人工智能賦能新質生產力：作用機理與實踐進路

中圖分類號：F124 文獻標識碼：A 文章編號：1003-7543（2025）04-0001-15

當前，“新一輪科技革命和產業變革、大國競爭加劇以及我國經濟發展方式轉型等重大挑戰在當下形成歷史性交匯\"，人類社會比以往任何時候都更迫切需要一次真正能夠深刻影響人類明進程的生產力革命。正如布萊恩·阿瑟在《技術的本質：技術是什么，它是如何進化的》一書中所強調的“技術的歷史不僅是單個發明和技術的編年史，它也是時代（整段時期）的編年史”[2]。自2022 年OpenAI 發布ChatGPT以來，以深度學習、大模型為代表的人工智能技術已成為繼蒸汽機、電力、互聯網之后又一項具有全局性影響的“通用目的技術”[3]。

“人工智能作為引領新一輪科技革命和產業變革的戰略性技術，深刻改變人類生產生活方式。\"4]人工智能作為新一輪科技革命的核心驅動力，正通過原創性、顛覆性技術創新和數據要素的深度賦能，推動傳統生產力在技術形態、要素配置和產業格局上發生根本性變革，最終形成符合新發展理念的先進生產力質態[5。這既延續了馬克思在《資本論》中所述的機器大工業“延伸人類肢體”的物質生產功能，又演化出“拓展人類智能\"的知識生產能力，推動人類社會進入舍恩伯格所言的“海量數據時代”6]。

人工智能蓬勃發展的背后所折射出來的生產力與生產關系矛盾運動規律仍表明“我們依然處在馬克思主義所指明的歷史時代”[7]。本文試圖回答一個核心問題：數字時代中國如何通過有效市場和有為政府的協同作用將制度優勢轉化為人工智能技術突破動能，從而加快形成新質生產力，實現從“技術追趕\"到“趕超領先\"的范式轉換。本文發現，依托于超大規模市場優勢和全產業鏈覆蓋能力，中國通過新型舉國體制激發多元主體創新活力，并借助人工智能賦能戰略性新興產業和未來產業發展，推動傳統產業深度轉型升級，為加快形成和發展新質生產力奠定了堅實基礎。

一、人工智能對生產力與生產關系的系統性重構

習近平總書記特別強調：“人工智能是新一輪科技革命和產業變革的重要驅動力量，將對全球經濟社會發展和人類文明進步產生深遠影響。\"8作為新一輪科技革命的核心驅動力，人工智能不再局限于單一領域的技術應用，而是呈現全方位、多層次的系統性變革特征。在此背景下，人工智能是各國加速生產力整體躍升的必然選擇，已成為大國戰略博弈的新前沿。

（一）發展人工智能成為世界各國推動生產力整體躍升的必然選擇

在過往的工業文明中，產業革命的興起往往得益于重大技術發明，如蒸汽機、電力、計算機和互聯網等。它們不僅改變了生產設備，還深刻影響了社會分工及資源配置方式。伴隨數字化進程的加速，深度學習、大模型、云計算等人工智能相關技術迅速崛起，進一步推動了“機器大工業”走向“智能大工業\"甚至向通用人工智能的探索邁進。而在全球經濟面臨長期滯脹、低迷和結構性調整的多重壓力下，傳統技術紅利和資源優勢難以支撐新一輪的生產力提升。世界上主要經濟體紛紛出臺國家級人工智能發展戰略，希冀通過大力發展人工智能帶動產業轉型升級，實現生產力整體躍升[9。如中國的《人工智能安全治理框架》《全球人工智能治理倡議》《人工智能能力建設普惠計劃》《新一代人工智能發展規劃》，美國的《人工智能政策路線圖》《國家人工智能研發戰略計劃》，歐盟的《通用人工智能行為準則》《人工智能法案》等。

今天的人工智能時代已經與以往的大機器時代有質的不同，全球科技創新版圖和技術對比正悄然生變，社會生產力水平正在經歷工業革命以來的最偉大變革。綜觀世界主要經濟體的發展規劃，無論是產業升級、創新驅動，還是就業結構調整與經濟復蘇，人工智能無疑已成為促進新興產業增長、搶占國際分工體系中高端位置的核心支柱。在中國，黨的二十屆三中全會明確將人工智能作為戰略性新興產業，2024年中央經濟工作會議也將“開展‘人工智能 + 行動，培育未來產業\"作為以科技創新引領新質生產力發展、建設現代化產業體系的重要任務。2025年中央政府工作報告強調推進“人工智能 + ”行動，支持大模型廣泛應用。

馬克思指出，“各種經濟時代的區別，不在于生產什么，而在于怎樣生產，用什么勞動資料生產\"[10]。人工智能之所以能成為各國推動生產力整體躍升的必然選擇，一大關鍵在于其高度滲透性和廣泛適配性。人工智能具備“全局賦能\"的特性，能對傳統產業鏈進行顛覆式、深層次的改造，能夠將“數據驅動\"和“智能決策\"融入生產和流通的各環節，促使傳統產業煥發新的生命力。

具體來看，一是數據與算法的可復制和可共享性極大拓展了跨區域、跨行業協同的可能性。人工智能成規模應用后，企業間利用公共云平臺展開協作研發、算法共享或API接口互通已成為常態。這不僅可以提高創新效率，還能顯著降低中小企業接觸前沿技術的門檻，幫助其增強抵御市場風險的能力。二是云服務和智能邊緣計算的發展讓計算資源和存儲資源通過網絡靈活配置，進一步減弱了對地理位置的依賴。生產要素由此具備了更大的流動性和協同性，使生產力進一步獲得“解放與發展”。三是通過深度學習等技術所帶來的預測和決策能力提升，讓產業鏈供應鏈由“被動響應\"轉向“主動預測”，實現庫存、物流、銷售等多環節的精準銜接。

（二）人工智能產業成為大國博弈的新戰場

歷次科技產業革命都是大國興衰、世界經濟中心轉移和國際競爭格局調整的重要原因。第一次工業革命期間，“英國限制技術向潛在的競爭國家轉移（例如限制技術工人移民和機器出口），向欠發達國家施加壓力，迫使其開放市場，必要時還采用了武力”[]。不僅是英國，從世界歷史演變歷程來看，任何新興大國在關鍵成長期都會遭受守成大國在技術、貿易上的打壓，但任何一個成功的新興大國都是在這種打壓中成功實現了技術的全面趕超和崛起[12]。在趕超的過程中，“自主研發的努力是必需的，因為外國公司將越來越不愿意將技術許可授給新興的后發企業，特別是當后者試圖進人原本由發達國家主導的技術密集型產業時”[13]

當今全球各國正在大力發展的人工智能產業，可以被看作一個由諸多利益方展開角逐的時空場。中國、美國以及歐盟等主要經濟體紛紛將其視為引領未來發展、鞏固大國地位的戰略性產業，使得人工智能產業在全球范圍內呈現博弈加劇的競爭態勢，其背后是對科技制高點與國家競爭優勢的爭奪[14]。在傳統工業時代，自然資源的供給與掌控權常常決定國家在國際分工中的地位。進入數字時代后，海量數據、算法模型與數字基礎設施逐漸演變為新的“數字原材料”。尤瓦爾·赫拉利在《智人之上：從石器時代到AI時代的信息網絡簡史》中將人工智能的發展置于人類信息革命的歷史長河中，從語言、文字到印刷術，再到互聯網和人工智能，每一次信息技術的革命都重塑了社會權力結構。如今，人工智能正在重組信息流動方式，使得掌握數據和算法的實體獲得前所未有的權力[15]。阿爾溫·托夫勒在《權力的轉移》一書中認為，“擁有網絡上信息強權的人和國家，旋轉著未來世界政治經濟格局的魔方”[16]

當前美國仍然擁有較強的技術實力，仍然在人工智能領域處于世界最前沿。以美國為首的發達資本主義國家存在著對人工智能技術的獨占幻想，企圖通過“脫鉤斷鏈”和“小院高墻\"來實現科技政治化和半球化[17]。在5G領域對華圍堵失敗后，美國試圖將AI芯片作為新武器，全方位阻撓中國人工智能產業追趕。

這場全球競賽的本質，是生產要素重組范式、產業創新路徑、經濟增長模式的系統性競爭。人工智能產業博弈并非只是技術層面的競爭，更延伸了對全球數字經濟秩序和資源配置的深度博弈[18]。人工智能的核心要素（數據、算力、算法）的跨國流動往往面臨不同國家在隱私保護、數據主權、信息安全等方面的法律差異和利益博弈。大國間圍繞出口管制、跨境并購、技術交易和人才流動的政策博弈，也使得人工智能全球產業鏈面臨前所未有的分裂風險，這種“技術地緣政治化”傾向同樣是對現行多邊貿易體系的嚴峻挑戰。

二、人工智能賦能新質生產力的機理分析

新型舉國體制與超大規模市場優勢為人工智能賦能新質生產力提供了獨特路徑。一方面，新型舉國體制通過有效整合創新資源、構建協同攻關網絡，釋放出強大的制度創新效能；另一方面，超大規模市場優勢通過數據要素重組與場景驅動創新，轉化為人工智能技術突破的不竭動力。這兩大優勢相互交織、相互促進，有力支撐了中國在全球人工智能競爭格局中實現從“技術追趕\"到“技術領跑\"的戰略轉變。

（一）制度創新效能釋放：新型舉國體制的攻關突破與協同網絡重構

1985年，《中共中央關于科學技術體制改革的決定》指出，“現代科學技術是新的社會生產力中最活躍的和決定性的因素”[19]。回顧中國改革開放以來的實踐經驗不難發現，各項重大科技突破的背后，往往都有“舉國之力”集中攻關的制度優勢支撐。人工智能在技術形態、要素配置和產業格局上的突破，離不開制度層面的全方位創新。如何通過有效的國家制度設計與宏觀政策供給，來激發多元主體的創新活力，并形成合力攻關、協同進化的網絡體系，已成為影響新質生產力加速形成的關鍵所在。

當下，中國在部分產業技術領域陷入困境，其根源則是在長期發展過程中本土企業未能在相關領域內形成有效的創新互動機制，導致外部環境變化后本土產業共同體無法自動地推動系統演進[20]。人工智能技術創新具有外部性和公共產品屬性，需要發揮國家和企業的協同分工作用。與傳統計劃體制或單純市場化路徑不同，新型舉國體制以“看得見的手”通過多種政策工具和資源配置方式，突破政策供給的碎片化困境，打通束縛關鍵核心技術研發的堵點卡點[21]。新型舉國體制強調在國家總體戰略布局之下，整合金融、科研及產業鏈上下游資源，讓企業、科研院校、社會資本以多元化方式參與人工智能創新，為推動人工智能在關鍵技術、核心部件和重大應用方面突破瓶頸、重構網絡化協同生態提供了強力保障。

從宏觀層面來看，正如伊斯特利在《經濟增長的迷霧：經濟學家的發展政策為何失敗》一書中所指出的，“新知識的投資收益率要依賴于現有的知識存量，而現有的知識存量要依賴于知識投資的激勵。知識的這一特性意味著知識投資是邊際收益遞增的\"[22]。國家發展和改革委員會、工業和信息化部、科學技術部等部門的協同聯動，構成“中央統籌、地方落實\"的政策指令網絡。例如，在人工智能研發和算力建設領域，通過設立專項基金、中央財政補貼或稅收優惠等方式吸引社會資本，加大對芯片制造、云計算平臺、大模型訓練等方向的投人，其自的“就是刺激在新的經濟活動領域的投資和企業家創業，特別是那些有可能形成比較優勢的領域”[23]。這既幫助企業彌補了前期研發的資金缺口，又有利于在后期實現研發成果快速落地。

在微觀層面，新型舉國體制賦予國有企業和民營企業各自差異化的功能定位，“在戰略性和全局緊迫性領域，以大型國有企業為主導，發揮政治和資源優勢，促進創新參與者自有知識的聚集、整合與創造。在競爭性和局部緊迫性領域，政府引導為企業創新提供資源支持和保障”[24]。

就國有企業而言，其在新質生產力培育中承擔著基礎設施建設、產業鏈整合和公共服務供給等重要職能。國有企業依托數據要素的規模化積累和行業覆蓋優勢，可以在智慧城市、工業互聯網、大數據平臺等重大工程中充當原創技術策源地和現代產業鏈的“鏈長\"角色，在推進新質生產力的過程中被賦予新的時代內涵和功能使命[25]。例如，國家電網通過電力大數據平臺與商湯科技的智能巡檢系統，實現電網智能檢測、故障預測，從而促成國有資產保值增值與技術擴散的雙重目標。人工智能的引入，改變了傳統產業的運行模式，也讓國有企業在公共服務、社會責任履行中擁有了更精細化的管理工具。國有企業能夠為跨區域、跨行業的工業、交通、教育等關鍵領域提供高效的數字基礎設施保障，為民營企業和社會投資創造更豐富的創新場景，推動新質生產力的體系化發展。

民營企業則在更加靈活、多元化的市場環境中表現出強大的創新活力。由于競爭壓力大、市場敏銳度高，民營企業往往更具持續創新的動力和能力。例如，部分AI初創公司成功在生成式模型專項中實現技術突破，進一步改變了高端研發和應用的國際競爭格局。民營企業也更善于將人工智能應用于垂直細分領域，如視覺識別、醫藥研發、自動駕駛等，在快速響應市場需求的同時，不斷形成技術迭代和商業化落地的正向循環。通過自主研發和開放合作，民營企業可與國有企業在人工智能產業發展中實現互補。實際上，深度求索、宇樹科技等人工智能企業的出現正是這一邏輯的生動寫照。DeepSeek在通用大模型領域嶄露頭角，宇樹科技的人形機器人達到世界領先水平，而杭州通過“人才—政策—產業鏈—文化”四位一體的創新生態，為DeepSeek和宇樹科技等人工智能企業提供了從技術研發到商業化的全周期支持，體現了政府和市場的良性互動，使得新質生產力在中國經濟的各個層面加速落地生根。

（二）超大規模市場優勢轉化：數據要素重組與場景驅動創新

人工智能不同于傳統的技術進步，其對經濟社會的影響并非局限于特定行業，而是憑借其高度滲透性，廣泛嵌入各類經濟活動，重塑生產組織方式和運營模式。正如黃琪軒在《大國權力轉移與技術變遷》一書中所指出的，“在技術的產業分布上，大國往往強調技術的全面覆蓋性，以降低對他國的技術依賴；而小國則更強調技術的專業分工，更加專注于比較優勢的發揮\"[26]。當超大規模市場所產生的消費、生產和社會治理相關數據源源不斷地涌入工業互聯網、物聯網乃至各類云平臺時，多樣化使用場景又讓數據呈現高度多元、立體、實時更新的特點。正是在此基礎之上，人工智能技術才能快速學習并優化自身模型，實現對經濟社會多環節的降本增效。通過需求牽引與技術供給之間的雙向互動，中國的超大規模市場優勢正逐漸轉化為數據要素重組與場景驅動創新的強大動力，為加快形成新質生產力提供了堅實基礎[27]

中國擁有14億人口，且超過4億人已邁入中等收人群體，總體消費規模與需求結構的持續升級，為探索“數據要素 × ”和“人工智能 + ”行動提供了肥沃的“試驗田”。中國的超大規模市場不僅表現為海量用戶在互聯網上的密集互動，而且體現于對制造業、零售業、服務業及其他傳統產業的深度改造。華為、騰訊、阿里、百度等龍頭企業憑借云計算平臺、大數據處理等豐富的生態積累，能夠有效整合企業端與個人端的大規模數據，為人工智能的產業化落地提供“全景式\"賦能。這意味著，中國市場比單一小國或體量較小的經濟體更適合探索復雜、長鏈條的應用場景。正如張笑宇在《技術與文明：我們的時代和未來》一書中所言，只有中國更具備孕育新科技革命和科技創新中心所需的資源豐度和市場深度。這種“全產業鏈無限細分覆蓋\"能力為中國人工智能產業的飛速發展提供了重要的動力[28]

中國的全產業鏈覆蓋優勢，也為人工智能和傳統產業的深度融合構筑了一條特殊的追趕路徑。例如，在汽車制造、電子裝配、精細化工、家電生產等行業，深度學習算法可以借助大數據實現產線排程、產品檢測、質量追溯的自動化和精準化；而中國龐大的工業體系又為人工智能技術迭代提供了豐富的實驗和改進空間。隨著超大規模市場推動要素和資源的自由流動，不同產業鏈的數字化轉型需求相互碰撞與交織，反過來助力了人工智能在工業領域的落地。這種內需導向下的“逆向倒逼\"機制，使得人工智能技術更能切中產業痛點，快速實現規模經濟效益。更為關鍵的是，制造環節中的機器視覺、智能調度等創新在實踐中表現出良好的適用性，反過來推動國內底層芯片、傳感器和算法行業的發展與改進。數據由此在產業鏈內部形成循環與沉淀，進一步強化了中國在新質生產力形成過程中的系統性優勢。

不斷迭代的人工智能技術突破了傳統產業邊界，通過“場景化創新\"推動人工智能技術在與制造業深度融合中持續進化，形成典型的需求導向型創新范式[29]。上海、深圳、杭州等城市競相打造城市級大數據平臺，為交通、醫療、教育、治安等公共服務領域引入自動化和智能化改造。在此過程中，城市管理者通過政企合作，為企業提供真實而復雜的城市數據，并開放道路、醫聯體、公立學校等應用場景開展AI技術測試與迭代。這樣不僅能顯著降低企業研發和部署成本，而且讓城市在解決交通擁堵、公共安全、精細化社會治理等問題上受益頗豐，形成“技術突破一社會受益一再投入\"的良性循環。

超大規模市場優勢不只局限于不同產業之間的“行業跨度”，也體現在跨區域之間的資源流動和應用遷移。以“東數西算”為代表的國家戰略，正是通過分散布局超大規模數據中心和算力集群，結合跨省級行政區的算力共享和數據匯聚流通，打造全國一體化大數據中心。這為人工智能應用的跨區域部署構筑了基礎“底座”。東部沿海地區擁有成熟的人工智能服務和研發生態，西部地區具備豐富的綠色能源，南北地區在制造業和服務業特色領域各有其優勢。通過云計算與工業互聯網的賦能，跨區域協同將極大地拓展人工智能的新應用邊界，讓場景創新不再局限于某一城市或工業園區，而是能夠面向國內乃至全球市場進行更大范圍的延伸。

三、人工智能賦能新質生產力的風險挑戰

人工智能賦能新質生產力的進程中，既面臨重大機遇，又伴隨著不容忽視的風險和挑戰。當前，算力瓶頸與核心硬件自主可控難題、數據要素流通壁壘與高質量數據集缺失、就業結構轉型陣痛與數字勞動的不穩定性、人工智能治理的規則缺位與監管滯后等問題，已成為制約人工智能技術創新與產業發展的主要障礙。只有客觀認識并有效應對這些挑戰，才能為人工智能賦能新質生產力提供更加堅實的保障。

（一）算力瓶頸與核心硬件自主可控難題

自深度學習在圖像識別、語音識別和自然語言處理等領域取得劃時代突破以來，算力便成為驅動人工智能不斷提速的重要基石。然而，人工智能算力需求的指數級增長也帶來了嚴重的“算力瓶頸\"挑戰。摩爾定律在晶體管密度接近物理極限時呈現“邊際減退\"特征，進入3納米、2納米階段后，制造難度、設備投人和資金需求都呈指數級增長。從算力需求的角度看，大模型對算力的需求呈指數級攀升，典型表現是模型參數規模從最初幾千萬到如今數千億乃至萬億級別（如DeepSeek-V3擁有6710億參數，GPT-4超過1萬億參數）。參數數量是衡量模型規模和復雜性的重要指標。一般來說，參數越多，模型的“容量\"越大，能夠學習和存儲更多的語言規律和知識。

大模型規模的飛速擴張對高性能芯片和超大算力資源的需求激增。然而，在大模型進一步崛起之后，算力不足、能耗激增、運算效率低下等問題愈加凸顯[30]。目前，中國在人工智能及超算應用方面的需求量與增速均居世界前列，在高端通用GPU、服務器CPU等關鍵硬件上對外國進口依賴程度較高。同時，中國在芯片的先進制程工藝與關鍵設備制造方面長期受制于人。以極紫外（EUV）光刻機為代表的一系列尖端工藝設備由少數跨國企業主導，加之半導體材料國產化率不足，使得國內企業在高端芯片生產全過程中面臨多重瓶頸。在“十四五\"規劃中，中國提出到2025年要力爭實現芯片自給率 7 0 % 的目標。根據中國半導體行業協會的數據，高性能芯片國產化率依舊較低，如英偉達A100、AMDMI300等高端產品在國內尚缺少行之有效的直接替代方案。海光信息、寒武紀等企業雖已有一定突破，但在制程精度、量產規模和產品成熟度上與國外龍頭企業仍存在一定差距。

發達資本主義國家的少數企業控制了人工智能產業鏈的上游，通過壟斷技術專利和產業標準等形式，將來自發展中國家算力設備生產所需的原材料開采、硬件裝配、軟件開發設計等勞動納入“完整的價值鏈與一個全球剝削領域”31]。迪朗因此諷刺道，“知識壟斷已經成為獲取價值的最有力手段”[32]。例如，美國商務部自2020年起屢次將中國高科技企業列入實體清單，《芯片與科學法案》更是嚴格限制對華高端芯片產能的輸出，并在國際范圍內聯合其他國家和地區出臺更嚴格的半導體設備出口管控措施，旨在全方位遏制中國在芯片設計和制造上的發展空間，中國供應鏈安全面臨諸多不確定性。

（二）數據要素流通壁壘與高質量數據集缺失

人工智能時代的發展重心在于提取和使用一種特殊的材料“數據”。誰掌握了海量數據，并具有提煉與挖掘數據價值的算力和算法，誰就掌握了人工智能競爭的制高點。在理想狀態下，各個領域或機構間的數據可如同拼圖碎片那般無縫銜接，從而實現對新質生產力的最大化支撐[33]。但現實更加復雜，數據要素流通不僅面臨技術標準不一、成本高昂等約束，還要符合日益嚴格的隱私保護和合規監管要求。近年來，“個人信息”“健康數據\"“金融數據\"等敏感信息在大規模采集和共享中的安全風險尤為突出。一旦對數據主體的保護不力或脫離法律框架的監管，便可能引發數據泄露、非法交易以及公民隱私遭受侵犯等不良后果。

在中國，雖然數據體量龐大、類型豐富，但能夠真正用于科研與產業應用的高質量數據集依舊稀缺。很多專業領域的數據仍局限于封閉環境，抑或因敏感性因素、行業壁壘導致無法跨機構、跨平臺融合利用。例如，政務數據分散在不同部門和層級機構間，醫療數據難以在醫院、保險機構以及科研機構間實現互聯互通，高校和科研院所的研究型數據也多處于“自用狀態”而鮮少向社會開放。這些“數據孤島”的形成，使得大范圍的數據要素整合和價值聯通成為空談，不僅帶來資源浪費，還延緩了人工智能在不同行業之間的交叉創新。

“數據孤島\"的出現，既與利益相關主體出于數據壟斷或競爭考慮不愿主動開放有關，又與各領域標準差異、專業術語多樣、技術接口不兼容等問題密切相關。當缺乏統一的數據交換協議和隱私安全規范時，機構間或企業間即使具備共享意愿，也往往卡在技術及法規層面的重重障礙上[34]。在這一背景下，大模型或深度學習想要依賴跨行業、跨領域的海量數據進行訓練，就會受到結構化程度不足或數據格式割裂的限制，難以

釋放數據的巨大潛力。

此外，人工智能技術的運作機理，本質上依賴于對大規模數據集的學習和分析，以期達到對未知情境的預測和創造。特別是對于自然語言處理、計算機視覺、智能醫療診斷等需要高度專業化標注的應用場景，數據的準確性和精度直接決定了模型性能上限和可推廣度。一旦數據采集、預處理或標注環節出現疏漏，或是遭受污染，模型的輸出結果將大打折扣，甚至產生誤導性信息。然而，無論是醫療健康、金融風控、自動駕駛，還是工業質檢等領域，數據標注本身就具有高投人、高門檻的特質。對相應行業知識和背景的高要求，使得一般的眾包模式難以滿足專業標注需求。

（三）就業結構轉型陣痛與數字勞動的不穩定性

就業是關系國計民生的重要問題。然而，隨著人工智能、大數據和平臺經濟在全球范圍內的加速擴張，傳統意義上的勞動形態正潛移默化地發生重構。一方面，基于算法平臺與數字技術的新型產業形態不斷涌現，催生出大量的新就業崗位與靈活用工模式。“勞動場景與生活場景的界限被算法抹平”[35]，在靈活用工外衣下暗含各種利益侵蝕與剝削異化風險。另一方面，傳統制造、零售、金融等行業陸續實現“機器換人”，低技能或重復性勞動崗位逐步萎縮[36]。在此背景下，就業結構的轉型不可避免地伴隨分化和陣痛：一部分人通過參與數字經濟實現收入和職業晉升，一部分人卻因數字鴻溝、技能不足而持續被邊緣化。

數字資本在性質上仍然延續了傳統工業資本的逐利本質，但其獲取剩余價值的方式更加隱秘且具有超地域特征。這種由大模型、數字平臺主導的數據生產價值被資本所攫取，工人與用戶實際上被雙重地納入再生產體系：既是消費端的“被動接受者”，又是價值生成中的“隱形貢獻者”[37]。大部分數字勞工被算法機制\"實時調度”，薪酬被平臺政策動態調節，極易陷入靈活就業背后的不穩定與超時工作狀態。

面對人工智能驅動下技術需求側的超常規擴張，現有勞動力技能結構難以有效匹配，從而導致人工智能技術的指數級躍遷與勞動力技能適配性之間的結構性斷裂。通過機器學習，人工智能能夠模擬甚至超越人類的學習行為，從而在低技能就業崗位或常規性任務中產生更深遠的替代效應。伴隨人工智能技術從“量變\"向“質變”的變遷，工業自動化的范圍已經不再局限于技術水平較低、重復任務性質的行業，人工智能的替代效應已經擴展至較高技術水平、兼具創造性的行業。

盡管如此，尼古拉斯·約翰遜等人還是樂觀分析道：“在需要創造性發明來實現生產計劃的地方，我們不太可能看到人工智能取代人類勞動者。\"[38]因為目前人工智能大模型的產出仍基于人類知識庫的統計推斷，無法完成需要突破既定知識框架的發明創造。人工智能源于對人類智慧的模仿，其“智能\"本質上“是一種試圖模擬人類認知過程的復雜系統”[39]，其“智力\"依賴監督學習和數據輸入，無法脫離“圖靈機\"范式獨立生成原創性思考，不具備人的主體性和社會實踐性。也就是說，在創造性發明場景中，人類勞動者憑借自主意識、情感聯結與歷史實踐能力，仍無可替代。人工智能的職能限于增強工具效率，而非消解人類勞動的主體價值。

（四）人工智能治理的規則缺位與監管滯后

人工智能作為一項通用目的技術，其應用不僅跨越國界，而且跨越行業邊界。由于人工智能技術在算法結構、數據來源、決策過程上表現出更強的“黑箱\"性和復雜性，一旦缺乏有效的外部審查與透明度保障，便容易演化出對個人隱私、安全、倫理和公平的沖擊，造成對公共利益乃至國家安全的潛在威脅。然而，當人工智能在技術層面和產業層面呈現爆炸式增長時，社會制度與公共治理普遍陷入“跟跑\"局面，導致治理規范的相對缺失與監管機制的滯后[40]

從各國已公開的政策來看，人工智能倫理審查、個人信息保護、算法歧視管控與技術出口管制等議題逐漸升溫，但在具體立法與國際規則制定層面仍面臨巨大鴻溝。歐盟在《通用數據保護條例》成功實施的基礎上，推出《人工智能法案》，但在實施過程中遭遇了落地難的問題，且在跨國數據流動和平臺治理上仍存諸多爭議。美國雖在科研、產業和軍工領域保持世界領先，但缺乏統一全面的人工智能治理框架，只能讓部分州或行業自主探索。中國則不斷通過行政規章與部門指導意見推動人工智能監管改革，但尚未出臺專門的人工智能綜合性法律，主要依托相關部門的文件和條款進行局部規制。

在不斷迭代的過程中，大模型可能學習到帶有偏見的信息或產生欺騙性結果，從而對公共安全和社會秩序產生威脅，也就是現在大家熟知的“AI幻覺和深度偽造”[41]。面對不斷優化的大語言模型，監管者、企業和普通用戶傾向于高估模型的能力，卻低估了數據和算法的缺陷。用戶會不自覺地將“流暢且合乎語法\"的回答等同于“真實且邏輯完整\"的事實，忽略了生成式模型只是在大量文本語料中找出最具概率性的語言組合進行輸出。在當代信息洪流中，算法常常在它的“知識邊界”之外給出看似完美卻實則虛假的回答，并通過邏輯鏈條的嚴謹外表讓人難以察覺其根本失實之處。

四、人工智能賦能新質生產力的實踐進路

應對人工智能賦能新質生產力進程中的風險挑戰，需要構建系統化、多元化的實踐路徑。優化新型舉國體制下的核心技術攻關布局、“人工智能 + ”賦能現代化產業體系、開源式創新與數據要素市場高質量發展、加強人工智能人才培養以及構建共商共建共享治理新機制，構成推動人工智能賦能新質生產力的實踐支柱。這些路徑相互銜接、相互支撐，形成一個有機整體。

（一）以新型舉國體制優化人工智能核心技術攻關的系統化布局

新型舉國體制強調的是在政府和市場有機結合的前提下，引導社會資本向最急需的創新環節流動。政府的“有為\"體現在對重大科研項目和基礎研究的支持，以及對市場失靈環節的精準干預；而市場的“有效”則體現為創新資源的靈活配置、優質企業的優勝劣汰以及對商業化應用風口的及時把握[42]。最終形成鄭永年在《中等技術陷阱：經濟持續增長的關鍵挑戰》一書中所提出的“科技創新的三位一體模式”，要有“一大批有能力進行基礎科學研究的大學與科研機構 + 一大批有能力把基礎科研轉化成應用技術的企業或機構 + 一個開放的金融支持系統”[43]

在基礎研究階段，高等院校與科研院所對底層算法和原理性問題的探索往往難以在短期內獲利，因而需要更持續的耐心資本與高水平科研環境。泰勒在對比為什么有的國家創新力強后發現，“創新不是自然發生的，它只在大量投人人力資本、物力和財力以及時間之后才出現。這些資源經常必須以相當大的風險分配到創新活動中”[44]。政府應牽頭設立國家重點實驗室或重大專項，鼓勵國有企業和民營企業協同投入，以合理的科研評價體系容忍一定程度的失敗與較長周期，使科研團隊在較為寬松的環境中攻堅“卡脖子\"難關。與此同時，對于芯片和安全算法等涉及國家安全的領域，可通過設立“人工智能產業基金\"“集成電路產業投資基金\"等方式，為人工智能企業提供充足的資本支持，也為產業發展注入強大動力。除中央層面的支持外，地方政府也在積極響應號召。自2024年以來，上海、深圳、北京、河南、成都、廣州等地相繼設立或計劃設立專門針對人工智能產業的投資基金。

在應用落地階段，市場主體應利用其靈活性與對需求變化的高敏感度，實現從原型技術到規模化商業模式的加速演進。正如羅斯托指出的，“在具有革新精神的企業家采取行動之前，科學和發明提高經濟生產力的作用只是潛在的，而不是實際的”[45]。大量民營科技公司在大模型開發、仿生機器人、自動駕駛、醫療影像分析等人工智能新興賽道上，以高度靈活且迅速迭代的競爭方式參與全球市場。DeepSeek的成功就是一大典型案例。圖靈獎得主楊立昆特別強調該成果“彰顯了開源生態在AI時代的變革力量”。DeepSeek在通用大模型領域嶄露頭角，并成功實現對ChatGPT等國際先發者的追趕甚至趕超。DeepSeek與國產芯片適配性能達到英偉達A100的 70 % ～ 8 0 % ，而訓練成本不到ChatGPT的1/10。民營企業敏銳的市場嗅覺和快速迭代能力，與國有企業在資金、平臺、基礎設施上的優勢可以形成有效互補。

人工智能核心技術的突破并非一蹴而就，而是一個橫跨技術與市場、應用與科學、政策與投資的螺旋式上升過程。若創新僅停留在實驗室，無法與產業系統對接，則勢必浪費前期投入，無助于破解核心難題。在新型舉國體制持續高投入的支撐下，我國正逐步完善從基礎研究到成果轉化的創新生態體系，使擁有潛力的人工智能創新項目從概念驗證到批量生產都能得到有效保障。唯有如此，才能在全球日益激烈的人工智能產業競爭格局中掌握主動權，真正推動人工智能技術更廣泛、更深層次地融人新質生產力發展全過程。

（二）以“人工智能+\"賦能現代化產業體系建設

“人工智能 + ”的深度賦能既重塑了傳統產業價值形式，又加速催生戰略性新興產業和未來產業，為建設結構優化、技術先進、附加值高的現代化產業體系提供了有力支撐。現代化產業體系是新質生產力的重要載體，是新質生產力形成和發展的主陣地[46]。

依托大數據、云計算、深度學習算法等先進技術，“人工智能 + ”呈現對產業體系全方位、多層次、寬領域的賦能效應。作為當代最具突破性的技術集群，人工智能已經開始系統性重塑我國現代化產業體系的形態和發展路徑[47]。工業和信息化部的數據顯示，2024年我國數字產業總體運行平穩，完成業務收入35萬億元，同比增長5 . 5 % ，算力總規模較2023年末增長 國際機器人聯合會發布的《2024世界機器人報告》顯示，2023年中國機器人安裝量超過27.6萬臺，占全球安裝量的 5 1 % ；運營存量突破180萬臺，位列世界首位。

以“人工智能 + \"培育壯大新興產業、未來產業。生物醫藥產業成為戰略性新興產業的核心賽道。在耗時漫長且高風險的新藥研發過程中，“人工智能 + \"可快速對蛋白質折疊結構與候選藥物配比進行高效匹配，甚至預測潛在藥物對特定病原體的抑制效果，從而顯著縮短藥物從實驗室到臨床試驗的轉化周期。在量子科技這一未來產業中，通過布局量子通信、量子模擬、量子芯片等前沿方向，我國已初步構筑若干量子信息重大科研平臺及國家實驗室，有望為人工智能升級提供顛覆級算力支撐，進而成為引領未來新質生產力變革的重要突破口。

以“人工智能 + ”推動傳統產業改造提升。例如，在傳統制造業中，通過導入成熟的大模型算法，能夠對工業產線運行數據進行實時監測及異常預警。機器人、機器視覺、智能感知系統可根據環境變化靈活調整作業方式，滿足多品種、小批量生產的實際需求。在農業領域，借助“人工智能 + 大數據平臺”，無人機植保、智能灌溉與土壤監測傳感器等技術已獲廣泛應用；在農作物育種中發揮日益突出的作用，可以輔助環境仿真和品種篩選，縮短研發周期并有效提高糧食品質和產量。

“人工智能 + ”并非簡單的技術疊加，而是推動產業融合創新的關鍵引擎。一方面，它催生了數字孿生工廠、智能供應鏈、產業互聯網平臺等新業態；另一方面，也推動了產業組織形態和商業模式的深刻變革，使得傳統的線性產業鏈向網絡化、生態化的產業組織形態轉變。“人工智能 + \"的賦能已不只局限于單一環節的智能化改造，而是向全鏈條、全流程的系統性智能轉型邁進。在上游設計環節，大模型輔助設計技術已廣泛應用于芯片設計、飛機零部件優化等領域，通過對歷史設計數據的學習，人工智能能夠生成更優的零部件拓撲結構與參數組合，大幅減少傳統迭代設計周期。在中游生產環節，協同架構的智能工廠加速落地，數據驅動的產線協同與資源調度已成常態。在下游服務環節，基于大模型的智能客服和產品推薦系統已成為企業標配，通過對用戶行為數據的精準分析，可實現千人千面的個性化服務。

（三）推動開源式創新與數據要素市場高質量發展

從國際經驗來看，開源模式已成為突破壟斷、實現趕超的有效路徑。谷歌的TensorFlow、Meta的PyTorch等開源框架在全球人工智能領域產生了深遠影響，但更多停留在基礎設施層面；而中國的開源戰略不僅包括底層框架，還延伸至大模型與應用層面，形成更為完整的開源生態體系。據中國信息通信研究院統計，截至2024年底，中國開源軟件開發者數量已超過800萬，居全球第二位，開源項目貢獻量年增長率超過3 0 % 。這種開源生態的繁榮為中國人工智能技術突破提供了堅實基礎。

開源式創新不僅能提升數據匯聚與交互效能，而且可為創新資源的高效配置創造條件[49]。開源模式實質上是對傳統生產關系的重塑，體現了從封閉式“私有知識產權”向共享式“集體智慧\"的生產方式轉變。在美國，除了Meta的Llama外，大部分頂級AI大模型都是閉源的，而采取開源策略的DeepSeek就像一個“破局者”，展現出巨大協同創新潛能[50]。國內互聯網平臺已紛紛接入DeepSeek。騰訊在元寶、微信搜索、ima、QQ瀏覽器等多個產品場景中接入DeepSeek，百度、阿里、網易等也都將自家多款產品接人DeepSeek，涵蓋社交、云服務、辦公、地圖等領域。

數據市場作為一種協調機制，通過包括定價和分配數據在內的多種功能的交互，充分挖掘和提升數據的價值[51]。全面暢通的數據要素市場，可有效釋放海量數據資源潛能。一方面，通過統一標準的數據采集、加工和整合，各類主體能夠以較低成本獲取優質數據集，進而在技術開發和產業應用上更為高效；另一方面，數據要素與其他生產要素（資本、技術、勞動力）結合，能夠催生更多新的商業模式和增長點，從而形成數字經濟“雙增”局面：規模上，可以激發更多市場主體參與數據應用；深度上，則不斷創新商業和治理形態，推動包括智慧城市、智能制造、金融科技、醫療健康在內的多場景縱深拓展。

相較于傳統要素，數據要素具有更高的可塑性和流動性，不僅可在跨行業、跨地域的流通中不斷疊加價值，還能通過與人工智能等新興技術的交融，拓展出前所未有的產業增值空間。同時，依托于數據要素市場，“生產要素的調配不再依賴于交通運輸，而是通過看不見的數據進行智能化的資源配置，空間生產的條件發生了斗轉星移般的變化”[52]。因此，需要從法規體系、市場機制、公共平臺等多層面系統發力，構建更成熟、有序和可持續的高質量數據要素市場，從而為加快形成新質生產力提供充足的要素保障。

數據要素確權是數據進行后續流通和交易的基礎[53]。針對用戶在平臺上所產生的各種類型的數據，由用戶和數字平臺以市場化的方式達成不同層級的數據授權協議，以便讓平臺基于這一協議不同程度地使用數據要素進行數字經濟相關的生產活動[54]。為了更全面地保護數據主體和公眾利益，需要在數據交易、匿名化處理、隱私保護、個人信息權益保障等方面出臺更具體、可操作性更強的法規條例，并設立配套監督機構，以保障數據市場發展不偏離社會公共利益。

構建統一的數據標準和評估體系。由國家層面牽頭構建數據基礎制度頂層規劃、數據標準體系框架，對數據格式、注釋方式、交換協議等基礎標準進行系統化、統一化的編制和發布，并逐步倡導在各地、各行業推廣實施，以此降低異質數據整合、清洗和交互的成本，為跨部門、跨行業的配合提供公益性基礎。數據要素的發揮離不開各方主體的協同參與。政府部門應在法規和制度上為公共數據開放和跨部門調配提供便利；行業協會可通過建立跨企業的數據共享平臺，匯集多方需求和供給；高等院校和科研院所則可深度介人技術攻關、隱私計算和可追溯管理，為數據的安全流動提供技術保障。

（四）大力推進人工智能人才培養

縱觀世界科技發展歷程，人是科技創新最關鍵的因素，往往決定著基礎科研的深度和關鍵技術的突破，國際人才爭奪日趨白熱化。格魯伯在追溯美國創新歷史時，反復強調“新技術和大量的技術人員的結合，發展了生產力，還幾乎為一切現代經濟創造了科學和實用的基礎\"[55]。人工智能領域的前沿突破和創新引領，需要一批具備深厚理論功底、強大工程實踐能力以及跨學科綜合素養的拔尖創新人才。一方面，人工智能技術迭代速度快、知識體系更新頻繁，需要兼具理論根基和實務能力的復合型人才；另一方面，人工智能對產業與社會管理的深層介人，又對“跨界\"與“交叉學科\"背景的高端人才提出了更緊迫的要求。

在“卡脖子\"技術領域取得重大進展，離不開對基礎理論和底層科學問題的長期攻關。為此，中央與地方政府應鼓勵高等院校、科研院所提高人工智能核心學科（如機器學習、計算機視覺、自然語言處理、認知計算等）的辦學層次和課程深度，“推進人工智能全學段教育和全社會通識教育，源源不斷培養高素質人才”[4]。同時，還要著力打造“復合型\"導師團隊，支持擁有企業或海外科研背景的高層次人才擔任高校兼職教授、客座講師或創業導師，打通學術界和產業界的溝通壁壘，使學生兼顧理論學習和產業實踐，幫助學生盡快融入人工智能的需求端和落地端。

通過“人機協同”新范式，機器能在數據處理、模式識別等領域發揮長處，而人則可專注于戰略決策、創新思維和情感關懷等方面。就人才培養而言，這意味著不僅要強化技能教育，而且要加強對批判性思維、綜合素質、跨文化理解等多維度能力的培養。以谷歌推出的Claude為例，這款于2023年面世的生成式人工智能模型，盡管在時間點上晚于廣受關注的ChatGPT，卻憑借在安全性、偏見控制和倫理設計方面的特色，贏得了專業領域和企業用戶的廣泛好評。值得注意的是，Claude團隊核心成員之一、哲學博士AmandaAskell的倫理學研究經歷，為Claude的安全和公平原則提供了更高層次的保障。

在人工智能行業高速迭代的背景下，深化產學研融合是促進人才培養從“理論\"邁向“實踐”真正培養出具有敏銳創新意識和前沿科技能力的“行業 + AI\"復合型人才的關鍵。為此，應積極推動高校、科研院所與企業簽訂長期合作協議，針對重大應用方向和技術難題成立多學科、多部門組成的“AI聯合實驗室”，在一定程度上打破原有的學科壁壘和部門界限，共同開展跨學科研究或技術研發。支持企業工程師和技術骨干在高校擔任兼職導師或講師，分享行業案例、技術積累和產品實踐經驗，從而形成多方協同的良性循環。

（五）加快推進共商共建共享人工智能治理新機制

當前，百年未有之大變局加速演進，國家安全的整體復雜性和聯動性更加突出，全球人工智能發展處于碎片化和風險化邊緣。與此同時，人工智能技術在網絡化、開放化和多元化的時代背景下快速迭代，各種創新要素在全球范圍內加速流動和深度重組。在此形勢下，如何協調多方利益、避免“脫鉤斷鏈\"以及局部封鎖，已成為人工智能治理的關鍵議題。在人工智能加速演進的過程中，出現了新的矛盾和潛在風險。一方面，技術進步為生產力提升和社會財富增加提供了契機；另一方面，資本對人工智能技術和數據資源的壟斷，可能加劇社會不平等與全球南北差距。正如格倫·迪森所指出的，“科技向來為那些能夠為實現經濟、軍事和政治目的掌握技術的國家賦予權力。科技創新創造了改變國際權力分配的新工具，導致國際體系的現狀不斷被打破”[56]。這意味著科技創新本身可能顛覆既有國際權力分配，也會在一定程度上打破原有的國際體系平衡。對于缺乏數字基礎設施、資金及人才儲備的廣大發展中國家而言，這種快速變動既是機遇，更是挑戰。若無法及時融入全球數字經濟生態，它們極可能在人工智能競爭中被進一步邊緣化。

“共商共建共享”的理念正是對此的有力回應。釋放人工智能對全球經濟和社會發展的潛能，需要構建更加包容、有序且可持續的國際合作環境。馬克思指出，“每個文明國家以及這些國家中的每一個人的需要的滿足都依賴于整個世界”[57]。世界經濟論壇創始人施瓦布等同樣強調：“相互依存是全球化和技術進步的結果，世界大重構并最終繁榮發展的絕對前提是國家內部和國家之間加強協調與合作。”[58]面對人工智能技術的快速發展及其對社會經濟、倫理道德等多方面的深遠影響，任何單一國家都難以獨自應對所有問題。

在“共商共建共享\"這一理念指導下，中國通過“人工智能全球治理上海宣言\"“金磚國家人工智能發展與合作中心\"等機制“廣泛開展人工智能國際合作，幫助全球南方國家加強技術能力建設，為彌合全球智能鴻溝作出中國貢獻”[4]。唯有加強國際合作，確保各國在人工智能治理中的平等參與共同決策，才能加速實現人工智能技術及其應用的全球化發展，讓人工智能發展的紅利真正惠及更廣泛的人群。換言之，人工智能應當成為推動全球生產力整體躍升的正面力量，而非進一步拉大世界范圍內的發展失衡。只有在不斷提升國際合作水平、完善治理規則和強化技術開源創新的前提下，才能讓人工智能更好地從整體上改善全球生產力發展失衡的狀況，推動世界生產力發展再上新臺階。Refom

參考文獻

[1]周文，楊正源.曙光：新質生產力改變世界[M].天津：天津人民出版社，2024：237.

[2]布萊恩·阿瑟.技術的本質：技術是什么，它是如何進化的[M].曹東溟，王健，譯.杭州：浙江科學技術出版社，2023：81.

[3]程文.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[J].經濟研究，2021（10） ：22-38.

[4]習近平在中共中央政治局第二十次集體學習時強調堅持自立自強突出應用導向推動人工智能健康有序發展[N].人民日報，2025-04-27（001）.

[5]周文，鐘錦宸.人工智能與中國式現代化：宏大圖景及未來展望[J].東北財經大學學報，2025（2）：3-16.

[6]維克托·邁爾-舍恩伯格，托馬斯·拉姆.數據資本時代[M].李曉霞，周濤，譯.北京：中信出版社，2018：261.

[7]習近平.習近平談治國理政：第二卷[M].北京：外文出版社，2017：66.

[8]習近平向2024世界智能產業博覽會致賀信[N].人民日報，2024-06-21（001）.

[9]黃先海，虞柳明.人工智能與新質生產力：邏輯、現實境遇與政策取向[J].東南學術，2025（1）：125-137.

[10]卡爾·馬克思，弗里德里希·恩格斯.馬克思恩格斯文集：第五卷[M].北京：人民出版社，2009：210.

[11]張夏準.富國陷阱：發達國家為何踢開梯子？[M].肖煉，倪延碩，譯.北京：社會科學文獻出版社，2009：19.

[12]劉元春，丁曉欽.發展與超越：中國式現代化的核心問題與戰略路徑[M].北京：中信出版集團，2024：151.

[13]李根.經濟趕超的熊彼特分析：知識、路徑創新和中等收入陷阱[M].于飛，陳勁，譯.北京：清華大學出版社，2016：142.

[14]周文，楊正源.新質生產力與國家競爭優勢：內在邏輯與戰略重點[J].教學與研究，2024（6） ：57-72.

[15]尤瓦爾·赫拉利.智人之上：從石器時代到AI時代的信息網絡簡史[M].林俊宏，譯.北京：中信出版社，2024：30-66.

[16]阿爾文·托夫勒.權力的轉移[M].黃錦桂，譯.北京：中信出版社，2018：105

[17]高奇琦.從獨占幻想到全球共享：奇點生產力加速的資本主義總危機與中國希望[J].馬克思主義研究，2024（4）：134-147.

[18]劉典.人工智能驅動新質生產力發展：國際競爭下的中國選擇[J].學術論壇，2024（5）：11-20.

[19]中共中央文獻研究室.十二大以來重要文獻選編（中）[M].北京：人民出版社，1986：661.

[20]封凱棟.潮起：中國創新型企業的誕生[M].北京：中國人民大學出版社，2023：312-313.

[21]江宇.大國新路：中國道路的歷史和未來[M].北京：中信出版社，2019：292.

[22]威廉·伊斯特利.經濟增長的迷霧：經濟學家的發展政策為何失敗[M].姜世明，譯.北京：中信出版社，2016：143.

[23]丹尼·羅德里克.一種經濟學，多種藥方：全球化、制度建設和經濟增長[M].張軍擴，侯永志，譯.北京：中信出版社，2016：8.

[24]謝富勝.中國道路的政治經濟學[M].北京：中國人民大學出版社，2023：226.

[25]周文，葉蕾.國有企業高質量發展與新質生產力：改革方向與制度安排[J].財經問題研究，2025（2）：17-28.

[26]黃琪軒.大國權力轉移與技術變遷[M].上海：上海三聯書店，2024：399.

[27]周文，李亞男.建設全國統一大市場：從分割到高質量發展[J].馬克思主義與現實，2024（2）：92-100.

[28]張笑宇.技術與文明：我們的時代和未來[M].桂林：廣西師范大學出版社，2021：375.

[29]范從來，鄭瓊潔.人工智能：新質生產力的新質態及其發展戰略[J].經濟理論與經濟管理，2024（11）：1-14.

[30]周輝，閆文光.中國人工智能算力產業發展的規制困境及其解決路徑[J].北京工業大學學報（社會科學版），2025（1）：87-102.

[31]克里斯蒂安·福克斯.數字勞動與卡爾·馬克思[M].周延云，譯.北京：人民出版社，2020：349.

[32]塞德里克·迪朗.技術封建主義[M].陳榮鋼，譯.北京：中國人民大學出版社，2024：140.

[33]沈坤榮，林劍威.鏈“島”成“陸”：公共數據開放的技術創新效應研究[J].管理世界，2025（2） ：83-104.

[34]楊艷，林凌.數據要素高質量供給：內涵解析、困境挑戰與規制設計[J].電子政務，2024（11）：15-26.

[35]孫萍.過渡勞動：平臺經濟下的外賣騎手[M].上海：華東師范大學出版社，2024：6.

[36]王林輝，錢圓圓，周慧琳，等.人工智能技術沖擊和中國職業變遷方向[J].管理世界，2023（11） ：74-95.

[37]溫旭.對象化數智勞動：AI大模型的生產邏輯與本質探析[J].馬克思主義研究，2025（1）：108-118.

[38]尼古拉斯·約翰遜，布倫丹·馬基-陶勒.自動世界：第四次工業革命經濟學[M].張淼，譯.北京：中國科學技術出版社，2023：1.

[39]張茂聰，李琰.人工智能的演進邏輯與教育造化——兼論“人工智能者\"的概念及特征[J].華中師范大學學報（人文社會科學版），2025（1）：147-159.

[40]鄧悅，許弘楷，王詩菲.人工智能風險治理：模式、工具與策略[J].改革，2024（1）：144-158.

[41]經羽倫，張殿元.生成式AI幻象的制造邏輯及其超真實建構的文化后果[J].山東師范大學學報（社會科學版），2024（5）：113-126.

[42]周文，李吉良.以進一步全面深化改革健全新型舉國體制[J].改革，2024（9）：34-46.

[43]鄭永年.中等技術陷阱：經濟持續增長的關鍵挑戰[M].北京：中信出版集團，2024：108.

[44]馬克·扎卡里·泰勒.為什么有的國家創新力強？[M].任俊紅，譯.北京：新華出版社，2018：205.

[45]W.W.羅斯托.這一切是怎么開始的：現代經濟的起源[M].黃其祥，紀堅博，譯.北京：商務印書館，2014：129.

[46]周文，張奕涵.中國式現代化與現代化產業體系[J].上海經濟研究，2024（4）：14-30.

[47]杜傳忠，張榕，劉書彤.人工智能全面賦能我國現代化產業體系的機制與路徑探析[J].經濟縱橫，2024（11）：36-45.

[48]布軒.2024年我國數字產業完成業務收入35萬億元同比增長 5 . 5 % [N].人民郵電，2025-03-19（001）.

[49]江小涓，宮建霞，李秋甫.數據、數據關系與數字時代的創新范式[J].中國社會科學，2024（9）：185-203.

[50]許丹荔，王炳涵.數字文明新范式：DeepSeek開源創新的生態建構[J].統一戰線學研究，2025（2） ：82-93.

[51]王偉玲，吳志剛，徐靖.加快數據要素市場培育的關鍵點與路徑[J].經濟縱橫，2021（3）：39-47.

[52]王清濤.數字文明[M].北京：中國社會科學出版社，2023：29.

[53]李三希，王泰茗，劉小魯.數據投資、數據共享與數據產權分配[J].經濟研究，2023（7）：139-155.

[54]戎珂，陸志鵬.數據要素論[M].北京：人民出版社，2022：118.

[55]喬納森·格魯伯.美國創新簡史：科技如何助推經濟增長[M].穆鳳良，譯.北京：中信出版集團，2021：50.

[56]格倫·迪森.技術主權：第四次工業革命時代的大國博弈[M].丁寧，李紅澄，帖明，譯.北京：中國科學技術出版社，2023：32.

[57]卡爾·馬克思，弗里德里希·恩格斯.馬克思恩格斯文集：第一卷[M].中共中央馬克思恩格斯列寧斯大林著作編譯局，譯.北京：人民出版社，2009：566.

[58]克勞斯·施瓦布，蒂埃里·馬勒雷.后疫情時代：大重構[M].世界經濟論壇北京代表處，譯.北京：中信出版社，2020：171.

Artificial Intelligence Empowering New Quality Productive Forces： Mechanismof Actionand Practical Path

ZHOU Wen YANG Zheng-yuan

Abstract：The new round of technological revolution is deeply intertwined with the great power game，and artificial intelligence， as a new general-purpose technology，has become a strategic choice for countries to promote the overall leap of productivity and a new focus of international competition. China relies on a new system for mobilizing resources nationwide to build acollaborative innovation network that organically combines government and market，forming a data element recombination effect and scenario iteration capability with the advantage of a mega sized market. It has successfully transformed institutional advantages into technological breakthrough momentum and opened up a path of catching up under the constraint of computing power. However， botlenecks in computing power，data barriers， employment transformation，and governance gaps are the real challnges that hinder the current empowerment of new quality productive forces by artificial intelligence.We should adhere to a new system for mobilizing resources nationwide to improve the layout of technological breakthroughs，promote the empowerment of modern industrial systems with \"artificial intelligence + \"，develop open source innovation ecology and data element markets，strengthen talent training，and build a new mechanism for consultation， co construction， and shared governance.

Key words： artificial intelligence; new quality productive forces; a new system for mobilizing resources nationwide; mega-sized market;data elements

（責任編輯：羅重譜）