引言：作为认知基础设施的人工智能

智能化时代不是一种技术预言，而是一种正在发生的现实。人工智能已不再仅仅是自动化生产的工具，它正在成为人类认知的默认层——塑造着人们如何搜索信息、如何形成判断、如何做出决策。当生成式模型成为许多人接触世界的第一位“ interpreters”，社会运转的基本逻辑正在悄然改写。

这种变革的深刻之处在于：它不仅是生产力的跃升，更是生产关系的重构。正如国务院《关于深入实施“人工智能+”行动的意见》所指出的，我们正在经历“生产力革命性跃迁和生产关系深层次变革”，正在“加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态”。面向2035年，中国要全面步入智能经济和智能社会发展新阶段，这意味着政治体制与经济体制必须作出系统性回应。

《未来国策》的提出，正是基于这一判断：智能化时代到来，人们生活必须智能化，政治经济劳动生产必须智能化。这不是对技术的被动适应，而是对未来的主动塑造。本文聚焦于经济人工智能体制与智能化人机协作，试图探讨在技术与制度深度耦合的背景下，如何构建一套既能释放智能红利、又能守护人类主体性的治理框架。

一、智能经济的范式跃迁：从工具到主体

1.1 技术经济范式的历史演进

理解智能经济的独特性，需要将其置于技术经济范式演进的长时段视野中考察。从信息经济到数字经济，再到正在兴起的智能经济，每一次跃迁都不只是技术的升级，更是生产要素结构与生产关系形态的系统性变革。

信息经济的核心是“连接”。微电子、计算机和通信技术的扩散，使信息的生成、存储和传输成本大幅下降，软件、通信、电子制造等产业快速崛起。这一阶段，技术仍然是人的工具，效率提升是主线。

数字经济的核心是“重构”。移动互联网和物联网的普及，使数据成为新的关键生产要素。农业、工业、服务业的数字化转型加速，平台经济、共享经济等新业态涌现。这一阶段，技术开始改变组织形式，但决策主体依然是人。

智能经济的核心是“自主”。以大模型和具身智能为代表的人工智能技术，正在赋予经济系统“自感知、自学习、自决策、自执行”的能力。智能体不再仅仅是工具，而是逐步成为参与生产和协同的新型主体。这正是《未来国策》必须回应的根本变化：当“机器”开始拥有某种程度的“能动性”，经济体制和政治体制如何重新定义参与者的身份与关系？

1.2 智能经济的核心指标与发展态势

国务院《关于深入实施“人工智能+”行动的意见》设定了清晰的时间表和任务书：到2027年，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长；到2030年，普及率超90%，智能经济成为重要增长极；到2035年，全面步入智能经济和智能社会发展新阶段。

这些指标背后，是正在发生的结构性变化。在算力层面，我国在用算力中心标准机架已达1085万架，智能算力规模达788EFLOPS（每秒百亿亿次浮点运算）。在数据层面，国家数据局已在7个地市建设数据标注基地，形成行业高质量数据集335个，赋能121个国产人工智能大模型研发。在算法层面，截至2025年6月底，我国累计有439款生成式人工智能服务完成备案，较2024年4月增加2.8倍。

更值得关注的是智能体和人工智能生成物的爆发。工业多智能体系统已能自主调度生产资源，实现跨工厂、跨区域的实时响应；消费领域的AI代理正在整合服务入口，为用户提供无缝的个性化生活管理。这些变化催生了“模型即服务”、“智能体即服务”等新型商业模式，模糊了传统行业的边界，也推动了数据驱动型市场的形成。

1.3 新生产要素的形成与旧范畴的突破

智能经济带来了两种新的生产要素：一是数据，其价值在流动中释放；二是“新劳动力”——人与机器协同的新型劳动力要素。这两种要素的出现，对传统经济体制提出了根本性质疑。

数据作为生产要素，其产权归属、价值度量、流通规则尚未形成共识。如果数据是劳动者生产活动的记录，其权益是否应归属于劳动者？如果数据是平台企业投资的产物，其收益是否应独占？这些问题不是技术问题，而是制度问题。

人机协同作为新型劳动力，更触及了劳动价值论的核心。当智能体能够独立完成设计、决策、执行任务，其“劳动”是否创造价值？如果创造价值，价值如何分配？如果出现错误，责任由谁承担？这些问题无法在旧范畴内得到解答，必须通过新的经济体制加以规范。

二、经济人工智能体制：制度设计的核心命题

2.1 从分散分权到集中集权的技术结构

郑永年教授指出，前三次工业革命产生的工具是“分散分权”的——谁都可以用、哪里都能扩散。但人工智能的技术结构呈现出“集中集权”的特征。从国家分布看，人工智能技术高度集中在中美两国；从国内分布看，又集中在珠三角、长三角和京津地区；从企业层面看，主要集中在几家头部科技公司。

这种技术结构对经济体制提出了严峻挑战。如果算力、数据和算法三种核心资源高度集中，市场经济的竞争逻辑是否会失效？如果少数平台掌握了社会运转的“认知基础设施”，公平分配如何实现？如果人工智能的发展天然具有垄断倾向，反垄断政策是否需要重构？

“集中集权”的技术特征要求经济体制必须在“效率”与“公平”、“集中”与“分散”、“创新”与“规制”之间寻求新平衡。完全放任可能导致“技术霸权”，过度规制可能扼杀创新活力。这正是《未来国策》需要回应的核心张力。

2.2 数据要素市场的制度设计

数据是智能经济的血液，但数据市场的制度设计远未成熟。当前面临三重困境：

第一重是“数据孤岛”困境。我国拥有全球最大的数据资源和最丰富的应用场景，但数据并未有效整合。各地方、各部门、各企业的数据系统相互割裂，形成了大量的“数据烟囱”。郑永年教授强调，“我们的问题就是整合不起来”，未来的任务是通过体制机制改革形成国内数据统一大市场。

第二重是“数据主权”困境。数据跨境流动涉及国家安全、个人隐私和企业利益的多重平衡。如何在保证安全的前提下“出得去、进得来”，考验着制度设计的精细程度。欧洲“内松外紧”的模式、新加坡“全面开放、有效管理”的模式，都提供了可资借鉴的经验。

第三重是“数据权益”困境。数据的生产涉及个人、企业、平台等多方主体，其价值是集体创造的，但权益分配往往被单一主体独占。中国科学院大学孙毅教授提出，要“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”。

《未来国策》应确立“共建共享”的数据治理原则：既要保护个人隐私和企业商业秘密，又要推动公共数据依法开放；既要承认数据创造者的贡献，又要防止数据垄断导致的分配不公；既要支持数据市场的自由流通，又要建立国家层面的数据安全防火墙。

2.3 算力资源的统筹与分配

算力正在成为像电力和石油一样的战略性资源。国务院明确提出要“优化国家智算资源布局，完善全国一体化算力网，充分发挥‘东数西算’国家枢纽作用”。

但算力的特殊之处在于，它不仅是基础设施，还是“认知权”的载体。谁掌握了算力，谁就掌握了训练大模型的能力；谁掌握了顶尖的模型，谁就掌握了定义问题、输出答案的权力。这种权力的分配，不能完全交由市场决定。

《未来国策》应探索算力资源的分类配置机制：基础科研和公共服务所需的算力，应由国家统筹保障；商业应用所需的算力，可由市场竞争配置；战略性领域的算力资源，应建立国家储备制度。同时，要推动智能算力供给的“普惠易用”，防止算力鸿沟演变为新的社会鸿沟。

2.4 算法治理与透明性要求

算法是智能经济的“大脑”，但算法的不透明性正在成为治理难题。大规模人工智能模型往往具有高度复杂性，即使是开发者也无法完全解释其决策过程。这种“算法黑箱”对经济体制提出了两个挑战：

第一是公平性挑战。算法可能延续甚至放大已有的社会偏见，在招聘、信贷、保险等领域造成系统性歧视。如果缺乏有效的审查机制，算法可能成为新的不平等制造者。

第二是问责性挑战。当算法决策造成损失时，责任归属难以界定。是算法开发者的问题，是数据提供者的问题，还是使用者的问题？传统法律的责任框架难以适用。

《未来国策》应推动“可解释性人工智能”成为治理的基本要求。对于高风险的算法应用（如金融风控、司法辅助、公共资源配置），必须建立第三方评估体系和算法备案制度，确保算法逻辑在一定程度上透明可释。这不仅是技术问题，更是制度问题——只有可解释，才可监督；只有可监督，才可问责。

三、智能化人机协作：政治体制的适应性变革

3.1 政治智能化的内涵与边界

政治智能化是社会智能化的核心维度。人工智能正在从辅助工具走向决策参与者，从后台走向前台，从执行层走向规划层。政务服务智能体、公共安全数字人、生态环境智能监测系统正逐渐嵌入治理流程，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。

但政治智能化有其内在边界。有学者提出“人工智能君主制”的构想——由人工智能全面接管人类治理权，将其置于国家治理的最高位置。这种设想在决策效率、精准性和复杂问题处理上具有技术优势，但也存在根本性缺陷。算法和数据如果出现偏差，难保决策的公平正义；人工智能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的决策；权力高度集中于人工智能，可能引发“技术霸权”或“技术神权”。

肖峰教授尖锐地指出，人工智能君主制是“政治智能化的一条歧路”。政治的本质不是求解“最优解”，而是在多元利益中寻求平衡，在复杂情境中做出权衡，在不确定性中承担责任。这些都无法完全委托给算法。《未来国策》必须明确：智能化是增强人类决策能力的手段，而非取代人类决策主体的工具。

3.2 人机协同的新型治理结构

在明确边界的前提下，智能化人机协作将重塑治理结构。这种重塑体现在三个层面：

治理认知的转变：从经验理性转向“算法理性”。算法对风险的实时研判和社会趋势的预测，使治理的科学化、前瞻性显著增强。但这不意味着经验理性的废弃，而是经验与算法的互补。

治理过程的转变：从部门流程导向转向“数据驱动”。政策执行不再仅依赖预设程序，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。但这不意味着流程的取消，而是流程的优化。

治理主体的转变：从单一科层体系转向“人机共生”。智能体承担信息处理、风险预警、方案模拟等任务，人类决策者承担价值判断、利益平衡、最终拍板等职责。这不是人的“失业”，而是人的“解放”——从繁琐的信息处理中解放出来，专注于真正需要人类智慧的事务。

3.3 公共治理中的人机责任分配

人机协作带来一个棘手的问题：当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？责任归属的模糊化不仅可能削弱治理的责任感，还可能带来信任危机。

《未来国策》需要建立“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：

对于算法设计缺陷，开发者应承担责任；对于数据输入错误，数据提供者应承担责任；对于决策执行失误，使用者应承担责任；对于无法预见的系统性风险，应建立国家补偿和保险机制。

更重要的是，在高风险决策领域，必须保留“人类最终决定权”。即使人工智能提供了最优方案，最终签字确认的必须是有血有肉的人。这不仅是为了责任的可追溯，更是为了守护政治的本质——在技术无法触及的价值领域，由人类为自己做出选择。

3.4 认知基础设施与民主韧性

世界经济论坛的一份报告提出了一个重要概念：人工智能正在成为“认知基础设施”。搜索引擎、对话式智能体和算法推荐系统，正在塑造公众如何获取信息、如何形成判断、如何理解世界。这种认知基础设施的质量，直接影响着民主的韧性和社会的凝聚力。

当人工智能成为认知的“第一解释者”，可能出现三种风险：一是“认知卸载”风险——人类将思考过程外包给人工智能，长期可能导致分析能力和判断力的退化；二是“准确性幻觉”风险——人工智能输出流畅自信，用户倾向于降低验证标准，即使输出包含错误或偏见；三是“思维窄化”风险——提示词交互模式鼓励线性思维而非探索性思考，可能削弱认知灵活性和创新能力。

这些风险不是技术问题，而是治理问题。政策制定者必须确保人工智能“强化而非削弱社会推理能力”。这意味着：教育体系要从“避免使用人工智能”转向“学会质询人工智能”，培养公民辨别信息真伪、评估算法输出的能力；平台治理要建立“认知友好型”设计标准，要求算法提供反方观点、不确定性提示和可验证路径；公共决策要坚持“人类问责制”，确保在医疗、司法、金融等领域，人类的判断不被自动取代。

兰德公司的报告更深刻指出，人工智能时代最具决定性的竞争优势，取决于技术能否“增强而非削弱个体与集体的主观能动性”。一个国家的长期竞争力，不来自最先进的模型，而来自最有活力的社会——那些能够利用人工智能拓展人类可能性、守护人类尊严的社会，将在全球竞争中胜出。

四、劳动生产智能化：就业形态与劳动关系的重构

4.1 智能体作为新型生产者

智能经济的革命性在于，智能体正在成为“生产者”。在工业高炉温控中，智能体自主调节参数；在纺织库存管理中，智能体优化调配方案；在零售仓储中，智能体调度物流资源。这些不是简单的自动化执行，而是包含感知、决策、行动的完整闭环。

当智能体成为生产者，传统劳动概念面临挑战。马克思定义的劳动是“人和自然之间的过程，是人以自身的活动来引起、调整和控制人和自然之间的物质变换”。智能体的“活动”是否属于劳动？如果属于，其创造的价值如何归属？如果不属于，那么智能体创造的财富源泉是什么？

《未来国策》需要正视这一问题。一个可能的思路是：区分“创造性的劳动”和“执行性的生产”。人类从事的是创造性劳动——设定目标、设计系统、进行价值判断；智能体从事的是执行性生产——在给定框架内优化实现路径。前者创造“本源价值”，后者创造“效率价值”。本源价值归劳动者所有，效率价值通过税收和分配机制实现社会共享。

4.2 新劳动关系的制度探索

智能经济正在催生新型劳动关系。传统的雇佣关系建立在“人—人”协作基础上，未来的劳动关系将扩展为“人—机—人”的复杂网络。这种变革要求制度创新：

职业分类的动态调整。许多传统岗位正在消失，更多新岗位正在涌现——提示词工程师、数据标注师、智能体训练师、人机协作管理员等。职业分类目录应建立动态更新机制，及时认可新职业的合法性。

劳动权益的重新界定。当劳动者与智能体协同工作，工作时间的计算、工作成果的归属、劳动风险的承担，都需要新的规则。例如，如果劳动者训练了一个高效的智能体，智能体创造的后续收益是否应与劳动者分享？

技能培训的体系重构。国务院明确提出，“创造更加智能的工作方式”，“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”。这意味着教育体系要从“知识传授”转向“人机协作能力培养”，使劳动者具备与智能体有效配合的技能。

4.3 就业冲击与社会保障

人工智能对就业的冲击是真实存在的。与历次技术革命不同，这一次不仅冲击蓝领岗位，也在冲击白领岗位——文案、翻译、基础编程、法律助理等知识性工作正面临替代风险。

但冲击不等于灾难。国务院《意见》强调，“积极发挥人工智能在创造新岗位和赋能传统岗位方面的作用”，“加强人工智能应用就业风险评估，引导创新资源向创造就业潜力大的方向倾斜，减少对就业的冲击”。这体现了积极有为的就业政策导向。

《未来国策》应建立“就业转型支持体系”：对受冲击行业，提供转岗培训和就业援助；对新就业形态，建立适应性的社会保障制度；对平台从业者，探索灵活参保机制。同时，应研究“人工智能红利共享机制”——将智能经济创造的超额收益，通过税收、分红、公共服务等方式，回馈给全体社会成员。

兰德公司报告提出了一个深刻的关切：“当人工智能代替人类思考和创新，公共理性随之受到侵蚀”。劳动不仅是谋生手段，也是人类实现自我价值、参与社会建构的方式。如果大量人口被排斥在劳动过程之外，不仅是经济问题，更是社会问题和政治问题。因此，劳动生产智能化必须与“劳动尊严”的守护同步推进。

五、制度耦合：算法、数据与制度的协同演化

5.1 算法、数据与制度的三位一体

人工智能治理不是孤立的领域，而是算法、数据与制度的系统耦合。

算法提供了认知的跃迁。它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。

数据是算法的燃料。高质量的数据集决定了人工智能能力的上限。但数据的采集、流通、使用涉及复杂的权益关系。如果缺乏制度化的数据治理，要么数据供给不足，要么数据滥用失控。

制度是算法的约束和保障。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。

《未来国策》必须在算法、数据、制度三要素之间实现动态平衡。算法的创新速度要匹配制度的规范能力，数据的开放程度要匹配安全的保障水平，治理的智能化水平要匹配公众的可接受程度。

5.2 发展与安全的平衡术

发展与安全的平衡，是人工智能时代最核心的政策命题。郑永年教授观察到两种极端模式：美国是完全发展导向，监管最少，但安全问题突出；欧盟是监管规则先进，但人工智能发展滞后。中国要在两者之间走出一条“两条腿走路”的新路。

“两条腿走路”意味着：在技术层面，适度放松监管让技术落地；在安全层面，同步发展监管技术确保风险可控。这不是简单的“先发展后治理”，也不是“先治理后发展”，而是发展和治理的协同演进。

《未来国策》应建立“敏捷治理”机制——治理体系能够根据技术发展动态调整。对于新兴应用，可以先试点后推广、先备案后审批、先观察后规范。同时，要建立“安全底线”思维——对于可能造成系统性风险的应用（如深度合成、大规模自动化决策），必须设置明确的准入条件和监管要求。

5.3 国家战略与社会适配

兰德公司报告提出了一个超越“唯技术论”的论断：人工智能时代国家竞争的本质不是“技术竞争力”，而是“社会竞争力”。成为赢家的关键，不在于拥有最先进的模型，而在于能否通过制度安排和治理能力，将人工智能技术深度嵌入社会结构，使整个社会系统适应并善用人工智能。

这种“社会适配”能力包括：国家能否通过人工智能解决重大挑战、重振集体雄心；社会能否利用人工智能增进凝聚力而非加剧分裂；制度能否确保人工智能带来的机会被公平分享；公民能否在智能化时代保持主动性和能动性。

《未来国策》的终极关切，正在于此。技术可以引进，模型可以复制，算力可以购买，但社会的活力、制度的韧性、公民的能动性，是无法从外部获得的真正竞争力。我们必须避免将人工智能仅仅视为“效率工具”的狭隘视角，而要将其视为重塑社会形态的“制度性力量”。唯有在技术创新与制度创新之间形成良性循环，才能将技术优势转化为持久的国家竞争力。

六、面向未来的制度选择

6.1 智能社会的价值锚点

智能化时代，技术越发展，越需要价值的锚定。习近平总书记强调，要“推动我国人工智能朝着有益、安全、公平方向健康有序发展”。“以人为本、智能向善”不是一句口号，而应成为制度设计的根本遵循。

“以人为本”意味着：技术的发展不能以牺牲人的主体性为代价。智能体是为人服务的，不是人服务于智能体。算法优化的是人的福祉，不是算法自身的效率。人机协作的终极目标是增强人的能力，不是取代人的地位。

“智能向善”意味着：人工智能的应用必须符合社会伦理和公共价值。不能因为技术可行就大规模应用，不能因为效率提升就忽视公平受损，不能因为创新需要就放松安全底线。

《未来国策》应建立“价值敏感设计”的治理导向——在技术开发的源头，就将价值考量嵌入系统设计。对于公共领域的人工智能应用，必须经过伦理审查和公众参与；对于可能影响基本权利的应用，必须设置严格的程序约束。

6.2 多元共治的治理格局

人工智能治理不是政府的独角戏，而是政府、企业、学术机构、社会组织、公众共同参与的协奏曲。

政府承担规则制定者和底线守护者的角色，提供开放包容的监管环境；企业承担社会责任，确保产品和服务符合法律、伦理和社会规范；科研机构加强技术创新和伦理审查，为政策制定提供科学依据；社会组织和公众通过参与公共讨论、提交意见建议，推动治理体系的透明化和民主化。

这种多元共治格局的形成，需要制度化的参与渠道。应建立人工智能伦理委员会，吸纳各界代表参与重大决策咨询；应推动算法透明度报告制度，使公众了解人工智能的影响机制；应支持第三方独立评估，形成对人工智能应用的社会监督。

6.3 全球治理的中国方案

人工智能是全球性挑战，需要全球性回应。中国应秉持开放包容、多边合作的理念，积极参与国际人工智能治理标准与规则的制定，主动贡献具有中国特色的治理方案。

中国的方案应体现三个原则：一是“普惠共享”，把人工智能作为造福人类的国际公共产品，帮助全球南方国家加强人工智能能力建设，弥合全球智能鸿沟；二是“多边共治”，支持联合国在人工智能全球治理中发挥主渠道作用，探索形成各国广泛参与的治理框架；三是“安全可控”，共同研判、积极应对人工智能应用风险，确保人工智能发展安全、可靠、可控。

在全球技术竞争日益激烈的背景下，这种开放合作的态度具有特殊意义。竞争是必要的，但不能演变为“新冷战”；合作是必需的，因为人工智能的风险不分国界。中国应成为全球人工智能治理的积极参与者和建设性力量。

结语：重塑人机关系的文明意义

智能化时代的到来，不仅是技术革命，也是文明转型。从农业文明到工业文明，人类学会了利用自然力；从工业文明到信息文明，人类学会了处理信息流；从信息文明到智能文明，人类正在学会与“会思考的机器”共处。

这种共处的文明意义在于：人类不再是唯一的认知主体。当我们创造了能够思考、学习、决策的人工智能，我们也就创造了新的“他者”。如何看待这个“他者”，如何处理与“他者”的关系，如何在与“他者”的互动中重新定义“人”自身，是智能化时代最深层的哲学命题。

《未来国策》无法回答所有哲学问题，但可以为文明的演进提供制度框架。好的制度，能够让技术释放其积极潜能，同时约束其消极风险；能够让人类享受智能的便利，同时守护人类的尊严；能够让人机协作成为增强人类可能性的途径，而不是消解人类主体性的陷阱。

面向2035年乃至更远的未来，我们需要的不仅是更先进的算法、更强大的算力、更丰富的数据，更是能够驾驭这些技术力量的政治智慧。这种智慧的核心，是始终记得：技术服务于人，而不是人服务于技术；智能增强人类，而不是取代人类；未来的社会，是人与智能体协作共生、共创分享的社会。

这正是《未来国策》的使命所在。