簡單輸入一句描述，就能生成精致的三維立體模型圖；把看到的短視頻轉給微信AI聯系人，就能總結視頻的主要內容……全球人工智能賽道競速之下，認知革新也提上日程：產業格局會發生何種結構性變革？AI將如何重塑勞動力市場？政策制定者和市場主體又應把握哪些關鍵突破口？

6月15日舉辦的第二屆“數字經濟思享匯”（中央財經大學經濟學院、中國互聯網經濟研究院共同主辦）上，中央財經大學副校長李濤認為，人工智能已成為新質生產力的核心引擎，不僅因其技術革命性突破，還因其重塑生產要素和生產關系的能力。 

他表示：“新質生產力由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生，而人工智能恰恰在這些維度上都扮演著關鍵角色。它本身就是技術革命性突破的產物，能夠實現數據等新要素的最高效配置，更能通過賦能千行百業，推動產業的深度轉型升級。” 

新一代人工智能發展戰略研究院執行院長、南開大學原校長龔克認為，當前最主要的技術形勢是“快速”：2014年，AI突破了圖像分類的人類平均水平；2018年，突破了中等程度的閱讀理解；2019年，突破英語理解；2021年，突破視覺推理；2023年、2024年則相繼突破了競賽級的數學、多任務語言理解、博士級的科學問題。整個技術迭代過程越來越快。

以大語言模型為代表的生成式人工智能發展飛速，經濟成本不斷下降，AI真正從書齋、大學走向了廣闊的生產環境。這意味著人工智能是通用目的技術，并正在深刻改變經濟結構和社會形態。 

“這不是傳統生產變量的簡單增量，而是引入了新的生產變量、新的生產要素。所以我們必須重新組合生產函數，實現生產力與實體經濟的深度融合。”龔克指出，沒有產業的科技創新沒法跟實體經濟融合。他認為，AI賦能的目標應是解決產業質效、降本增效等真實問題，而不是為了展示人工智能而“掛AI的牌”。

在中國互聯網經濟研究院副院長史宇鵬看來，人工智能要真正提高生產率，還需要一段時間。“業界總是在講通過實現了所謂的企業數字化轉型，提升了庫存周轉率、實現了降本增效，但很難從總體數據上看到這一點，人工智能技術也是這樣，好像沒有看到宏觀方面生產率出現了飛速增長。”史宇鵬解釋，這是經典的索洛悖論。諾貝爾經濟學獎得主索洛早已指出，盡管計算機技術深刻改變生產方式，但統計數據未必能同步反映出生產率的大幅提升。 

“作為通用目的技術的AI，同樣存在這種時間滯后的效力發揮問題。”史宇鵬解釋，“但只要真正用好AI技術，其在企業降本增效上的效果依然顯著。”

北京航空航天大學自動化科學與電氣工程學院副教授秦曾昌將當前AI產業劃分為兩條主線：大語言模型和具身智能——盡管具身智能領域在科研層面技術爆發較多，但距離產業化應用仍有距離；反觀大語言模型及智能體在腦力工作自動化方面，已具備較強的產業落地潛力。 

在秦曾昌看來，很多不可控的AI工作流程正在慢慢由智能體解決，20%～30%的辦公室工作可以通過智能體替代，并讓一部分人從事技術催生的新的服務業。而具身智能在跟環境互動的強化學習上，還面臨一些技術瓶頸，到產業落地階段為時尚早。

人工智能的廣泛應用不僅重塑經濟生產力，也勢必引發勞動力市場的變革。龔克預計，這種替代與新增崗位的“交匯期”將在未來五到六年內到來。 

史宇鵬指出，短期來看，AI技術會帶來部分崗位被替代、就業結構調整的壓力；但從長遠看，新崗位的創造潛力更為顯著，比如現在已經人工智能催生了“數據標注師”職業的興起。

雖然人工智能對于勞動就業的影響還需要更長時間觀察，但教育和人才培養是關鍵應對策略，已經成為共識。如何構建教育、產業、就業三位一體的體系非常緊迫。

史宇鵬強調，“復合型人才”的培養至關重要。他認為，教育體系應強化跨學科融合，緊密結合人工智能技術發展，重點培養既能運用AI又深諳行業知識的復合型專業人才，以應對未來復雜多變的勞動市場需求。

清華大學社科學院長聘副教授謝丹夏指出，大廠和大學的關系非常值得探討，要通過鼓勵創業，政策引導，VC、政府引導基金跟大學結合，讓成果走向市場，把學術和產業結合起來。

史宇鵬以ChatGPT、DeepSeek等基礎大模型為例，指出這些技術平臺實際上是“平臺的平臺”，類似“母基金”角色，為下游行業和應用平臺提供基金和技術支持。他認為，隨著基礎模型平臺逐步開源，可能從單純的寡頭競爭轉變為生態系統的競爭，產業競爭形態將更加復雜。這也對政府如何界定壟斷行為提出了新的挑戰。

在新形勢下推動人工智能的科技創新和產業創新深度融合，被視為破局關鍵。龔克認為，接下來需要關注多個方面。

第一，要因地制宜發展新質生產力，“地”的內涵不僅限于地域，還包括行業和企業實際情況，也即實事求是之“實”。人工智能的應用應以提高質量效益、用戶體驗和降低排放等實際問題出發。同時，積極擴大國際合作，在復雜國際環境中保持開放態度。要在不“自我脫鉤”的前提下，努力擴大國際合作，避免“誤傷”相關產業。

第二，人才培養刻不容緩。當前企業普遍缺乏既懂數字化又懂行業業務知識的復合型人才團隊。

第三，要深化改革，加快形成與新質生產力相適應的生產關系。當前條塊管理模式難以滿足人工智能這一通用目的技術的發展需求，特別是在數據使用和安全方面。要深化數據資源開發利用和開放共享，必須建立相應的制度環境，在開放使用數據過程中控風險保安全。因為，只有在數據有效使用中，數據安全才具備真正意義。