简单输入一句描述，就能生成精致的三维立体模型图；把看到的短视频转给微信AI联系人，就能总结视频的主要内容……全球人工智能赛道竞速之下，认知革新也提上日程：产业格局会发生何种结构性变革？AI将如何重塑劳动力市场？政策制定者和市场主体又应把握哪些关键突破口？

　　6月15日举办的第二届“数字经济思享汇”（中央财经大学经济学院、中国互联网经济研究院共同主办）上，中央财经大学副校长李涛认为，人工智能已成为新质生产力的核心引擎，不仅因其技术革命性突破，还因其重塑生产要素和生产关系的能力。

　　他表示：“新质生产力由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，而人工智能恰恰在这些维度上都扮演着关键角色。它本身就是技术革命性突破的产物，能够实现数据等新要素的最高效配置，更能通过赋能千行百业，推动产业的深度转型升级。”

　　新一代人工智能发展战略研究院执行院长、南开大学原校长龚克认为，当前最主要的技术形势是“快速”：2014年，AI突破了图像分类的人类平均水平；2018年，突破了中等程度的阅读理解；2019年，突破英语理解；2021年，突破视觉推理；2023年、2024年则相继突破了竞赛级的数学、多任务语言理解、博士级的科学问题。整个技术迭代过程越来越快。

　　以大语言模型为代表的生成式人工智能发展飞速，经济成本不断下降，AI真正从书斋、大学走向了广阔的生产环境。这意味着人工智能是通用目的技术，并正在深刻改变经济结构和社会形态。

　　“这不是传统生产变量的简单增量，而是引入了新的生产变量、新的生产要素。所以我们必须重新组合生产函数，实现生产力与实体经济的深度融合。”龚克指出，没有产业的科技创新没法跟实体经济融合。他认为，AI赋能的目标应是解决产业质效、降本增效等真实问题，而不是为了展示人工智能而“挂AI的牌”。

　　在中国互联网经济研究院副院长史宇鹏看来，人工智能要真正提高生产率，还需要一段时间。“业界总是在讲通过实现了所谓的企业数字化转型，提升了库存周转率、实现了降本增效，但很难从总体数据上看到这一点，人工智能技术也是这样，好像没有看到宏观方面生产率出现了飞速增长。”史宇鹏解释，这是经典的索洛悖论。诺贝尔经济学奖得主索洛早已指出，尽管计算机技术深刻改变生产方式，但统计数据未必能同步反映出生产率的大幅提升。

　　“作为通用目的技术的AI，同样存在这种时间滞后的效力发挥问题。”史宇鹏解释，“但只要真正用好AI技术，其在企业降本增效上的效果依然显著。”

　　北京航空航天大学自动化科学与电气工程学院副教授秦曾昌将当前AI产业划分为两条主线：大语言模型和具身智能——尽管具身智能领域在科研层面技术爆发较多，但距离产业化应用仍有距离；反观大语言模型及智能体在脑力工作自动化方面，已具备较强的产业落地潜力。

　　在秦曾昌看来，很多不可控的AI工作流程正在慢慢由智能体解决，20%～30%的办公室工作可以通过智能体替代，并让一部分人从事技术催生的新的服务业。而具身智能在跟环境互动的强化学习上，还面临一些技术瓶颈，到产业落地阶段为时尚早。

　　人工智能的广泛应用不仅重塑经济生产力，也势必引发劳动力市场的变革。龚克预计，这种替代与新增岗位的“交汇期”将在未来五到六年内到来。

　　史宇鹏指出，短期来看，AI技术会带来部分岗位被替代、就业结构调整的压力；但从长远看，新岗位的创造潜力更为显著，比如现在已经人工智能催生了“数据标注师”职业的兴起。

　　虽然人工智能对于劳动就业的影响还需要更长时间观察，但教育和人才培养是关键应对策略，已经成为共识。如何构建教育、产业、就业三位一体的体系非常紧迫。

　　史宇鹏强调，“复合型人才”的培养至关重要。他认为，教育体系应强化跨学科融合，紧密结合人工智能技术发展，重点培养既能运用AI又深谙行业知识的复合型专业人才，以应对未来复杂多变的劳动市场需求。

　　清华大学社科学院长聘副教授谢丹夏指出，大厂和大学的关系非常值得探讨，要通过鼓励创业，政策引导，VC、政府引导基金跟大学结合，让成果走向市场，把学术和产业结合起来。

　　史宇鹏以ChatGPT、DeepSeek等基础大模型为例，指出这些技术平台实际上是“平台的平台”，类似“母基金”角色，为下游行业和应用平台提供基金和技术支持。他认为，随着基础模型平台逐步开源，可能从单纯的寡头竞争转变为生态系统的竞争，产业竞争形态将更加复杂。这也对政府如何界定垄断行为提出了新的挑战。

　　在新形势下推动人工智能的科技创新和产业创新深度融合，被视为破局关键。龚克认为，接下来需要关注多个方面。

　　第一，要因地制宜发展新质生产力，“地”的内涵不仅限于地域，还包括行业和企业实际情况，也即实事求是之“实”。人工智能的应用应以提高质量效益、用户体验和降低排放等实际问题出发。同时，积极扩大国际合作，在复杂国际环境中保持开放态度。要在不“自我脱钩”的前提下，努力扩大国际合作，避免“误伤”相关产业。

　　第二，人才培养刻不容缓。当前企业普遍缺乏既懂数字化又懂行业业务知识的复合型人才团队。

　　第三，要深化改革，加快形成与新质生产力相适应的生产关系。当前条块管理模式难以满足人工智能这一通用目的技术的发展需求，特别是在数据使用和安全方面。要深化数据资源开发利用和开放共享，必须建立相应的制度环境，在开放使用数据过程中控风险保安全。因为，只有在数据有效使用中，数据安全才具备真正意义。