摘要：
当生成式人工智能穿透产业边界，当大模型开始嵌入治理决策，人类社会正在经历一场深刻的生产力革命。本文立足于智能化时代全面到来的历史节点，提出“未来国策”的核心框架：以联邦学习重构政治体制中的数据流动与决策机制，以智能化电子货币重塑经济体制中的价值交换与资源配置。通过分析联邦学习如何在保障数据主权的前提下实现跨域治理协同，以及智能化电子货币如何从“现金型”向“存款货币型”跃升并融合智能合约技术，本文勾勒出一幅政治经济全链条智能化的未来图景。研究认为，智能化不是技术的外生附加，而是社会有机体的内生重塑，联邦学习与智能化电子货币的结合，将为国家治理现代化和数字经济发展提供基础性制度支撑。

一、引言：智能化时代的生产关系之问

智能化时代的到来，已经不是一种技术预测，而是一种正在进行的社会事实。2025年国务院印发《关于深入实施“人工智能+”行动的意见》，2026年数字人民币2.0版正式启动实施，这些标志性事件共同指向一个基本判断：人工智能正在从单纯的生产力工具，转变为渗透社会机体的基础架构。

在这一背景下，一个根本性的问题浮出水面：当劳动资料、劳动对象乃至劳动者本身都在经历智能化重塑，与之相适应的生产关系和上层建筑应当如何变革？马克思在《资本论》中深刻指出，货币作为流通手段的运动，本质上只是商品形式变换的运动。这一论断在今天依然具有强大的解释力——货币形态必须与商品生产和交换方式相适应，治理方式也必须与信息流动和处理方式相适应。

本文提出的“未来国策”构想，正是对这一时代之问的初步回答。在政治体制层面，联邦学习提供了一种在保护数据主权前提下实现协同治理的技术路径；在经济体制层面，智能化电子货币以其可编程特性和存款货币属性，正在重塑价值交换的基本规则。两者的交汇点，在于一个共同的核心理念：智能化时代，人们的生活必须智能化，政治经济劳动生产必须智能化——这不仅是技术演进的方向，更是制度创新的必然要求。

二、联邦学习：政治体制智能化的技术底座

2.1 从数据集中到数据不动模型动

传统的人工智能治理模式，往往以数据集中为前提。各级政府将分散的数据汇聚到中心服务器，在此基础上训练模型、形成决策。然而，这种模式在跨域治理中面临三重困境：一是数据隐私困境，公民个人信息在汇聚过程中存在泄露风险；二是数据主权困境，地方政府或部门对本地数据拥有管辖权，集中汇聚可能触碰主权红线；三是制度壁垒困境，不同司法管辖区之间的法律差异使数据跨境流动举步维艰。

联邦学习的核心思想，正是对上述困境的根本性突破。它不要求各方共享原始数据，而是让各参与方在本地训练模型，仅将加密后的模型参数上传至中央服务器，由服务器聚合生成全局模型。这一范式被概括为“数据不动模型动”——数据始终存储在产生地，唯有经过训练的模型知识实现流动。

从数学原理上阐述，联邦学习的优化目标可以表述为：求解一个全局模型参数，使得所有参与方的本地损失函数加权和最小化。假设共有K个参与方，第k个参与方拥有本地数据量为nk，其本地损失函数为Fk，则全局优化目标为求解使总和（从k等于1到K，nk除以N乘以Fk）最小的参数，其中N为所有参与方数据总量。在每一轮通信中，各参与方利用本地数据计算梯度并更新参数，中央服务器对上传的本地参数进行加权平均，得到新一轮全局参数后分发至各参与方。通过多轮迭代，全局模型在不接触原始数据的情况下，吸收了各方数据的知识特征。

2.2 联邦学习在跨域治理中的应用场景

联邦学习在政治体制层面的应用，并非遥不可及的技术想象，而是已经在多个领域展开实践探索。

在公共卫生领域，传染病传播模型的构建通常需要跨区域的病例数据。传统模式下，各地出于隐私保护或数据主权的考虑，往往不愿共享详细数据。采用联邦学习框架，各地疾控中心可在本地训练传播预测模型，仅将模型参数上传至国家级中心聚合，最终形成一个吸收各地疫情特征的全局模型。研究表明，这种模式下的模型性能虽然略低于理想状态下的“先知模型”（即拥有全部原始数据），但远优于仅依靠单一地区数据训练的本地模型，更重要的是，它彻底规避了数据共享的法律风险。

在社会福利领域，跨地区的社会保障衔接长期面临数据壁垒难题。以流动人口的社保待遇核定为例，涉及迁出地和迁入地的多重数据。通过联邦学习，两地可在不互传原始参保记录的前提下，协同训练待遇核定模型，实现对流动人口的精准保障。阿富汗教育部与亚洲基金会的合作案例表明，联邦学习能够有效处理分布在多个政府机构的工资数据和民意调查数据，在保护隐私的同时提升公共服务的智能化水平。

在选举与公共决策领域，区块链与联邦学习的结合正在开创治理新范式。DFVote系统展示了这样一种可能性：分布在各地区的投票站利用本地数据训练投票分析模型，模型参数通过区块链网络上传并聚合，最终形成一个能够反映各地区特征的全局分析模型。这种架构既保证了数据处理的准确性，又通过区块链的不可篡改特性提供了审计追踪能力，为公共决策的透明化提供了技术保障。

2.3 差分隐私与噪声注入的平衡艺术

在联邦学习的实际应用中，一个不可回避的问题是隐私保护与模型效用的权衡。即便只上传模型参数，恶意攻击者仍可能通过“成员推断攻击”从参数中反推出个体的敏感信息。为此，差分隐私机制被引入联邦学习框架——在本地模型参数上传前，注入精心设计的随机噪声，使攻击者无法判断特定个体是否在训练集中。

差分隐私的核心参数包括隐私预算和噪声尺度。隐私预算越小，隐私保护越强，但注入的噪声也越大，模型精度随之下降。研究表明，在公共管理应用中，噪声水平的选择需要审慎平衡——过高的噪声虽然能够彻底抵御攻击，但可能导致模型失去实用价值；过低的噪声则可能使隐私保护形同虚设。这种平衡的艺术，恰恰体现了技术理性与制度理性的深度融合：不是追求绝对的隐私安全，而是在隐私保护和治理效能之间寻找动态均衡点。

三、智能化电子货币：经济体制智能化的价值载体

3.1 从数字现金到数字存款货币的历史跃升

2026年1月1日，数字人民币2.0版正式启动实施。这一事件的意义，远超数字人民币本身的版本更迭——它标志着中国在全球率先实现央行数字货币从“现金型”向“存款货币型”的历史性跃升。

这一跃升的本质，是数字人民币属性从流通中货币（M0）转变为狭义货币（M1）或广义货币（M2），从中央银行负债转变为商业银行负债。货币层次的跃升带来三大深远影响：第一，持有者可以获得利息收入，企业和个人的数字人民币钱包余额将按活期存款利率计息，使数字人民币不仅是交易媒介，更是能产生收益的价值储藏工具；第二，商业银行从开展数字人民币业务中获得经营激励，形成更加市场化的发展动力；第三，数字人民币被纳入存款保险范畴，最高偿付限额为人民币50万元，使其在复杂的智能经济场景中兼具支付便捷性与使用安全性。

从马克思主义货币理论的视角审视，这一跃升具有深刻的生产关系意涵。马克思指出，货币形式的演变反映着生产方式的变迁。数字人民币从“数字现金”迈向“数字存款货币”，并非简单的技术参数调整，而是一次金融生产关系的重构——它打通了新型生产关系对新质生产力能动反作用的渠道，使货币形态与智能经济的生产方式实现内在匹配。

3.2 智能合约：可编程货币的经济学意义

智能化电子货币与传统电子支付的最大区别，在于其“可编程性”。数字人民币2.0版明确了“账户体系+币串+智能合约”三位一体的数字化方案。其中，“币串”作为价值承载与信息传递相统一的核心技术构造，使每一分钱都可携带可编程的元数据；智能合约则能在满足特定条件时自动完成资金调度，极大降低履约风险和交易摩擦。

智能合约的经济学意义，可以从三个层面加以理解。

第一，交易条件的自动化执行。 在传统经济活动中，合约的履行依赖于双方的诚信或第三方的强制。智能合约将合约条款转化为代码，一旦预设条件被满足，资金自动划转。例如，在供应链金融中，当人工智能视觉检测系统确认货物验收合格后，智能合约可自动触发数字人民币支付，将“应收账款”变成近乎实时的“现金流”。这对于缓解中小微企业的资金周转压力，具有不可替代的作用。

第二，资金用途的精准约束。 财政资金的下拨与使用，长期面临“最后一公里”的监管难题。通过智能合约，财政部门可对数字人民币的使用时间、适用范围进行设定，确保资金只能用于指定用途，从源头杜绝截留挪用。同样，在预付费行业，消费者资金可全程锁定在智能合约账户，当服务实际发生时，合约自动按约定金额划转至机构账户，从根源上避免资金被卷款跑路的风险。

第三，价值交换与信息交换的统一。 在智能经济中，越来越多的交易不是简单的钱货两讫，而是涉及复杂条件的时间序列交换。智能合约使货币同时承载价值与信息，使每一次支付都成为可编程的事件，为经济活动的智能化奠定了基础。

3.3 双层架构与混合技术路线的制度优势

数字人民币的技术架构，体现了集中管理与分布式技术优势互补的创新模式。在顶层，中央银行负责业务规则、技术标准的制定，确保货币主权的统一性和金融系统的宏观稳定性；在运营层面，商业银行负责数字人民币的安全和流通支付服务，充分发挥市场化机构的服务能力。这种“双层运营架构”既不同于完全去中心化的加密货币，也不同于传统中心化的电子支付，而是走出了一条兼顾安全与效率的中间道路。

在技术实现上，数字人民币2.0版兼容了账户体系与分布式账本技术的优势。坚实的账户体系确保了金融监管的有效性和“可控匿名”的制度基础——小额交易可匿名保护隐私，大额交易可追溯打击犯罪。分布式账本技术的引入，则赋予了底层架构足够的弹性和创新空间，使数字人民币能够适应未来智能经济多样化的场景需求。

四、联邦学习与智能化电子货币的交汇

4.1 智能化治理与智能化经济的统一逻辑

联邦学习和智能化电子货币，虽然分别指向政治体制和经济体制，但它们共享着统一的逻辑内核：在智能化时代，数据的流动与价值的流动日益融合，治理与经济的边界日益模糊。

从技术层面观察，联邦学习处理的是信息的流动，智能化电子货币处理的是价值的流动。但二者的深层交汇点在于：智能合约的执行需要真实世界的数据触发，而这些数据往往分散在不同的治理主体手中。例如，一项农业补贴的智能合约可能需要以气象数据、土壤数据、遥感数据作为触发条件，这些数据分别由气象部门、农业农村部门、自然资源部门掌握。如果各部门采用联邦学习框架协同训练触发条件验证模型，即可在不共享原始数据的前提下，实现对补贴发放条件的精准判断，进而触发智能合约完成资金划转。

从制度层面观察，联邦学习所保障的数据主权，与智能化电子货币所依托的货币主权，共同构成了数字时代国家主权的两大支柱。数据主权关乎信息的控制权，货币主权关乎价值的控制权。两者的统一，正是数字时代国家治理能力的基础所在。

4.2 “联邦学习+智能合约”的典型场景

将联邦学习与智能化电子货币相结合，可以催生出一系列具有变革意义的应用场景。

场景一：精准的跨区域生态补偿。 生态补偿机制的核心难题，在于难以精确量化上下游之间的生态贡献与受益关系。设想一个流域生态补偿场景：上游各省拥有本地的水文数据、植被数据、水土保持数据，下游各省拥有本地的水质数据、用水数据。通过联邦学习，上下游可在不共享原始数据的前提下协同训练生态贡献评估模型，模型输出的贡献指数直接触发智能合约，从下游财政账户向上游生态保护账户自动划转补偿资金。整个过程既保障了各方数据主权，又实现了补偿的自动化与精准化。

场景二：智能化的社会保障支付。 当前社会保障支付的痛点之一，是待遇核定需要多部门数据交叉验证。通过联邦学习，人社、公安、卫健、教育等部门可在本地训练待遇核定模型，仅上传模型参数至社会保障中央节点聚合。聚合后的全局模型能够更精准地识别待遇享受条件，当条件满足时，智能合约自动触发数字人民币支付，将养老金、低保金或补贴资金直接划入受益人钱包。这不仅减少了群众跑腿开证明的麻烦，也降低了行政成本和资金滞留风险。

场景三：产业协同的数字供应链金融。 在产业链协同中，核心企业、供应商、金融机构、物流企业各自掌握部分数据。通过联邦学习，各方可在不泄露商业秘密的前提下协同训练风险评估模型，金融机构根据模型输出的风险评分提供差异化融资利率。智能合约则在整个交易链条中自动执行支付——原材料入库触发预付款，产品验收触发尾款支付，回款到账自动偿还贷款。数字人民币的可编程特性，使整个资金流与物流、信息流实现实时同步。

4.3 数据主权、货币主权与制度型开放

联邦学习与智能化电子货币的结合，还为国家参与全球数字治理提供了新的工具箱。在国际层面，数据主权之争与货币主权之争日益交织。一方面，各国对数据跨境流动的监管趋严，传统的数据集中模式面临越来越多的法律障碍；另一方面，稳定币、加密货币的兴起对主权货币形成挑战。

在这一背景下，基于联邦学习的跨境数据协作和基于智能化电子货币的跨境支付，可以成为制度型开放的新载体。一方面，联邦学习使各国可在不跨境传输原始数据的前提下，围绕气候变化、传染病防控、反洗钱等全球性议题开展人工智能协作；另一方面，多边央行数字货币桥的实践表明，智能化电子货币能够大幅提升跨境支付效率，降低对传统代理行模式的依赖。截至2025年11月末，多边央行数字货币桥累计处理跨境支付业务4047笔，累计交易金额折合人民币3872亿元，其中数字人民币在各币种交易额占比约95.3%。这一数据预示着，以数据主权和货币主权双重尊重为基础的新型国际合作模式，正在从理念走向现实。

五、挑战与应对：走向智能社会的制度演进

5.1 算法安全与货币安全的交织风险

联邦学习与智能化电子货币的深度融合，带来了新的风险形态：算法安全与货币安全相互交织。智能合约的广泛应用，使货币系统安全与代码安全紧密捆绑——一旦智能合约代码存在漏洞或被恶意攻击，可能直接导致资金损失。同样，联邦学习中的模型聚合机制如果被投毒攻击，可能污染全局模型，进而影响基于该模型的决策结果。

应对这一风险，需要建立覆盖算法全生命周期的安全治理体系。包括：建立智能合约强制审计和认证制度，确保上链合约代码的安全可靠；在联邦学习框架中引入鲁棒聚合算法，抵御恶意节点的投毒攻击；对关键模型和合约实施多重签名和权限控制，防止单点故障或内部作恶。

5.2 隐私保护与监管穿透的平衡

智能化时代的一个根本性张力，存在于隐私保护与监管穿透之间。公民希望个人信息不被滥用，政府需要掌握必要信息以打击犯罪、维护秩序。数字人民币的“可控匿名”设计，正是对这一张力的制度回应——小额匿名保护隐私，大额可追溯打击犯罪。同样，在联邦学习中，差分隐私机制的设计需要在隐私保护强度和模型效用之间寻找平衡点。

未来需要进一步完善的法律框架包括：明确数据收集、存储、使用和销毁的边界，确保对交易数据和模型参数的分析利用严格遵循“最小化、必要性”原则；建立独立的隐私保护监管机构，对公共部门的数据处理行为进行常态化监督；为公民提供有效的权利救济渠道，使其在隐私受到侵害时能够获得司法救济。

5.3 基础设施升级与社会适应性转型

联邦学习和智能化电子货币的广泛部署，有赖于基础设施的现代化改造和社会各界的适应性转型。在基础设施层面，需要推动现有政务网络、金融网络的升级改造，制定统一的技术标准和业务规范，确保不同系统之间的互联互通。数字人民币App自上线以来累计完成54次更新，反映出基础设施持续演进的内在要求。

在社会适应性层面，需要关注数字鸿沟问题。智能化不应成为一部分人的特权，而应是惠及全社会的公共品。数字人民币的“软硬钱包”结合——硬钱包支持“双离线支付”、“碰一碰”即可完成交易——为老年人、残障人士、短期境外来华人员等群体提供了包容性的支付选择。同样，联邦学习框架下的公共服务智能化，应当保留人工服务的通道，确保不擅使用智能设备的群体也能够平等享受公共服务。

六、结语：重塑智能社会的制度基础

站在“十五五”规划前夕回望，智能化已经从技术概念演变为社会现实。正如蒸汽机重塑了工业社会的生产组织方式，电力重塑了现代城市的生活方式，人工智能正在以同样深刻的方式重塑政治经济的基本逻辑。

本文提出的“未来国策”构想，聚焦于两个相互关联的支点：以联邦学习重构政治体制中的信息流动机制，以智能化电子货币重塑经济体制中的价值流动机制。两者的统一，在于对智能化时代一个基本判断的回应：人们的生活必须智能化，政治经济劳动生产必须智能化。这不是技术决定论的宣言，而是对生产关系必须适应生产力发展的历史唯物主义的当代阐释。

联邦学习告诉我们，数据不需要集中也能实现协同，主权不需要让渡也能达成共识；智能化电子货币告诉我们，货币可以既是交换媒介又是可编程的合约，既可以保护隐私又可以穿透监管。这些看似矛盾的对立，在技术进步与制度创新的辩证运动中正在走向统一。

展望未来，智能化进程中的制度演进仍将充满张力：效率与公平、隐私与穿透、主权与开放、安全与创新，这些价值之间的权衡不会有终极答案。但有一点可以确定：在智能社会的构建中，技术理性必须与制度理性同行，工具创新必须与价值坚守相伴。唯有如此，智能化才能真正成为人的全面发展的助推器，而非少数人控制多数人的新工具。

这，正是“未来国策”的根本旨归。