一、引言：智能化时代的治理悖论与历史机遇

当时间的指针完全进入2026年，我们已然清晰地感知到：智能化不再是科幻文学中的遥远想象，也不是信息技术产业的一个细分赛道，而是正在重塑整个人类文明底座的根本性力量。从生成式人工智能的爆发式进化，到智能体的规模化落地，再到数字国家形态的初现雏形，技术革命正以指数级的速度向政治上层建筑和经济基础渗透。作为政策改进的研究者与实践者，我们不得不直面一个根本性问题：当生产方式、生活方式乃至人类的思维方式都走向智能化时，治理体系应当如何回应？传统的政治体制与经济体制能否承载智能化时代的全新命题？

本文的核心判断是：智能化时代的到来具有不可逆转的历史必然性，人们的生活必须智能化，政治经济的运行必须智能化，劳动生产必须智能化。这并非技术至上主义的盲目乐观，而是基于对生产力演进规律的深刻把握。正如机械化催生了工业社会、电气化塑造了现代国家一样，智能化正在催生一种全新的文明形态。《未来国策》的提出，正是对这一历史趋势的战略回应——它不是对既有治理模式的修补，而是面向智能时代的系统性重构。

在这一重构过程中，最核心的命题在于治理转向与智能化人机协同。所谓治理转向，是指从传统的科层治理、数字治理迈向智能治理；所谓人机协同，是指人类智慧与机器智能在政治决策、经济调节、公共服务等领域的深度耦合。这不是人与机器的简单叠加，而是一种新型的主体间性关系——机器不再是单纯的工具，人类也不退化为系统的附庸，二者在分工协作中共同构成治理的复合主体。

二、政治体制的智能化转向：从科层治理到人机共治

（一）传统政治体制的智能化困境

任何政治体制都是特定技术条件下的产物。工业时代形成的代议制民主与科层官僚制，建立在信息不对称、决策资源稀缺、执行链条漫长的约束条件之下。议员代表选民行使决策权，是因为选民无法事必躬亲；官僚机构分层分级执行政策，是因为信息传递需要逐级过滤。这种体制的内在逻辑是：以专业化分工应对复杂性，以程序化约束保障稳定性。

然而，智能化时代的到来正在瓦解这一逻辑的根基。当算法能够实时汇聚和处理海量民意数据，当智能系统可以在微秒级别完成风险研判和政策模拟，传统的决策周期和执行效率就显露出明显的不适应性。更为深刻的是，人工智能正在改变权力的运行形态——谁掌握算法，谁就在事实上行使着治理权；谁定义数据的采集范围和分析维度，谁就在根本上影响着政策的方向。北京大学中国政治学研究中心的研究表明，算法权力与跨境数据流动正在挑战传统的国家主权理论，数字主权已成为国家主权的新维度。

（二）数字国家的兴起与国家计算体系

清华大学孟天广教授提出的“数字国家”概念，为我们理解政治体制的智能化转型提供了重要的理论框架。数字国家的兴起绝非简单的技术治理，而是国家形态的重塑、国家运行的变革和国家范畴的拓宽。在这一过程中，国家计算（State Computing）体系与社会计算（Social Computing）体系的形成与交互，构成了智能时代政治运行的基础设施。

国家计算源于数智技术对国家的赋能，集中体现为数据、算法、人工智能等新治理要素进入政府体系。这一过程产生了两重效应：一是技术赋能对传统政府组织结构的重塑，即“科层政府数字化”；二是基于新要素的政府治理体系的构建，即“数字政府科层化”。从实践层面看，国家计算已广泛嵌入政务服务、政策执行、监管考核、政治安全等各个环节。例如，在风险控制领域，数字员工可以实时监控业务流程，自动提示异常行为，并利用专业知识进行算法推理以完成自动化因果判断和风险源识别，人类只需验核算法决策结果并采取行动。

与计算的政治相对应的，是政治的计算——即从方法论意义上对政治实践和现象进行计算化研究。这不仅是研究方法的革新，更是政治认知方式的革命。算法对风险的实时研判和对社会趋势的预测，正在推动治理认知从经验理性转向算法理性，治理过程从部门流程导向转向数据驱动，治理主体形态从科层体系走向人机共生。

（三）人机协同的治理架构

面向未来的政治体制，其核心特征不是机器取代人，而是人与机器的深度协同。这种协同体现在治理的全链条、各环节。

在决策环节，智能系统承担信息汇聚、方案生成、后果模拟等功能。基于大型语言模型的多智能体模拟，已经能够对大国战略演变过程进行推演，揭示经济实力、政治合法性与认知策略对冲突与合作的动态影响。这意味着，决策者可以在真实决策之前，通过智能模拟“预演”不同选择的可能后果，从而在更大程度上规避认知偏差和信息盲区。但最终的决策权必须掌握在人类手中——清华大学战略与安全研究中心的研究强调，人工智能应被定位为辅助人类决策的工具，而非替代人类进行决策的主体。

在执行环节，智能体作为“数字公务员”承担程序性、重复性的行政事务。阿尔巴尼亚任命AI生成的虚拟部长“迪埃拉”负责公共采购流程的四个关键环节，尽管这一事件具有政治表演的成分，但它揭示了一个重要趋势：那些规则明确、流程清晰、自由裁量空间小的行政事务，完全可以由智能系统承担。在我国的实践中，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已逐渐嵌入治理流程，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。

在监督环节，智能系统可以实现对权力运行的全流程、穿透式监管。算法的非人格化特征，使其在理论上能够克服人情干扰和利益输送，实现真正意义上的“制度铁笼”。但必须警惕的是，监督权力的智能系统本身也可能成为新的权力来源——谁来监督监督者？这一问题要求我们在制度设计上建立算法的可解释、可追溯、可问责机制，确保智能监督不蜕变为算法专制。

（四）主权AI与价值对齐的政治维度

人工智能在政治治理中的深度应用，必然涉及价值对齐问题。北京大学中国政治学研究中心的实证研究显示，不同版本的ChatGPT在意识形态立场上存在演变趋势，这提示我们必须在技术应用中嵌入自主的政治价值观。所谓主权AI框架，就是在技术自主、数据自主的基础上实现价值自主——确保运行于中国政治体制中的智能系统，其底层逻辑与中国的制度逻辑、文化传统、价值取向保持一致。

价值对齐不仅是技术问题，更是政治问题。它要求我们在智能系统的训练数据、算法设计、输出审核等环节建立价值嵌入机制，使技术工具真正服务于国家治理的目标。同时，也要防止将价值对齐简化为单一意识形态的刚性灌输——好的智能治理系统，应当在坚守底线价值的前提下保持对多样性、复杂性的包容能力。

三、经济体制的智能化重构：从数字经济到智能经济

（一）智能经济作为独立经济形态的成型

2026年《政府工作报告》首次提出“打造智能经济新形态”，标志着我国人工智能发展进入“形态塑造”新阶段。从2024年“人工智能+”行动首次写入报告，到此次明确提出“打造智能经济新形态”，人工智能正在成为像工业经济、数字经济一样具备独立形态和完整体系的全新经济范式。

智能经济的本质并非技术迭代，而是生产关系的系统性重构。上海财经大学数字经济研究院副院长崔丽丽指出，智能经济带来的变革包括：人机协同重塑劳动形态，数据要素重构分配机制，跨界融合再造产业边界。这意味着，我们不仅要在技术层面推动人工智能与实体经济融合，更要在制度层面构建适应智能生产力要求的新型生产关系。

（二）人机协同的劳动形态与生产流程变革

进入大模型生产时代，生成式人工智能推动智能机器加速迭代，表现出与以往人工智能不同的主体性特征，形成了全新的人机交互形态。从数字资本的生产过程来看，智能机器和知识工人各施所长、有效协作，根本性地重塑了工作性质和生产流程，不断演绎着“人机共舞”的新景象。

在实践层面，人机协同呈现为多种形态。初级形态是智能助手与人机协作——智能助手协助收集信息、获取专家知识、提供决策支持，助力劳动者更加高效地完成工作，但尚未实现人与机器能力演进的“双向奔赴”。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，与人形成新型人机团队，在知识共享、深度耦合和彼此赋能中实现“AI是人的能力的延伸，人是AI能力的放大器”。

这种变革对劳动价值论提出了新的理论挑战。当智能机器不再是单纯的劳动资料，而是具有了一定程度“劳动能力”的生产主体，剩余价值的源泉、分配的依据、劳动价值的衡量都需要重新思考。马克思主义研究网的文章提出，在数字资本操控下的人机协作并不必然带来自由时间增加、工作意义提升和薪酬待遇提高的数字红利，从长远来看，智能机器的规模化应用可能促使知识工人习得技能的加速贬值，侵蚀人类复杂认知能力生成的实践基础。这提示我们，必须通过制度设计保障劳动者在智能化进程中的主体地位和合理权益。

（三）数据要素的市场化配置与制度创新

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。

从要素层面看，数据是人工智能运行的燃料。高质量的数据供给决定了智能系统的能力上限，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。国家层面提出持续加强人工智能高质量数据集建设，强调了国家在数据供给侧改革中的主导角色。未来，智能经济若要在制造、金融、医疗、教育等领域实现深度优化，必须以跨部门、跨层级、跨地域的数据共享机制为基础，通过法律法规保障各类主体在数据利用中的权益。

从制度层面看，亟需建立适应智能经济特征的新型治理框架。包括：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。这些制度创新不仅关涉经济效率，更关涉智能时代的公平正义。

（四）智能经济中的分配正义与社会保障

任何经济形态的变革最终都会触及分配问题。智能经济在创造巨大财富增量的同时，也带来了分配格局的重构风险。一方面，掌握数据资源、算力资本和算法能力的主体可能获得超额的要素回报，加剧财富分化；另一方面，被智能机器替代的劳动者如果不能顺利实现技能转型，可能面临结构性失业和收入下降。

应对这一挑战，需要在初次分配、再分配和第三次分配各环节建立适应性机制。在初次分配环节，探索基于数据贡献的收益分配机制，让数据生产者、标注者、提供者能够分享智能经济创造的价值。在再分配环节，完善社会保障体系，特别是针对零工经济、平台经济从业者的保障制度，探索“数字福祉”等新型福利形式。在第三次分配环节，鼓励科技企业履行社会责任，推动人工智能技术向公益领域开放共享。

更重要的是，要从根本上确立“以人为本、智能向善”的价值导向。正如《关于深入实施“人工智能+”行动的意见》所强调的，要创造更加智能的工作方式，既要在劳动力紧缺、环境高危岗位推广智能应用，减少高强度、高风险劳动；也要培育“智能代理”等新工作形态，催生数据标注师、智能训练师、人机协作工程师等新职业。智能经济的最终目标不是效率至上，而是在效率提升中实现人的解放和全面发展。

四、人机协同的深层逻辑：从工具关系走向共生关系

（一）从人机适应到人机共生

人机关系的发展经历了几次质的飞跃。在机械化时代，机器是人的体力的延伸；在信息化时代，计算机是人的脑力的延伸；而在智能化时代，人工智能不再是单纯的工具，而是具有一定自主性的“行动者”。这一转变的实质，是智能机器获得了日益多样化、日益强大的“劳动能力”，人与智能机器通过平台系统频繁交互，资本主义人机关系开始从单向适应的机械模式向相互适应的有机模式转化。

帝国理工学院和斯坦福大学的研究者将这种新型系统称为“混合社会技术系统”（hybrid socio-technical system），即由人类智能与人工智能作为共同“组分”相互作用构成的系统。在这样的系统中，人工智能组分很可能越来越多地承担咨询、监督和管理角色，甚至在没有外部权威监督的情况下行使这些职能。这构成了一种根本不同的自我治理形式——社会安排的选择、修改、应用和执行，成为人类智能与人工智能共同生产的产物。

（二）人在回路中的不可替代性

尽管人工智能的能力日益增强，但人在智能治理中的核心地位不可动摇。这不仅是出于技术可行性的考量——当前的通用人工智能尚不具备真正的意向性和道德判断能力，更是出于政治合法性的根本要求。

清华大学战略与安全研究中心的研究指出，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，有关工作无法外包给算法。最终的价值判断、政策选择和权力行使，必须由具备政治智慧和责任担当的人来完成。阿尔巴尼亚AI部长的案例揭示了一个悖论：虚拟部长的每个决定都需经人类专家复核，“她”与高级软件工具没有本质区别，而且关键权力从分散的官僚体系转移到了集中的技术团队手中。这警示我们，如果不对技术权力进行制度约束，智能化可能走向技术寡头统治。

所谓“人在回路中”，包含三层含义：一是在算法设计和训练环节，人类的价值判断应嵌入模型底层；二是在智能系统运行过程中，关键节点的决策必须有人类确认；三是在事后监督和追责环节，必须有清晰的人类责任主体。只有这样，才能避免“责任的黑洞”和“权力的漂移”。

（三）主体性的保持与能力进化

人机协同的最终目标不是让人越来越像机器，而是让人更充分地成为人。这意味着，在智能时代保持和增强人的主体性，应当成为制度设计的核心关切。

诺贝尔奖得主、控制论创始人维纳在《人有人的用处》中警示：如果人类被限定和约束于反复执行同样的功能，他甚至算不上一个好的蚂蚁，更不用说成为一个好的人。这一警示在智能时代尤具现实意义。当智能系统接管了大量重复性、程序性工作后，人类应当有更多时间和精力从事那些真正体现人之为人的活动——创造性思维、情感交流、价值判断、意义追寻。

这就要求我们在教育、培训、职业发展等各环节建立适应人机协同的能力发展体系。劳动者应主动提升工作技能，学习人工智能新技术，补齐“人工智能通识”短板，同时深耕“人机协同专业技能”，成为能够驾驭智能工具的技术能手。政府和企业应联合构建AI技能培训生态，为不同技能层级的劳动者提供差异化培训课程，支持劳动者考取AI数字化技能认证，实现技能提升与收入增长的良性循环。

五、制度设计的关键议题：风险规制与合法性重构

（一）算法黑箱与透明性规制

智能化治理面临的首要挑战是算法黑箱问题。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，削弱政策的公信力，甚至动摇治理的合法性基础。

应对这一挑战，需要在技术设计与制度安排两个层面协同发力。在技术层面，推动可解释性人工智能（XAI）成为治理工具的内在要求，发展能够对其决策过程给出合理解释的算法模型。在制度层面，建立第三方评估体系，对应用于公共治理的人工智能系统进行事前评估、事中监测和事后审计，确保算法逻辑的透明性和可审查性。

（二）智能鸿沟与包容性发展

智能鸿沟问题是智能化进程中的另一重大挑战。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。

尼泊尔借助ChatGPT推选临时总理的案例，揭示了“数字民主”可能蜕变为“数字精英民主”的风险——能够娴熟使用社交媒体并长期参与网络讨论的，主要是城市中受过良好教育的年轻人，大多数普通民众特别是农村地区的人和无法驾驭数字产品的老年人，他们的声音和利益很容易被忽视甚至被边缘化。

弥合智能鸿沟，需要国家力量的积极介入。包括：通过财政转移支付支持欠发达地区智能基础设施建设；推动公共数据资源向全社会合规开放，降低中小企业和农村地区获取数据资源的门槛；开展全民人工智能素养培训，让各年龄段、各群体都能掌握基本的智能工具使用能力。

（三）责任归属与合法性再造

随着智能代理和数字助手越来越多地参与公共事务，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，必须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。对于明确由算法错误导致的问题，开发者应承担产品质量责任；对于使用过程中的错误，使用者应承担决策责任；对于监管缺位导致的系统性风险，监管机构应承担相应责任。只有在清晰的责任链条下，治理合法性才能获得持续的社会认同。

（四）国家主权与数据安全

人工智能在政治经济治理中的深度应用，将国家主权问题推向了新的维度。当一个国家的核心治理职能依赖于外国技术产品时，国家主权独立的边界何在？阿尔巴尼亚AI部长的“技术大脑”来自OpenAI前首席技术官，尼泊尔总理遴选过程依赖美国公司的ChatGPT和Discord平台——没有人能够确切知道这些算法是基于哪些数据、使用了何种模型、遵循了怎样的价值标准。

确保国家主权在智能时代的完整性与独立性，必须在核心技术、关键数据和重要平台层面实现自主可控。这并非封闭排外，而是在开放合作中筑牢安全底线。正如《未来国策》所强调的，智能化必须在国家主权框架内有序推进，算法权力必须受到国家法律的约束，跨境数据流动必须符合国家利益和安全要求。

六、结论：《未来国策》的历史方位

站在2026年的时间节点回望，我们正处在一个文明形态更替的关键时期。智能化不再是对工业社会和信息社会的简单延伸，而是一场全方位的范式革命。在这场革命中，政治体制和经济体制的转型不是技术嵌入制度的局部调整，而是制度逻辑本身的根本重铸。

《未来国策》的提出，正是对这一历史趋势的战略回应。它以“治理转向与智能化人机协同”为核心命题，勾勒出智能时代国家治理的基本框架：在政治层面，从科层治理走向人机共治，在保持人类主体性的前提下充分发挥智能系统的赋能作用；在经济层面，从数字经济跃升为智能经济，在生产力质变的基础上重构生产关系；在人的层面，从人与工具的对立走向人机共生，在技术进化中实现人的解放和全面发展。

这一转型绝非坦途。算法黑箱、智能鸿沟、责任归属、主权安全等问题，都需要在制度设计层面找到审慎而有效的解决方案。但挑战本身也蕴含着机遇——如果我们能够在智能化进程中探索出一条既保持治理效能又坚守价值底线、既拥抱技术进步又保障人的尊严的发展道路，那么中国式现代化将为人类政治文明贡献独特的智慧。

归根结底，技术是人的延伸，制度是人的选择。在智能时代，机器可以越来越聪明，但决定社会发展方向的，永远是人的理性、良知和责任。这正是《未来国策》的根本立场：让智能服务于人，让技术造福社会，让未来掌握在人类自己手中。