引言：智能化时代的制度想象

当生成式人工智能穿透产业边界，当智能代理开始执行传统科层组织的大部分决策功能，当劳动形态从“人-组织”绑定转向“人-智能模型”协同，一个根本性的问题摆在政策研究者面前：我们是否准备好迎接一种全新的政治经济体制？

智能化时代不是工业时代的简单延伸，而是一次根本性的“相变”。工业时代以标准化、科层化、集中化为特征的组织形态，正在被智能化时代以网络化、扁平化、实时化为特征的新形态所取代。这要求我们对国家治理的基本单元、经济运行的基础逻辑、劳动生产的组织方式，进行系统性的重新想象。

《未来国策》的提出，正是基于这样的判断：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。这不是技术工具的简单叠加，而是整个社会机体的智能化重构。本文将从“智能管理体制”与“智能化处理智能劳动生产体制”两个维度，阐述这一未来图景的制度框架与运行逻辑。

上篇：智能管理体制——从科层治理到算法共治

一、智能管理的理论基点：从经验决策到计算决策

管理智能化，本质上是将管理工作从依赖个人经验的脑力劳动，转化为可计算、可编程、可自动执行的系统化过程。传统管理面临的核心困境在于：信息不对称导致决策偏差，科层链条导致响应迟滞，条块分割导致治理碎片化。智能化时代的治理，必须突破这些工业时代的制度瓶颈。

智能管理的基本逻辑是“因素穷尽”与“准确计算”。所谓因素穷尽，是指在可穷尽的领域寻找各种可能情况的准确计算方法；所谓准确计算，是指将管理问题转化为能够得出唯一正确结论的量化模型。以企业偿债能力评价为例，传统方法使用资产负债率、流动比率等指标进行加权打分，只能给出还债可能性的概率判断；而智能管理的方法，则是计算企业在债务到期时“可用来还债的资金”与“需要偿还的资金”的数量比较，得出能否还债的准确结论。这种从“概率判断”到“准确计算”的跃升，正是智能管理的核心特征。

将这一逻辑从企业层面扩展到国家治理层面，我们就能理解智能管理体制的本质：国家治理不再是基于有限信息的经验性决策，而是基于全域数据的实时性、精准性、可计算性决策。这不是对治理主体的能力的简单增强，而是对治理范式本身的根本性重构。

二、智能治理的中国路径：赋能、赋权与赋智

中国在智能治理领域的探索，正在形成一条独特的路径。清华大学孟天广教授将其概括为“赋能政府、赋权社会、赋智决策”三位一体的智能治理模式。

赋能政府，是指智能技术对政府组织的能力增强。在人工智能浪潮推动下，数字空间逐渐成为现实世界的“镜像”，国家治理不再局限于物理世界，而是拓展到数字空间。通过传感网络实时采集人口流动、公共服务需求等关键信号，社会治理由静态的事后统计转向连续更新的动态刻画。经跨部门整合的数据进入算法系统，有助于实现对公共资源配置格局、社会风险演化趋势的持续测算，从而推动治理决策从被动的“事后救火”向主动的“事前预警”跃升。

赋权社会，是指智能技术对个人和社会组织的能力提升。依靠人工智能，普通公众采集和处理信息的能力极大提升，切实提升了话语权和影响力。智能技术赋权社会组织，促进虚拟化、平台化、去中心化社群的形成，显著提升了社会组织参与社会治理的能力。这种赋权效应，正在重塑政府与社会的关系，推动形成多元主体协同共治的新格局。

赋智决策，是指智能技术对集体决策的智慧增强。通过构建囊括政府、科技企业、社会组织、个体等多元主体的生态伙伴关系，政府将人工智能引入国家治理，依托智能设备监测经济社会运行，汇聚多源数据感知社会运行规律，利用高效算法预测研判趋势风险，经由规划决策系统实现精准科学决策。这种“集众智以治天下”的治理模式，正是智能治理区别于传统治理的本质特征。

三、“强秩序”与“弱秩序”的协同演化

在智能时代，社会秩序的生成机制正在发生深刻变化。中国社会科学院江小涓教授将秩序区分为“强秩序”与“弱秩序”：强秩序是指使用公权力保障实施的制度秩序，如法律秩序、行政监管秩序；弱秩序是指不能运用公权力保障实施的市场与社会自发秩序，如开源社区规则、技术社群规范、行业自律公约等。

在数智时代，弱秩序的地位和作用空前突出。一方面，技术发展速度远超法律制度更新的周期，许多新兴领域只能依靠社群共识和行业自律来维持秩序；另一方面，技术的复杂性和专业性使得公权力部门难以进行有效的穿透式监管，必须依赖市场和社会主体的自我规制。开源社区的演化、技术标准的形成、算法伦理的共识，都是弱秩序发挥作用的典型领域。

然而，弱秩序的有效运转，离不开强秩序的底线保障。当市场与社会中出现强势者的垄断行为、搅局者的失范行为、信息控制者的虚假传递时，自发规则体系难以有效运作，必须由公权力介入筑牢合理合意底线。因此，智能时代的治理架构，必然是“强秩序”与“弱秩序”的协同演化：弱秩序在前沿领域进行创新探索，强秩序在底线领域进行安全保障；弱秩序保持灵活性和适应性，强秩序确保稳定性和公平性。这种“双秩序”协同的治理模式，既不同于传统的政府全能主义，也不同于市场原教旨主义，而是适应智能时代复杂性的新型治理范式。

四、数据驱动与算法赋能：智能治理的技术架构

智能治理的实现，需要坚实的技术基础设施支撑。全国政协委员屈庆超提出“一库一脑一体”的智算治理架构：主体基因库、经济大脑、企服AI智能体。

“一库”筑基，是指由政府统筹建设覆盖全域的“经营主体基因库”，整合归集市场监管、税务、统计、海关、银行、互联网平台等机构的微观主体数据，形成区域经济智算治理的数字基座。这个基因库不是简单的数据汇集，而是对每个主体的特征画像、行为轨迹、信用记录、创新能力等维度的结构化呈现，为精准治理提供数据支撑。

“一脑”决策，是指基于主体基因库海量数据，运用先进算法模型，建设全域协同的“经济大脑”。经济大脑对经济运行态势做到“可感、可知、可算、可管”，形成横向协同、纵向贯通的整体智治新格局。当局部扰动出现时，经济大脑能够通过网络效应迅速分析可能的连锁反应，为决策者提供前瞻性的应对方案。

“一体”服务，是指开发智慧治理服务交互平台，打造链接全域的“企服AI智能体”。通过数智技术深度赋能，建立政企、企企智能连接桥梁，推动经济治理从被动式响应转向主动式服务。企业可以通过AI智能体随时获取政策信息、申报扶持项目、反馈经营困难，政府的服务资源能够精准触达最需要的企业。

这一技术架构的核心，在于实现治理逻辑的根本转变：从“分而治之”到“整体智治”，从“事后处置”到“事前预警”，从“经验判断”到“数据驱动”，从“被动响应”到“主动服务”。

下篇：智能化处理智能劳动生产体制——从雇佣劳动到人机协同

一、劳动形态的根本变革：从“人-组织”绑定到“人-智能”协同

工业时代的劳动制度，核心是“用人单位-劳动者”的捆绑关系。劳动者进入工厂等科层制组织，以岗位为锚点，以班组为纽带，以科层为通道，获取完成分工所需的资源与团队。这种组织方式适应了标准化大规模生产的要求，但也造成了劳动者对组织的深度依附。

人工智能正在逐步解构这个前提。大模型将全球知识打包成智能知识库，智能代理在授权范围内自主决策，使个人无需“依赖单位”即可获得海量知识、实时反馈与多线程协同能力。劳动者与大模型之间形成基于提示词的“新劳动语言”，劳动者与智能代理之间通过智能协作管家书写“新劳动契约”。人机协同的新型劳动形态由此显现雏形。

这种变革的核心，在于劳动能力的系统化改造。第一，知识半径的动态扩张。工业时代的知识半径由教育年限与岗位培训决定，一旦定型便相对稳定；人工智能时代的知识半径随推理逻辑、语料数据实时扩展，劳动者在任务进行中即可调用全球相关知识与案例。第二，决策时延的数量级压缩。工业时代的决策链条被科层制拉长，信息上传、审批、下达往往需要数小时乃至数天；人工智能时代的决策可在毫秒级完成，劳动者与智能模型共同对实时条件变化做出反应。第三，劳动创造性的重新分配。人工智能接管重复性劳动后，劳动者被推向更具创造性的“二次决策”——基于人工智能建议的判断、取舍、价值权衡，使得创造力不再是少数人的专利，而可以成为多数劳动者的自觉。

二、从“岗位”到“任务”：劳动组织方式的重构

智能时代的分工逻辑，正在从“把人固定在岗位上”转向“任务与人机组合的匹配”。传统科层中“信息向上集中、决策向下传达”的金字塔，被“数据向下沉淀、智能向上汇聚”的扁平网络取代。劳动者不再是隶属于某一部门和岗位的固定身份，而可以在任务市场、模型市场、数据市场之间自由实施不同类型的劳动行为。

这意味着，劳动场景由固定的办公场所变为流动的API网关，劳动者的“身份”由职位头衔变为系统权限和密钥。这一刻，他可能在撰写大模型提示语言；下一刻，在做数据标注；再下一刻，在审查AI的伦理问题。这种去中心化的趋势并不意味着团队消失，而是团队被重构为“智能化联结”的多个人机协同——为了完成一个复杂任务，开发者、设计师、人工智能代理等角色在云端迅速集结，任务完成后即刻解散。

这种劳动组织方式的重构，要求我们对“劳动”本身进行重新定义。中国社会科学院法学研究所王天玉研究员提出，应当把每一次具体任务作为基本单元，以“任务-行为-结果”为最小登记单元。劳动者每完成一次与人工智能协同的任务，其行为数据、模型调用记录、结果贡献度即被加密上链，形成可追溯的“劳动行为凭证”。该凭证即是后续权益计算、技能认证、风险分担的原始依据。

三、算法劳动的剩余价值分析：生产、占有与分配

从政治经济学的视角审视智能劳动生产，必须回答一个根本问题：在算法深度介入劳动过程的条件下，剩余价值如何生产、占有和分配？

在算法劳动场景下，剩余价值生产呈现“双层次”特征。第一层次是传统的服务劳动，如外卖配送、网约车服务、家政服务等，直接提供使用价值与剩余价值。第二层次是数据生产劳动，内容创作者的创作行为、用户的点击浏览行为，经平台算法加工转化为精准广告、用户画像等数据产品，以间接方式创造出巨额剩余价值。这一变化既拓宽了剩余价值生产范围，又使其来源更趋隐蔽。

在剩余价值占有环节，平台资本凭借对算法技术与数据资源的垄断，构建起新型占有机制。算法通过“动态定价”“抽成比例调整”等手段，推动劳动者创造的剩余价值向平台集中。例如，网约车平台借助算法优化派单效率，使司机单位时间劳动强度提升百分之三十以上，而平台抽成比例最高可达百分之二十至三十。平台利用数据垄断形成“网络效应”，吸引更多劳动者与用户加入，通过规模效应降低单位商品价值，进而攫取超额剩余价值。

在剩余价值分配环节，算法化背景下呈现“强者恒强、弱者恒弱”的两极分化特征。平台资本所有者与技术主管成为分配的实际主导者，占据绝大多数剩余价值；而外卖骑手、出租车司机等广大普通算法劳动者，因丧失基本议价能力，仅能获得维持劳动力再生产所需的最低劳动报酬。算法剥削还伴随不确定性后果，如算法误判导致的超时罚款、平台抽成比例变动引发的收入减少等问题，在实践中屡见不鲜。

四、新型劳动法律制度：构建“行为权利清单”

面对人机协同的新型劳动形态，传统以固定劳动关系为轴心的法律框架显得力不从心。新的制度设计需要回答：在“人工智能+劳动行为”的语境下，如何为流动的、多节点的、人机交互的劳动行为配置权利、义务与保障？

解决之道在于制度逻辑的根本转变。制度逻辑应当超越以劳动合同作为职业劳动的基本载体，而是以每一次具体任务作为基本单元，构建围绕“行为权利清单”的可追踪、可验证、可救济的规则体系。这一体系基于“最低保障+动态加成”的思路构建：将休息权、最低报酬、职业安全、算法透明、数据收益等设为不可让渡的“核心权利”；同时依据任务风险等级、人工智能自治程度、数据贡献度等变量，创设由收益分成、技能积分等构成的“浮动权利包”。

人工智能工具的提供方应当搭建“权利沙盒”，向劳动者明示权利配置、风险系数及申诉通道。权利清单随任务流动而自动适配，劳动者无论身处何地、与何种人工智能协同，都能获得与贡献相匹配、与风险相对称的即时保障。

这种制度设计的核心理念，是从“保护工作岗位”转向“保护劳动行为”。当每一次人机协同都被系统性地记录、评估与保障，技术进步才能真正兑现劳动者的尊严与繁荣。同时，这也要求建立算法监管制度，明确平台与算法劳动者的劳动关系，建立健全算法数据利益共享机制，引导算法技术回归服务劳动者的正确方向。

五、智能劳动生产的社会化组织：平台、数据与收益分配

将视角从个体劳动者扩展到整个社会，智能劳动生产体制还需要回答更宏观的问题：如何组织社会化的大生产？如何实现数据要素的公平配置？如何确保智能红利的普惠共享？

数据作为新型生产要素，其价值被提升到前所未有的战略高度。智能劳动生产体制的构建，必须以健全数据制度体系为前提。这包括：明确数据资源的权属边界，细化所有权、使用权与收益权划分规则；建立数据资产登记与授权管理机制；统一数据共享目录与接口标准，构建顺畅有序的数据流通机制；落实分级分类保护与风险评估制度，形成权责清晰、可追溯的数据安全治理体系。

在生产组织层面，数字平台通过网络化连接和数据共享机制，将分散的创新资源、产业环节与市场信息进行整合，实现创新链、产业链与供应链的实时对接与协同运作。统一的平台规则体系有助于缓解交易中的信息不对称，增强资源配置的透明度与稳定性。未来的发展方向，是构建开放共享的平台体系，整合数据、算力与技术资源，形成统一规则框架，支持不同主体在同一平台体系内开展协作。

在收益分配层面，必须解决数据要素的价值分配问题。劳动者在劳动过程中产生的数据，经平台算法加工转化为价值，这部分价值应当有合理的分配机制回馈给数据生产者。这需要在制度层面确立“数据收益权”，明确劳动者对其生产数据的权益份额，通过收益分成、技能积分等方式实现数据红利的共享。

结语：迈向人本主义的智能社会

智能时代的政治经济体制重构，不是技术决定论的单向演进，而是技术逻辑与价值目标的双向塑造。无论是智能管理体制的构建，还是智能劳动生产体制的设计，都必须回答一个根本问题：技术进步为了谁、服务谁？

中国式智能治理的核心宗旨，是“以人民为中心”。智能治理的终极价值关怀是人本主义，坚守人工智能服务于人民。这意味着，在制度设计上，必须始终将人的尊严、人的发展、人的福祉置于核心位置；在技术应用上，必须确保算法透明、数据安全、权利可救济；在利益分配上，必须实现智能红利的普惠共享，防止技术鸿沟加剧社会分化。

《未来国策》的构想，正是基于这样的价值立场：智能化不是少数人的智能化，而是全体人民的智能化；不是资本的智能化，而是劳动的智能化；不是控制的智能化，而是解放的智能化。当智能技术赋能每一个劳动者、赋权每一个社会主体、赋智每一次集体决策，我们才能真正迈向一个人机共生、共创、共享的智能社会。

这是一个需要制度想象力的时代，也是一个需要制度建构力的时代。站在智能时代的门槛上，我们有责任为未来描绘一幅既符合技术逻辑、又坚守人文价值的制度图景。这既是政策研究者的使命，也是时代赋予我们的历史机遇。