当前，全球正处于新一轮科技革命和产业变革的关键交汇期。人工智能技术的突破性进展，正推动经济形态从数字化、网络化向智能化加速演进。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正从“技术应用的单点突破”迈入“构建全新经济范式”的系统布局阶段。赛智产业研究院院长赵刚、智能经济研究所所长李铭岩从智能经济的战略内涵、范式特征、政治经济学逻辑、产业形态、发展趋势以及国际格局等六个维度，系统分析智能经济的发展图景，并提出相应的政策思考。
一、智能经济的战略内涵：从技术赋能到范式重构
政府工作报告提出发展智能经济，其核心战略意图在于抓住人工智能的历史性机遇，将其培育为驱动经济增长的新引擎。智能经济是以人工智能技术为核心驱动力，以“算力、算法和数据”为要素，实现生产方式和生活方式智能化变革的新型经济形态。作为数字经济发展的更高级形态，智能经济既是新质生产力的重要体现，更是高质量发展的重要特征。
赛智产业研究院研究员指出，这一概念的提出，蕴含着三重战略考量。
第一，开辟新的增长空间。当前中国经济正处于新旧动能转换的关键时期。从产业规模看，2025年中国人工智能核心产业规模已突破12000亿元，同比增长超过30%，预计到2030年相关产业将形成十万亿级的庞大市场。智能经济被寄望于成为驱动经济增长的重要新引擎，通过培育“智能原生”新业态、新模式，为经济发展注入新活力。
第二，推动产业深度转型。从“人工智能+”到“智能经济”，意味着AI不再仅仅是赋能工具，而是要对传统产业的生产、分配、交换、消费全过程进行系统性重构。市场研究机构IDC预测，到2031年，中国企业活跃智能体数量将突破3.5亿，年复合增长率超过130%。这种重构不同于以往的数字化改造——数字化解决的是流程效率问题，而智能化解决的是复杂生产活动的智能决策与创新问题。
第三，构建国家竞争新优势。在全球AI竞争加剧的背景下，智能经济已成为大国博弈的战略制高点。发展智能经济有助于我国在新一代通用目的技术上形成引领，构筑自主可控的产业生态，抢占未来科技和产业发展的制高点。理解智能经济，关键在于把握其与数字经济1.0的本质区别。数字经济1.0以“数字技术”为核心生产要素，解决的是将物理世界数字化的命题；而智能经济以“智能体”为核心生产要素，解决的是让数字世界自主决策、创造价值的新命题。前者是后者的基础，后者是前者的质变。
二、范式革命的本质：从确定性系统到自主智能
赛智产业研究院研究员分析，智能经济之所以构成一场新的技术-经济范式革命，是因为它在五个根本性维度上实现了质的飞跃。
首先是核心生产要素的升级。在农业经济中，核心要素是土地与劳动力；工业经济转向资本与机器；数字经济1.0引入数字技术和数据；而智能经济的核心要素进化为智能体操作的算力、模型、智能词元（token）、工具和高质量数据集等。智能体不是传统意义上的工具，而是具备自主感知、理解、决策与执行能力的数字劳动力，可以以接近零的边际成本无限复制。据预测，到2030年，全球智能体市场规模将达到数千亿美元，其作为新型生产要素的地位将得到全面确立。
其次是生产函数的重构。智能经济的生产函数不再是简单的资本、技术与劳动力组合，而是引入了智能体、算力、智能词元、高质量数据集等新要素。算力作为支撑智能经济的核心基础设施，截至2025年，中国智能算力规模同比增长超过100%，为生产函数的重构提供了物质基础。更重要的是，智能体（以及token、skills等）的引入，改变了边际成本结构——在特定知识领域，产出的边际成本趋近于零，这打破了工业时代以来的经济学基本假设。
第三是技术内核的质变。数字经济的底层是确定性逻辑——软件按预设规则执行，输出可预测。而智能经济的底层是概率性生成——大模型通过近似推理生成结果，并在规模突破阈值后涌现出未预设的推理、规划和认知等高级能力。这是从“if-then”到“近似分布”的根本跃迁，也是智能经济区别于数字经济1.0的最核心技术特征。
第四是人机关系的重构。在智能经济时代，AI从被动工具演变为具备自主性的“数字同事”。人不再是每个环节的操作者，而是目标设定者、过程监督者与结果考核者。这一转变意味着人与机器的关系从“主从”走向“协同”，是生产关系层面的深刻变革。在工业场景中，智能体已经开始承担从物料配送到质量检测的全流程任务；在服务业中，智能体能够独立完成从需求理解到服务交付的完整闭环。
第五是经济计量单元的更替。工业经济衡量产出用吨、千瓦时，数字经济用数字比特、交易笔数，而智能经济正在形成新的计量单元——智能词元（Token）。Token不仅是技术单位，更成为算力消耗的度量、AI服务的计价单位、智力产出的量化载体。这一新计量单位的出现，意味着智能经济正在形成自身独立的价值衡量体系。
这五个根本性转变共同构成了智能经济作为新范式的完整特征。它不再是数字经济的1.0版本，而是一个全新的经济形态。
三、政治经济学逻辑：要素、生产力与生产关系的重塑
赛智产业研究院研究员表示，将智能经济置于政治经济学框架下分析，可以更清晰地把握其内在运行规律。
在生产要素层面，智能经济实现了从“资源依赖”到“智力涌现”的跃迁。智能体成为最核心的新增生产要素，具有产出token、利用skills和处理数据的自主行动力；高质量数据集取代原始数据成为关键要素，它决定了智能体的智力上限；智能算力则从能源附属品升级为独立的核心生产要素。这三种新要素的协同作用，构成了智能经济区别于以往所有经济形态的要素基础。
在生产力层面，智能经济实现了从“人类体能/脑力延伸”到“自主智力涌现”的质变。智能体具备了自主创造与解决问题的能力，不再需要人类下达每一条指令，而是理解意图后自主拆解任务、调用工具、完成交付。这一变化打破了边际报酬递减的规律——由于智能体可无限复制与自我进化，在特定知识领域，生产力的增长呈现出指数级特征。智能生产力的核心标志是“智力替代率”，即由智能体完成的知识型工作在全社会知识型工作中的占比，这一指标正在快速上升。
在生产关系层面，智能经济正在重塑所有权、分配权与协作模式。在所有制方面，数据确权变得复杂，智能体产出的知识产权归属成为新的法律难题。在分配机制方面，出现了“按智分配”与“算力入股”的趋势，拥有高质量数据集、独特算法或算力资源的主体，在生产分配中的话语权显著增强。
在组织形态方面，传统的科层制正在演变为“智能体网络”，企业边界变得模糊，大量任务由智能体自动协调完成。研究机构提出的智能经济就绪度评价框架，将“人机协同效能”和“共创分享生态”作为核心维度，恰恰指向了新型生产关系的本质特征。理解这一政治经济学逻辑，对于制定智能经济政策具有基础性意义——它决定了我们在税收、产权、教育、劳动保障、反垄断等领域需要建立什么样的制度框架。
四、产业与组织形态的演变
赛智产业研究院研究员指出，智能经济正在重构产业的微观基础。在产业类型上，形成了“基础层—平台层—应用层”的三层嵌套结构。基础层以智算中心、AI芯片为核心，是智能经济的底座；平台层是基础大模型平台与智能体开发平台，是智能经济的中枢；应用层是行业垂直模型与智能体原生应用，是智能经济的末端。此外，大量传统产业通过“人工智能+”完成智能化改造，构成智能经济的存量部分。这种三层结构决定了智能经济的产业格局——基础层决定技术高度，平台层决定生态广度，应用层决定市场深度。
在生产模式上，智能经济实现了从“大规模标准化”到“动态个性化”的转变。工业时代的生产逻辑是预测驱动——先预测需求再组织生产；智能时代的生产逻辑是需求驱动——实时感知需求、动态响应。智能体使同一套系统可以同时服务海量差异化需求，实现了规模效应与范围效应的统一。在消费电子领域，原生智能终端已从“被动响应”进化为“主动服务”，能够根据用户行为习惯自主调节运行模式；在智能制造领域，柔性生产线结合智能调度系统，已经能够实现单件定制化生产与大规模标准化生产的成本趋同。
在企业形态上，科层组织正在向“智能体网络”和“一人公司”（OPC）演进。智能原生企业以模型、数据、算法为核心资产，其组织架构高度扁平化；一人公司借助智能体完成过去整个团队的工作，成为智能经济下的重要企业形态；企业边界通过API与外部生态深度嵌合，形成“平台+智能体集群”的新型组织范式。这些新形态挑战着传统的企业理论与监管框架——当智能体成为企业的“员工”，当模型成为企业的“资产”，当token调用成为企业的“交易”，我们需要重新思考企业的主体地位和责任边界。
在劳动力形态上，人与AI的关系正在从“工具使用”转向“协同工作”。企业开始“雇佣”智能体作为数字劳动力，按任务或成果付费。劳动力市场呈现“沙漏化”趋势——中间层重复性脑力劳动被智能体替代，高端创意岗位与低端非标服务岗位相对安全。这一趋势对社会保障体系和职业培训体系提出了全新要求：我们需要为被替代的劳动者提供转型通道，同时为新生代劳动者培养人机协同的新型技能。
在产业链与供应链上，链式结构正在演变为价值网络。传统产业链是线性传导的上下游关系；智能经济下，任意节点可以跨层级连接，实时数据共享，全链透明。供应链也从“弹性”升级为“韧性”——不仅能够快速响应常规变化，更能在突发冲击下自主重构路径。这种变革意味着，产业链的竞争优势不再取决于单一环节的效率，而取决于整个网络的协同能力。
在商业模式上，价值主张从“卖能力”转向“卖结果”。模型即服务按Token收费，智能体即服务按任务收费，结果经济按最终效果分成。这一转变在商业逻辑上是根本性的——客户不再为工具付费，而是为成果付费。它要求企业重新思考自己的价值定位：是提供技术能力，还是解决用户问题？是卖产品，还是卖服务？是按使用付费，还是按效果分成？这些问题的答案，将决定企业在智能经济时代的生存方式。
五、发展趋势与关键挑战
展望未来，赛智产业研究院研究员分析，智能经济将沿着技术演进、产业变革、组织形态、治理体系、社会影响五个维度展开。
在技术层面，将从“生成”向“推理”演进。未来3-5年的核心竞争将从“模型参数规模”转向“推理能力与落地效率”。多智能体协同成为主流，端侧推理逐步普及，多模态交互成为自然界面。谁能让模型更聪明、更便宜、更易用，谁就能占据主导。这一技术演进方向意味着，未来的竞争焦点将从“谁拥有最大的模型”转向“谁能以最低成本、最高效率解决实际问题”。
在产业层面，将从“AI+”迈向“智能原生”。当前至2030年是深度融合期，传统产业完成智能化改造；2030年后进入智能原生爆发期，大量“离开AI就不存在”的新业态涌现——智能个人助理、AI原生娱乐、智能科研、具身智能等将成为新的增长极。这一产业演进路径意味着，未来的投资机会将更多地来自“从0到1”的智能原生创造，而非“从1到N”的传统产业改造。
在组织层面，将从“人机协同”演进为“智能体网络”。短期是智能体成为数字同事；中期是智能体成为主要执行层；长期是智能体之间通过协议自动协作，形成自主任务型组织。这一组织演进趋势意味着，我们关于“企业”“员工”“管理者”的传统认知将面临根本性挑战。
然而，赛智产业研究院研究员表示，智能经济的发展也面临巨大不确定性与结构性挑战。
三大核心不确定性决定着未来走向：技术演进上，当前主导的规模法则是否能够持续，新的技术范式能否及时接续；治理能力上，人类能否有效管住“比自己聪明”的智能系统，防止其行为失控或被恶意利用；地缘政治上，智能经济走向全球化还是分裂化，技术标准与数据规则是否会形成平行体系。
五大结构性挑战不容忽视：算力瓶颈——先进芯片供应受限、能耗巨大，算力成本仍是制约智能经济普及的关键因素；数据瓶颈——高质量公开数据即将耗尽、数据确权难、数据流通不畅；人才瓶颈——顶尖AI人才极度稀缺、分布不均、培养周期长；制度滞后——技术迭代速度远超立法速度，智能体责任、数据产权等核心问题缺乏明确法律框架；社会适应——就业结构冲击、技能错配、公众焦虑与不信任。
赛智产业研究院研究员表示，智能经济对实体经济的冲击是双重的。积极方面，智能经济赋能传统产业效率跃升，创造智能原生新业态，实现中小企业能力平权。消极方面，大量重复性脑力劳动面临替代风险，产业集中度可能提高，区域发展可能失衡，泡沫风险不容忽视。
六、国际格局与战略应对
智能经济正在成为定义21世纪国际竞争格局的核心力量之一。中美两国在智能经济发展上呈现出两种不同的路径：美国在基础理论、原创算法、先进芯片上具有优势，试图通过技术封锁维持领先；中国在工程技术、应用场景、数据规模、基础设施部署速度上具备优势，正在形成独特的“应用驱动”路径。赛智产业研究院研究员指出，竞争的核心不再是单一技术指标，而是谁能率先形成完整的智能经济生态闭环——即从芯片、模型、数据到应用的良性循环。
从全球格局看，智能经济正在引发四个层面的深刻变化：全球产业链从“效率优先”转向“安全优先”，算力主权化成为趋势；全球治理体系面临分裂风险，技术标准可能形成平行体系；国际力量格局重塑，发展中国家面临“智能鸿沟”扩大的风险。面对这一格局，赛智产业研究院研究员认为，中国需要构建“技术—制度—社会”三位一体的应对体系。
在技术层面，加大对AI对齐、可解释性、红队测试的投入，确保智能体行为符合人类价值观；构建自主可控的算力体系，推动“算电协同”缓解能耗压力；支持多种技术路线探索，避免押注单一路径。具体而言，应建立从芯片到模型的全链条自主创新体系，保持技术路线的多样性与开放性。
在制度层面，建立监管沙盒机制，允许在可控环境中试验新技术，同步探索规则；加快明确智能体责任、数据产权等核心问题的法律框架；建立高风险领域智能体、算法备案与第三方审计制度；在技术标准、安全规范、数据跨境等领域加强国际合作，避免全球智能经济走向分裂。具体而言，应借鉴国际经验但立足国情，形成既鼓励创新又防范风险的制度安排。
在社会层面，建立智能经济影响监测系统，对高风险行业提前预警；推动教育体系从知识传授转向人机协作能力培养，构建终身学习体系；探索智能红利再分配机制，将智能基础设施作为新基建，向中小企业和欠发达地区提供普惠服务；在长期可探讨全民基本收入等更激进的社会保障形式；建立智能经济转型基金，用于职业培训、社会保障和区域平衡发展。
赛智产业研究院研究员表示，智能经济的最终走向，不取决于技术本身，而取决于人类是否有智慧让技术服务于多数人的福祉，而非仅仅放大少数人的优势。对于中国而言，核心命题是构建完整生态，在应用领先的同时突破基础瓶颈，在参与竞争的同时提供全球公共产品，在确保安全的同时保持开放合作。只有这样，才能在这场历史性的范式革命中把握主动，走出一条具有中国特色的智能经济发展之路。