引论：智能化时代的制度命题

当生成式人工智能大模型以月为单位迭代进化，当工业机器人与智能体开始渗透到从生产线到办公室的每一个角落，人类社会正站在一个新的历史分水岭上。2026年《政府工作报告》首次提出“打造智能经济新形态”，标志着人工智能发展从“技术应用”阶段正式迈入“形态塑造”阶段。这一跃迁的本质，不仅是生产力的革命性提升，更是生产关系的系统性重构——而生产关系的内核，正是政治体制与经济体制的底层逻辑。

作为一名长期从事政策改进的研究者，笔者深切意识到：智能化不是简单的工具升级，而是社会运行基础的重新奠基。当机器开始大规模从事生产劳动，当算法开始介入甚至主导决策过程，传统以人类劳动和科层决策为核心建构起来的制度框架，必然面临根本性挑战。这种挑战集中体现为两个核心命题：其一，当机器成为主要生产者，经济体制应当如何组织？其二，当智能化系统具备超越人类的决策能力，政治体制中的决策权应当如何配置？

本文提出的“未来国策”构想，正是试图回应这两个命题。核心主张可以概括为一句话：智能化时代已经到来，人们的生活必须智能化，政治经济劳动生产必须智能化。这一主张不是技术决定论的简单宣示，而是基于对技术演进规律和社会适应逻辑的双重判断。在这一判断下，机器经济与智能化决策权迁移，成为理解未来政治经济体制变革的两个关键支点。

一、机器经济：从辅助工具到生产主体

1.1 机器经济的内涵界定

所谓“机器经济”，并非指机器作为生产工具的继续存在——自工业革命以来，机器一直就是生产的物质载体。机器经济的本质特征在于：机器从辅助性工具演进为自主性生产主体。这一转变的底层支撑，是通用人工智能技术的突破性发展。

在传统工业经济中，机器是“死”的，它按照人类设定的程序运转，无法脱离人的操控而独立完成复杂生产任务。但在通用人工智能时代，机器具备了感知环境、自主决策、持续学习的能力。如余南平、张彭所指出的，通用人工智能正在使劳动资料从“具体工具”演变为“通用生产系统”，劳动者内涵随之转变为人机协同。这意味着，生产过程不再简单地表现为“人操作机器作用于劳动对象”，而日益呈现为“人与智能系统共同完成生产任务”的新形态。

从劳动对象的角度看，机器经济的另一重内涵在于数据成为核心生产要素。传统劳动对象主要集中于自然物质，价值效应受限于资源有限性；而机器经济时代，数据、算法模型、虚拟环境成为主要的劳动对象，它们具备无限复制性、非损耗性、共享性等特征。这从根本上改变了价值创造的方式：剩余价值的来源不再仅仅是工人的劳动，还包括数据的采集处理、算法的优化迭代、模型的训练升级。

1.2 生产方式的重组逻辑

机器经济的兴起，必然引发生产方式的重组。这种重组体现在三个层面。

其一，劳动资料的系统化集成。 传统的劳动资料多为单一领域定制，一台机床只能加工特定类型的零件，一套财务软件只能处理特定格式的账目。而通用人工智能凭借强大的泛化能力，可以同时适用于多个领域：同一个大模型既能辅助医疗诊断，又能进行法律咨询，还能参与工业设计。这种“通用性”使得劳动资料从“专业化工具集合”转向“智能生产基座”。企业不再需要为每个生产环节配备专门的设备和人员，而是可以在统一的智能平台上调用所需功能。

其二，劳动过程的自动化闭环。 在机器经济条件下，生产过程的自动化从局部走向整体，从执行层延伸到决策层。传统的自动化主要体现为执行环节的机器替代，如机械臂替代人工装配；而机器经济则将自动化扩展到数据采集、分析判断、方案优化、执行反馈的全流程。形成了“数据→智能→数据”的闭合回路：系统通过传感器采集生产数据，经过算法分析形成优化方案，方案自动下发执行，执行结果再次被采集用于下一轮优化。这一闭环以更低的成本实现更高的生产效率，持续提高价值创造能力。

其三，生产组织的平台化重构。 机器经济的高度智能化，使得生产组织突破了传统的企业边界。平台作为数字基础设施，汇集了生产者、消费者、技术开发者等多方主体。借助平台的连接能力，生产任务可以被拆解、分发、整合，形成跨企业、跨行业、跨地域的协作网络。孙毅教授在解读政府工作报告时指出，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”。这正是对平台化生产组织趋势的准确把握。

1.3 劳动关系的根本性变革

机器经济带来的不仅是生产方式的变化，更是劳动关系本身的根本性变革。这种变革首先体现为劳动者与生产资料关系的变化。在资本主义发展史上，劳动者与生产资料的分离是资本积累的前提；而在机器经济时代，这一分离呈现出新的形式：劳动者不仅与物质生产资料分离，更面临着与数据生产资料分离的风险。当劳动者的行为数据被平台采集、被算法分析、被用于优化生产时，这些数据本身成为资本控制劳动的新手段。

同时，劳动的组织方式正在发生深刻变化。集中式、大规模的工厂生产被分散化、个体化的生产过程所替代。平台作为新的生产关系中介，重新定义了资本与劳动者的关系：劳动者与雇主之间的关系更加松散，“不稳定无产阶级”由此形成。从事“数字计件工作”的劳动者，与生产组织之间缺乏传统企业中的认同感和归属感，劳动关系日益临时化、碎片化。

这些变化对经济体制提出了全新要求。传统的劳动法体系建立在稳定雇佣关系基础上，以工时、工资、工作条件为核心规制对象。但在机器经济条件下，当劳动不再局限于雇佣关系、当机器成为生产主体、当数据成为价值来源时，如何界定劳动权益、如何规范分配机制、如何保障劳动者地位，成为经济体制重构必须回答的问题。

二、决策权迁移：技术代理与权力重构

如果说机器经济是智能化对生产领域的重塑，那么决策权迁移则是智能化对政治领域的冲击。这种冲击的实质是：当算法、数据、算力成为社会治理的核心要素，传统由科层组织垄断的决策权力，正在向智能化系统转移。

2.1 决策权迁移的技术基础

理解决策权迁移，首先需要把握其技术基础。算力、算法、数据三位一体，构成了智能化决策的物质前提。

算力重塑了权力的生成方式。在技术欠缺的前信息时代，权力的争夺聚焦于土地、劳动力等基本生产要素；而数字智能时代，数据成为最具基础性和战略性的生产要素，算力则是撬动这一过程的“第一杠杆”。算力使得海量数据的规律性自然涌现，在物理空间之外形塑出新的“数字空间”，传统权力被赋予数字属性，数据得以产生权力效应。

算法重塑了权力的运行方式。算法驱动的决策具有中立性、高效性、精准性和可预测性等优势，能够基于对已知数据的深度学习来预测风险、识别需求、优化方案。随着算法嵌入政府治理的程度不断加深，权力得以被规范化、智能化、自动化行使——但这也意味着，政府不得不让渡算法设计权、改良权、操作权，从而面临权力向技术开发者转移的现实。

数据重塑了权力的存在方式。政治权力的运行需要依赖信息，而数字时代的信息以数据形式存在。政府和数字化平台凭借掌握的强大算力、海量数据和智能算法，能够左右个体获取信息的渠道和内容，以“过滤气泡”“信息茧房”等方式建构自身的信息化权力。这种权力不再依赖于传统的科层职位，而是内嵌于数字基础设施之中。

2.2 权力结构的系统性重构

在上述技术基础的支撑下，政治权力结构正经历系统性重构。这种重构可以从三个维度加以把握。

第一，权力从一元化走向多元化。 尽管政权组织在政治系统中仍然扮演主导角色，但大型科技公司作为主要的数字智能技术开发者和应用者，正从权力边缘走向权力中心。它们依靠算力支撑、数据控制、算法优化和信息垄断，有力地影响公众舆论乃至政策制定。传统的以国家政权为主要代表的“一元化”政治权力结构，日益向着以政党、政府组织、大型科技公司和非政府组织等为主体的“多元化”权力结构转变。

第二，权力从等级化走向扁平化。 传统科层组织的权力运行遵循自上而下的等级链条，信息在逐级传递中容易遭遇“失真”和“耗散”。当算力嵌入权力结构后，数据与信息可以在组织内部无障碍流动，这就要求削减原有的多层级结构。中间层级的决策功能被算法替代，权力结构趋向扁平化。刘倪对街头官僚决策的研究印证了这一趋势：数字技术嵌入决策流程，正在改变街头官僚的裁量权配置，系统官僚和街头官僚的权力关系呈现出新的互补形态。

第三，权力从模糊化走向清晰化。 传统政治权力结构中，上级部门必须留给基层足够的“自由裁量权”，这容易造成权责模糊问题。算力能够实现对政治系统和社会面数据的高效收集和处理，使信息间的关系和逻辑得以被即时计算、分析和传递，信息由不对称走向对称。传统模糊的政治权力结构逐渐清晰化——但这种清晰化也意味着，基层的自由裁量空间被压缩，算法的标准化逻辑正在重塑权力行使的边界。

王锡锌教授的研究进一步揭示了这种权力重构的制度意涵。他指出，数字技术的广泛应用使行政组织内部的权力运行呈现出跨部门、跨层级、跨地域等特征，催生出“数据控制效应”：在内外维度上，通过数字基础设施的公私合作出现“权力溢出效应”，导致公共决策权向私营主体转移；在纵向维度上，数字平台与算法节点引发权力在行政系统垂直方向上的重新配置，产生“权力对流效应”；在横向维度上，跨部门的数据汇集模式造成“权力交叉效应”。这些效应共同冲击着传统的权责法定原则，带来行政权集中化、去边界化的风险。

2.3 技术代理与问责困境

决策权迁移的核心机制，在于“技术代理”的形成。所谓技术代理，是指智能化系统在决策过程中扮演代理人角色，承接原本由人类行使的决策职能。从街头官僚的裁量决策，到政策制定的方案优化，再到公共服务的需求匹配，智能化系统日益成为实际的决策执行者。

技术代理的形成有其效率逻辑。相比人类决策，算法决策具有处理速度快、信息容量大、执行标准化等优势。在应对复杂治理任务时，技术代理可以大幅提升响应速度和决策质量。然而，技术代理也带来了深刻的问责困境。

当决策由算法做出，而算法又内嵌于黑箱之中时，责任归属变得模糊不清。米加宁教授指出，随着智能代理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。

更深层的问题在于，技术代理正在重塑权力与责任的对应关系。传统政治体制遵循“权责一致”原则：行使权力者必须承担责任。但在智能化决策场景中，算法系统行使着实质性的决策权力，却无法成为责任主体；名义上的决策者（政府官员）承担着最终责任，却可能并不掌握决策过程的实际控制权。权与责的脱节，构成了智能化时代政治体制必须面对的核心挑战。

三、体制重构：未来政治经济制度的框架设计

面对机器经济的兴起和决策权的迁移，未来的政治经济体制必须进行系统性重构。这种重构不是对现有制度的修修补补，而是基于智能化时代本质特征的制度再造。以下从经济体制、政治体制、治理机制三个维度，提出初步的框架构想。

3.1 经济体制：人机共生的产权与分配制度

机器经济的核心矛盾，在于价值创造主体从单一的人类扩展到人机复合体。这一变化要求经济体制在产权界定和分配机制上做出根本调整。

在产权层面，需要重新界定数据产权和算法产权。 数据是机器经济的核心要素，但数据的生产具有多主体性：用户生成原始数据，平台采集存储数据，算法加工处理数据。现行产权制度难以清晰界定各主体的权利边界。未来的制度设计应当区分数据来源者与数据处理者的权利，建立分级分类的数据产权体系。对于个人数据，应强化知情同意和收益分享机制；对于公共数据，应推动开放共享与安全使用的平衡；对于商业数据，应明确企业投入与公共利益的边界。

同时，算法作为新的生产资料，其产权配置直接影响经济权力的分布。当前算法开发高度集中于少数大型科技公司，形成了事实上的技术垄断。未来的制度设计应当鼓励算法的开源共享，防止算法权力过度集中。崔丽丽教授指出，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。

在分配层面，需要建立适应人机协同的价值分配机制。 当机器大规模替代人类劳动，传统的按劳分配原则面临挑战——如果劳动岗位减少，劳动者如何获得收入？如果价值由人机协同创造，收益如何在人与机器之间分配？

未来的分配制度应当体现“共创分享”原则。孙毅教授提出，要“建立与共创模式相匹配的价值分配体系，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”。这意味着，分配依据从单一的劳动贡献扩展到多元要素贡献，劳动者、数据提供者、算法开发者、资本投入者都应在价值分配中获得相应份额。

更深远的制度创新可能涉及“机器税”或“自动化红利共享”机制。当机器大规模替代劳动，企业的利润增长可能以劳动者收入减少为代价。为维持社会购买力和消费基础，可考虑对自动化收益征税，用于全民基本收入、职业技能再造或公共服务的提供。这不仅是经济问题，更是社会契约的重构。

3.2 政治体制：智能化决策的授权与问责机制

决策权迁移对政治体制提出的核心要求，是在发挥智能化决策效率优势的同时，确保权力的合法性、透明性和可问责性。这需要在授权机制和问责机制两个维度进行制度创新。

在授权机制层面，需要明确智能化决策的制度边界。 并非所有决策都适合交由算法执行。涉及价值判断、利益平衡、权利限制的决策，应当保留在人类决策者手中；涉及效率优化、资源配置、风险预警的决策，可以适度授权给智能化系统。未来的制度设计应当建立决策事项的“负面清单”和“正面清单”，明确哪些事项必须由人类决策、哪些事项可以由算法辅助、哪些事项可以授权算法独立执行。

同时，需要建立算法授权的合法性程序。算法进入公共决策，必须经过立法授权、专家评估、公众参与的规范程序。算法的设计目标、训练数据、决策逻辑应当向监管机构和公众适度透明，确保算法决策符合公共利益。米加宁教授强调，要“在制度设计上推动算法的透明化与可解释化，这是迈向‘智治’而不丧失‘善治’的关键”。

在问责机制层面，需要构建适应技术代理的责任链条。 当算法系统参与决策时，责任不能因技术介入而稀释。未来的制度设计应当建立“责任拓扑扩散机制”：算法的开发者对其技术安全性负责，算法的使用者对其应用场景负责，算法的监管者对其合规性负责，最终决策的人类官员对其采纳的算法建议负责。形成“算法在人类与组织之间合理分配”的责任链条。

更深层的制度创新可能涉及“算法审计”和“算法影响评估”机制。对于应用于公共决策的算法系统，应定期进行独立审计，评估其公平性、准确性、安全性。对于涉及重大公共利益的算法应用，应事先进行影响评估，预判其对不同群体的潜在影响。这不仅是技术治理的问题，更是民主政治的延伸。

3.3 治理机制：多元主体的协同共治

智能化时代的社会治理，既不能沿袭传统的科层模式，也不能放任算法独断。未来的治理机制应当走向多元主体的协同共治。

政府角色需要重新定位。 在智能化治理体系中，政府不再是唯一的权力中心，但仍然是规则制定者、利益协调者和底线守护者。政府的核心职能应当转向：制定算法应用的伦理标准和法律边界，协调多元主体之间的利益关系，保障弱势群体在智能鸿沟中的基本权益，防范技术垄断和技术滥用的风险。唐庆鹏研究员指出，数智赋能政党治理现代化，意味着政党系统能动地利用数智技术实现治理增效和创新发展的过程。政府需要从“划桨者”转向“掌舵者”，从具体事务的干预者转向制度规则的供给者。

企业需要承担社会责任。 掌握核心算法和数据的大型科技公司，已经成为事实上的权力中心。权力必须伴随责任，未来的制度设计应当明确科技公司在公共治理中的社会责任。包括：保障算法的公平性和非歧视性，保护用户数据的隐私和安全，配合政府监管和维护公共秩序，向公众适度开放技术资源和数据红利。多元权力中心的出现不是对公共权力的否定，而是对权力责任体系的扩展。

公民需要参与智能治理。 智能化不应成为剥夺公民参与权的借口。算力的提升，反而为更大范围的公民参与创造了技术条件。马光选、陆涛指出，算力能够在最大程度上将海量原始数据收集起来加以计算，并通过先进的算法设计将有效信息迅速传播，极大地突破信息不对称的桎梏，使公众直接表达的意见可以被实时处理和反馈。未来的治理机制应当充分利用这一条件，拓展公众参与智能决策的渠道，确保智能化进程符合人民意志。

四、风险防范与制度保障

任何新范式的生成都伴随风险与张力，机器经济与智能化决策同样面临诸多挑战。未来的制度设计必须将风险防范作为核心议题。

4.1 算法黑箱与透明性挑战

当前的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。这不仅削弱政策公信力，也可能动摇治理的合法性基础。应对这一挑战，需要建立算法的可解释性标准：对于公共决策类算法，必须要求其具备一定程度的可解释性，能够向监管部门和利益相关方说明决策依据和逻辑。同时，建立第三方算法评估体系，对关键领域的算法应用进行独立审查。

4.2 智能鸿沟与公平性挑战

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。应对这一挑战，需要国家通过财政转移支付、智能基础设施普及以及全民AI素养培训来弥合智能鸿沟。同时，在制度设计中强化对弱势群体的倾斜保护，确保智能化进程的普惠性。

4.3 技术垄断与权力失衡挑战

算力、数据、算法等资源主要集中在少数超级平台手中，形成了“算力不平等”导致“政治不平等”的风险。如果缺乏有效规制，技术垄断可能演变为权力垄断，侵蚀公共权力的合法性基础。应对这一挑战，需要强化反垄断监管，推动关键算法的开源共享，建立公共算力资源池，确保多元主体在智能时代拥有平等参与的机会。周寒的研究提醒我们，马克思主义执政党需要直面因技术专业化、去中心化、隐蔽性等特征而产生的各类风险挑战。

结语：走向人机共生的善治

智能化时代已经到来，这是不可逆转的历史趋势。机器经济将重塑生产方式和分配机制，决策权迁移将重构权力结构和治理模式。面对这一深刻变革，我们不能简单排斥，也不能盲目接受，而应当以制度的智慧和创新的勇气，引导智能化进程朝着符合人类根本利益的方向发展。

“未来国策”的核心不在于技术本身，而在于如何用制度驾驭技术。机器经济的制度设计，应当确保技术进步的红利惠及全体人民，而非被少数垄断者独占；决策权迁移的制度安排，应当确保权力的行使始终处于人民监督之下，而非沦为算法的黑箱操作。正如米加宁教授所言：“治理智能化不能仅仅依赖效率逻辑，而必须与合法性逻辑相结合。唯有在制度设计、政策执行与社会认同之间实现平衡，人工智能才能真正成为服务人民、造福社会的善治工具。”

未来的政治经济体制，既不是对传统的简单延续，也不是对技术的盲目臣服，而是在人机共生基础上实现的新均衡。在这一均衡中，机器承担繁重的生产劳动，人类专注于创造性的决策；算法提供高效的治理工具，人类守护价值的根本尺度。这正是智能化时代“善治”的真谛——让技术服务于人，让智能造福社会。