刘守英：数字经济形态的演进与经济影响

7月3日，2026中国数字经济发展和治理学术年会（以下简称“年会”）在清华大学举行。中国人民大学经济学院教授、全国数字经济专业学位研究生教指委秘书长刘守英发表题为《数字经济形态的演进与经济影响》的主旨演讲。本文根据刘守英教授现场发言内容整理。本文来源：清华服务经济与数字治理研究院

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

刘守英：数字经济形态的演进与经济影响

今天我同大家分享的题目是“数字经济形态的演进与经济影响”。我的博士生杨雨和我做的一个文献整理。沿着我判断一种经济形态的六维度方法，即技术进步、核心生产要素及其组合、经济活动的组织方式、经济活动的空间、制度安排，以及决策模式，来观察数字经济形态的演进及其经济影响。当前，以大语言模型和生成式人工智能为代表的新一轮技术变革，正在推动经济形态发生深刻转变。与之前技术进步主要表现为单一工具升级不同，人工智能正在深度嵌入生产、交换、分配与消费的全过程，重塑经济活动的组织方式、价值创造机制乃至生产关系本身。我从数字经济形态演进的四个阶段特征，来呈现智能经济可能呈现的新形态，以及人工智能对就业、产业与生产率的影响。

一、数字经济形态的演进

（一）技术进步的本质：人类能力的机器化

技术演进的过程，就是把原本依附于人脑和肉体的能力，一步步剥离出来，委托给外部的机器与技术系统。从农业经济到工业经济，技术进步完成的是人类体力能力的机器化。马克思在《资本论》中提到：“劳动资料取得机器这种物质存在方式，要求以自然力来替代人力，以自觉应用自然科学来代替从经验中得出的成规。”工业经济时代机器替代的正是人的体力与经验规则。

数字经济下的技术变革实现的是人类大脑认知能力的机器化，即认知能力被分步骤、分阶段地剥离给机器的系统性过程。沿着这条线索，数字经济的演进可以划分为四个阶段，对应人类认知能力的四次剥离。

第一次剥离是计算能力，对应可计算阶段（20世纪50年代至90年代）。人类的算术与逻辑运算能力被技术化为计算机的物理形式。通过把计算规则与步骤固化于电路之中，机器突破了人脑计算的物理极限，第一次把一项确定性的认知能力从人身上分离了出来。

第二次剥离是信息互联能力，对应可互联阶段（20世纪90年代至21世纪初）。人类“寻路、连接、传递”信息的能力被技术化为互联网媒介。借助光纤与通信协议，跨越时空的数据传输得以实现，互联网逐渐成为覆盖全球的基础设施。

第三次剥离是经验预测能力，对应数据驱动阶段（本世纪10年代至20年代）。人类凭经验和直觉做预测判断的能力，被技术化为以算法模型为载体的概率预测系统。移动互联网让每个人随时随地在线，为算法提供了海量的“数据燃料”；云计算、大数据实现了对超大规模数据的高效处理；机器学习算法则能够在复杂数据中自动提炼规律，突破了人类依赖有限样本进行经验预测的认知瓶颈。

第四次剥离是意图理解与规划执行能力，对应人工智能阶段（本世纪20年代至今）。人类理解意图、规划并执行任务的能力，被技术化为以大模型与智能体为核心的自主认知与协同系统。大模型负责意图理解，能够实时解析复杂的自然语言与人类意图；智能体负责规划执行，可以根据人类意图自主地将宏观目标拆解为子任务，调度检索、代码执行等外部工具，并在执行中自适应地调整计划。这是一次关键的跃迁：数字经济的前三代技术都是在人类预设的“死规则”里运行，本质上是人类已知经验的形式化；而大模型与智能体的结合，使机器初步具备了在非预设场景下的泛化推理能力，实现了类人的任务编排与自主协同。

数字经济下的技术演进既具有延续性同时具有颠覆性的特征。延续性在于技术积累的高度连续：可计算阶段开始形成算力资源，可互联阶段搭建起全球信息网络，数据驱动阶段积累了海量数据，人工智能阶段正是前三代技术累积到临界点后的突破。颠覆性则在于人机关系的质变：前三代技术中，机器始终是人类的被动执行工具，决策权完全掌握在人手中；而人工智能第一次打破了工具与劳动者之间的界限，让机器成为与人并行的准劳动主体，并初步实现了部分“默会知识”的机器化。这一质变，是我们理解智能经济一切后续变化的起点。

（二）核心生产要素的变迁

沿着四个阶段，核心生产要素也在不断演化。在可计算阶段，计算机与算力更多是一种商品，进入生产函数中的资本部分，尚未成为独立的生产要素；在可互联阶段，网络作为连接枢纽构成了数字经济的基础设施，进入技术黑箱，同样没有显性化为独立要素。真正的转折发生在数据驱动阶段——数据凭借非竞争性、规模报酬递增和低成本复制等特性，成为独立的生产要素，突破了传统资本（K）与劳动（L）的解释边界。到了人工智能阶段，数据、算法、算力进一步组合形成“智能”，它不仅利用了数据要素的特殊性质，更具备自我演进与决策能力，构成了一种全新的生产要素组合。

值得特别指出的是，数据要素本身在这一过程中的两点关键变化。其一是投入方式的变化：在数据驱动阶段，数据、算法、算力三者在微观层面相对分离，算法与算力服务于数据，通过匹配算法完成供需连接；而在人工智能阶段，数据与算法、算力深度组合，经训练固化为大模型参数，以“智能”要素的形态投入生产。其二是功能的变化：数据驱动阶段主要利用行为数据刻画用户画像、进行定向匹配；而在人工智能阶段，大模型把海量文本视为人类全部知识与常识的镜像，数据被用于理解现实世界的物理规律与社会规律，形成对世界可泛化的认识。数据要素由此从用于预测匹配走向用于理解世界。

（三）组织形式的变迁

组织形式的变化，可以从企业组织与市场结构两个层面来看。

从企业组织看，可计算阶段是科层制与指令性管理，计算工具被固定在物理机房，人必须在地，管理半径受限于人脑的信息处理能力；可互联阶段出现了跨地域的网络化企业，电子邮件、ERP和协同办公系统实现了项目层面的跨地域协同，但雇佣契约与人际代理摩擦并未发生实质改变；数据驱动阶段企业加快数字化转型，突破传统科层的信息壁垒，管理半径拓宽，部分企业实现了扁平化；到人工智能阶段，中层管理者的部分决策职能被智能体替代，科层结构趋向瓦解，企业组织表现为少数超级平台与大量“一人公司”的并存。

从市场结构看，可计算阶段依托的是物理中介市场，供需匹配完全依赖线下的经销商、批发市场与零售门店；可互联阶段出现了数字化的门户信息中介，把物理市场搬到网上，缩短了买卖双方的搜寻距离；数据驱动阶段，多边平台成为核心组织形式，超级平台通过算法实现超高频的供需精准匹配，并制定平台规则；到人工智能阶段，平台开始分化与再组织——以人类能力为交易对象的活动可能脱离平台、催生新的组织形式，而交易作为平台的基本功能将长期存在，平台进一步为智能体提供运行的基础设施。

（四）活动空间的变迁

经济活动的空间同样经历了四个阶段的推移。可计算阶段，计算机加入人类活动的物理空间，主要是便利既有的生产生活；可互联阶段，网络和个人电脑的使用产生了虚拟空间，但此时的虚拟空间与物理世界仍是割裂、不连贯的；数据驱动阶段，人类的生产生活活动深度进入虚拟空间；到人工智能阶段，智能体作为新的角色加入虚拟空间，成为其中活跃的行为主体。空间的演进，从人进入虚拟空间逐步走向智能体也进入虚拟空间。

（五）制度变革：数字生产关系的重构

技术与要素的变化必然要求制度作出回应，这一过程本质上是数字生产关系的重构。可计算阶段基本延续了工业经济时代的制度安排，法人制度、财产权等正式制度仍然适用；可互联阶段，维系信任的契约制度开始向线上迁移，跨地域信息交互与要素流通的搜寻成本、信用成本被显著拉低；数据驱动阶段，数字世界的制度规则被系统重构，围绕数据要素的产权界定与交易规则、平台治理规则与秩序、虚拟空间的制度约束，数字经济秩序逐步成形；到人工智能阶段，制度的核心议题转向人机协同规则，包括人在人机协同下的主体性责任、人机协同中的伦理问题、对机器决策的规制以及更广义的人工智能经济秩序等，都成为亟待回应的新命题。

（六）决策模式的演进

最后是决策模式，这是六个维度中最能体现人机关系质变的一环。可计算阶段是人脑独立决策，决策百分之百在人脑，机器没有任何主动权，只是计算工具；可互联阶段是人脑远程决策，网络打破了空间限制，决策者可以实时获取信息，决策的速度与范围拓宽，但决策权仍在人脑；数据驱动阶段是人脑设定计算规则，人设定目标函数（如点击率最大化、违约率最小化）、编写算法，机器在已知数据里自行计算最优解，各大平台由此实现高频机器决策；到人工智能阶段，则进入人机混合决策——人类只需给定一个模糊目标，智能体便可自主完成意图理解、任务拆解、工具调用、执行与调整的全过程。

做一个小结：数字经济形态的演进可以概括为：技术上是人类认知能力的四次剥离与机器化；要素上是从算力到数据再到智能的逐级要素化；组织上是企业的扁平化、平台化与市场结构的中心化和去中心化并存；空间上是从人进入虚拟空间逐步展开到智能体加入虚拟空间；制度上是数字生产关系的系统性重构；决策上则是从人脑独立决策走向人机协同决策。

二、人工智能的经济影响

数字经济形态的演进，给现实经济已经带来影响。我想从创造性破坏、产业变革和生产率三个方面来讨论。

（一）创造性破坏：替代、创造与极化

人工智能作为准劳动主体接管常规脑力任务，首先带来的是显著的替代效应。国际货币基金组织的研究显示，全球约40%的就业岗位面临不同程度的AI暴露，发达经济体这一比例高达60%，其中高暴露岗位约有一半将受到替代的负面冲击。世界经济论坛基于对55个经济体、上千家企业的调查预测，到2030年全球将有约9200万个岗位被技术变革淘汰，同时创造1.7亿个新岗位，净增约7800万，总体岗位颠覆率相当于现有岗位的22%。高盛的研究则指出，美国约三分之二的就业岗位在不同程度上暴露于生成式AI，若AI被广泛采用，约6%至7%的劳动力岗位将面临被替代的风险。

尤其值得注意的是，这一轮替代呈现出与以往自动化截然不同的结构性特征。传统自动化冲击的是低技能体力劳动，而这一次暴露度更高的是高收入、高教育的脑力职业。从资历看，替代明显偏向初级岗位与年轻工人——有研究发现，在高暴露职业中，22至25岁年轻工人的就业下降约16%，而高级岗位就业保持稳定。一个直观的例证是，2023年至2025年，美国计算机编程岗位就业累计下降约27.5%，创下1980年以来的最低水平。编辑、翻译、客服、平面设计等“大语言模型影响指数”较高的职业，招聘占比下降、招聘门槛反而抬高，呈现出典型的技能偏向与资历偏向。

创造性破坏从来不只是破坏。人工智能同样释放出创造效应。一方面，它催生了大量新岗位与新产业——提示词工程、大模型微调等岗位需求井喷式增长，AI基础设施工程师、智能体架构师、算法调优专家成为增长最快、溢价最高的新兴职业；在国内，AI相关复合型岗位的薪资相比同类非AI岗位溢价可达三成至五成。另一方面，AI大幅降低了技术创业的门槛，推动超级个体和微型企业快速涌现。一个值得关注的现象是，截至2025年年中，我国一人有限责任公司总量已突破1600万家，约占企业总数的27.4%，其中2025年上半年新注册即达286万户，同比增长47%。替代与创造并存、并向两端极化，是这一阶段就业市场的基本特征。

（二）产业变革

在产业层面，人工智能同时推进着智能产业化与产业智能化两个方向。

从产业规模看，全球AI相关支出预计2025年达到1.48万亿至1.76万亿美元，2026年将进一步攀升至2.5万亿美元以上，其中半导体、服务器与云基础设施等硬件资本支出占比超过45%，构成支撑产业扩散的底层引擎。就我国而言，2024年AI核心产业规模已超过9000亿元，同比增长24%，2025年预计突破1.2万亿元；AI企业总数超过6000家，约占全球的15%，已形成涵盖基础层、技术层、应用层的完整产业体系；生成式AI用户规模从2024年底的5.15亿增长到2025年底的6.02亿，渗透率达到42.8%。

制造业是产业智能化最具代表性的领域。2024年我国新安装工业机器人29.5万台，占全球安装量的54%，机器人存量三年内实现翻番，从2021年的100万台增至2024年的200万台。智能制造带来的增质提效已在数据上显现——智能工厂梯度培育行动实施以来，带动产品不良率平均下降47%、产品研发周期平均缩短38%；一些内嵌AI的产线，生产效率提升二至三成，制造成本明显下降。

我们也必须正视产业变革中的争议与现实局限。麦肯锡的调查显示，仅有约6%的企业真正成为AI高绩效赢家；大量企业陷入AI陷阱，过去三年只有约四分之一的AI项目达到预期投资回报，能在企业范围内规模化落地的比例更低。数字化原生行业（金融、文娱、软件开发）经历了剧烈的创造性破坏与重构，而实体制造、能源、医疗则受制于数字化基础与制度建设，扩散相对缓慢——制造业中约三分之二的企业仍存在系统孤岛问题，医疗行业数字化临床服务的渗透率不足25%，与海外六成以上的水平存在明显差距。技术的产业化，远非一蹴而就。

（三）生产率与“新索洛悖论”

生产率是判断技术革命成色的根本指标，也是当前最富争议的问题。

从微观层面看，AI对生产效率的提升是实实在在的。企业AI采用率从2023年的8.7%上升到2025年的20.2%，两年增长超过130%。在客服等场景的实证研究中，AI助手使平均生产率提高约15%、任务完成速度加快40%、质量提升18%，而且经验不足、技能较低的工人受益最为显著，从业者之间的能力差距因此缩小。在中级文书写作场景中也观察到类似效果：任务平均耗时缩短约40%，产出质量提升约18%。

从宏观层面看，这些微观效率的改善尚未在总量统计中显现。尽管全球在AI硬核技术上累计投入数千亿美元，经合组织成员国2023至2025年的年均全要素生产率增速仍维持在1%以下的平缓区间；即便在AI创新最活跃的美国，非农商业部门劳动生产率在2025年录得较强增长后，2026年一季度又大幅放缓至0.3%；我国宏观生产率保持稳定增长，但全要素生产率曲线同样未见因AI而陡峭上扬的迹象。微观火热、宏观平静，这一反差与20世纪80年代计算机普及时期的“索洛生产率悖论”如出一辙，被称为“新索洛悖论”。

对于这一悖论，学界目前主要有三种解释。第一是测量偏差：现行GDP核算难以捕捉数字产品、免费服务和质量改善等无形产出，真实的价值创造被低估了。第二是滞后效应，即“J曲线”假说：通用技术的落地需要经历组织重构与配套投资，互补性资产的累积阶段不仅推高短期运营成本，还可能在统计上暂时压低生产率，只有当这些资产越过临界点，真正的生产率爆发才会显现。第三是替代任务比例有限：有研究估算，未来十年内仅有约4.6%的劳动力任务能够被AI完全替代或大幅优化，据此测算，AI在未来十年对美国全要素生产率的年均贡献仅在0.06%左右，因而不足以在宏观数据中形成爆发式波动。如何准确测度人工智能对经济增长的真实贡献，仍是一个悬而未决的重大课题。

三、智能经济的可能表现

智能经济可能出现如下表现。

其一是人机协同效应。人工智能作为一种技术工具，极大地扩展了个体的手脑边界，使个人得以调动过去只有依附大组织才能调动的复杂资源，从而催生“超级个体”，少数人主导机器，创意与领导力被成倍放大，协作模式由“人人协作”走向“人机协作”。与此同时，可形式化的脑力劳动（如初级分析、文档整理、标准化编程）持续被替代，而且这种替代正从制造业向服务业乃至全产业链渗透。

其二是数据、算法、算力的组合效应。智能经济的业态将围绕智能产业化与产业智能化两条主线展开，前者是智能驱动的全新经济业态，后者是传统产业引入智能实现的服务业智能化与制造业智能化。新生产要素的组合本身具有显著的规模经济特征，这种组合的规模经济将持续推动智能经济的效率跃升。

其三是平台极化与一人公司。人工智能降低了调用复杂能力的门槛，独立个体得以重新夺回复杂任务的编排权，一人公司随之兴起；与此同时，拥有稀缺算力和海量数据的大平台更早涉足智能产业化领域，走向超级平台化。智能既在瓦解一部分平台，也在成就另一部分平台，组织结构由此走向两端分化。

其四是加入智能体后的虚拟空间变化。智能体进入虚拟空间，成为人类交往、交易等行为的代理，虚拟空间中将出现大量非人际化的交易。一个更值得观察的问题是：当智能体承担起越来越多的虚拟空间事务，人是否会重新回到现实世界？人与虚拟空间的关系，值得我们重新加以思考。■

扫描二维码参加线上研讨