的任務將變得更多。知識工程將使人類從大量腦力勞動和更多體力勞動中解放出來，人類可以從事更有價值的創造性工作。未來產業的設計基于價值導向意識和對人工智能技術的系統理解，人工智能對未來產業的探索將更注重以人為本。具體來說，將先進技術與以人為本的設計原則相結合，將產業工人的要求、偏好和興趣置于生產過程的中心，專注于產業工人的生活質量、工作的可持續性以及整體的社會福祉，目標是促進包容性創新，讓技術增強產業工人的能力而不是取代產業工人，也就是推動實現產業工人更大范圍和更深程度的產業參與。產業工人作為技術進步的積極參與者，被置于這一新范式的中心，使能效應強調為生產過程中的所有利益相關者創造公平和包容的新社會契約。以人為本意味著機器將用于執行艱巨、重復或單調的任務，而人類將專注于更具創造性的工作。數字孿生、增強和軟機器人等關鍵技術將在生產線上實現更安全、更具協作性的人機交互；產業工人和智能機器團隊將能夠動態地協同工作，以安全有效地執行新穎或不熟悉的任務。未來，人類創造力和技術能力的融合將形成更具彈性、道德和人文主義的生產模式，人工智能為勞動價值的多元參與創造提供了更大的可能性。[14]

因此，未來產業的人工智能設備應該可以注意、理解和感受工人，以及正在執行的目標與期望。人工智能驅動未來產業的重要意義在于，將人類智能與機器智能相匹配，訓練協作機器人在共同工作時適應人腦變化以觀察和學習人類如何執行任務并幫助工人執行任務。在使能效應發揮的愿景中，人工智能需要融入到人類中，以協作、識別和積極增強彼此的互補優勢，將工人的直覺、領導力、團隊合作、創造力和社交技能，以及機器的速度、精度和持久性進行互補，充分發揮機器和人類的潛力，真正實現以人為本的協同智能。隨著數字孿生（DT）、本質安全機器人（即軟機器人）和人體增強等新技術的融合，有可能釋放人機協作（HRT）的全部潛力。如今，人機協作在制造、醫療保健、物流、生物基因等各個行業中的價值越來越高，機器人融入以人為本環境的方式發生轉變，有可能徹底改變未來人類與機器人的交互和協作方式。通過結合人類和機器人的優勢，以用戶深度參與-多種技術融合-平臺互聯互通為特征的未來產業創新系統將取代傳統的線性創新鏈?；谑鼓苄奈磥懋a業培育范式轉型如圖1所示。

總之，以人為本的人工智能驅動，作為下一代智能使能效應，反映了人機交互與新型智能相結合的趨勢。智能驅動應充分考慮人類的角色和需求，以應對人機關系的挑戰。也就是說，一方面，產業工人與機器之間的關系不僅是高效的協作，而且是基于人-信息-物理系統的深度融合，從一開始就將人類視角（創造者）整合到設計過程中，建立自然和無縫的交互，產業工人與機器之間相互理解和學習，能夠有效激發和促進人-信息-物理系統交互的創新愿景和新模式；另一方面，人工智能可以根據現場實時數據、歷史知識以及人類情緒變化和身體健康狀況來評估決策的合理性，同時科學分配人機工作，充分利用人類的靈活性和機器的精度，構建一個超級智能、可持續以及具有彈性的產業系統，最大限度地發揮人工智能的核心價值。

使能效應：人工智能驅動下的未來產業培育框架

人工智能是引領未來產業的關鍵動能與核心架構，未來產業的培育必須充分挖掘人工智能的系統性使能效應，理順人工智能驅動下未來產業培育框架生態的內在關系，包括未來產業培育目標、使能效應的創新壁壘、未來產業培育的關鍵策略以及未來產業培育的保障體系，加快推動人工智能驅動的未來產業生態建設和應用實踐，為培育新質生產力提供動力引擎與重要支撐。

人工智能驅動下的未來產業培育目標。人工智能驅動未來產業的使能目標，是培養產業的三種基本動態能力：價值發現能力（sense）、價值實現能力（seize）和價值優化能力（reconfigure）。[15]

其一，價值發現能力。在超定制的解決方案交付趨勢中，價值發現能力表現在創造需求上，即挖掘客戶潛在需求。一般來說，價值發現能力分為兩類：客戶智能開發和生態系統網絡建構。一方面，需要進一步開發客戶智能，以便感知人工智能解決方案商業化的機會，通過機器學習深入了解客戶的關鍵技術、價值鏈堵點和可持續發展目標，更全面地了解客戶的運營行為、偏好和需求。另一方面，需要生態系統網絡的建構。通過相互合作的能力釋放出的協同效應往往會拓展集體創新能力的邊界，從而實現有目的的專業知識交流和集體推理。因此，創新網絡活動往往是戰略性的，而不是簡單地應對短期問題。未來產業越來越需要與互補的合作伙伴同行，共同配置有針對性的人工智能解決方案，以創造客戶的需求并擴大解決方案的潛在價值。

其二，價值實現能力。價值實現能力基于企業調整模式的動態能力演化，以分工與協作的方式管理復雜的人工智能解決方案開發，需要從一開始就避免過于復雜的解決方案。要將解決方案配置視為一個迭代過程，采用最初的小規模解決方案，不斷調整、構建資源池進行資源整合，在流程的早期階段識別和解決問題，根據操作反饋逐步完善和擴展解決方案，將消費者的潛在需求轉化為真實需求?？蛻艉妥罱K用戶共同參與開發過程，由此，制造商可以確保他們的需求在最終解決方案中得到充分理解和超前創造。這種方法促進了關于業務需求和潛在解決方案的共享，使開發人員能夠更好地提供可視化解決方案和更深入地理解用戶，使未來產業系統能夠憑借人工智能技術持續自動地從交互情境中學習決策知識，并對知識進行不斷更新以確保人工智能解決方案能夠熟練、高效地交付并符合客戶的期望。

其三，價值優化能力。價值優化能力聚焦在技術的快速迭代和更新中徹底解決人工智能技術與消費者之間的內在張力。一般情況下，企業需要利用現有的人工智能解決方案基礎設施和生態系統網絡，持續不斷地開發新產品、新服務、新市場、新產業，探索新的伙伴關系或合作關系，開拓新的收入來源，使未來產業系統能夠與其他多元異構智能系統共享自我更新的知識和最新智能。真正持久的創新和能夠帶來價值優化能力的未來產業培育，是構建更具包容性的人工智能技術，充分發揮消費者的自主性、創造力，幫助消費者真正獲得精神滿足。

人工智能使能效應的創新壁壘。使能效應作為激進創新方式，往往依賴于許多相互依存的系統的整合。盡管人工智能在改變許多行業和應用的能力方面可能是“通用的”，但激進的創新很少能以“即插即用”的方式插入現存系統框架。事實上，在研發與應用中存在若干創新壁壘。

其一，技術的鎖定和路徑依賴特征。使能效應是一種跨學科的知識破壞性創新，產品架構更加模塊化、開放式，不能通過利用解決先前任務中獲得的信息或知識來實現，必須是一種顛覆性創新。然而，在幾十年的發展中，現有人工智能技術具有累積性，“量變”的積累在提升企業核心能力的同時，也使得一些企業產生路徑依賴，逐漸失去對新技術和潛在市場的敏感性，從而產生“核心黏性”。尤其在一些模塊化程度較低的行業，如運輸、電子、機械行業或電子游戲行業，知識的專有性和整體性更強，必須按某些順序解決一系列相關任務，致力于獲得兼容的解決方案和漸進式改進，因而具有技術的鎖定和路徑依賴特征，妨礙了使能效應的發揮。[16]

其二，需求的超前和不可預見性。未來產業是在對未來10年～15年產業方向進行預判的基礎上形成的、需要長期培育的產業。由于使能技術涉及超前的未來技術引領，下游部門和用戶對關鍵使能技術或創新技術缺乏超前的理解和認知，因此難以產生潛在的需求。相關調查發現，盡管全球企業每年在數字化轉型方面的投資超過1.1萬億美元，但64%的公司仍面臨數字化轉型的挑戰。[17]這主要是受需求的模糊定位而導致的數字化轉型實施路徑模糊的影響。如果預判準確，可以提前搶占未來產業競爭制高點，贏得國際經濟發展先機；如果預判錯誤，將會導致創新資源的浪費和在未來產業競爭中失去主動權與優勢地位，甚至可能危及產業穩定和國家戰略安全。

其三，風險投資的高投入與不確定性。由于未來產業高度依賴前沿性、原創性、突破性、顛覆性技術，目前整體還處于孕育階段，部分領域技術及產業化存在不確定性、風險性和長周期性，細分領域、發展路徑、商業模式、監管方式等諸多方面尚未形成可借鑒、可復制的經驗。同時，在短期內無法轉化為利潤，需要大量市場主體的試錯、探索，先期成本投入大。盡管如此，高投入也不意味著高產出，可能只有少數企業才能成為市場的優勝者和產業的主體。資本市場較為普遍的是“短平快”的投資現象，難以滿足未來產業發展所需的大量與長期投入。因此，未知風險和低短期回報限制了人工智能使能效應的發揮，削弱了未來產業的投資吸引力。

基于使能效應的未來產業培育的關鍵策略。一般來說，人工智能驅動的產業空間由物理空間、虛擬空間、數據空間、知識空間和應用空間五個維度組成，當前，我國已形成未來制造、未來信息、未來材料、未來能源、未來空間和未來健康六大產業方向。面對未來產業的創新壁壘，基于使能效應的未來產業培育的關鍵策略包括以下方面。

首先，完善未來產業培育的戰略遠見和頂層設計。未來產業的底層技術是關系到國家未來的重點科技領域，其發展離不開國家的戰略遠見和頂層設計。戰略遠見是通過觀察、感知與捕捉可能引起未來變化的新事件涌現和變革的驅動因素，基于未來長期機會的識別構建各種可能性情境部署。戰略遠見提供了對國家運營環境、挑戰和機遇的洞察，開辟了新的競爭空間。頂層設計則是依據戰略遠見在跨學科合作中創造愿景，實現支持戰略遠見、完善早期預警、改進創新過程和提高對環境變化的反應速度等一系列具體規劃。人工智能是引領這一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的“頭雁”效應。國家需要順應科技革命和產業變革趨勢，充分發揮新型舉國體制優勢，面向國家重大需求和戰略必爭領域，系統謀劃，超前布局，把握未來產業發展規律，前瞻部署、梯次培育、動態調整。事實上，國家的戰略遠見和頂層設計可以通過改變市場主體的博弈結構而優化競爭。[18]因此，要在國家發展戰略愿景和目標導向下，開展人工智能、區塊鏈、云計算、邊緣計算、工業物聯網等前沿技術的未來發展趨勢預測，識別前沿技術對未來社會經濟發展的帶動作用，進行未來產業技術壁壘分析等情報研究；重點關注前沿技術的前瞻性發現、顛覆性技術與非共識技術的識別，開展重大關鍵技術識別與評估。

其次，積極搭建跨學科協同創新平臺。未來產業呈現出前所未有的“大集成”特征，企業內部研發、生產、銷售、服務、管理過程等實現動態智能集成，即縱向集成；企業間基于工業互聯網與智能云平臺，實現集成、共享、協作和優化，即橫向集成；制造業與金融業、上下游產業的深度融合形成服務型制造業和生產性服務業共同發展的新業態；智能制造與智能城市、智能交通、智能醫療、智能農業等交融集成，共同形成智能生態大系統——智能社會。[19]針對未來產業特征，要按照“科學-技術-產業”邏輯，沿著從“0”到“1”再到“N”的道路，推動顛覆性技術從實驗室到生產車間再到大市場，推動原創性、顛覆性科技成果競相涌現，推動重大科技成果加快產業化，培育發展未來產業的創新生態系統。創新生態系統是具有參差交錯的復雜結構關系的動態、開放的自適應系統，該系統由創新企業與高校、科研院所、科技中介、投資機構、孵化器、創新平臺、政府等創新群落以及群落之間、群落與創新環境之間相互作用而形成。

最后，強化未來產業應用場景的不斷拓展。人工智能的一項基本功能就是系統利用外部數據，通過靈活適應來實現特定目標和任務。因此，未來產業的發展方向是開發多樣化的人工智能應用能力。人工智能的迭代演進必將催生新場景和新產業，應用場景的不斷拓展與持續細分對于未來產業和身處其中的高科技企業來說是機遇也是挑戰。將通用人工智能技術與具體產業場景相結合，實現設計模式創新、智能生產決策、資源優化配置等創新應用，才能推進人工智能在具體應用場景與行業領域的應用和有效驗證。[20]場景拓展階段不僅要解決技術的生產制造問題，還要推進未來產業商業化、刺激相關市場啟動等，需要進行有效的產業風險預警、產業競爭格局分析、未來趨勢預測以及產業投資前景分析等。需要積極組織實施“前瞻性-驗證性-試驗性-推廣性”的場景應用體系，根據功能定位的不同，建設城市應用場景開放高地，打造未來社區、未來醫院、未來工廠、未來商業等綜合性場景，對符合戰略性未來技術方向和未來產業發展需求的科研攻關項目予以重點扶持，催生一批重大基礎研究成果和戰略產品。

未來產業培育的保障體系。人工智能的創新與發展是一個復雜的長期過程，影響著參與者、技術和機構，同時也受到社會各方面的影響。未來產業的形成是產業內及產業間不同主體共同參與、多產業融合的開放創新生態系統。[21]從社會系統話語中產生的共識決定了范式轉型過程的成功、強度、范圍和速度，也就是說，未來產業的發展在很大程度上取決于人工智能技術的應用、推廣、接受以及可用資金。

一般來說，人工智能驅動的未來產業培養的保障體系是三個層次相互作用的結果：社會景觀、技術制度和市場利基。[22]作為宏觀層面，社會景觀代表了當前以規則、秩序和政策為特征的穩定以及自我強化的結構和做法。社會景觀發展可以顯著影響技術制度和市場利基水平，最重要的是，能夠為利基的創造提供機會窗口。作為中觀層面，技術制度解釋了現有技術發展的穩定性和軌跡的發生。在現有技術制度內，以激進創新活動為特征的路徑轉型或幾個迄今為止不相關的行業的活動重組，都可能導致未來產業的出現。作為微觀層面，市場利基是激進創新孵化產生和發展的原因，在典型的“替代”型轉型路徑中，利基創新旨在獲得動力，并試圖在技術制度中擴散或創造變革。

人工智能的創新越來越多地發生在不同的社會層面中，無論是新興技術還是顛覆性技術，一個多層次的創新體系正在超越現有結構。社會景觀、技術制度和市場利基這些層次之間的共同進化、相互作用創造了人工智能驅動未來產業培育保障體系的過渡動態。在培育過程中，技術制度的普遍態度、實踐及其在系統中的使用逐漸被源自市場利基的新傾向所取代。當技術制度和市場利基的變化嵌入到社會景觀系統的普遍生產和用戶子系統中時，人工智能的使能技術就成為通用技術，過渡就完成了。

結語

當前，我國人工智能研究成果不斷突破，機器學習、自然語言處理、計算機視覺等領域不斷催生新算法、新模型、新范式、新產業，人工智能框架正向著全場景支持、超大規模AI、安全可信等技術特性深入探索。國家層面聚焦未來產業關鍵技術、細分賽道，構筑產業競爭新優勢；地方層面如北京、上海、深圳、杭州、南京等地出臺多項舉措，搶占未來產業制高點，把握高質量發展先機。按照“技術創新-前瞻識別-成果轉化”的思路，不少省市都制定了未來產業的發展規劃，部分省市還出臺專項政策支持未來產業發展。各地未來產業發展政策在組織間的縱向擴散，不僅表現為政策“自上而下”的吸納，也表現為“自下而上”的傳導，各地未來產業發展方向不勝枚舉。[23]然而，一些未來產業政策大多基于本地產業需求及自身理解來制定，缺少對多產業前沿技術交叉融合和疊加創新的關注。隨著未來人工智能使能效應治理經驗的累積、優化與蝶變，各地對未來產業的內涵邊界把握以及前瞻規劃運籌將得到更大提升。

注釋

[1]R. Naeem; M. Kohtam?ki and V. Parida， “Artificial Intelligence Enabled Product–Service Innovation： Past Achievements and Future Directions，“ Review of Managerial Science， 18 April 2024.

[2]I. Ulnicane et al.， “Good Governance as a Response to Discontents？ Déjà vu， or Lessons for AI from other Emerging Technologies，“ Interdisciplinary Science Reviews， 2021， 46（1–2）.

[3]楊丹輝：《世界大變局下的產業政策：演進動向與邏輯重構》，《改革》，2023年第11期。

[4]I. Ulnicane， “Against the New Space Race： Global AI Competition and Cooperation for People，“ AI & Society， 2023， 38.

[5]李曉華：《技術推動、需求拉動與未來產業的選擇》，《經濟縱橫》，2022年第11期。

[6]I. M. Enholm et al.， “Artificial Intelligence and Business Value： a Literature Review，“ Information Systems Frontiers， 2022， 24.

[7]江小涓、靳景：《數字技術提升經濟效率：服務分工、產業協同和數實孿生》，《管理世界》，2022年第12期。

[8]P. C. Johnson et al.， “Digital Innovation and the Effects of Artificial Intelligence on Firms' Research and Development – Automation or Augmentation， Exploration or Exploitation？ “ Technological Forecasting and Social Change， 2022， 179.

[9]G. C. Amaizu et al.， “Metaverse in Advanced Manufacturing： Background， Applications， Limitations， Open Issues & Future Directions，“ ICT Express， 2024， 10（2）.

[10]M. Iansiti and K. R. Lakhani， “Competing in the age of AI，“ Harvard Business Review， 2020， 98（1）.

[11]余東華：《“十四五”期間我國未來產業的培育與發展研究》，《天津社會科學》，2020年第3期。

[12]李曉華、王怡帆：《未來產業的演化機制與產業政策選擇》，《改革》，2021年第2期。

[13]《國家及各地區國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要（上）》，北京：人民出版社，2022年，第13頁。

[14]M. H. Zafar; E. F. Langas and F. Sanfilippo， “Exploring the Synergies between Collaborative Robotics， Digital Twins， Augmentation， and Industry 5.0 for Smart Manufacturing： A State–of–the–Art Review，“ Robotics and Computer–Integrated Manufacturing， 2024， 89; 彭勁松：《科學全面認識人工智能時代的勞動價值》，《人民論壇·學術前沿》，2022年第8期。

[15]D. Sj?din; V. Parida and M. Kohtam?ki， “Artificial Intelligence Enabling Circular Business Model Innovation in Digital Servitization： Conceptualizing Dynamic Capabilities， AI Capacities， Business Models and Effects，“ Technological Forecasting and Social Change， 2023， 197.

[16]S. Lechevalier; J. Nishimura and C. Storz， “Diversity in Patterns of Industry Evolution： How an Intrapreneurial Regime Contributed to the Emergence of the Service Robot Industry，“ Research Policy， 2014， 43（10）.

[17]“PwC Digital Factory Transformation Survey 2022，“ https：//www.pwc.de/de/content/0f96ea9c-992c-4ba7-8c4d-b4637cf81d9f/pwc-digital-factory-transformation-survey-2022.pdf， 2022.

[18]賀俊：《新興技術產業趕超中的政府作用：產業政策研究的新視角》，《中國社會科學》，2022年第11期。

[19]J. Zhou et al.， “Human–Cyber–Physical Systems （HCPSs） in the Context of New–Generation Intelligent Manufacturing， “ Engineering， 2019， 5（4）.

[20]胡擁軍：《前瞻布局未來產業：優勢條件、實踐探索與政策取向》，《改革》，2023年第9期。

[21]劉志彪：《新質生產力的產業特征與驅動機制》，《探索與爭鳴》，2024年第3期。

[22]C. K. Lee and L. M. Yu， “A Multi–level Perspective on 5G Transition： The China Case，“ Technological Forecasting and Social Change， 2022， 182.

[23]王小林、金冉：《未來產業：政策擴散與路徑選擇》，《社會科學戰線》，2024年第5期。

責 編∕李思琪 美 編∕周群英