沈艳 | 创新：企业经营激活“人工智能+消费”

总需求不足是当前经济运行面临的突出矛盾，必须大力实施扩大内需战略，把恢复和扩大消费摆在优先位置。当前我国居民消费占GDP的比重约为四成，与世界平均水平差距明显。内需不足有多重原因，如居民收入增长放缓、社会保障体系尚不完善，预期转弱使消费决策趋于保守。但从更深层次看，传统供给体系越来越难以适应新需求导致的供需结构性错配，是消费潜力难以释放的根本症结。

2026年6月，商务部联合中央网信办、国家发展改革委等八部门发布《关于加快“人工智能+消费”发展的实施意见》，围绕智能商品、服务消费和消费场景创新提出5方面17条举措。这份文件为破解供需错配提供了政策牵引，但一个关键问题是，企业经营模式需要什么样的创新和调整才能推动“人工智能+消费”切实落地。

一、供强需弱的结构性错配

理解内需不足，不能只看需求侧。收入分配改革、社保体系完善、消费环境优化无疑都是扩大消费的重要抓手，但若供给端始终无法提供与升级后的消费需求相匹配的产品和服务，增收促消费的政策效应就会大打折扣。当前供给与需求之间的错配，根源于两种截然不同的组织逻辑。

我国传统供给体系是生产导向的。它的形成有其深刻的历史合理性：改革开放初期，经济处于短缺状态，供给不足是主要矛盾，消费以同质化刚性需求为主。在这一背景下，供给体系围绕生产展开，形成了三个突出特征：一是产销关系以企业供给为中心，企业依据产能规划和历史数据组织生产，消费者被动接受产品规划；二是生产方式追求标准化、规模化和批量化，为在最短时间内以最低成本扩大产出，企业倾向少品种、大批量模式；三是流通体系遵循从工厂到经销商再到消费者的线性链条，渠道层级分明，生产端与消费端之间存在多重中介。这套模式帮助我国解决了短缺问题，支撑起了全球最完整的工业体系。

然而，随着发展阶段转换，消费需求的面貌已经发生了根本性改变。我国居民人均服务性消费支出占比已达46%，消费的重心正从功能满足转向品质体验，从物质拥有转向情绪价值，从趋同消费转向个性表达。Z世代追求悦己与圈层认同，银发群体呼唤适老化服务，下沉市场释放出差异化的品质诉求。这些新需求呈现出品质化、个性化、情感化、长尾化的特征，总量巨大但单个规模小、变化速度快，与过去排浪式、同质化的消费格局有本质区别。

生产导向的供给逻辑与新需求之间，由此存在三重结构性矛盾：首先，新需求往往具有小批量、多品种、快变化的特点，这种碎片化需求与标准化大规模制造的逻辑直接抵触。其次，新需求需要有效捕捉微观生活场景中涌现的需求信号并作出即时判断，但传统调研和统计手段是基于总量和历史数据，因而天然存在时滞。再次，新需求往往需要精细化、持续性的服务，而传统供给强于高效制造，但整合利用消费数据的能力相对薄弱，存在制造优势与服务短板的失衡。三重矛盾叠加，使企业错失机遇，造成产能过剩和行业内卷。

正是在这个意义上，人工智能为化解供需错配提供了前所未有的技术可能。AI的感知能力可以帮助企业捕捉传统统计无法触及的消费信号，其分析能力可以将碎片化的需求转化为可理解的模式，预测能力可以在需求尚未完全显现时提前调度产能。《关于加快“人工智能+消费”发展的实施意见》的出台，表明人工智能在促消费领域的战略价值得到了有关部门的认可。但技术可能性不等于商业现实，从可能到落地，企业需要跨越若干关键障碍。

二、“人工智能+消费”落地的四重挑战

（一）用AI做旧模式

许多企业对AI的应用停留在为既有商业模式打补丁上。例如，在营销层面用算法更高效地向消费者推送商品，但推送的商品与过去并无本质区别。这本质上是在用新技术加固旧模式，把AI当作强化生产导向供给逻辑的工具。如果AI只是让同质化商品的推销变得更精准，它不仅不能缓解供需错配，反而可能加剧内卷。这是因为，更精准的推销短期内或许能消化库存，但长期来看，消费者对与自身需求不匹配的推送会趋于麻木，不仅转化率会递减，甚至对整个行业的营销模式产生反感。如果企业继续加大投放力度，会陷入新一轮成本竞赛，甚至可能导致客户和企业关系恶化。“人工智能+消费”要真正落地，企业首先需要回答的不是如何用AI促销，而是要关心用AI为谁做、以什么逻辑做、如何做等更深层次的问题。

（二）需求信号捕捉与传导不畅

企业生产要能回应新需求，前提是能够及时、准确地捕捉消费端的真实信号。当前消费数据高度分散于各类平台和商户之中，形成彼此隔离的“数据孤岛”。头部平台企业掌握了大量消费行为数据，但这些数据很少以可负担的方式流向中小企业和行业管理部门。中小企业既看不到行业趋势，也看不清自己的客户，决策仍然依靠经验判断。数据隐私与安全规制尚在探索之中，企业在数据采集和共享中面临较高的合规不确定性，进一步抑制了需求信号在供给链条中的传导效率。

（三）柔性供给能力不足

即便企业准确捕捉到了需求信号，能否以合理成本作出快速响应仍是巨大挑战。传统产线围绕少品种大批量设计，切换品种意味着停工、调试和良率损失。柔性制造、小单快反的能力目前主要集中在少数龙头企业，广大中小微企业既缺乏改造资金，也缺乏既懂AI又懂行业的复合型人才。部署一套中等规模的企业级AI应用，初期投入动辄数百万元，远超多数中小企业的承受能力。如果柔性供给能力不能从龙头企业扩散至更广泛的经营主体，“人工智能+消费”就可能在提高少数企业效率的同时加剧行业分化。

（四）制度环境适配滞后

经营模式创新离不开制度支撑，而现行制度框架在若干关键环节上尚未跟上技术与企业实践的步伐。在标准层面，智能终端互联互通尚缺乏统一协议，AI产品质量评价体系尚未建立，消费者面对标榜AI的商品缺乏可信的甄别依据。在治理层面，算法定价的公平性审查、AI生成内容的责任界定等问题尚无清晰法律答案，企业合规成本居高不下。在信用层面，传统信贷依赖重资产抵押，而向生活导向转型的企业往往以数据、创意和服务能力为核心资产，现有信用体系难以有效评估其价值，创新型企业融资难的问题依然突出。

三、经营模式创新的四个维度

要应对上述挑战，企业不能仅靠政策文件，更需要在自身发展模式上做出根本性转变，至少需要在以下四个维度推进经营模式的创新：

（一）从供给决定需求转向需求牵引供给

企业生产和流通的起点不应是产能规划，而应是消费端的真实信号。要摒弃“把梳子卖给和尚”式以产定销的生产和营销模式，切实关注消费者的真实需求及其变迁。为此，企业需要建立高频、细颗粒度的需求感知机制。但是，单个中小企业自行收集相关信息成本高、效率低。因此，需要考虑需求感知机制方面的创新。头部平台企业脱敏后的消费趋势和偏好数据可以成为面向中小企业和行业管理部门的需求洞察工具，是这类需求感知数据的重要来源。可考虑鼓励头部平台将脱敏后并经过加工的数据作为数据资产，将其纳入全国统一大市场的信息基础设施建设，这不仅能盘活头部平台数据资产的使用，还能通过市场机制使消费信号跨区域匹配到最合适的供给方。在企业层面，则可将平台数据、用户评价和社交讨论等多源信息系统性地纳入产品决策，从依靠经验判断转向依靠数据洞察。

（二）从“你生产我消费”转向产消共创

企业需要重新定位消费者的角色，不应将消费者仅视为价值链终端的付款人，而应视其为深度参与产品定义和价值创造的产消者。企业需要建立数字化的共创研发流程，在设计阶段即通过用户社群收集反馈并快速迭代。以茶饮行业为例，某头部品牌每年推出上百款新品，一些新品是根据消费者在社交平台对其产品的评价、建议和投票推出，这背后正是数字化系统将终端消费数据与研发配方深度联动。这一模式的核心不是技术本身，而是企业是否愿意将消费者从门外请进门内，将研发从封闭实验室变为开放共创。当消费者从价值链的终点变为起点，供给就不再是企业的单向输出，而是供需双向共创的连续过程，企业的核心竞争力也将从制造效率转向需求理解和快速响应能力。

（三）从规模制造转向柔性响应

柔性生产不是要放弃规模优势，而是要具备效率和多样性之间的平衡能力。企业经营模式中，基于AI恰当应用的模式创新使这一平衡成为可能。

在研发端，AI辅助设计工具可以显著降低个性化定制的成本门槛；在生产端，智能排产系统可以根据实时订单数据自动调整产线配置；在流通端，智能仓储和路径规划可以支撑更小批量、更高频次的配送。要多措并举鼓励这些能力从龙头企业扩散至中小微主体。一方面，应鼓励AI企业开发面向垂直行业的轻量化智能工具，使得小微企业不至于被迫去训练对他们而言成本过高的大模型。另一方面，可在全国布局若干区域性柔性制造共享中心，为中小企业提供按需使用的打样、小批量生产和检测能力，使柔性供给成为行业公共品而非少数企业的专享优势。具体到行业层面，可在服装、快消品等需求变化快的行业，率先打通从消费端下单到工厂排产的全链路数据闭环，发展小单快反的按需生产能力，让AI需求预测与智能排产算法帮助企业在不显著推高成本的前提下实现柔性响应。

四、企业转型需要制度协同

企业经营模式创新需要制度环境的有力支撑，其中尤其值得注意的是要大力推动数字信用制度的建设与实施。

侧重“人工智能+消费”相关产销的企业中，有不少创新型中小企业。这类企业往往属于轻资产，未来现金流也存在不确定性，这对传统信贷逻辑构成了根本性挑战。数字金融的实践已经证明，企业经营流水、线上评价、知识产权等替代性数据可以有效评估信用风险。已有互联网银行将卫星遥感、土地承包和农户授权数据进行融合分析，使农民手机一点即可完成秒贷秒批。同样，这一逻辑也已经延伸至中小商业主体。例如，将企业在电商平台和支付系统中的经营数字足迹转化为可量化的信用资产，使好的创意和扎实的经营能力而非固定资产成为获得金融支持的依据。这需要金融监管部门加快建立适配轻资产、创意型、服务类主体的数字信用体系，也需要企业有意识地积累和运营自己的数据信用资产。

数字信用之外，还需要多重制度协同。数据治理层面，应建立分级分类的监管框架：对算法定价、智能推荐等直接关涉消费者权益的场景实施第三方审计，对一般性商业AI应用则采取包容审慎的监管姿态，以沙盒试点为创新留出空间。数据共享层面，可借鉴国际标准化的标识解析理念，在不改变数据所有权和分布式存储的前提下，通过统一接口实现数据的逻辑关联和安全互通，在隐私保护和价值释放之间找到平衡。标准建设层面，加快制定智能终端互联互通、AI产品质量评价等基础性标准，防止“人工智能+消费”从开放生态退化为封闭垄断。人才培养层面，鼓励高校和职业院校增设AI与商业交叉学科，同时建立AI应用顾问下沉机制，缓解中小企业和县域商业体的人才短缺问题。

这些制度安排的核心指向是降低企业的交易成本，使创新变得更加安全和可预期。“人工智能+消费”涉及商务、网信、发改、工信、市场监管等多个部门，可考虑在国家层面设立专项协调机制，统一推进标准制定、试点推广、风险评估和国际合作，避免单项政策各自合理但叠加后反而增加企业负担。

推动“人工智能+消费”，切实解决内需不足问题，需要企业在经营范式上作根本转型。这是因为虽然传统供给体系曾为我国创造了举世瞩目的经济成就，但当发展阶段从短缺走向充裕，供给的组织逻辑也必须相应转变。这场转型不可能一蹴而就，柔性化生产初期可能推高成本，数据共享与隐私保护的平衡需要持续磨合。必须坚持稳中求进、梯度培育，不搞“一刀切”，也不因短期阵痛而回避长远变革。唯有如此，“人工智能+消费”的巨大潜能才能真正转化为扩大内需、改善民生和培育新质生产力的持久动力。

沈艳，北大国发院经济学教授、蚂蚁讲席教授，教育部-北京大学人力资本与国家政策研究中心副主任、北大数字金融研究中心执行主任。

本文刊登于《企业改革与发展》杂志2026年第9期