引言

智能化时代已然来临。当生成式人工智能以迅雷不及掩耳之势推动智能机器加速迭代，当大模型生产开始深度嵌入经济社会的每一个细胞，人类社会正站在一场深刻变革的门槛上。这场变革的根本特征在于：人工智能不再仅仅是辅助工具，而是日益显现出类主体性特征，正在重塑生产方式、治理逻辑乃至价值创造的基础。

作为政策改进的研究者，我们必须清醒地认识到，智能化时代要求人们的生活必须智能化，政治经济劳动生产必须智能化。这不是技术浪漫主义的口号，而是生产力发展的必然要求。国务院《关于深入实施“人工智能+”行动的意见》明确提出，到2035年，我国全面步入智能经济和智能社会发展新阶段。这一战略部署的背后，是对人工智能“元技术”属性的深刻认知——它不仅推动了新质生产力的跃迁，更在改造治理逻辑与制度形态。

然而，智能化进程并非坦途。当智能机器从“死劳动”日益获得支配“活劳动”的能力，当“劳动价值”在经济创造中的权重持续下降，传统工业文明时代建构的政治经济体制正面临根本性挑战。第十四届全国人大代表雷亚飞指出，智能革命正在动摇“劳动创造价值”这一传统经济学的理论根基，生产力的飞跃式进步不再必然带来社会总劳动岗位的净增长，反而可能导致“劳动价值不断虚化”。

正是在这一背景下，本文提出并阐述《未来国策》的核心架构：经济人工智能体制与智能化处理智能劳动生产体制。这一体制设计的中心思想是：智能化时代必须建立与之相适应的上层建筑，通过制度创新引导技术向善，让智能化真正服务于人的全面发展。

一、智能化时代的生产力革命与体制挑战

（一）从“劳动创造价值”到“需求定义价值”

要理解智能化时代政治经济体制变革的必要性，首先需要把握生产力革命的核心特征。传统工业经济时代，价值创造的主要源泉是人类的劳动——无论是体力劳动还是脑力劳动，劳动者通过消耗自己的时间和精力，将原材料转化为具有使用价值的产品。工资是劳动力价值的货币表现，利润则源于对剩余劳动的占有。

智能革命正在颠覆这一逻辑。当智能机器不仅能够替代体力劳动，而且日益侵入程序化认知劳动乃至部分创造性工作时，一个关键悖论浮出水面：生产力的飞跃式进步，不再必然带来社会总劳动岗位的净增长，反而可能导致劳动在经济价值创造中的权重持续下降。麦肯锡的长期预测表明，在2030年至2060年间，全球将会有50%的现有职业被AI取代。

这意味着什么？意味着在智能化生产能力近乎无限的未来图景中，稀缺性将逐渐从“生产能力”转向“创新性、高品质的消费需求”。经济发展将更多地由最终消费需求，特别是能引领技术方向、体现人的全面发展需要的科学高品质消费来驱动。人的角色从生产过程中的“劳动者”，日益转向消费循环中的“价值定义者”与“意义赋予者”。

这一转变具有深刻的体制意涵。传统基于“按劳分配”原则建构的分配体制，将难以覆盖那些被智能技术替代但作为社会成员和需求主体应享有发展成果的群体。社会主要矛盾可能从“生产不足”转向“分配不均”与“需求层次不高”。

（二）劳动价值虚化与分配困境的实证观察

上述理论判断并非危言耸听。近年来的宏观经济运行呈现出传统周期理论难以完全解释的特征。例如，M2高企与CPI持续低迷并存的异常现象，其深层原因可能就在于：传统政策试图通过刺激“生产”来解决问题，但问题的核心已转向“分配”与“需求”侧，根源在于创造价值的方式和价值的分配基础正在发生质变。

当大量劳动者发现自己的技能在智能系统面前迅速贬值，就业从“价值创造”通道沦为“辅助机器”或“内卷竞争”的境地时，其收入增长预期便会疲弱，消费意愿随之受抑。此时，即便政府通过扩大投资、增加货币供应来刺激生产端，其创造的GDP增长也难以有效转化为广泛的居民收入与消费增长，反而可能加剧产能过剩。

这些困境暗示，我们面临的并非简单的短期需求波动周期，而是基于工业文明、以劳动价值为锚的经济社会运行模式，与智能革命催生的新发展形态之间的结构性错配。继续沿用主要针对生产端的传统逆周期调节手段，可能无法根本解决问题，甚至加剧结构扭曲。

（三）政治体制智能化的内在要求

经济基础的变革必然要求上层建筑的调适。政治智能化是社会智能化的核心侧面。人工智能以算法、算力与数据为核心要素，正在推动公共治理形成认知新模式、制度新逻辑和实践新路径。

从治理认知看，正在逐步从经验理性转向算法理性。算法对风险的实时研判和对社会趋势的预测，使治理的科学化、前瞻性显著增强。从治理过程看，正在从传统部门流程导向转向数据驱动。政策执行不再仅依赖于预设程序，而是通过实时数据流的动态更新，实现调度、调整与预测的闭环。从治理主体形态看，正在从科层体系走向人机共生。政务服务智能体、公共安全数字人、生态环境智能监测系统等逐渐嵌入治理流程，使治理不再是官僚制的单一执行，而成为人机协作的复合结构。

然而，政治智能化也潜藏风险。有学者警示“人工智能君主制”的歧路——由AI全面接管人类的治理权，将人工智能系统置于国家治理的最高位置，就像传统君主制中的君主一样让其主导决策。这种设想虽然在决策效率、精准性和复杂问题处理上具有技术优势，但也存在多方面的负面效应：作为其决策基础的算法和数据如果出现偏差，难保所做出的决策具有公平正义性；由于其缺乏情感和伦理意识，可能无法做出符合人类社会道德标准和价值观念的决策；权力高度集中于AI，有可能引发新的“技术霸权”。

因此，《未来国策》的设计必须坚持一条基本原则：智能化是为了增强而非替代人类主体性，是为了拓展人的能力而非将人沦为机器的附庸。

二、经济人工智能体制：制度创新的核心架构

（一）体制设计的理论基础：从线性思维到历史辩证法

经济人工智能体制的设计，需要超越人工智能派与智能增强派的二元对立。前者致力于开发能够模仿乃至超越人类能力的智能系统，后者主张智能技术拓展并延伸人的能力而非替代。两派的根本分歧在于其价值立场：是坚持人类主体性，还是主张机器主体性对人类主体性的替代。

历史唯物主义提供了超越这一对立的辩证视角。技术对劳动的影响是一个历史过程：技术对现存分工劳动的替代，更多地体现出技术的短期效应；技术对劳动更深刻的影响，须以技术的社会化应用为前提，通过改变生产力要素和产业体系实现深层变革。作为生产力质变的核心动力，技术革命既根植于既有的生产力及其劳动分工体系，又通过生产力要素重组推动分工体系的范式转型。

基于这一理论认识，经济人工智能体制的核心任务不是被动适应技术变迁，而是主动引导技术社会化应用的方向，通过制度安排确保智能化进程服务于人的全面发展。

（二）数据要素的市场化配置与流通体系

数据是智能经济发展的基础资源和关键要素，只有流动才能创造价值，只有合规才能确保安全。当前智能经济发展的主要矛盾，已从“算力不足”转向“数据要素焦虑”。中国智能经济要走出区别于美国“算力堆砌”模式的差异化路径，必须在数据应用的定价、确权、入表等制度创新上取得突破。

经济人工智能体制的首要任务，是构建高效合规的数据流通体系。这包括：加快构建全国一体化数据要素市场，完善合规高效的市场运行规则，推动公共数据依法开放与授权运营；建立健全数据流通安全治理标准，建设互联互通的国家数据基础设施；培育多元市场生态，促进合成数据产业健康发展，深化数据资源全链条开发利用。

国家在数据供给侧改革中的主导角色尤为关键。未来，治理若要在教育、医疗、社会保障等领域实现智能化优化，必须以跨部门、跨层级的数据共享机制为基础，通过公共财政、法律法规保障弱势群体在数据利用中的权益，从而防止“数据鸿沟”成为新的治理难题。

（三）人机协作的新型劳动关系界定

当人工智能从辅助工具演变为协作伙伴，传统的生产方式与组织形式必须因时而变。经济人工智能体制需要探索建立适应人机协同的新型生产任务分配体系，推动职业分类动态调整，审慎界定AI智能体在经济活动中的合理地位。

从实践样态看，人机协作呈现多层次演进。初级形态是智能助手与人机协作——各种智能助手展现出传统的生产工具不可企及的自动性和交互性，以“智能增强”的方式协助劳动者更加高效地完成各种数字化工作。成熟形态是数字员工与人机协作——能够理解业务逻辑的数字员工加入劳动力大军，形成新型人机团队协同工作，劳动分工主体由单一主体人的分工拓展至人机双元主体分工协作。

这种演进对资本主义劳动过程产生了颠覆性影响：从劳动地位来看，在人机团队协作中，数字员工承担着与人相当的工作量，不再是生产过程中的“配角”；从协作方式来看，人机之间的有机合作既有机器分析在先、人决策在后的简单协作，也有算法决策和人决策深度融合的有机协作；从能力演进来看，人机协作的相互成就既有人反馈强化助力数字员工“学习成长”，也有数字员工对人的能力增强。

经济人工智能体制需要为这种人机协作新形态提供制度框架：建立基于算法共享、数据提供与行业知识沉淀的成果共享机制，构建人机友好、算法兼容的新型劳动关系，为智能生产力的释放扫清制度障碍。

（四）跨界融合的创新网络与产业生态

智能经济的生命力在于解构传统壁垒、重构产业生态。经济人工智能体制需要推动工业经济体系向智能经济体系全面转型，加快建立以跨界融合为特征的现代化产业体系。

这要求：支持建设面向重点产业的智能平台，推动生产与消费、制造与服务深度融合；培育壮大平台型、生态型企业，鼓励“AI+产业链”“AI+场景”的跨界协同创新；最终形成以数据和算法高效流动为基础的新型产业协作网络。

从技术禀赋看，“人工智能+”具有全方位赋能的特征：增富禀赋——推动社会财富的增长增值，丰富社会财富的创新形态；赋权禀赋——推进治理空间、治理结构、治理过程、治理流程智能化；生智禀赋——提升决策数智化和知识生产数智化；智服禀赋——提升服务领域智能化、效能化，消除城乡之间的“服务鸿沟”。

（五）复合型价值分配机制的制度探索

经济人工智能体制最核心、也最富挑战性的任务，是探索适应智能化时代的价值分配新机制。传统的按劳分配原则，难以覆盖那些被智能技术替代但作为社会成员和需求主体应享有发展成果的群体。

这要求我们突破将人主要视为“生产要素”的局限，更深入地研究在智能时代“人的全面发展价值”如何界定、度量与实现。探索建立包含“劳动贡献”“智慧生命存在价值”“社会参与贡献”等在内的多维度的复合型价值评价与分配理论框架。

具体制度设计可包括：明确算法模型、核心数据、行业知识等新型要素在价值创造中的贡献度，激励数据提供者、算法开发者、行业专家持续投入；建立与共创模式相匹配的价值分配体系，确保劳动者在智能经济变革中拥有平等参与、公平受益的权利；完善全民普惠式社会保障网络，研究针对技术变革红利进行更广泛社会分配的可行性，切实提升居民实际购买力与安全感。

三、智能化处理智能劳动生产体制：劳动形态的重构

（一）智能劳动的内涵与特征

智能化处理智能劳动生产体制，关注的核心问题是：在智能机器日益获得“劳动能力”的背景下，人类劳动应如何重新定位、组织和评价？

所谓智能劳动，指的是人机协作条件下的人类劳动新形态。其根本特征在于：劳动者不再直接操作工具改造劳动对象，而是通过与智能系统的交互，引导、调校、优化智能机器的生产过程。在这一形态中，劳动者的核心能力不再是操作技能，而是批判思维、创造力、审美能力和情感联结能力等机器难以完全替代的素质。

从马克思“一般智力”概念看，智能机器的类主体性不过是“人类主体与环境交互过程中的数据采样以及人类主体之间交互的结果”。人工智能的主体性并未瓦解人的劳动的主体性核心地位——人是生产力发展的目的而非手段，这一根本立场必须坚持。

（二）“去技能化”风险与应对机制

智能化进程蕴含着一个深层悖论：智能机器的规模化应用在将人从单调重复劳动中解放出来的同时，也可能促使知识工人习得技能的加速贬值，进而侵蚀人类复杂认知能力生成的实践基础。

德勤2024年3月发布的《企业生成式人工智能应用现状》调查显示，世界范围内人工智能主要用于提高效率/生产力（56%）和或降低成本（35%），仅有29%的企业用于促进创新和增长等战略性效益作为目标。这说明降本增效是企业智能化升级的主要目的，而非人的能力发展。

更令人忧虑的是，“一键式生成”的数字便捷极易导致知识生产过度依赖人工智能，从而消弭人的创造力。如果人工智能的发展是以牺牲人类深度思考和创新能力为代价的，那么无论其多么智能，都将损害人类社会的长期智力发展与达成共识的能力。

智能化处理智能劳动生产体制必须建立应对“去技能化”风险的机制：在劳动组织层面，设计能够促进人机相互赋能的工作流程，避免将人沦为机器的单纯“监工”；在教育培训层面，从培养标准化劳动力转向培养具有批判思维、创造力、审美能力和终身学习素养，能适应并引领“存在价值竞争”的全面发展的人；在评价激励层面，建立能够体现人的独特价值贡献的评价体系，鼓励劳动者发展机器难以替代的能力。

（三）劳动退出机制与“高质量就业”目标

智能化时代需要重新定义“就业”与“劳动”。传统的“充分就业”目标需要反思——当大量劳动者发现自己的技能在智能系统面前迅速贬值时，强制要求其进入劳动力市场既不合理也不人道。

智能化处理智能劳动生产体制应确立“高质量就业”替代“充分就业”成为政策目标。这意味着：通过完善退休保障、提供育儿工资等社会政策，让部分不适应智能生产节奏的劳动者能从容退出市场；同时减轻家庭负担、释放消费潜力，并使劳动力市场更聚焦于与智能技术协同创新的高质量人力资本。

这种劳动退出机制不是对劳动者的抛弃，而是对劳动价值虚化现实的理性回应。其制度保障包括：完善的社会保障网络，确保退出劳动者享有体面生活；终身学习体系，为劳动者提供能力转型的机会；社会参与渠道，使退出劳动力市场的成员仍能以其他方式参与社会创造、获得社会认同。

（四）从生存竞争到存在价值竞争

智能化处理智能劳动生产体制的深层目标，是推动社会竞争逻辑的根本转变——从生存竞争转向存在价值竞争。

当基本物质产品可由智能机器高效供给时，传统意义上为生存而进行的劳动竞争，将逐步让位于为获得社会认可、实现精神满足、追求美好生活而进行的“存在价值”竞争。这种竞争更依托于人的创造力、审美力、情感联结能力等机器难以完全替代的素质，并通过消费选择、文化创造、社会参与等方式体现。

这意味着，劳动生产体制需要为这种新型竞争提供制度空间：在劳动时间安排上，为人的创造性活动留出足够空间；在劳动成果评价上，建立多元化的价值认可机制；在社会地位获得上，拓宽非经济贡献的认可渠道。

四、政治体制的智能化转型：制度耦合与善治导向

（一）算法、数据与制度的耦合机制

政治智能化不是简单的“工具叠加”，而是需要算法、数据与制度的系统耦合。

算法提供了认知的跃迁，使治理决策能够超越有限理性，进入预测性和前瞻性阶段。但算法并非天然中立，它所依赖的数据与模型可能包含偏见和局限。如果缺乏制度化的可解释机制，算法的治理价值将被削弱。因此，推动可解释性人工智能发展成为治理工具的内在要求，建立第三方评估体系、透明算法逻辑，已成为治理智能化的基础前提。

作为新的治理要素，数据的地位甚至比算法更为根本。高质量的数据是人工智能运行的燃料，而数据产权、数据安全与数据流通的制度安排，则决定了治理资源能否公平配置。

制度保障则是治理路径的最后一道关口。法律法规、伦理准则、容错机制和责任追究制度，为人工智能嵌入治理提供制度护航。没有制度化的规制，人工智能的治理实践可能陷入效率至上的单维逻辑，忽视公平与伦理约束。

可以说，算法、数据与制度三位一体的耦合关系，决定了人工智能能否真正成为治理的助推器，而不是新的风险制造者。

（二）智能治理的透明度与可解释性

任何新范式的生成都伴随风险与张力。当前，大规模人工智能模型往往具有高度复杂性与不可解释性，政策执行一旦过度依赖算法输出，可能使治理过程失去公众可理解性。这不仅削弱了政策的公信力，也可能动摇治理的合法性基础。

因此，如何在技术设计与制度安排中推动算法的透明化与可解释化，是迈向“智治”而不丧失“善治”的关键。这要求：建立算法备案和审计制度，确保关键算法可追溯、可问责；推动算法决策的透明化，在涉及公民重大利益的事项上保障公民的知情权和申诉权；培育算法素养，提升公众理解和监督算法的能力。

（三）弥合智能鸿沟的制度安排

智能鸿沟问题日益凸显。人工智能应用在不同地区、不同社会群体间的普及程度差异明显。如果治理智能化只在发达地区或高收入群体中快速扩展，而欠发达地区与弱势群体无法获得同等机会，社会不平等将进一步加剧。

这种差异不仅表现为硬件设施的不均衡，更体现为算法偏见、教育水平差距与应用场景缺失。因此，国家必须通过财政转移支付、智能基础设施普及以及人工智能素养培训来弥合智能鸿沟，实现治理智能化真正普惠共享。

（四）人机共治中的责任界定

随着智能代理和数字助手越来越多地参与到公共事务中，责任边界日益模糊。如果人工智能系统在医疗、司法或公共安全中出现错误，后果由谁承担？是系统开发者、政府监管者，还是使用者？这种模糊化不仅可能削弱治理的责任感，还可能带来信任危机。

因此，需要在制度层面设计责任拓扑扩散机制，确保责任在算法、人类和组织之间得到合理分配。只有在清晰的责任链条下，治理合法性才能获得持久的社会认同。

具体而言，可探索建立智能体分级分类治理框架，明确备案、审计、问责机制；制定人机协同劳动标准，界定智能体参与生产时的权益分配；探索智能体法律人格制度，为智能经济主体参与市场活动提供法理基础。

五、结语：迈向以人的发展为中心的智能化体制

智能化时代不可逆转。人工智能正在重塑世界经济政治格局，推动国际政治主体多元化，改变国家间的力量对比。面对这一深刻变革，《未来国策》的经济人工智能体制与智能化处理智能劳动生产体制，旨在为中国式现代化提供制度支撑。

这一体制设计的根本遵循是：智能化必须服务于人的全面发展，而非人沦为智能系统的附庸。兰德公司的一份重磅报告指出，人工智能时代最具决定性的竞争优势取决于技术能否广泛增强个体与集体的主观能动性。那些能够驾驭人工智能革命，使其增强而非削弱人类能动性和尊严的社会，将会繁荣；而那些任由人工智能叠加在掠夺性制度之上，进一步剥夺人类主体性的社会，将遭受长期的竞争劣势。

历史上每一次科技革命的初衷都是造福人类，而非放大国家间、人群间的财富分化。我国正从过去以生产为主导的“生存追赶”模式，转向未来以人的全面发展为中心的“价值实现”模式。将理论之锚从固化的“劳动价值”移向更广阔的“人的发展价值”，才能真正理解智能革命时代的脉搏，才能设计出既顺应技术潮流又守护人的尊严的制度架构。

《未来国策》的核心使命正在于此：通过经济人工智能体制释放智能生产力，通过智能化处理智能劳动生产体制重塑劳动形态，通过政治智能化转型提升治理效能，最终让智能化时代真正成为人的全面发展时代。