生成式人工智能助力數字經濟高質量發展的影響機制與提升路徑

摘 要：文章對比了傳統人工智能和生成式人工智能對數字經濟的不同影響，探討了生成式人工智能的基本原理。進一步，文章運用生產要素理論、微笑曲線理論和生態系統理論，構建了新質生產力—產業轉型升級—數字生態系統的三位一體遞進分析框架，系統地從微觀、中觀和宏觀層面分析了生成式人工智能對數字經濟高質量發展的影響機理。在微觀層面上，生成式人工智能推動數據要素與傳統生產要素融合，形成新質生產力，促進企業創新，提高生產效率。在中觀層面上，通過提升研發設計、生產制造和銷售端的競爭力，生成式人工智能助力產業轉型升級，推動數字經濟高質量發展。在宏觀層面上，生成式人工智能促進多元主體形成數字經濟生態系統，引領數字經濟快速崛起，成為國家競爭力的新引擎。同時，文章對比了中美兩國在生成式人工智能發展路徑上的區別，強調了美國的開放創新和中國的政府引導。最后，從微觀、中觀和宏觀角度全面闡述了中國生成式人工智能發展的科學路徑，旨在推動數字經濟的高質量發展，助力我國在全球競爭中取得核心競爭力，占據有利地位。

關鍵詞：生成式人工智能 數字經濟 高質量發展

DOI：10.19592/j.cnki.scje.420275

JEL分類號：E61， O11， O33" "中圖分類號：F204， F420

文獻標識碼：A" "文章編號：1000 - 6249（2024）08 - 023 - 22

一、問題提出

隨著科技飛速演進，數字經濟正逐漸嶄露頭角，成為當代社會經濟發展的主導力量之一。數字經濟的崛起不僅徹底改變了傳統產業的面貌，更為創新、經濟增長和就業提供了新的動力（荊文君和孫寶文，2019；丁志帆，2020；戚聿東等，2020；柏培文和張云，2021；陳雨露，2023）。2016年，G20杭州峰會指出，數字經濟指以使用數字化的知識和信息作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動（左鵬飛和陳靜，2021）。我國經濟已由高速增長階段轉向高質量發展階段，黨的二十大報告指出，“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”1。數字經濟高質量發展是指在數字技術的引領下，通過深化數字化轉型，優化產業結構，提升創新能力，促進數字科技與實體經濟融合發展的過程。數字經濟高質量發展旨在通過數字技術的全面運用，實現經濟的智能化、綠色化、可持續化，提升整體經濟體系的質量和競爭力（任保平和宋文月，2019）。盡管數字經濟為社會發展帶來了巨大的機遇，但如何激發數字經濟的活力成為一大難題。在這一背景下，亟需尋找一種強有力的技術手段，以有效促進數字經濟高質量發展。

最近幾年，生成式人工智能（Generative Artificial Intelligence，GAI）備受關注，其中ChatGPT和DALL-E的引入對21世紀GAI的推廣發揮了關鍵作用（Chui et al.，2023）。ChatGPT作為一種由AI驅動的生成式對話助手，能夠根據訓練數據生成與自然人類語言非常相似的響應（Lund et al.，2023a）。DALL-E是一種GAI工具，通過自然語言提示生成逼真的圖像（Singh et al.，2021）。這兩種技術不僅能夠深度理解大規模數據，還能夠生成全新的內容，并提供創新解決方案，為數字經濟的發展提供有力支持（Lim et al.，2023；許雪晨等，2023）。這種強大的生成能力使得這些技術在各個領域都能發揮重要作用，為創作者和企業提供了全新的工具和可能性。例如，GAI可以支持客戶互動、生成市場營銷和銷售的創意內容、根據自然語言提示起草計算機代碼，以及執行其他多項任務。GAI不僅提高了工作效率，還通過使員工日常工作活動的60%到70%自動化，增強了整體工作能力，為未來工作模式帶來潛在變革，這一強大的影響力凸顯了GAI在推動數字經濟發展方面的關鍵作用1。根據2023年麥肯錫報告，GAI每年對全球經濟的生產力影響預計可增加2.6萬億至4.4萬億美元的價值。到2040年，GAI有望每年提升勞動生產率0.1%至0.6%。

2023年7月，中國網信辦與相關部委正式發布了《生成式人工智能服務管理暫行辦法》（以下簡稱《辦法》）2。新發布的《辦法》明確了堅持目標導向和問題導向的原則，規定了促進GAI技術發展的具體措施。在中國，百度、阿里、華為等大型科技企業不僅發布了大型語言模型，如“文心一言”“通義千問”，更在不同領域展現了這些模型的多元應用。這些實例生動展示了中國在GAI領域的多元發展，并凸顯了不同領域對大型語言模型的廣泛應用。

近年來，對GAI的研究日益增多，涵蓋了技術基礎、模型歸納以及其在數字經濟和社會中的影響。（1）GAI的技術基礎。GAI的技術基礎主要體現在其概率模型本質上，通過學習樣本數據形成多種分布模型，如自回歸模型、生成式對抗網絡模型（Generative Adversarial Networks，GANs）、變分自編碼模型（Variational Autoencoders，VAEs）、流模型（Flow Model，FM）和擴散模型（Diffusion Model，DM）。以ChatGPT為代表的GAI崛起標志著通用型人工智能的關鍵轉變，不僅對消費端影響深遠，還將在產業端推動自動化和技術進步，尤其在工業設計、藥物研發等領域為創造新數據提供可能性（陳永偉，2023a，2023b）。（2）GAI對產業轉型升級的影響。GAI技術的不斷迭代將深刻影響產業轉型與升級，推動傳統產業向數字化、智能化方向發展。ChatGPT等技術有望替代部分人力資本，對法律咨詢、養老服務、消費零售、金融、文本翻譯等多個行業產生影響，為中國帶來了產業升級的機遇與挑戰（鄭世林等，2023；鄭世林等，2024）。（3）GAI對勞動力市場的影響。通過在線平臺數據的實證研究發現，GAI有可能在勞動力市場上替代一些職位，例如在線翻譯和程序員等，而那些能夠與這種技術相互補充的勞動者可能會因此受益。研究指出，GAI對于高薪、高學歷的知識工作者的影響更為顯著，尤其是那些涉及決策、協作和運用專業知識的活動。因此，許多需要溝通、監督、記錄以及涉及人際互動的工作活動都有可能通過GAI實現自動化，從而加速教育和技術等領域的職業轉型。盡管GAI有望減小勞動收入差距，但與受損者相比，受益者的數量仍然相對較少（Chen et al.，2023；Liu et al.，2023；Yilmaz et al.，2023；Hui et al.，2023；Huseynov，2023；Korinek，2023）。（4）GAI帶來的挑戰。GAI催生了深刻的社會變革，對數字經濟和社會產生廣泛影響，但也伴隨虛假信息傳播、版權問題和數據安全等挑戰（宋信強等，2023；肖峰，2023；張夏恒，2023）。在勞動領域，它創造了自動高效、人機互動的新特征，同時引發內容過載、數字鴻溝和就業問題。應采取相關政策充分利用發展紅利、防范潛在沖擊，通過善治善用GAI，構建積極發展環境并引導全社會有效應對其帶來的機遇與風險（李穎，2023；蒲清平和向往，2023）。

盡管眾多學者已在GAI領域取得了豐富的研究成果，但目前對于GAI在推動數字經濟高質量發展方面的機制與路徑尚未深入研究。本文對比GAI與傳統人工智能的差異，探討GAI在數字經濟中的角色和推動機制。進一步，本文構建科學的理論分析框架，從微觀、中觀和宏觀的角度深入探討GAI對數字經濟高質量發展的影響機制和路徑。通過對比中美兩國GAI發展的路徑，旨在為數字經濟的高質量發展提供有益的思路和建議。通過這一研究，旨在理順GAI與數字經濟的相互關系，為未來數字經濟的可持續發展提供新的啟示和支持。

本文的創新主要體現在兩個方面。首先，基于生產要素理論、微笑曲線理論和生態系統理論，本文構建了一個新質生產力—產業轉型升級—數字生態系統的遞進分析框架，這一框架為深入研究數字經濟高質量發展提供了全新的視角。通過整合這三個理論，本文建立了一個有機的分析體系，使得對數字經濟發展的理解更為全面深入。其次，本文對中國和美國在發展GAI方面的異同進行了對比，形成了GAI促進數字經濟高質量發展的科學路徑，為我國在GAI發展方面提供了理論依據，使得我國未來在這一領域的探索更具針對性和戰略性。

二、生成式人工智能與傳統人工智能的對比

（一）生成式人工智能與傳統人工智能的定義

傳統人工智能（Traditional Artificial Intelligence，TAI）是指在20世紀前幾十年至90年代初期開發的一類人工智能方法和技術。這些方法主要集中在符號處理、專家系統、知識表示和推理等領域。TAI通常依賴于手動編寫的規則集或知識庫，以及推理和搜索算法來解決問題。其主要目標是模擬人類智能的某些方面，如推理、問題解決和決策制定。相較于GAI，TAI的應用范圍相對較窄，更加強調對系統的人工干預和設定。該方法以事先定義的規則和邏輯為基礎，使系統能夠執行既定的任務。TAI在處理復雜、不確定性和模糊性方面的能力有限，因此在發展中逐漸被更加靈活、基于數據驅動的機器學習和深度學習方法所取代。

Lund et al.（2023b）認為GAI是人工智能的一個子集，專注于使用基于現有數據訓練的機器學習模型來創建新內容，例如文本、音頻或視頻。本文認為GAI是一種基于大規模數據和深度學習模型的方法，其核心特征在于通過對大量文本或其他類型數據的預訓練，使模型具備理解、生成和優化語言表達的能力。這一方法強調借助深度神經網絡等技術，使模型更好地理解語言的語境、語義和邏輯關系，并賦予其自主生成具有一定創造性和邏輯性的文本或其他內容的能力。GAI技術的代表性模型包括大型語言模型，例如GPT（Generative Pre-trained Transformer）系列。

在區別上，GAI強調數據驅動，通過深度學習模型自主學習并生成內容，而TAI更依賴于事先定義的規則和邏輯，以實現特定任務的自動化。然而，這兩者在實際應用中相互交織。在現代人工智能發展中，GAI和TAI可以相互融合，形成更強大、全面、靈活的智能系統。例如，在某些任務中，可以利用GAI的語言理解能力，與TAI的規則和邏輯相結合，實現更復雜、多層次的問題解決。

（二）生成式人工智能的基本原理

GAI技術的分解可依據技術實現和應用路徑劃分為數據層、算力層、模型層和商業化應用層，這四個層次相互作用、相互支持以形成GAI生態系統，其目標是通過整合數據、算力、模型和商業應用，推動GAI技術的發展和應用（如圖1所示）。

1.數據層

數據層在GAI生態中扮演著至關重要的角色，它不僅包括海量而多樣的訓練數據，還牽涉到對這些數據的高質量標注以及必要的數據預處理。大規模、多樣性的訓練數據不僅僅是為了提高模型的多樣性和適應性，同時也是確保模型具備泛化能力的基礎。高質量的標注數據在訓練過程中扮演著關鍵的角色，為模型提供了準確的引導，使其能夠更好地理解和生成內容。數據預處理階段則通過清理異常、歸一化和標準化等操作，進一步確保了訓練數據的質量和穩定性，為模型的學習提供更可靠的基礎，這一完整而精細的數據層構建直接影響了GAI模型的性能和實際應用效果。

2.算力層

算力層在GAI技術中發揮了重要作用，涉及到龐大而復雜的計算資源。高效的算力支持了模型的訓練和推理，尤其對于深度學習等計算密集型任務至關重要。云計算、GPU和TPU等技術的不斷發展為算力層提供了更為強大的支持，使GAI模型能夠更迅速、準確地完成任務。在生成式模型構建中，算力層的關鍵技術包括GPU/TPU加速、分布式計算和云計算等，這些技術的整合對于提升模型訓練和推理的效率具有深遠意義，特別是在應對大規模和復雜性任務時。硬件加速器如GPU和TPU的應用能顯著提升訓練速度，分布式計算系統能有效處理大規模數據，而云計算平臺則為研究和應用提供了彈性的計算資源，支持模型規模和復雜度的靈活調整。在AI大模型時代，算力層成為技術創新和業界發展的基石，其重要性在推動GAI領域的不斷創新和進步中得到凸顯。

3.模型層

模型層是GAI技術的核心組成部分，包括多種深度學習模型，其中Transformer模型在推動GAI生態的創新和提升中發揮著關鍵作用。Transformer 架構是一種用于自然語言處理任務的深度學習模型架構，于2017年由Vaswani等人提出（陳永偉，2023a）。其核心特征包括自注意力機制和位置編碼，使得模型能夠更好地捕捉到輸入序列中的長距離依賴關系，并保留序列的順序信息。相較于傳統的循環神經網絡（Recurrent Neural Network，RNN）和卷積神經網絡（Convolutional Neural Networks，CNN），Transformer 架構在處理長距離依賴關系時表現更加優異。自注意力機制使得模型能夠同時考慮輸入序列中所有位置的信息，而無需像 RNN 那樣逐個位置進行處理。這種機制允許模型在進行預測時更好地捕捉到長距離的依賴關系，有助于提高模型的性能和泛化能力。此外，Transformer 架構還引入了位置編碼來表征輸入序列中各個位置的位置信息，從而使模型能夠區分不同位置的單詞或標記。這種位置編碼的引入有助于模型在處理序列數據時保留序列的順序信息，提高了模型的表征能力。

生成式模型中的常見算法，如GANs、VAEs、FM和DM，通過博弈性訓練或概率分布建模等方式實現高質量樣本的生成。特別是GANs的博弈機制為圖像生成、語言生成等任務提供了強大框架，與Transformer 架構相輔相成，共同推動了GAI的發展。深度神經網絡在生成式模型中扮演關鍵角色，其多層次結構使其能夠學習并捕捉復雜數據分布和模式，從而提高生成效果的準確性和多樣性。利用遷移學習和預訓練技術，模型可以從大規模數據中預先訓練，然后在特定任務上微調，為生成式模型的應用提供了強大基礎。總體而言，模型層在GAI的研究和應用中占據著重要地位，其不斷演進為GAI的未來發展提供堅實的技術支持。

4.商業化應用層

商業化應用層是GAI技術應用于實際場景的關鍵一環，將技術成果轉化為實際產品和服務。GAI在文本生成、圖像處理、語音識別等多個領域的商業化應用中為各行各業提供了創新的解決方案，推動數字經濟實現高質量發展。特別是在客戶運營、市場營銷與銷售、軟件工程以及產品研發等領域呈現出深遠的影響。通過深入分析大規模客戶數據，GAI實現了對個體用戶需求的精準理解，為企業提供個性化、定制化的服務和建議。借助生成式模型的自然語言處理能力，構建智能客服系統，提升了客戶滿意度，為客戶運營注入更高效的智能化支持。在市場營銷與銷售領域，GAI不僅僅局限于用戶行為分析，還能生成個性化的產品或服務推薦，通過創建智能銷售助手為銷售團隊提供更為精準和高效的銷售建議和解決方案，為市場營銷與銷售注入新的智能化動力。在軟件工程領域，GAI發揮關鍵作用，能夠生成代碼片段以加速開發過程，提升了代碼質量，并在自動化測試中提供更高水平的穩定性和可維護性。此外，GAI為產品研發帶來了創新的解決方案，快速生成創意設計和產品原型，縮短產品開發周期，提升設計質量，預測新產品的潛在成功，優化產品組合，為產品研發注入更為智能化的動能。這些商業應用的例子清晰展示了GAI在不同領域為企業帶來的實質性優勢，提供智能、高效、創新的解決方案，助力企業在競爭激烈的市場中取得競爭優勢。

（三）傳統人工智能和生成式人工智能對數字經濟的不同影響

1. 傳統人工智能在數字經濟中的積極作用與局限性

TAI在數字經濟中扮演著關鍵角色，尤其在自動化和任務導向的應用領域，如自動控制系統、專家系統和機器人等。這些成功應用不僅顯著提升了企業的生產效率，為其注入了高效的生產和服務手段，還有效地緩解了人口老齡化等問題，為促進數字經濟發展提供了新的增長引擎（Hémous and Olsen，2022； 陳彥斌等，2019；蔡躍洲和陳楠，2019；閆雪凌等，2019；李磊等，2021；董志強和黃旭，2021；陳東和秦子洋，2022；程文，2021；郭凱明等，2023；黃旭和董志強，2019；黃旭，2021；黃旭和許文立，2022；姜昊和董直慶，2023；李小瑛和張宇平，2023；黃旭和董志強，2023；黃旭和董志強，2024；劉青和肖柏高，2023；王林輝等，2022；王永欽和董雯，2020；汪前元等，2022；李磊和何艷輝，2024）。

TAI在應用中也顯露出一系列制約因素。首先，其應用常依賴于預先定義的規則和邏輯。雖然在靜態、可預測環境中表現卓越，能夠有效執行既定任務，但在數字經濟的動態和不確定性環境下，TAI顯得相對僵化，缺乏對快速變化和不確定性的適應能力。其次，盡管在一些領域（如自動駕駛和生產線控制）取得成功，但TAI在處理大規模、多源數據方面相對有限。這一限制影響了其發揮數據潛在價值的能力，特別是在數字經濟時代，數據的多樣性和快速增長使得傳統方法顯得相對力不從心。最后，TAI缺乏自主學習和適應性。在快速變化的數字經濟環境中，其靜態和難以更新的規則使得TAI難以跟上新的趨勢和變化，制約了其應對復雜情境的靈活性。這些挑戰不僅突顯了在數字經濟時代TAI面臨的局限性，也強調了對更具適應性和智能化解決方案的迫切需求，以更好地滿足日益復雜和變化的商業需求。在這一背景下，對于數字經濟的高質量發展，需要尋求更靈活、智能的解決方案，以推動人工智能在商業領域的更深度融合和應用。

2. GAI和數字經濟的關系

在當今數字經濟迅猛發展的背景下，GAI作為人工智能的新興分支顯得尤為關鍵。GAI強調以數據為基礎、以深度學習為核心，為數字經濟提供更為靈活、智能的解決方案，其影響逐漸顯現。

首先，GAI技術以其強大的深度學習模型和對大規模數據的高度敏感性，顯著提升了內容生產的效率和質量。在信息過剩的社會背景下，高質量內容成為數字經濟中不可或缺的核心資源。GAI的能力在生成創新性內容方面發揮著關鍵作用，為企業和機構提供了更為靈活的應對信息過剩挑戰的手段，從而推動了數字經濟的更深層次的發展。其次，GAI技術為數字經濟的各個領域提供全方位的技術支持和創新的應用場景。無論是數字化生產、數字化流通、數字化消費還是數字化治理，GAI的智能技術有利于提供獨特而富有創意的解決方案，為數字經濟全面發展注入了全新的活力，推動了各行各業更智能、高效的經濟運作模式。再次，GAI技術的廣泛應用催生了數字經濟的協同發展和智能化轉型，實現了數字經濟的可持續發展。通過將GAI技術巧妙融入不同領域，數字經濟的各個組成部分得以協同合作，推動了整體系統的智能化提升。這一過程不僅反映了數字經濟整體水平的提高，同時也為未來數字經濟的發展奠定了更為堅實的基礎。最后，GAI在數字經濟中推動了數據的更有效利用。數據在數字經濟時代已經成為新的生產要素，通過對大規模數據的學習和分析，GAI不僅提供了更智能的解決方案，還加速了數據驅動決策在數字經濟中的應用，促使企業更好地理解和利用數據資源。

三、生成式人工智能助推數字經濟高質量發展的理論分析框架

2023年9月，習近平總書記指出，“積極培育新能源、新材料、先進制造、電子信息等戰略性新興產業，積極培育未來產業，加快形成新質生產力，增強發展新動能”1。新質生產力是通過實現關鍵性顛覆性技術突破，以新技術、新經濟、新業態為主要內涵，推動科技創新和高效生產，是具有高質量、高效能的生產力，推動了經濟增長的質變和產業結構的升級，標志著生產方式的顯著躍遷，以適應新時代、新經濟和新產業的發展需求（周文和許凌云，2023）。

在微觀層面，本文將運用生產要素理論，深入探析GAI如何在數字經濟中推動新質生產力的形成。從生產要素理論的角度幫助人們理解GAI在數字經濟中與傳統生產要素的交互，尤其是如何結合勞動、資本，以及重要的數據要素，進而促進數字經濟的演進，形成新的生產力格局。中觀層面上，本文將運用微笑曲線理論，深入分析GAI如何在數字經濟中提高產業鏈的附加值。微笑曲線理論的應用將促進人們理解GAI在研發設計、生產制造和銷售端的應用，如何推動產業轉型升級。宏觀層面上，本文將運用生態系統理論，將深入研究GAI如何促進數字經濟生態系統的形成。通過這一理論框架，能全面理解GAI與其他主體之間如何協同構建數字經濟生態系統，為數字經濟的高質量發展提供有機的支持。因此，通過微觀、中觀和宏觀三個方面的分析，本文將構建起新質生產力—產業轉型升級—數字生態系統的三位一體遞進分析框架（如圖2所示），以系統性地探討GAI對數字經濟的影響。

首先，本文將通過生產要素理論的視角，深入探討GAI在新業態模式中的關鍵作用。生產要素理論是經濟學的核心理論之一，主要考察生產過程中各種資源的相互關系，包括勞動、資本和土地這三個基本生產要素。勞動代表人力的體力和智力，是最基本的生產力；資本包含了工具、設備和金融資本，通過提高效率和規模增加產出；土地則不僅指地表土地，還包括自然資源，為生產提供了實質基礎。這三者的協同作用直接影響了整個生產過程，對經濟增長、收入分配和產出結構等方面具有深遠影響。

然而，上述理論忽略了數字經濟中數據生產要素的關鍵性。在數字經濟時代，數據逐漸演變成為新的生產力，對塑造新業態模式具有至關重要的作用。GAI以問答形式生成新的數據內容，突破了傳統生產要素的局限。GAI與傳統資本、勞動等要素相結合，優化了勞動力結構，提高了生產效率，形成了新質生產力的范式。新質生產力強調數據驅動，將創新、智能化和自動化技術融入生產流程，同時注重跨界融合和人機協同。通過數字技術的創新方式，新質生產力為經濟體系注入了新的活力，不僅推動了經濟結構的調整和升級，也為數字經濟的高質量發展提供了理論指導和實踐支持。這種新質生產力的形成不僅僅在于技術手段的更新，更在于對原始數據智能處理和創造性生成的促進，為數字經濟高質量發展提供了有力支持。

其次，本文將通過微笑曲線理論分析GAI在產業轉型升級中的作用。微笑曲線理論是一種產業經濟學理論，描述了產品的附加值隨時間呈U形分布的趨勢。在產品的生命周期中，研發設計和銷售階段因產品的獨特性、創新性和市場需求而呈現較高的附加值，而制造階段由于生產效率提高和成本降低而附加值相對較低。這一趨勢形成了一條微笑狀的曲線，將產業鏈劃分為高附加值的設計和銷售兩端，以及低附加值的制造中間部分。

在產品設計和銷售端，GAI通過大數據分析和深度學習算法，能夠準確預測市場需求和消費者喜好。借助GAI的內容生產能力，可以優化產品設計和銷售戰略，從而提高產品競爭力和附加值。在制造端，GAI的應用有助于促進柔性生產。通過充分利用GAI技術，企業可以實現自動化、智能化的流程控制和調整，提高生產過程的靈活性和適應性。這使得企業能夠更快速地適應市場需求變化，使柔性生產變得更為可行和有效（陳永偉，2023b）。例如GAI通過多模態模型在制造業實現全自動化，涵蓋了從產品設計、生產制作到質量監督和管理決策的各個環節。通過解決圖文壁壘，GAI能夠根據輸入的文字要求進行產品設計，從而減少了設計過程中的復雜性和繁瑣性，實現了柔性化生產。其多模態模型的應用使得它能夠接收、處理和分析各種信息，如文本、語音、視頻和圖片，實現對制造過程的實時監測和控制，從而增強了生產線的靈活性和響應速度。同時，GAI通過數據監測和分析為管理層提供市場信息、采購方案和生產資料利用率分析，以此促使管理者調整生產方案，最大程度地利用資源，實現了柔性化生產的目標。此外，GAI通過綜合比較和分析供應鏈數據，協助管理者靈活調整供貨方，以降低生產成本，實現經營策略的優化，進一步促進了柔性化生產的實現（鄭世林等，2024）。

在這一作用下，GAI促進了產業轉型升級，進而促進了數字經濟的高質量發展。通過優化產品設計和銷售策略，提高產品附加值，GAI為企業創造了更具競爭力的產品。同時，在實現柔性生產的過程中，企業更加靈活地滿足市場需求，推動了產業的高質量發展。這表明GAI在微笑曲線理論的框架下，對產業鏈的兩端都發揮了關鍵作用，推動了數字經濟的智能化發展。

最后，通過生態系統理論的框架，本文將深入分析GAI如何推動數字經濟生態系統的構建。生態系統理論強調經濟系統與自然環境之間的相互依存和影響，將這一理論應用于數字經濟時代，專注于數字技術的創新對經濟和環境的綜合影響。在這個理論框架下，GAI作為一個核心技術要素涉及到多元主體，包括技術提供商、企業和政府等。多元主體之間的協同作用、資源共享和共同發展形成了一個以數據為核心的數字經濟生態系統。通過GAI的應用，數字經濟生態系統能夠更好地實現平衡，注重減少資源浪費、提高資源利用效率，并通過數據的多樣性增強整個系統的抗風險能力。

GAI的作用不僅體現在技術創新層面，更為重要的是在協同主體之間形成的互動網絡。這種多元主體的協同作用不僅促進了數字經濟生態系統的形成，還為數字經濟的高質量發展奠定了基礎。在數字經濟的演進過程中，GAI作為生態系統的關鍵組成部分，通過促進數據的智能處理與創造性生成，推動了數字技術的創新方式，為經濟體系注入了新的活力。這一生態系統的建構不僅有助于經濟生態的平衡，同時也為數字經濟的可持續發展提供了有力支持。

這三個理論有機地融合在一起，形成了一個有序、連貫的三位一體遞進的理論分析框架。新質生產力為起點，產業轉型升級為樞紐，生態系統為融合模式，協同推動數字經濟朝著高質量發展的方向邁進。這種框架不僅提供了對數字經濟發展的深刻理解，同時也為相關決策和戰略制定提供了切實可行的理論支持。

四、生成式人工智能助推數字經濟高質量發展的影響機理

本部分將從微觀、中觀和宏觀的視角分析GAI助推數字經濟高質量發展的影響機理，為未來我國發展GAI提供合理的理論支撐，助力數字經濟向更高質量的發展階段邁進。

（一）微觀：生成式人工智能與生產要素

GAI在微觀層面對數字經濟促進作用主要通過影響勞動者、資本和數據三個生產要素完成。從生產要素理論視角來看，資本和勞動力是生產過程中不可或缺的核心要素，而GAI的數據生成特征使其成為了一種新的生產要素（如圖3所示）。

首先，GAI的應用在提高勞動力、資本和數據要素生產效率方面具有深遠影響。在勞動力方面，GAI的自動化技術不僅降低了對簡單、重復性工作的需求，也推動了對具備高級技能、創新思維和問題解決能力的勞動力的需求。這引導著勞動力向知識密集型方向升級，使得整體勞動力結構更為智能化，提升了勞動者技能水平。在資本方面，GAI的應用吸引了大量資本的投入，這些資金主要用于技術升級、研發和人才引進，提升了資本的智能化水平，進一步提高了生產效率。在數據方面，GAI的智能處理使得大規模數據的分析更加高效，推動了數據作為生產要素更為全面和精準地參與到生產過程中，為企業提供了更可靠的決策依據。同時GAI為構建數據資產提供了便捷，其自動化地生成內容，如文本、圖像、視頻等，這些內容可以作為企業的數字資產，用于各種商業目的，如廣告、營銷、產品開發等。

其次，GAI融合多種要素形成了新質生產力，進一步強調了跨界融合和協同創新。在新質生產力的框架下，勞動力、資本和數據不再是孤立的要素，而是相互交織，通過智能算法和自動化技術的有機結合，形成了更為復雜而高效的生產體系。這種跨界融合為創新提供了更廣泛的空間，不同要素之間的協同作用催生了新的商業模式和生產方式。GAI作為整個生產過程中的關鍵組成部分，通過促進多要素的有機融合，為數字經濟的更深層次發展打下了堅實基礎。

最后，GAI所孕育的新質生產力不僅極大地提升了數字經濟的經濟效益，更為新興業態模式的興起注入了強大的創新動力。這一推動力助推了新興產業，尤其是智能制造和物聯網服務等領域的蓬勃發展，同時驅動著傳統行業朝著數字化和智能化的方向演變。在數字內容生成孵化、數字資產交易、數字勞動培育和數字內容消費等方面，GAI的應用不僅為創作者提供了更智能高效的內容生成工具，促進了數字創意產業的繁榮發展，也通過數字化培訓提升了數字勞動力的素質，從而推動了數字經濟的全方位發展。在數字內容消費方面，GAI的內容生成技術使得用戶能夠獲得更個性化、智能化的數字體驗，促使數字內容消費市場更加多元化和活躍，為數字經濟注入了新的活力。這一系列效應共同構筑了GAI對數字經濟高質量發展的全面推動，為未來數字經濟的可持續繁榮奠定了堅實基礎。

（二）中觀：生成式人工智能與產業轉型升級

在中觀層面，本部分將運用微笑曲線理論深入分析GAI對產業轉型升級的影響，從研發設計、生產制造和銷售端三個維度全面闡述，為數字經濟高質量發展提供理論支持（如圖4所示）。

首先，在產品設計端，GAI的廣泛應用通過大數據分析和深度學習算法實現了對市場需求和消費者喜好的精準預測。這使企業不僅能夠更準確地定位產品特性，還能夠深入了解消費者的心理和行為，從而優化設計方案以滿足潛在需求。值得注意的是，GAI的內容生成能力進一步拓展了設計的創新空間，通過生成式設計為企業帶來更多獨特而富有吸引力的產品理念。這種智能化的產品設計方式不僅令產品更符合市場趨勢，也使得企業能夠更靈活地應對快速變化的市場需求，為數字經濟在設計端實現了更高水平的質量發展。

其次，在生產制造端，GAI的應用不僅有助于促進柔性生產，還在提升生產效率和質量方面發揮了關鍵作用。通過充分利用GAI技術，企業實現了生產流程的自動化和智能化，使得生產過程更加靈活且高效。特別值得關注的是，GAI技術的智能控制和調整不僅提高了生產線的運作效率，還在保證產品質量的前提下實現了更快速的生產調整。企業可以更迅速地應對市場需求的變化，實現生產線的快速適應，從而加強數字經濟在生產制造端的適應性和效率。這種靈活性和智能化的生產方式為數字經濟提供了穩固的生產基礎，為產業升級創造了有力條件。

最后，在銷售端，GAI通過內容生成和個性化推薦等技術不僅更好地理解消費者需求，而且為企業實現精準推送產品提供了有力支持。通過分析大量用戶數據，GAI能夠深入了解消費者的喜好和購買習慣，從而為企業量身定制個性化的銷售策略。這種個性化的銷售策略不僅提升了用戶體驗，也有效促進了銷售轉化率。GAI在銷售端的應用進一步加強了數字經濟在市場營銷和銷售策略上的創新力，實現了更高水平的質量發展。這種精準的銷售推廣方式不僅提高了產品的附加值，也增進了企業與消費者之間的關系，為數字經濟在銷售端持續發展提供了有益支持。

（三）宏觀：生成式人工智能與數字創新生態系統

本部分將使用生態系統理論，從宏觀層面分析GAI如何助推數字經濟高質量發展的影響機理（如圖5所示）。數字生態系統指的是更廣泛的數字化環境，不僅僅包括了GAI，還包括了其他數字技術和應用，例如大數據、物聯網等。在這種情況下，數字生態系統并不等同于GAI生態。

第一，將GAI視為數字經濟生態系統的關鍵，其形成的數字技術的豐富多樣性類似于生態系統中的生物多樣性。這種比喻揭示了GAI在數字經濟中的重要性，它涵蓋了語音識別、自然語言處理、計算機視覺等多個領域，形成了數字技術的豐富多樣性。這樣的多樣性不僅增強了數字經濟的適應性和創新性，而且為整個生態系統的演化提供了更為廣泛的可能性。類似于自然生態系統中不同物種相互依存，GAI作為數字經濟的\"生態保護者\"，通過其多元技術的融合，創造了一個相互關聯、互利共生的數字技術生態，推動了數字經濟的繁榮和可持續發展。

第二，GAI在數字經濟中扮演調控者的角色，類似于生態系統中的控制者，調節各要素之間的平衡。通過智能化的數據分析和決策支持，GAI實現了對數字經濟生態系統的平衡調控。這一調控作用不僅有助于數字經濟更為均衡和可持續地發展，還使其能夠更好地適應外部環境的變化。就如同在生態系統中，控制者調整物種的數量，GAI通過數據的智能調配，實現數字經濟各要素的協同作用，促進數字經濟的整體健康和可持續增長。

第三，GAI作為數字經濟生態系統的一部分，與其他組成部分相互作用，形成了復雜而緊密的生態網絡。這種相互作用不僅包括與物聯網、大數據、區塊鏈等關鍵技術的深度連接，還涉及政府、企業、學術機構等多元參與者的協同合作。這樣的相互作用和連接不僅加強了數字經濟生態系統的整體韌性和創新性，同時塑造了一個相互促進、協同發展的數字經濟生態格局，為數字經濟的持續繁榮注入了新的活力。這種多方參與的生態網絡使得數字經濟在多個方面得以優化，從而在整體上推動了數字經濟的高質量發展。

第四，GAI引領的數字經濟生態系統將提高我國經濟的核心競爭力。通過GAI的普及與應用，國家在數字經濟領域將培育更加復雜而強大的生態系統，為創新提供更多機會，推動數字經濟更好地適應國際競爭環境。這種數字經濟生態系統的形成將使我國在全球數字經濟舞臺上占據更有利的位置，不僅提升了技術實力，還為經濟結構的升級提供了新的動能，從而增強了我國的整體競爭力。

五、生成式人工智能背景下數字經濟實現高質量發展的提升路徑

本部分將對比中國和美國在GAI技術發展方面的差異以形成合理的GAI發展路徑，這一對比具有重要意義。當前，中美之間的競爭不僅是技術創新和產業發展的角力，更是對全球科技領導權的爭奪，其影響將深刻塑造未來的國際關系格局。這場競爭不僅僅關乎兩國自身的科技實力和經濟繁榮，還關涉到GAI在全球治理、倫理標準以及未來社會發展中的角色和地位。在這個背景下，需要深入了解中美在GAI領域的不同路徑和策略，以更好地應對中美競爭對我國經濟社會的影響。

（一）中美生成式人工智能發展對比

1.科技創新

美國一直是全球科技創新的引領者，尤其在GAI領域取得了卓越成就。諸如硅谷等創新中心孕育了眾多大型科技企業，如谷歌、亞馬遜、Facebook等，它們一直站在GAI研究和技術創新的最前沿。這些企業通過大量的研發資金投入不僅推動了深度學習、自然語言處理和計算機視覺等核心領域的重大突破，而且在開源軟件社區中促進了共享和協作，為全球科研人員提供了廣泛合作的平臺。然而，美國在技術領域存在霸權主義的傾向，對中國實施技術封鎖，例如像ChatGPT等軟件對中國大陸用戶并不開放。

中國在GAI領域也取得了顯著突破。中國的科技巨頭，包括百度、阿里巴巴、騰訊等，積極投入研發，取得了在生成式語言模型、對話系統等領域的顯著成就。中國還通過支持創新團隊和引導企業加大科技研究投入來推動GAI領域的發展。此外，中國在大數據和云計算方面的發展也為GAI的研究提供了豐富的資源支持。在GAI領域，中美兩國都在各自的努力中取得了顯著進展，但我國同時也面臨著技術封鎖和國際競爭的挑戰。

2.產業體系

美國在GAI領域構建了一體化的產業鏈，涵蓋了從芯片制造到算法研發再到平臺構建的各個環節。硅谷的科技公司以其全球資源整合的能力，推動了技術的全球標準制定。美國企業在產業鏈上下游的廣泛參與使其在全球范圍內具備強大的影響力，促進了技術的快速演進與迭代，為全球創新提供了堅實基礎。相比之下，中國GAI領域呈現上下游不平衡的趨勢。盡管在應用端表現強大，擁有一系列優秀的應用和商業場景，但在下半部分核心技術領域，特別是高端芯片和算法方面相對薄弱，與美國相比存在一定差距。中國在芯片產業有所進展，但在產業鏈的完整度上需要加強核心技術的研發，以縮小與美國的差距。

在創業生態和公司規模方面，中美存在顯著差異。美國擁有高度活躍的創業生態，培育了大量初創公司和獨角獸企業。在GAI領域，一些初創公司通過在某個特定領域的創新表現嶄露頭角，有望成為行業的領軍者。這種創業生態的活躍推動了技術和商業模式的不斷更新，為產業的快速發展提供了源源不斷的創新動力。相較之下，中國的創業生態雖在快速發展，但規模相對較小。在GAI領域，中國更多依賴于大型科技公司，如百度、騰訊、阿里巴巴等，這些公司在行業中規模龐大，占據主導地位。中國的初創公司規模相對較小，然而在技術創新和商業應用方面仍有獨到之處，為整個行業注入了新鮮血液。

3.商業應用

美國商業文化強調創新、冒險和市場競爭。在GAI商業應用方面，美國企業更注重新技術的引入和創新應用。大型科技公司如谷歌、亞馬遜、Facebook以其在GAI領域的前瞻性研究和創新而著稱。美國公司更傾向于通過推出新產品、服務和商業模式來開拓市場，并且更容易接受商業風險。

盡管中國在GAI領域取得了顯著成就，但商業應用仍面臨一系列挑戰。大型語言模型發展迅猛，但實際商業化應用需要在商業化、工程化和應用場景化方面取得更深入的進展。最近一項關于美國小型企業的調查顯示，ChatGPT以70%的應用率成為美國小型企業中應用最廣泛的GAI產品，而中國大型語言模型的商業可用性尚未達到同等水平。中國商業文化注重速度和靈活性，在GAI商業應用方面，中國公司更注重快速的市場落地和應用推廣。百度、阿里巴巴、騰訊等大型科技公司在GAI領域的成功主要來自于其對市場的快速響應和敏銳的商業洞察。中國公司通常更愿意采用迅速實施的方法，快速適應市場變化，而在某些情況下，這可能意味著更大的市場冒險。目前，國內大型語言模型的應用主要集中在價值增強和效率提升方面，商業模式的實踐仍需更多探索。

4.政府角色

美國在GAI領域采取了強調市場自由和企業創新的政策方向。政府通過鼓勵私人部門的投資，致力于構建一個創新友好的生態系統。這體現在對企業提供研究補助、稅收激勵等方面的支持，以推動GAI的發展。美國的研究機構和大學吸引了來自世界各地的頂尖研究人才，這種開放的科研環境有助于推動前沿技術的涌現和創新思維的蓬勃發展。

相較之下，中國在GAI領域的崛起更加注重政府引導和產業應用。在GAI領域的發展中，中國政府在起到積極主導和引導作用。2023年發布的《辦法》規定GAI服務提供者須承擔多項重要義務，彰顯了中國政府對GAI產業治理的基本態度。相較于之前的風險防控導向，該法規中明顯增加了促進發展的內容，反映了中國政府更加積極的態度。首先，中國政府強調目標導向和問題導向。這表明政府在GAI領域的發展中注重明確發展目標，同時關注可能出現的問題和挑戰。通過明確的目標導向，政府可以更有效地引導技術的發展方向，確保GAI技術的應用符合國家整體戰略。其次，政府規定了促進GAI技術發展的具體措施。這表明中國政府采取了積極的手段來推動GAI技術的研究和應用。這些措施包括提供研發資金、鼓勵產業創新等，以推動GAI技術的不斷突破和應用。最后，政府通過法規規定了GAI服務的基本規范。這體現了政府在GAI領域的治理中注重合規性和規范性，以確保技術的安全性、可控性和倫理性。通過法規的制定，政府為GAI技術的發展提供了明確的法律框架，同時為企業和研究機構提供了明晰的行為規范。

綜上所述，美國的開放創新模式賦予了個體更大的研究和創造空間，推動了科技的迅速突破。相比之下，中國政府的引導和支持使得GAI技術得以更快地在實際應用中落地，形成了產業上的迅速崛起。這種差異不僅體現在技術發展速度上，還直接影響了兩國在全球人工智能領域中的地位。在未來，這種發展路徑的差異將繼續發揮作用。美國可能會在更多基礎研究和探索性創新方面取得領先地位，而中國可能會在GAI領域迎頭趕上。這樣的動態平衡將推動著全球人工智能領域的多元發展，同時也引發了有關技術治理、倫理標準和國際合作的深刻討論。

（二）生成式人工智能促進數字經濟高質量發展的提升路徑

1.微觀層面

（1）擴大新消費模式。

GAI所賦予的數據生成機制和個性化服務為數字經濟帶來了嶄新的消費模式。通過深度學習用戶行為，GAI能夠提供高度個性化的推薦和服務，從而激發用戶興趣，進而拉動消費。中國應特別關注用戶隱私問題，積極建立健全的數據隱私保護法規和技術標準。透明的數據使用政策將增強用戶信任感，進一步促進新型消費模式的發展。

為進一步拓展新消費模式，中國可采取以下策略。第一，強調個性化體驗。進一步深化GAI技術應用，提供更加個性化的消費體驗。通過深入挖掘用戶偏好、興趣和需求，企業可以實現更為精準的推薦和定制服務，為用戶打造獨特的消費感受。第二，跨界合作創新。積極尋求與不同行業的合作伙伴進行跨界合作，推動新型消費模式的創新。整合不同領域的專業知識和資源，打破傳統行業壁壘，創造更具創意和趣味性的消費體驗。第三，優化用戶參與度。引入更具互動性的元素，如虛擬現實（VR）和增強現實（AR）技術，提高用戶的參與度。通過使消費更加有趣，激發用戶更頻繁地參與新型消費模式，實現數字經濟的更廣泛普及。第四，持續優化隱私保護。持續改進數據隱私保護法規和技術標準，建立更加嚴密和可信賴的隱私保護框架。明確規定數據收集、存儲和使用的權限，同時加強對違規行為的監管，提高用戶的隱私安全感。通過以上舉措，中國有望逐漸縮小與美國在新型消費模式方面的差距，實現更具創新性和競爭力的數字經濟發展。

（2）催生新業態模式。

GAI的應用催生了新的商業模式和服務形態，推動了數字經濟中新興業態的發展。通過數據生成機制，GAI創造了基于人工智能的創新產品和服務，如智能助手、語音識別技術等。這些新業態不僅改變了傳統產業的運作方式，還帶動了數字經濟中的技術創新和商業模式的多元化。

新興業態的崛起為數字經濟的高質量發展提供了新的增長點和動力。這一趨勢為數字經濟開辟了新的商業領域，同時也顯示中美在新業態模式方面呈現出一定差距。要縮小這一差距，中國可以通過以下途徑。首先，提高創新環境的國際競爭力。中國可進一步加強知識產權保護，降低創業和創新的壁壘，提供更加靈活和支持性的法規環境。加強國際合作與交流，吸引全球高端創新人才，從而提高國內創新水平。其次，加大對初創企業的支持。通過提供更為便捷的融資渠道、減免稅收、優惠政策等手段，激勵初創企業在數字經濟領域進行更大膽的嘗試和創新。政府可以設立專項基金，支持具有潛力的新興企業，幫助它們更好地融入全球創新網絡。此外，吸引更多高科技公司入駐。通過提供更加靈活的政策環境和優厚的發展條件，中國可以吸引更多國際一流的高科技公司在中國設立研發中心和創新基地。最后，建設數字經濟創新園區，推動產學研用結合。通過建設數字經濟創新園區，政府、企業和研究機構可以更緊密地合作，推動創新成果向市場轉化。產業與學術的結合有助于加速新業態模式的孵化和推廣，提升中國數字經濟的核心競爭力。通過這些舉措，中國有望逐漸縮小與美國在新業態模式方面的差距，實現更為全面和創新的數字經濟發展。

（3）提升勞動力技能水平。

GAI的廣泛應用在數字經濟中推動了勞動力技能水平的顯著提升。GAI的快速發展催生了對高技能人才的迫切需求，其中包括AI工程師、數據科學家等新興職業。同時，GAI的應用也在傳統行業引發了勞動力結構的深刻變革，要求員工具備更為廣泛的數字技能。這種趨勢推動了人才培養和技能提升的需求，激發了終身學習的理念，為數字經濟提供了更為高效和靈活的勞動力資源。勞動力技能水平的提升不僅提高了個體的就業競爭力，也有助于整體數字經濟向更高質量的方向發展。

為縮小中美在高技能領域的差距，中國可以采取一系列策略。首先，加大對STEM教育（Science、Technology、Engineering和Mathematics的縮寫）的投入。通過增加在科學、技術、工程和數學等領域的教育資源，培養更多具備高級技術和創新能力的人才。在這一過程中，可以加強與企業的合作，確保教育內容與實際需求更為貼近。其次，提高人才培養的實際效果。除了注重教育的數量，更應關注教育質量。建立與行業實際需求貼合的培訓計劃，確保學生在學成之后能夠順利適應數字經濟的工作環境。此外，建立靈活的技能認證和培訓體系。通過簡化技能認證流程，使勞動力更容易獲取符合數字經濟要求的實際技能。這樣的體系不僅有助于提高勞動力就業適應性，還有助于更好地滿足企業對人才的實際需求。最后，政府與企業合作打造數字化職業發展平臺。該平臺可以提供在線學習資源、實踐機會和職業指導，幫助員工更好地適應數字經濟的需求。政府與企業在平臺建設中共同投入，形成良性的職業發展生態系統，從而拉近中美在高技能領域的差距。

2.中觀層面

（1）GAI推動制造業數字化轉型。

GAI在制造業的廣泛應用為產業帶來深刻的數字化轉型。通過智能化的生產和運營，企業能夠顯著提高生產效率、降低成本，并更靈活地適應市場需求。這一數字化轉型不僅包括生產流程的自動化，還涉及到供應鏈和市場營銷等多個環節。GAI的強大分析能力使企業能夠通過對龐大數據集的深入分析，制定更為準確的戰略決策，優化供應鏈，并不斷改進產品和服務，從而提升企業整體競爭力。

GAI在制造業數字化轉型中發揮著關鍵作用，對中國在全球市場競爭中取得領先地位至關重要。在深化數字化轉型方面，中國可通過以下措施更為有效地迎接挑戰。第一，促進產業協同創新。鼓勵企業之間及產業鏈上下游的合作與創新，通過共享技術和資源形成更加有機的數字化生態系統。政府可通過設立專項基金和獎勵制度引導企業進行協同創新，從而推動整個行業數字化水平的提升。第二，加強網絡安全建設。隨著制造業數字化程度的提高，網絡安全問題變得尤為關鍵。中國可加大對數字化轉型中網絡安全的投入，建設更為堅固的網絡基礎設施，采取有效措施保護企業關鍵信息免受網絡威脅。通過這些深入的措施，中國制造業能夠更全面、更深層次地推動數字化轉型，實現從傳統到現代的升級，增強整體實力，更好地與全球競爭對手展開交鋒。

（2）GAI促進產業綠色化轉型。

訓練大型語言模型所需的能源消耗問題備受關注，尤其是在當前全球對可持續發展和綠色轉型的迫切需求下。語言模型的訓練通常需要大量的計算資源和能源，這不僅增加了對電力和硬件的需求，也對環境產生了不利影響。為了實現綠色轉型，有必要深入研究語言模型訓練過程中的能源消耗問題，并探索使用更節能的訓練方法和技術，如優化算法、設計能源利用更加高效的硬件，以及利用可再生能源等。通過采取這些措施，可以有效減少語言模型訓練對環境的負面影響，促進數字技術與可持續發展之間的有益融合。

為了更好地促進GAI綠色化轉型，在中美競爭中占據有利地位，中國可以采取以下措施。第一，中國可以加強對于能源消耗問題的研究和監管。建立專門的研究機構或委員會，致力于評估和監督語言模型訓練過程中的能源消耗情況，推動行業內部共識的形成，并制定相應的政策和標準以規范行業的發展方向。通過加強研究和監管，可以更好地引導企業采取節能減排的技術和策略，從而降低語言模型訓練對環境的負面影響。第二，中國可以加強技術創新和合作。通過支持和投資相關技術領域的研究與開發，鼓勵企業開展創新實踐，推動新技術、新方法的應用和推廣，以提高語言模型訓練過程的能源效率。同時，積極開展國際合作，借鑒和吸收國際先進經驗和技術，加速綠色轉型的步伐，提升中國在GAI綠色化轉型領域的國際競爭力。第三，中國可以積極推動可持續能源的應用。利用中國豐富的可再生能源資源，如太陽能、風能和水能等，建設大規模的可再生能源發電項目，為語言模型訓練提供清潔能源供應。同時，鼓勵企業采用清潔能源供電，并提供相應的政策支持和優惠措施，以降低企業的能源成本，推動綠色轉型的深入發展。

（3）GAI促進現代化產業體系構建。

GAI的應用不僅推動了產業體系的全面數字化，也涵蓋了整個生產、供應鏈、市場營銷等多個環節。數字化使得企業更具彈性和應變能力，能夠更為靈活地適應市場的快速變化。GAI的應用在產業互聯網的發展方面發揮著關鍵作用，實現了整個產業鏈各環節信息的即時共享和協同工作，提高了整體效率和生產力。同時，GAI的應用還推動了人機協同工作的模式。通過處理大量重復性工作，人工智能系統釋放了人力資源，使人類更專注于創新性、戰略性任務，推動了產業體系朝著更為現代化的方向發展。

為了更好地促進GAI構建現代化產業體系，在中美競爭中占據有利地位，中國可以采取以下措施。第一，強化數字化基礎設施建設。中國可以進一步加大對數字化基礎設施的投資，包括5G網絡、物聯網技術等。這將為GAI的應用提供更加高效、穩定的技術支持，推動產業體系更迅速地實現數字化轉型。第二，推動產業互聯網標準制定。政府可以引領制定產業互聯網的標準體系，促使各類企業更好地實現信息的互通與共享。制定明確的標準將有助于形成更加統一的數字化體系，提高產業鏈各環節的協同效率。第三，鼓勵企業建設數字化創新中心。政府可以通過提供稅收優惠、技術支持等方式，鼓勵企業建設數字化創新中心。這樣的中心可以成為企業內部GAI技術研發與應用的重要平臺，加速新技術的孵化和推廣。通過這些措施，中國有望更好地推動GAI促進現代化產業體系的構建，從而在中美競爭中走在前列，實現數字經濟的高質量發展。

3.宏觀方面

（1）國家政策引導。

在政策層面，政府在GAI領域的引導至關重要。通過激勵創新和技術研發的政策支持，建立健全的法規框架，政府為GAI的可持續發展奠定了法律基礎。未來發展關鍵之一是政府制定明晰的政策法規，建立監管框架，鼓勵技術創新并保障多方利益。建議設立專門機構監管技術合規性、安全性和倫理標準，積極參與國際政策對話，共同制定全球性標準，為GAI的健康發展提供有力支持。

為推動GAI技術高質量發展，政府應采取積極的研發經費投入策略。增加對GAI領域研發經費，支持高水平科研項目，設立科技創新基金專項資助前瞻性GAI項目。這樣的資金支持將鼓勵科研團隊在技術創新方面不斷突破，同時有助于培養更多專業人才，提升整個領域的科技水平。政府還應積極推動國際合作，分享研究成果、共建標準，加速技術進步，促進全球數字經濟的共同繁榮。這種國際合作機制將為GAI領域的科技創新提供更廣闊的平臺，實現全球共同繁榮與發展。

（2）商業應用。

未來GAI的商業應用應當更加深度地融入各個垂直行業，涵蓋醫療、金融、制造等領域。這種深度融合將充分發揮GAI的潛力，使其更好地適應各行業的特定需求。在醫療領域，GAI可以用于疾病診斷、藥物研發等方面，提高醫療服務的精準性和效率。在金融領域，它可以應用于風險管理、投資分析等，增強金融決策的智能性。在制造領域，GAI可以協助自動化流程、優化生產計劃，推動制造業的數字化轉型。通過這種垂直行業的深度融合，GAI將更全面地滿足不同領域的需求，推動數字經濟朝著高質量發展的方向邁進。

未來商業應用GAI技術需要更加注重提升用戶體驗，確保技術更貼近用戶需求，提供更智能、便捷和個性化的服務。為實現這一目標，企業應當加大對用戶研究和反饋的投入，深入了解用戶的期望和需求。通過精細化的產品和服務設計，企業能夠更好地滿足用戶不斷演進的期望。此外，建議企業積極采用人機界面設計、用戶測試等手段，以確保用戶與GAI技術的互動更加自然和愉悅。通過提升用戶體驗，商業應用可以更好地吸引和保留用戶，推動GAI技術更廣泛、深度地融入各個領域，實現商業價值的最大化。

未來應推動GAI技術的開放創新與共享，以促使其更廣泛、深度地應用于各個領域。鼓勵企業開放創新意味著提倡合作與資源共享，加速技術的應用。建立開放的應用程序接口（API）和數據平臺，以促進企業之間更加緊密地合作。通過開放的接口和平臺，不同企業可以更容易地共享技術和數據資源，實現技術的互通和融合，推動GAI技術的不斷升級。這種開放創新模式將有助于構建一個更加協同的生態系統，為數字經濟的全面升級提供堅實基礎。通過共享資源和技術，企業可以更高效地應用GAI，實現更多創新，為社會和經濟帶來更廣泛的益處。

（3）大力發展新經濟體系。

GAI作為新一輪科技革命的代表，有望在推動新經濟體系的發展中發揮關鍵作用。國家應當采取積極措施，不僅加大對新一代信息技術產業的投入，更要深度參與產業布局的規劃，精準培育新型產業生態。通過建立有利于創新的政策體系，激勵科技企業加大研發力度，推動數字經濟向更為綠色、智能和可持續的方向發展。

在新經濟體系的發展中，鼓勵新興產業的跨界融合是關鍵一環。通過搭建平臺和提供資金支持，促使不同領域的企業合作，推動產業之間的融合發展。這樣的跨界合作既有助于整合各類資源，推動創新力的爆發，也有助于優化生產流程，提高生產效率。國家可以通過設立跨界創新的獎勵機制，鼓勵企業在不同產業領域尋找合作伙伴，加速技術與產業的融合，形成更加多元化和有活力的產業生態體系。

為更好地應對新一輪科技革命的挑戰，中國可以采取以下創新性策略，以推動新經濟體系的發展并在中美競爭中占據有利地位。第一，構建數字生態園區。國家可在戰略地區建設專注于數字經濟發展的生態園區，為企業提供創新環境和全方位支持。這包括提供高效的研發基礎設施、人才培訓中心，以及政策上的差異化支持。通過構建數字生態園區，中國可以吸引更多創新型企業和初創公司，形成協同創新的局面，推動新經濟體系的快速成型。第二，推動數字技術與可持續發展的融合。鼓勵企業將數字技術與可持續發展目標結合起來，推動新經濟體系向綠色和可持續方向發展。政府可以通過設立獎勵機制、減稅政策等手段，引導企業在數字化轉型的同時關注環境、社會和治理等方面的可持續性。通過將數字技術與可持續發展相結合，中國可以打造更具創新力和可持續性的新經濟體系。第三，建設數字創新生態鏈。國家可通過構建數字創新生態鏈，加強產業鏈上下游的協同合作。鼓勵企業間共享技術、資源和信息，推動新經濟體系的協同發展。政府可以提供政策支持，設立專項基金，促進數字創新生態鏈的形成。通過建設數字創新生態鏈，中國可以加強在新興產業和技術創新方面的整體競爭力。

六、結論

GAI在微觀、中觀和宏觀層面均扮演著數字經濟高質量發展的關鍵角色。本文根據生產要素理論、微笑曲線理論和生態系統理論，構建了新質生產力—產業轉型升級—數字生態系統三位一體的遞進分析框架。在微觀層面，GAI推動了企業創新，提高了生產效率，深化了產品和服務的個性化，從而激發了企業的競爭力。中觀層面上，GAI助力產業轉型升級，為各行業提供了更貼近需求的個性化服務，推動數字經濟體系的升級與優化。在宏觀方面，GAI引領著數字經濟的迅猛崛起，成為國家競爭力的新引擎，推動整個社會朝著智能化、數字化的方向發展。

然而，中美在GAI發展路徑上呈現出明顯的差異。美國強調開放創新，注重個體研究與創造的自由發展，中國更強調政府引導和支持，以促使人工智能技術更快速地在實際應用中落地。盡管中國在人工智能應用領域迅猛崛起，但仍面臨一些挑戰，如基礎研究領域的領先地位不明顯、創新生態系統的建設尚需加強等問題。

為彌合中美在GAI領域的差距，彰顯中國特有的優勢，應采取一系列有針對性的政策舉措。

在產業層面，中國應當積極擁抱新商業思維模式，深刻認知GAI的時代意義，并將其納入新時代機遇的核心戰略。在這個智能時代，GAI技術的發展成為經濟增長的關鍵因素。企業應深刻洞悉GAI技術對未來產業結構和經濟增長的深遠影響，將其視為公司轉型和升級的優先戰略。這包括理解GAI技術對傳統產業的顛覆，以及新產業和商業模式的崛起，從而更好地適應智能時代的發展趨勢。

在技術層面，中國需要加強基礎技術的自主創新。當前，硬件基礎設施的全面支持對GAI的發展至關重要，尤其是在算力方面。盡管中國面臨美國的技術封鎖，例如芯片被列入美國的出口禁令，但中國在互聯網和移動互聯網時代已經積累了堅實的基礎設施優勢。政府應鼓勵企業加大在GAI算法研究和開發方面的投入，通過國際合作推動共同創新。此外，中國應積極制定和完善GAI技術標準，提高技術整體水平，并參與制定國際規則，以確保在全球GAI治理中發揮積極作用。

在資源層面，中國可以推動公共訓練數據資源平臺建設。GAI的訓練和研發過程需要充分的基礎設施和資源支持。中國政府正在鼓勵企業加大在GAI算法研究和開發方面的投入，并通過國際合作來推動共同創新。然而，為了提高算力資源利用效率，需要協同共享算力資源，并構建GAI基礎設施和公共訓練數據資源平臺。建議通過更具體、可操作的政策來鼓勵更多機構和企業參與平臺建設，明確公共數據的分類標準和開放流程，并建立健全監管機制以確保數據的安全和合規使用。這將有助于構建更有序和有效的公共數據生態系統，進一步推動GAI技術的發展。

通過上述措施，中國GAI的發展將更有韌性更具獨特優勢，為數字經濟實現更高質量的發展提供有力支持。通過不斷優化政策環境，中國可以在全球舞臺上展現其創新能力，推動數字經濟蓬勃發展。

參考文獻

柏培文、張云，2021，“數字經濟、人口紅利下降與中低技能勞動者權益”，《經濟研究》，第5期，第91-108頁。

蔡躍洲、陳楠，2019，“新技術革命下人工智能與高質量增長、高質量就業”，《數量經濟技術經濟研究》，第5期，第3-22頁。

陳東、秦子洋，2022，“人工智能與包容性增長——來自全球工業機器人使用的證據”，《經濟研究》，第4期，第85-102頁。

陳彥斌、林晨、陳小亮，2019，“人工智能、老齡化與經濟增長”，《經濟研究》，第7期，第47-63頁。

陳永偉，2023a，“作為GPT的GPT——新一代人工智能的機遇與挑戰”，《財經問題研究》，第6期，第41-58頁。

陳永偉，2023b，“超越ChatGPT：生成式AI的機遇、風險與挑戰”，《山東大學學報（哲學社會科學版）》，第3期，第127-143頁。

陳雨露，2023，“數字經濟與實體經濟融合發展的理論探索”，《經濟研究》，第9期，第22-30頁。

程文，2021，“人工智能、索洛悖論與高質量發展：通用目的技術擴散的視角”，《經濟研究》，第10期，第22-38頁。

丁志帆，2020，“數字經濟驅動經濟高質量發展的機制研究：一個理論分析框架”，《現代經濟探討》，第1期，第85-92頁。

董志強、黃旭，2021，“人工智能發展背景下公共政策的增長和不平等效應——一個動態一般均衡模型”，《學術研究》，第2期，第92-99+178頁。

郭凱明、王鈺冰、龔六堂，2023，“勞動供給轉變、有為政府作用與人工智能時代開啟”，《管理世界》，第6期，第1-21頁。

黃旭，2021，“人工智能技術發展背景下收入不平等及政策：理論分析”，《中央財經大學學報》，第7期，第83-91頁。

黃旭、董志強，2019，“人工智能如何促進經濟增長和社會福利提升？”，《中央財經大學學報》，第11期，第76-85+128頁。

黃旭、董志強，2023，“人工智能如何促進高質量發展和就業？”，《中央財經大學學報》，第11期，第3-18頁。

黃旭、董志強，2024，“人工智能對勞動力市場極化的影響與對策”，《系統工程理論與實踐》，第1期，第272-298頁。

黃旭、許文立，2022，“公共政策如何應對人工智能引發的失業風險？”，《中央財經大學學報》，第10期，第71-84+93頁。

姜昊、董直慶，2023，“人工智能技術應用會存在選擇性偏向嗎？——行業屬性與就業偏向”，《南方經濟》，第12期，第37-61頁。

荊文君、孫寶文，2019，“數字經濟促進經濟高質量發展：一個理論分析框架”，《經濟學家》，第2期，第66-73頁。

李磊、何艷輝，2024，“機器人使用與創業選擇”，《南方經濟》，第1期，第124-141頁。

李磊、王小霞、包群，2021，“機器人的就業效應：機制與中國經驗”，《管理世界》，第9期，第104-119頁。

李小瑛、張宇平，2023，“機器人使用是否會減輕勞動者工作負擔？——來自勞動時長的證據”，《南方經濟》，第12期，第62-82頁。

李穎，2023，“生成式人工智能ChatGPT的數字經濟風險及應對路徑”，《江淮論壇》，第2期，第74-80頁。

劉青、肖柏高，2023，“勞動力成本與勞動節約型技術創新——來自AI語言模型和專利文本的證據”，《經濟研究》，第2期，第74-90頁。

蒲清平、向往，2023，“生成式人工智能——ChatGPT的變革影響、風險挑戰及應對策略”，《重慶大學學報（社會科學版）》，第3期，第102-114頁。

戚聿東、劉翠花、丁述磊，2020，“數字經濟發展、就業結構優化與就業質量提升”，《經濟學動態》，第11期，第17-35頁。

任保平、宋文月，2019，“新一代人工智能和實體經濟深度融合促進高質量發展的效應與路徑”，《西北大學學報（哲學社會科學版）》，第5期，第6-13頁。

宋信強、劉明杰、陳家和，2023，“GPT-4影響的全面分析： 經濟高質量發展與國家安全防范”，《廣東財經大學學報》，第2期，第100-112頁。

汪前元、魏守道、金山、陳輝，2022，“工業智能化的就業效應研究——基于勞動者技能和性別的空間計量分析”，《管理世界》，第10期，第110-126頁。

王林輝、胡晟明、董直慶，2022，“人工智能技術、任務屬性與職業可替代風險：來自微觀層面的經驗證據”，《管理世界》，第7期，第60-79頁。

王永欽、董雯，2020，“機器人的興起如何影響中國勞動力市場？——來自制造業上市公司的證據”，《經濟研究》，第10期，第159-175頁。

肖峰，2023，“生成式人工智能與數字勞動的相互關聯——以ChatGPT為例”，《學術界》，第4期，第52-60頁。

許雪晨、田侃、李文軍，2023，“新一代人工智能技術（AIGC）：發展演進、產業機遇及前景展望”，《產業經濟評論》，第4期，第5-22頁。

閆雪凌、朱博楷、馬超，2020，“工業機器人使用與制造業就業：來自中國的證據”，《統計研究》，第1期，第74-87頁。

張夏恒，2023，“新一代人工智能技術（ChatGPT）可能引發的社會變革”，《產業經濟評論》，第3期，第22-30頁。

鄭世林、陶然、楊文博，2024，“ChatGPT等生成式人工智能技術對產業轉型升級的影響”，《產業經濟評論》，第1期，第5-20頁。

鄭世林、姚守宇、王春峰，2023，“ChatGPT新一代人工智能技術發展的經濟和社會影響”，《產業經濟評論》，第3期，第5-21頁。

周文、許凌云，2023，“論新質生產力：內涵特征與重要著力點”，《改革》，第10期，第1-13頁。

左鵬飛、陳靜，2021，“高質量發展視角下的數字經濟與經濟增長”，《財經問題研究》，第9期，第19-27頁。

Chen， L.， Chen， X.， Wu， S.， Yang， Y.， Chang， M. and Zhu， H.， 2023，“The Future of ChatGPT-enabled Labor Market： A Preliminary Study in China”， arXiv preprint arXiv Working Paper， 2304.09823.

Chui， M.， Hazan， E.， Roberts， R.， Singla， A. and Smaje， K.， 2023，“The Economic Potential of Generative AI”， Working Paper.

Hémous， D. and Olsen， M.， 2022，“The Rise of the Machines： Automation， Horizontal Innovation， and Income Inequality”， American Economic Journal： Macroeconomics， 14（1）： 179-223.

Hui， X.， Reshef， O. and Zhou， L.， 2023，“The Short-term Effects of Generative Artificial Intelligence on Employment： Evidence from an Online Labor Market”， Working Paper， Available at SSRN 4527336.

Huseynov， S.， 2023，“ChatGPT and the Labor Market： Unraveling the Effect of AI Discussions on Students' Earnings Expectations”， arXiv preprint arXiv Working Paper， 2305.11900.

Korinek， A.， 2023，“Generative AI for Economic Research： Use Cases and Implications for Economis”， Journal of Economic Literature， 61（4）： 1281-1317.

Lim， W.M.， Gunasekara， A.， Pallant， J.L.， Pallant， J.I. and Pechenkina， E.， 2023，“Generative AI and the Future of Education： Ragnar?k or Reformation？ A Paradoxical Perspective from Management Educators”， The International Journal of Management Education， 21（2）： 100790.

Liu， J.， Xu， X.， Nan， X.， Li， Y. and Tan， Y.， 2023，“‘Generate’ the Future of Work through AI： Empirical Evidence from Online Labor Markets”， arXiv preprint arXiv Working Paper， 2308.05201.

Lund， B.， Agbaji， D. and Teel， Z.A.， 2023，“Information Literacy， Data Literacy， Privacy Literacy， and ChatGPT： Technology Literacies Align with Perspectives on Emerging Technology Adoption within Communities”， Human Technology 19（2）： 163-177.

Lund， B.D.， Wang， T.， Mannuru， N.R.， Nie， B.， Shimray， S. and Wang， Z.， 2023，“ChatGPT and a New Academic Reality： Artificial Intelligence-Written Research Papers and the Ethics of the Large Language Models in Scholarly Publishing”， Journal of the Association for Information Science and Technology， 74（5）： 570-581.

Singh， G.， Deng， F. and Ahn， S.， 2021，“Illiterate DALL-E Learns to Compose”， arXiv preprint arXiv Working Paper， 2110.11405.

Yilmaz， E.D.， Naumovska， I. and Aggarwal， V.A.， 2023，“AI-Driven Labor Substitution： Evidence from Google Translate and ChatGPT”， Available at SSRN， Working Paper.

Mechanisms and Paths of Generative Artificial Intelligence Facilitating

High-Quality Development of the Digital Economy

Huang Xu" Hong Meiling

Abstract： This article systematically compares the distinct impacts of traditional artificial intelligence and generative artificial intelligence on the digital economy. It delves into the fundamental principles of generative artificial intelligence and employs theories such as production factors， the smile curve， and ecosystem dynamics to construct a progressive analytical framework encompassing new productivity， industrial transformation and upgrading， and the digital ecosystem. The paper methodically analyzes the impact mechanisms of generative artificial intelligence on the high-quality development of the digital economy at micro， meso， and macro levels.

At the micro level， generative artificial intelligence facilitates the integration of data elements and traditional production factors， leading to the emergence of new productivity. This， in turn， promotes innovation within enterprises and enhances overall production efficiency. At the meso level， by elevating the competitiveness of research and development， design， manufacturing， and sales， generative artificial intelligence contributes to the transformation and upgrading of industries， thereby fostering the high-quality development of the digital economy. At the macro level， generative artificial intelligence plays a pivotal role in shaping a digital economic ecosystem among diverse entities， catalyzing the rapid ascent of the digital economy and serving as a new engine for national competitiveness.

Additionally， the article contrasts the developmental paths of generative artificial intelligence between China and the United States， highlighting the emphasis on open innovation in the United States and government guidance in China. Finally， the paper comprehensively elucidates the scientific path for the development of generative artificial intelligence in China from micro， meso， and macro perspectives. Its overarching goal is to propel the high-quality development of the digital economy， assisting China in attaining core competitiveness and securing a favorable position in global competition.

Keywords： Generative Artificial Intelligence; Digital Economy; High-Quality Development

（責任編輯：張瑞志）

* 黃旭，寧波財經學院金融與信息學院，E-mail：huangxumath@163.com，通訊地址：浙江省寧波市海曙區學院路899號，郵編：315175；洪美玲（通訊作者），寧波財經學院工商與管理學院，E-mail： hongmeiling@nbufe.edu.cn，通訊地址：浙江省寧波市海曙區學院路899號，郵編：315175。

基金項目：本文受國家社科基金一般項目“新一代人工智能對勞動收入差距的影響與政策研究”（23BJY134）資助。

1習近平：高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告，中國政府網，https：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm。

1The economic potential of generative AI： The next productivity frontier，https：//www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-AI-the-next-productivity-frontier#/。

2生成式人工智能服務管理暫行辦法，中國政府網，https：//www.gov.cn/zhengce/zhengceku/202307/content_6891752.htm。

1 新華述評：堅持科技創新引領發展——加快形成新質生產力系列述評之一，中國政府網，https：//www.gov.cn/yaowen/liebiao/202309/content_6904805.htm。