当前，人工智能正在重塑全球科技竞争格局、产业分工体系和经济发展方式，智能经济正成为各国抢占未来发展主动权的重要领域。从全球范围看，主要经济体纷纷围绕基础模型、算力基础设施、数据治理、产业应用和安全监管展开战略布局。斯坦福大学近日发布的《2026年人工智能指数报告》显示，全球AI计算能力自2022年以来以年均约3.3倍的速度增长，2025年全球企业AI投资规模实现翻倍。全球人工智能竞争日益呈现出投资规模扩大、算力需求攀升、应用场景拓展和治理规则加速形成等特点。这些变化表明，人工智能竞争已经不只是单一技术赛道的竞争，而是关系国家创新能力、产业组织方式和全球治理规则的系统性竞争。
我国高度重视人工智能发展。自2017年起，我国将人工智能发展上升为国家战略，出台了一系列政策文件。2025年4月，中共中央政治局就加强人工智能发展和监管进行第二十次集体学习。习近平总书记在主持学习时强调，要坚持自立自强和应用导向，推动我国人工智能健康有序发展。2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，提出了深入实施“人工智能+”的总体要求和行动重点。当前，智能经济正成为我国经济发展的重要增长极，坚持自立自强、突出应用导向，对于推动智能经济新形态健康有序发展具有重要意义。
深刻把握推动智能经济新形态健康有序发展的重要意义
智能经济新形态为加快发展新质生产力提供新动能，突出应用导向是推动其健康有序发展的关键路径。以解决重大发展需求为导向推进人工智能技术攻关与场景落地，不仅能加速人工智能技术与制造业智能化改造、服务业模式创新等领域的深度融合，更能以场景创新反哺技术研发，形成“需求牵引—技术攻关—产业应用”的正向循环，将人工智能的技术势能转化为经济发展新优势。
智能经济新形态是我国应对外部环境不确定性的重要抓手，坚持自立自强是推动我国智能经济新形态健康有序发展的根本选择。发展以人为本、智能向善的智能经济新形态，不仅能够加速技术迭代与产业融合，培育新的经济增长点，更能通过原创技术突破提升我国在全球价值链分工中的话语权，有效应对外部不确定性带来的风险。此外，从安全性维度看，当前全球人工智能竞争已嵌入大国博弈，关键技术呈现垄断格局，技术脱钩风险持续加剧。坚持推动自立自强、自主可控的智能经济新形态能够有力抵御外部技术封锁，有效防范“卡脖子”风险，保障国家发展安全。
当前我国智能经济新形态发展的着力点
一是提升人工智能技术应用的系统化水平，充分发掘智能经济新形态创新成果的价值。与部分发达国家相比，我国的突出优势在于能够依托完备产业体系、丰富应用场景和超大规模市场，加快推动人工智能从技术突破走向产业应用。然而，我国人工智能应用价值的充分释放，仍受到基础条件和技术特性的双重制约。一方面，数据优势未能充分赋能人工智能应用发展，算力支撑则限制了人工智能应用推广。在数据流通层面，当前我国数据资源“大而不精”的特点凸显，数据异构性极大提升了数据处理与数据标注的难度，智能模型训练数据质量受限；数据开放与共享机制不完善，区域与行业壁垒共同引致的“数据孤岛”现象则进一步削弱了数据要素的乘数效应。在算力供给层面，运算芯片制造端产能瓶颈与进口端“卡脖子”困境致使人工智能训练与推理算力出现明显缺口。另一方面，新型人工智能技术的部分特性瓶颈限制了其应用场景的拓展。当前，以大模型为代表的生成式人工智能在创意生成、对话交互等领域已经具有较为广泛的应用落地。但在产线检测、风险评估等强动态性、高可解释性以及低容错率场景下，生成式人工智能应用的有效性仍待验证与探索。如何在相关领域实现生成式与预测式人工智能间优势互补，已成为拓展先进人工智能技术应用场景的重要着力点之一。
二是增强人工智能科技创新的自主化水平，筑牢前沿技术领域安全根基。人工智能发展安全，主要体现在关键技术自主掌握和技术应用安全可控等方面。一方面，我国人工智能研究起步略晚，核心技术积累较为薄弱，基础理论研究支撑不足，人工智能技术原始自主创新能力仍有很大提升空间。技术研发层面，以“大模型—原生开发框架—加速芯片”为核心的人工智能技术堆栈并未形成完整的自主支撑链条，人工智能开源生态的对外依存度仍较高；部分工业智能仿真软件研发、先进工业机器人制造与国际领先水平仍然存在较大差距。理论研究层面，“重应用，轻理论”的倾向性仍然存在，对于人工智能本质与理论创新等方面的探索相对缺乏。另一方面，人工智能技术应用的安全性、可靠性与可控性水平仍待提升，智能技术应用的监管机制有待健全。随着人工智能应用加快普及，技术误用与滥用带来的信息安全与深度伪造等伦理与法律风险不容忽视。此外，人工智能具有自主学习和快速迭代特征，其应用过程中的不确定性使得智能技术发展的未来方向较难把控，进一步增加了监管体系的干预难度。
三是深化人工智能产业创新的协同化水平，破解产业间智能化发展不均衡问题。生产属性与技术禀赋差异引致产业间人工智能应用能力的非均衡性，在宏观层面呈现出产业创新智能化发展的不充分性。对于传统行业而言，生产工序较为复杂，数据采集规模较大，智能化设备的重置成本与数据存储的维护成本较高，人工智能基础设施建设与智能模型训练数据有效供给相对欠缺。对于人工智能新兴产业而言，“技术强产业弱”的态势仍待扭转，新产业对于传统产业智能化应用发展的带动作用仍需强化。一方面，部分人工智能细分领域的应用成果尚未成熟，商用化成本相对较高，依托规模效应带动关联产业转型升级的效果较弱。另一方面，智能化产业生态尚不健全，人工智能核心产业与其他关联产业之间的配套联系仍待建立，创新链和产业链衔接还需进一步打通。
推动我国智能经济新形态健康有序发展的路径
统筹创新资源和创新力量。充分发挥新型举国体制优势，缓解智能技术创新资源分散错配困境，为人工智能关键技术攻关和成果转化提供有力支撑。在资源配置方面，应充分发挥科技金融、财政税收、政府采购等政策工具作用，更好发挥有效市场和有为政府作用，强化人工智能创新主体资金保障；统筹推进算力基础设施集约化布局与一体化建设，探索算力资源并网调度，优化关键节点资源供给；建立健全高效的数据流通与交易制度，加快科学数据中心建设，为数据资源的存储、挖掘与开放共享提供基础。在力量组织方面，既要强化国内人工智能企业、高校科研院所、金融机构以及政府有关部门之间的协同合作，构建起完善的国内智能创新生态；也要积极参与国际合作，把握全球人工智能前沿趋势与发展动态，通过参与国际人工智能大科学工程，提升我国配置全球人工智能创新资源的能力，不断提高我国在人工智能规则与技术标准制定等方面的影响力。
加强科技体制改革和安全监管。在人工智能核心技术自主掌控方面，应在基础研究与核心技术两大领域同时发力，为构建起自主可控、协同运行的人工智能系统提供制度支撑。要健全人工智能关键核心技术攻关体系，完善科技成果转移转化机制，实现人工智能关键领域从自主研发到成果转化的项目、基地、资金、人才一体化配置，着力实现人工智能产业链与创新链无缝对接。要构建适应人工智能基础性研究的体制机制，重点支持人工智能基础理论、原生模型建构等方向的研究，以基础理论突破带动技术创新。在人工智能技术应用安全方面，要完善人工智能监管体制机制，牢牢掌握人工智能发展和治理的主动权。构建“技术监测—风险预警—应急响应”的人工智能技术应用监管体系，完善算法登记备案、分类分级管理与安全评估等具体监管机制，强化人工智能应用发展的实时跟踪能力，着力弥补智能应用监管的技术盲区，提升人工智能信息生成可控性与安全性，有效防范人工智能技术误用、滥用引发的伦理与法律风险。
积极推进智能技术与产业创新深度融合。一方面，要加快人工智能技术在制造业等重点行业中的推广应用，引导相关行业企业结合自身典型生产场景，积极推进软硬件智能化改造；依托传统行业龙头企业与链主企业，打造人工智能发展行业标杆，驱动智能化转型的行业辐射带动效应。另一方面，应支持人工智能新业态发展壮大，培育具有竞争力和影响力的人工智能产业集群，并深化与传统产业之间的生态联系。依托场景匹配与合作创新，加速产业模式与企业形态根本性变革。构建企业主导的产学研用协同创新体系，开辟智能经济战略性新兴产业和未来产业发展新赛道。
（作者为南京大学数字经济与管理学院院长、特聘教授）
