一、引言：智能化时代的范式转移

我们正站在一个历史分水岭之上。2025年被视为通用人工智能落地的关键元年，而2026年《政府工作报告》首次提出“打造智能经济新形态”，标志着人工智能的发展已从单纯的技术应用阶段，跃升为对经济社会形态的全面重塑期。作为一名政策改进工作者，笔者深切感受到，传统的政策工具框和分析框架，在面对由大模型、智能体和数据要素驱动的新世界时，正在失去解释力。

智能化时代的到来，不是简单的工具升级，而是一场涉及生产方式、生活方式乃至权力运行方式的深刻变革。人们的生活必须智能化——从智能助理辅助决策到全场景的智能陪伴；政治运行必须智能化——从经验驱动决策转向数据智能驱动治理；经济生产必须智能化——从人机对立走向人机协同，从资本主导走向数据要素共创。在这一背景下，构建国家级的《未来国策》人工智能平台，并确立智能化数据要素的基础制度，已成为推进中国式现代化的战略选择。

二、《未来国策》人工智能平台：政治体制的智能化演进

2.1 从辅助工具到协同决策

长期以来，人工智能在政务领域的应用停留在“工具层”：智能搜索、文档处理、流程自动化。然而，随着大模型能力的涌现和智能体的成熟，AI已经开始触及决策的内核。2025年，阿尔巴尼亚任命AI生成的虚拟部长“迪埃拉”负责公共采购事务，尼泊尔则基于ChatGPT的建议选出临时总理。这些事件虽带有表演色彩，却揭示了不可逆转的趋势：人工智能正在成为“不在场的阁员”。

《未来国策》平台的构想，正是对这一趋势的主动回应。该平台并非简单的技术系统，而是由国家主导、多元参与、人机协同的智能治理综合体。它包含三层架构：底层为覆盖全域的多模态城市治理数据集，中层为政务大模型与专用智能体集群，上层为人机协同的决策仿真与政策推演系统。

在莆田市的实践中，全域多模态城市治理数据集已实现北斗卫星数据、交通感知数据、城市管理数据的融合治理，推动城市治理从“经验驱动”向“数据智能驱动”转型。无锡市的“车路云一体化”平台完成4210个路口信号灯联网改造，赋能20余家车企，路网效率提升28.6%。这些实践表明，当数据足够丰富、模型足够精准时，AI完全能够承担起复杂的公共管理任务。

2.2 主权AI与价值观对齐

《未来国策》平台的核心关切，是主权AI框架下的价值观对齐问题。北京大学的研究显示，不同版本的ChatGPT在意识形态立场上存在演变趋势，这警示我们：AI不是价值中立的，它承载着训练数据、算法设计和开发团队的价值预设。如果一个国家的核心治理职能依赖于无法解释、无法审查的算法，国家主权的边界就将被侵蚀。

因此，《未来国策》平台必须坚持两大原则：一是技术自主，政务大模型必须基于中文语料和中国场景训练，核心算法必须自主可控；二是价值对齐，AI的输出必须符合社会主义核心价值观，在效率与公平、自由与秩序、发展与安全之间寻求动态平衡。这需要建立常态化的政务AI伦理审查机制，确保算法决策可追溯、可解释、可问责。

2.3 人机共治的新型治理结构

AI进入政治体制，不是要取代人，而是要重塑人机关系。未来的治理场景应该是：AI负责数据收集、模式识别、方案生成和风险预警，人类负责价值判断、利益平衡和最终决策。这种“人机共治”要求我们重构官僚体系的能力结构。

一方面，基层公务员需要从繁琐的事务性工作中解放出来，转向更需要人性化判断的场景。深圳大学的研究揭示了“AI官僚类型”对公务员协作意愿的差异化影响，自由裁量权与责任感知是其中的关键中介。这意味着，AI不是简单地替代人力，而是通过合理分工释放人的潜能。另一方面，AI的引入倒逼决策流程透明化。当AI能够实时监控公共采购、自动识别异常行为时，权力寻租的空间将被极大压缩。阿尔巴尼亚任命AI部长治理采购腐败，虽效果存疑，但方向值得肯定。

《未来国策》平台的更高价值，在于政策仿真能力的突破。传统政策制定往往是“试错式”的，政策出台后发现问题再打补丁。而基于多智能体模拟的仿真系统，可以在虚拟空间中推演政策效果。北京大学本科生曹睿涵运用大模型驱动的多智能体系统模拟大国战略演变，揭示了冲突的非必然性。华东政法大学黄逸尘构建的多智能体博弈模型，则成功模拟了媒体回音壁对党派极化的驱动机制。将这些技术引入公共政策领域，将极大提升治理的科学性和前瞻性。

三、智能化数据要素：新经济体制的基础资源

3.1 数据要素的地位跃升

智能经济的本质，是数据驱动、人机协同、跨界融合的经济形态。在这一形态中，数据不再只是生产的“副产品”，而是与土地、资本、劳动并列的核心生产要素。2025年国务院《关于深入实施“人工智能+”行动的意见》明确提出，“加强数据供给创新，完善适配人工智能发展的数据产权和版权制度”。这标志着数据要素的国家战略地位已获确认。

然而，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”。一方面，高质量数据集严重短缺。大模型的训练需要海量、多样、高质量的数据，但大量公共数据和商业数据仍处于“沉睡”状态，部门分割、条块分割导致数据孤岛普遍存在。另一方面，数据流通的制度瓶颈尚未突破。数据的定价、确权、入表、交易等基础制度仍在探索中，“不能流通、不愿流通、不敢流通”的困局有待破解。

3.2 高质量数据集的建设路径

智能化数据要素的价值实现，始于高质量数据集的建设。江阴兴澄特钢的实践提供了示范：通过50万+数据采集点实现生产数据自动采集与融合，构建30余个智能模型，使超标夹杂物降低30%，废品率降低47.3%。这一“数据+AI”赋能模式的核心，在于打通IT与OT系统，破除信息孤岛，让数据在全流程中流动起来。

莆田市的全域多模态城市治理数据集建设，进一步提炼出可复制的方法论：一是构建全要素评估体系，涵盖规范性、准确性等十余项一级指标；二是打造全链路治理平台，提供数据采集、存储、清洗、标注等能力；三是实施全流程数据淬炼，建立“预处理-特征标注-模型校验-迭代优化”的治理链条；四是构建场景驱动应用体系，让数据在应用中产生价值。

这一方法论揭示出，高质量数据集不是自然形成的，而是“淬炼”出来的。它需要标准化的评估体系、平台化的技术支撑、全流程的质量控制和场景化的价值转化。在这个过程中，数据标注、数据合成、数据治理等配套产业将迎来爆发式增长。

3.3 数据要素市场化配置的制度创新

数据要成为真正的生产要素，必须能够流通、能够定价、能够参与分配。当前，各地正在探索多样化的制度路径。无锡市创新“企业建管+政府使用”的政企分离协作模式，推动交通数据市场化流通，带动产业规模超262亿元。福建省通过大数据交易所“一所多站”模式，创新北斗船舶数据集资产入表，实现城市治理数据集的市场化定价与交易。

这些探索指向一个共同的方向：数据要素的市场化配置，需要政府与市场的协同发力。政府的作用在于制定规则、开放公共数据、建设基础设施；市场的作用在于发现价值、创新应用、形成生态。中国科学院大学孙毅教授建议，要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。上海财经大学崔丽丽教授则强调，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。

在分配机制上，需要建立基于价值贡献度的数据成本补偿和收益分成机制。当数据提供者、算法开发者、行业专家共同参与价值创造时，成果分配必须体现各自的贡献。这既是对数据要素所有权的尊重，也是激励持续投入的制度保障。

3.4 数据安全与流通的平衡

数据要素化的另一关键约束，是安全与隐私。车路云一体化平台破解数据“碎片化”“安全性”“流通性”三大难题的经验表明，安全与流通可以兼得。关键在于技术防护与制度设计的双轮驱动：技术上，采用隐私计算、联邦学习、数据脱敏等手段，实现数据“可用不可见”；制度上，建立数据流通安全治理标准，明确数据分级分类管理要求，落实数据全生命周期安全责任。

四、人机协同：劳动体制的深刻变革

4.1 从“机器换人”到“人机共舞”

智能化对经济体制的最直接影响，体现在劳动过程的重塑上。南京大学赵曙明教授指出，短期内劳动节约型技术进步带来的“替代效应”加速显现，“机器换人”已成普遍现象；但长期来看，数智技术也催生出大量新职业，并在提升生产率的同时带动生产规模扩张，释放出“创造效应”与“补偿效应”。

中国社科院黄再胜的研究进一步揭示了人机关系的演变轨迹：资本主义条件下机器应用曾造成人机对立，但进入大模型生产时代，智能机器开始以“工作搭档”的面貌出现，人机协作成为新趋势。在智能医疗场景中，智能助手可以“倾听”患者就诊过程并立即生成医疗记录，使医生专注于与患者沟通；在法律事务中，智能助手可以进行法律研究和案例检索，自动生成法律文档；在数字营销中，智能助手可以自动生成营销文案，实时洞察商机。

这种“人机共舞”的实践样态，正在根本性地重塑工作性质和生产流程。劳动者不再只是机器的操作者，而是与智能体协同工作的“合伙人”。智能机器负责重复性、计算性任务，人类负责创造性、情感性、判断性工作。正如国务院文件所描述的，“AI是人的能力的延伸，人是AI能力的放大器”。

4.2 劳动关系的制度重构

当智能体成为“劳动力”的一部分，传统的劳动关系框架就必须调整。崔丽丽教授建议，要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。孙毅教授则提出，要建立基于算法共享、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。

这并非天方夜谭。当数字员工能够独立完成相当一部分工作任务时，它究竟是工具还是“主体”？如果AI参与创造的价值被企业独占，提供数据、训练模型的劳动者能否分享收益？这些问题已从理论探讨进入政策议程。国务院文件明确提出，“探索基于价值贡献度的数据成本补偿、收益分成等方式”。这为建立适应人机协同的分配机制打开了政策空间。

4.3 就业保障与技能重塑

人机协作的深化，对劳动者的技能结构提出了全新要求。赵曙明教授强调，要开发面向岗位实际需求的技能培训项目，提供覆盖城乡、贯穿全周期的普惠性就业培训服务，提升劳动者跨行业、跨岗位的就业适应能力。国务院文件也部署，“大力支持开展人工智能技能培训，激发人工智能创新创业和再就业活力”。

一个值得关注的趋势是，AI正在倒逼教育转型。未来的学习方式将更加智能化：智能学伴、智能教师将实现大规模因材施教，推动育人从知识传授为重向能力提升为本转变。这意味着，劳动者不仅要学会使用AI工具，更要培养AI难以替代的能力——批判性思维、创造力、情感沟通和伦理判断。

五、制度竞争：智能时代的国家治理新命题

5.1 从技术竞争到制度竞争

崔丽丽教授提出一个深刻论断：智能经济的制度竞争时代已然开启。当智能体逐步演进为“经济主体”，将触发产权、税收、劳动法的系统性变革。中国智能经济的国际竞争，归根结底是“制度软实力”的竞争。

这一判断点出了智能化时代国家竞争的本质。技术可以引进，算力可以堆砌，但制度是内生的、路径依赖的。谁能率先建立适应智能经济的新型产权制度、分配制度、治理制度，谁就能在智能时代占据领先身位。美国依靠市场力量和资本驱动，在算力和算法上领先；中国则有可能依托数据资源优势和应用场景优势，在数据要素制度和智能治理制度上实现超越。

5.2 多元共治的治理框架

智能化带来的另一个挑战，是治理对象的多元化。未来的公共安全治理体系，将面向自然人、数字人、智能机器人等多元主体。这意味着传统的“管人管事”模式必须升级。

国务院文件描绘了“多元共治”的新图景：推动构建面向多元一体的公共安全治理体系，加强人工智能在安全生产监管、防灾减灾救灾、社会治安管理等方面的应用，提升监测预警、指挥决策能力。无锡的实践表明，当交通信号灯联网、车路协同应用落地，交通事故率和拥堵指数双双下降，治理效能获得实质性提升。

5.3 以人为本的价值底线

在拥抱智能化的同时，必须坚守“以人为本”的价值底线。清华大学董汀研究员警示，要避免走向由数字技术精英替沉默大多数做决定的极端，善治与良治从来不是源自先进的工具，而在于对人的尊重、对正义的追求和对共同体的责任。

国务院文件开宗明义：“坚持以人民为中心的发展思想，使全体人民共享人工智能发展成果”。这一原则落实到政策层面，意味着：AI的应用必须增进人类福祉，不能侵犯基本权利；算法的决策必须可解释、可申诉，不能成为“黑箱”；智能化的收益必须公平分配，不能加剧数字鸿沟。

六、结论与建议

综上所述，智能化时代正在呼唤一场深刻的政治经济体制变革。《未来国策》人工智能平台的建设，将为治理现代化提供技术支撑；智能化数据要素的制度构建，将为智能经济发展奠定基础资源。这是一场涉及生产力与生产关系、经济基础与上层建筑的全面变革。

基于上述分析，笔者提出以下政策建议：

第一，加快《未来国策》平台的顶层设计。由国家层面牵头，整合政务数据资源和算法研发力量，构建统一架构、分级部署的国家智能治理平台。建立政务AI的准入标准、评估机制和审计制度，确保AI应用安全可控。

第二，突破数据要素市场化配置的制度瓶颈。尽快出台数据产权法，明确数据所有权、使用权、收益权的法律界定。完善数据流通交易规则，培育壮大数据服务产业，推动公共数据依法开放运营。

第三，构建人机协同的新型劳动关系。动态调整职业分类，审慎界定智能体的法律地位。建立基于贡献度的收益分配机制，保障劳动者在智能化转型中的合法权益。大规模开展AI技能培训，提升全民数字素养。

第四，深化智能治理的国际合作。积极参与AI全球治理规则制定，推动构建平等、开放、包容的国际治理体系。与发展中国家共享智能化发展经验，助力弥合全球智能鸿沟。

智能化的大潮不可逆转。《未来国策》平台与智能化数据要素，正是我们驾驭这一浪潮的制度之桨。唯有主动变革、前瞻布局，才能在智能时代赢得主动，让技术进步真正惠及全体人民，为中国式现代化注入强劲动力。