李三希、陈布衣（中国人民大学）、武玙璠（首都经济贸易大学），《经济评论》 2026年第3期

2026年《政府工作报告》提出，打造智能经济新形态。深化拓展“人工智能+”、促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用，培育智能原生新业态新模式。这并不是给数字经济换一个新名字，而是在国家年度治理框架中确认：人工智能正在成为重组供给能力、重塑组织方式、重配生产要素的重要力量。

本文的核心观点是，智能经济是数字经济深化发展的高级形态。数字经济阶段的重点，是把人、设备、流程和交易连接起来，提高信息搜寻、传输和匹配效率；智能经济阶段更核心的任务，则是把知识、判断、执行与协同组织起来，推动经济运行从信息流优化走向能力流重组。它要回答的是：如何把模型、算力、数据、知识和人机协同转化为可调用、可复制、可嵌入的生产能力。

为解释智能经济的形成逻辑，本文在数字经济、新质生产力和人工智能经济学三支研究脉络基础上，结合经典经济学构建了技术、要素、组织、制度、福祉五维分析框架。技术维度说明人工智能如何从外接工具转向认知型通用能力；要素维度解释数据、算力、模型和行业知识如何协同生成智能能力；组织维度关注人机协同如何重构任务分工、工作流程和企业边界；制度维度分析产权、授权、标准、安全与责任体系如何成为智能能力扩散的边界条件；福祉维度则把就业、分配和人的能力发展纳入评价标准。这个框架把智能经济从技术应用讨论，推进到经济形态演进和运行机制分析。

在技术层面，智能经济的突出特征是人工智能进入理解、生成、推理、工具调用和任务执行等认知环节。互联网和平台技术主要提高信息流动效率，而大语言模型、智能体和具身智能则开始进入研发设计、生产排产、质量检测、金融分析、医疗辅助等场景。技术不再只是帮助经济主体更快处理信息，而是直接参与认知加工、流程响应和服务交付。

在要素层面，智能经济不再只是强调数据积累，而是强调多维要素围绕能力形成的协同配置。仅仅拥有数据并不等于拥有竞争优势，关键是能否把高质量数据、智能算力、基础模型、行业知识和场景反馈结合起来，形成持续迭代的能力。在智能体加快发展的背景下，真实业务流程中的任务步骤、工具调用和结果反馈，正在成为模型从“会生成”走向“能执行”的重要基础。

在组织层面，智能经济的微观基础是任务边界重构。传统岗位通常由多项任务组成，有些依赖经验判断，有些具有较强规则性。人工智能的发展，使部分过去难以低成本复制的隐性知识，可以通过语料训练、知识图谱和模型反馈沉淀为可调用能力。于是，技术首先改变的未必是岗位是否消失，而是岗位内部任务如何重新分配。企业要真正用好人工智能，不能停留在“接入一个模型”，还要重构工作流、知识流和责任链。

在制度层面，智能经济要求治理从网络秩序维护走向全过程治理。数字经济治理更多关注平台秩序、数据流通、隐私保护和网络安全；智能经济面对的则是生成性、概率性、持续迭代和跨场景调用带来的新风险。模型训练、部署、应用、反馈和再迭代，每个环节都可能出现偏差、失真、侵权或责任不清。因此，产权界定、授权使用、标准认证、结果追溯和责任划分，已经不只是外部约束，而是智能经济稳定运行的重要生产条件。

在福祉层面，智能经济的评价不能只看模型能力和产业规模，还要看技术红利如何分配。人工智能可能提高生产率，也可能改变岗位入口、技能门槛、收入结构和职业成长路径。尤其当基础性、标准化的认知任务被压缩后，青年和初级劳动者获得训练机会的通道可能受到影响。因此，教育培训、公共就业服务和社会保障必须与技术扩散同步调整。

沿着这一五维框架，本文进一步指出，智能经济落地面临的现实挑战也是系统性的：技术维度受到基础模型、关键软硬件和开源生态约束；要素维度存在算力可负担、可获得不足以及高质量行业数据、工作流数据供给不足的问题；组织维度存在企业应用停留在外围环节、核心流程改造不足的问题；制度维度存在模型化风险识别、责任界定和动态监管能力不足的问题；福祉维度则面临就业结构调整、收入分化和社会预期变化等压力。

因此，推动智能经济高质量发展，也需要围绕五个维度协同发力。技术上，要强化基础模型、智能终端、智能体和开源工具链建设；要素上，要优化算力、数据和模型协同供给，降低使用门槛；组织上，要以应用牵引智能原生改造，让人工智能从外围辅助走向研发、生产、供应链和服务交付等核心业务；制度上，要完善全过程治理体系，以清晰规则稳定创新预期；福祉上，要把就业友好型制度安排放在重要位置，增强劳动者对任务重组的适应能力。

从更长远看，智能经济的战略价值不只在于培育若干新产业或新应用，而在于推动技术能力、资源配置、组织形态、制度安排和社会福祉形成新的协调关系。只有统筹增长、分配与安全，才能将我国的超大规模市场、完整产业体系、丰富应用场景和制度协同能力，持续转化为高质量发展的内生动力。