陈永伟：AI会让经验瞬间归零，必须为掉队者做好托底

当“数字员工”开始规模化上岗，产业格局将如何重塑？就业市场面临怎样的冲击？

2026年的政府工作报告首次将“智能体”与“智能终端”并列，《比较》研究部主管、研究员陈永伟向财闻表示，这是一个非常值得关注的信号。它意味着决策层已经意识到，未来的智能化应用并不只是“更聪明的设备”，而是“硬件入口与软件智能协同”的新体系。

作为国内最早系统研究“智能体经济”的学者，陈永伟结合两会最新提法，从产业竞争、就业变革、监管演进等维度，深度解读智能经济时代的发展逻辑与应对之道。

以下是访谈内容：

一、从拼流量到拼数据模型场景”

财闻：今年报告首次将“智能经济”作为独立经济形态写入，明确“深化拓展‘人工智能+’，促进新一代智能终端和智能体加快推广”。从平台经济到智能经济，你认为这一提法升级背后的战略考量是什么？智能经济将如何重塑传统产业的竞争格局？

陈永伟：今年政府工作报告首次把“智能经济”作为一种独立经济形态提出，同时强调要深化拓展“人工智能+”，推动智能终端和智能体加快推广。在我看来，这一提法的升级，实际上反映了中国数字经济发展阶段的一次重要跃迁。

在平台经济阶段，数字技术的主要作用是连接供需、降低交易成本。平台通过数据与算法把分散的供给和需求匹配起来，提高市场效率。而在智能经济阶段，人工智能开始深入研发、生产、供应链、营销和服务等各个环节，它改变的不只是交易方式，而是整个生产体系的运行方式。换句话说，平台经济更多是“连接经济”，而智能经济正在成为一种“决策与执行自动化的经济”。

这也意味着未来产业竞争的逻辑会发生变化。过去很多行业拼的是规模、流量和渠道，而在智能经济时代，企业更需要形成一种“数据—模型—场景”的能力闭环：谁能把行业数据沉淀下来、把模型嵌入业务流程并持续优化生产效率，谁就能建立新的竞争优势。

一句话概括：平台经济解决的是“人找信息”的问题，而智能经济正在解决“机器替人决策”的问题。未来企业之间的竞争，很大程度上会变成“谁的智能系统更好”。

财闻：“智能体”首次写入政府工作报告，与“智能终端”并列。你如何理解这一并列的战略意义？这是否意味着政策层面开始关注“软硬协同”的智能应用生态？对于平台企业而言，从提供连接到提供智能体服务，将带来哪些商业模式上的变革？

陈永伟：报告把“智能终端”和“智能体”并列提出，这是一个非常值得关注的信号。它意味着决策层已经意识到，未来的智能化应用并不只是“更聪明的设备”，而是“硬件入口与软件智能协同”的新体系。

智能终端更多解决的是人与系统之间的交互问题，比如手机、智能汽车、可穿戴设备等，它们是感知世界和获取数据的入口。而智能体则承担理解任务、做出决策、调用工具并执行行动的角色。换言之，终端是“感官”，而智能体是“行动的大脑”。

这种结构会对平台企业的商业模式带来深刻变化。过去平台的核心价值是连接用户和商家，提供流量和交易撮合。但随着智能体的发展，平台可能越来越多地提供“完成任务”的能力，比如自动运营店铺、自动投放广告、自动客服、自动供应链调度等。在这种情况下，平台将不再只是信息中介，而可能成为一种“数字劳动力提供者”。

如果说平台经济卖的是流量，那么智能经济卖的就是生产力。未来平台之间的竞争，很可能是谁拥有更强的智能体生态。

二、AI会让经验瞬间归零，必须为掉队者做好托底

财闻：报告一方面强调“深化拓展‘人工智能+’”，另一方面提出“完善适应人工智能技术发展促进就业创业的措施”。你曾关注平台算法对就业的影响。随着生成式AI和智能体的普及，你判断它会更多“创造”新职业，还是更多“替代”现有岗位？我们应如何构建适应AI时代的就业安全网？

陈永伟：从历史经验来看，新技术往往会在短期内对一些岗位形成替代压力，但长期来看通常会创造新的职业结构。人工智能也可能呈现类似的规律。生成式AI和智能体最容易替代的，是那些高度标准化、流程化的脑力劳动，比如基础文案、简单客服、部分数据处理等。值得注意的是，这些工作中，有不少原本都需要长期的经验积累，从事这些工作的人可以依靠经验获得不错的收入，但AI取代他们则很容易。这就可能会造成一批白领的失业。

但与此同时，它也会创造大量新的岗位，例如AI训练、数据治理、智能体编排、算法安全、AI产品运营等。举个直接的例子，这几天OpenClaw（奥地利程序员开发的一款可以部署在个人电脑上的AI代理产品，采用“龙虾”图标设计）很火，很多人想要体验一下养龙虾（即部署该款AI代理产品）的感觉，但不会部署，于是就催生了不少帮助部署OpenClaw的人。以后，随着AI的发展，类似的为AI提供辅助的岗位可能会很多。

另外需要注意的是，AI对于就业市场的冲击，并不总是体现在替代人类劳动力上。在很多情况下，人类的岗位并不会被完全替代，但是会被重构，人机协作会变得更加重要。未来很多职业的工作方式会发生变化：人更多负责判断、创造和监督，而机器负责执行和分析。

为了应对AI的冲击，关键不是简单讨论替代还是创造，而是如何建立适应技术变化的就业体系，比如加强职业培训、支持终身学习，以及为灵活就业提供更完善的社会保障。当然，我们也要注意到，AI可能造成的失业很大程度上会是结构性的。它会让人类长期积累的经验在瞬间一文不值，而人类要学习新的技能却需要很长的时间。在这种情况下，注定有一批人会持久失业。对于这部分人的生存问题，必须加以重视，一定要做好托底工作。

财闻：今年报告首次提出“深入整治‘内卷式’竞争”，并明确“综合运用产能调控、标准引领、价格执法、质量监管等手段”。你如何看待从过去聚焦平台反垄断，到现在系统整治“内卷式”竞争的政策演进？这是否意味着平台经济监管进入了更精细化、更注重市场生态建设的新阶段？

陈永伟：过去几年，平台监管的重点主要是反垄断，比如防止“二选一”、滥用市场地位等。而现在提出整治内卷竞争，意味着政策更加关注低价恶性竞争、质量下降以及创新动力不足等问题。在很多行业，如果竞争只停留在价格战层面，企业利润会不断压缩，最终导致技术投入下降和产品质量下降。从长远看，这对消费者和产业升级都是不利的。因此，新阶段的监管更加注重引导企业通过技术创新、质量提升和品牌建设来竞争，而不是单纯依赖低价策略。真正健康的竞争，不是比谁更便宜，而是比谁更优秀。治理“内卷”，本质上是在为高质量竞争创造空间。

财闻：你曾提出，对于平台经济要“既不能完全放任，也不能一管到死”。今年报告在宏观政策取向中强调“必须做到既‘放得活’又‘管得好’”。结合你的长期观察，在当前“智能经济”兴起的背景下，如何具体落实这一原则？特别是在处理平台与平台内经营者、劳动者的共赢发展上，有哪些政策工具可以创新？

陈永伟：在我看来，这需要政策制定者在发展和规范这两个目标之间进行权衡，走好“钢丝”。一方面，人工智能和平台技术的发展非常快，如果监管过于僵化，可能会抑制创新活力；但另一方面，如果完全放任，也可能导致不公平竞争、算法歧视或劳动权益问题。因此，未来监管的重点应该从“简单限制平台规模”，转向“规范平台规则和算法机制”。

例如，在平台与商家的关系上，可以加强规则透明度，让商家更清楚平台的流量分配和处罚机制；在平台劳动者方面，可以完善职业伤害保障和社会保险制度；在数据和算法方面，则需要建立更清晰的合规和审计机制

三、治“内卷”不是管价格，是建生态

财闻：报告提出发展“低空经济”“具身智能”“脑机接口”等未来产业，并要求政府投资基金做“耐心资本”。你曾在研究文章中探讨过日本AI产业的教训，即纵向产业政策“豪赌”风险巨大。在当前各地争抢未来产业赛道时，如何避免“一哄而上”导致的重复建设？政府“耐心资本”应该遵循怎样的产业培育逻辑？

陈永伟：避免“一哄而上”，既要在激励上做文章，更要对产业政策进行调整。在激励机制上：一是建立全国统一评估机制，基于报告的风险分担机制，优先支持有基础的地区；二是跨区域协作，避免地方保护主义；三是动态监测，结合“十五五”目标，调整资金分配。在产业政策层面，中国应吸取日本AI产业的教训。避免“挑选胜者”式的纵向产业政策，转而采取培养环境的横向产业政策。

具体而言：一是要投资通用基础设施，如全国性智算网络和开源AI平台，惠及所有参与者；二是要强化人力资本，通过教育改革和国际引才，构建AI人才池；三是要完善制度环境，包括知识产权保护、标准制定和风险分担机制，避免地方碎片化竞争；四是要鼓励市场驱动创新，政府基金仅提供种子支持，引导民营资本主导具体应用。

政府“耐心资本”应遵循这一横向逻辑：一是长期视角，报告强调未来产业投入增长，聚焦具身智能等高潜力领域，但以基础研究和生态构建为主；二是市场导向，与民营资本联动，避免日本式“豪赌”；三是退出机制，确保资金循环；四是人才集聚，结合教育政策，培育生态而非单一项目。通过此转变，可实现资源高效配置，推动智能经济可持续增长。

财闻：“十五五”目标提出数字经济核心产业增加值占比达到12.5%，较2025年的10.5%再提升2个百分点。要实现这一目标，你认为除了产业自身的增长，统计方法的完善是否也需要同步跟进？

陈永伟：当前数字经济核心产业增加值占GDP的比重已经达到约10.5%，未来目标是进一步提高到12.5%。要实现这一目标，既需要产业本身的持续增长，也确实需要统计体系的不断完善。

随着人工智能、数据要素和数字服务的发展，越来越多的经济活动以无形资产和数字服务的形式出现。如果统计方法仍然主要围绕传统工业或实体产品，很可能会低估数字经济的真实规模。因此，未来在统计体系上应更好地反映数据资产、数字服务以及AI驱动的生产效率提升，让数字经济的贡献更加准确地体现出来。

四、数据确权关键不在“归谁”，在“可交易”

财闻：报告明确提出“发挥数据要素、知识产权等无形资产作用”，支持其作为信贷抵押物。这是否意味着数据产权界定问题正在走向可操作的制度层面？从你的学术视角看，当前数据要素市场化配置的制度进展如何？平台企业与消费者之间的数据权益边界应如何厘清？

陈永伟：让无形资产成为抵押物，关键不是一句“确权”就能解决，而在于同时补齐三类基础设施：可验证的权利边界、可度量的现金流预期、可执行的处置机制。数据与知识产权的共同点是非物质性，但数据又比知识产权更“难抵押”，因为它具有明显的非排他性与可复制性：同一份数据在合规前提下可以多方使用，抵押物的“独占性”弱；而且数据价值高度依赖场景与算法，缺少像土地、设备那样通用的二级市场定价。因此，数据抵押的可操作制度，往往不会以“绝对所有权”为中心，更可能以“权利束拆分 + 合规流通服务 + 风险分担机制”为核心：把数据的使用权、收益权、加工权、合规责任与安全义务拆开，形成可交易、可审计、可追责的权利结构。

这也是为什么你会看到近期国家层面在推动“数据流通服务机构”等制度供给：例如国家数据局等部门文件提出，要支持流通服务机构提供数据资产合规化、标准化、增值化服务，推进数据资产入表，并探索数据资产运营与收益分成模式；同时还提到围绕应用场景探索发展“智能体服务”等新业态。这类安排的意义在于，它把“数据要素市场化”从单纯的数据交易所撮合，推进到“合规治理—产品化—交付结算—收益分配”的全链条建设，金融机构才有可能在此基础上做风控与授信。

至于平台企业与消费者的数据权益边界，我更倾向于用“可操作的边界规则”而不是抽象归属来回答：平台对数据处理的权利应被限定在目的限定、最小必要、可撤回与可审计的框架内；消费者对个人相关数据至少应拥有可查询、可更正、可携带、可撤回等基本权能；而当平台基于用户数据形成显著的商业增值时，制度上更需要引入“可感知的回报机制”，比如更透明的价格—数据—服务对价关系。否则数据流通的社会信任基础会变得脆弱。

四、以旧换新别只盯着卖货

财闻：报告提出“打造一批带动面广、显示度高的消费新场景”，“培育智能原生新业态新模式”。你认为在智能经济时代，平台企业如何从“连接供需”升级为“创造场景”？“智能原生”业态与传统电商相比，将如何重构消费体验？

陈永伟：平台企业未来的角色会发生变化，从单纯的交易平台，逐渐转变为消费体验的设计者和组织者。传统电商的逻辑是“商品货架”，用户自己搜索、比较、下单。但在智能经济时代，消费过程可能变得更加自动化和个性化。比如用户只需要表达需求，智能系统就可以根据预算、偏好和使用场景自动推荐商品组合，甚至直接完成购买和配送。这种模式下，平台不只是提供商品，而是提供“解决方案”。比如家庭消费、健康管理、旅行规划等，都可以通过智能系统形成一整套服务组合。

财闻：报告首次明确提出“制定实施城乡居民增收计划”，特别是增加居民财产性收入。从你的视角看，在数字经济时代，增加居民财产性收入有哪些新渠道？

陈永伟：“财产性收入”的本质是居民部门参与经济增长成果分配的制度安排。数字经济时代的新渠道并不等于“发明某种新金融产品”，更关键的是降低居民参与优质资产回报的门槛与摩擦成本，同时提高透明度与投资者保护水平。也就是说，数字技术可以扩大财产性收入机会，但它必须与三套制度配套：一是更稳健的长期资金体系（养老、保险等），二是更完善的普惠金融与财富管理规范，三是更强的风险揭示与反欺诈机制。

在数字经济中，居民财产性收入的增量空间，往往来自两条路径：一条是让更多家庭以更低成本进入“长期、分散、透明”的资产配置——这依赖制度化的长期资金工具与投资者保护；另一条是让更多人的知识、技能与数字内容形成更稳定的收益流，例如版权收益、数字内容分成、个人品牌与专业服务的长期订阅等。但要把第二条路径做实，不能只靠平台“愿不愿意分”，还需要更强的版权保护、分账透明、反盗版与合规治理，让创作者的收益预期更稳定，从而把“技能收入”逐步转化为具有持续性的“准财产性收入”。

我更愿意强调一个“深度指标”：如果增收计划最后只是把居民引向更高风险的投机资产，那不叫增加财产性收入；真正有质量的财产性收入，应该是风险与期限结构更匹配、信息更透明、收益更可预期的收入。

财闻：根据报告，今年安排2500亿元超长期特别国债支持以旧换新，并创设1000亿元财政金融协同促内需专项资金。在当前“供强需弱”的背景下，这轮以旧换新与以往相比，在激发服务消费、培育新消费场景方面应有哪些创新？

陈永伟：在“供强需弱”的背景下，以旧换新如果只盯着销量，很容易出现两个问题：第一，补贴被部分套利与低质量供给吸收，真实改善有限；第二，政策只拉动耐用品更新，却没能带动更广泛的服务消费与场景创新。因此，这轮以旧换新真正需要的创新，是把“换新”从一次性交易改造成生命周期服务与绿色循环体系：例如家电、家装、智能家居的更新，不只是换一台设备，而是带动上门拆装、适老化改造、节能评估、延保维护、以旧回收与再制造等整套服务链条，从而把补贴的乘数效应更多落在服务消费与新业态上。

同时，1000亿元财政金融协同专项资金的意义，在于它可以把一部分政策工具从直接补贴转向风险分担与信用增进，用贴息、担保、风险补偿去撬动金融机构对特定消费场景与服务供给侧的支持——比如面向绿色家装、适老化改造、智能化升级的分期产品，面向回收—翻新—再销售体系的供应链金融等。换句话说，财政资金不必把每一块钱都花成补贴，它也可以花成“让市场敢放贷、敢扩产、敢提供服务”的信用基础。

最后一个容易被忽略但很关键的点，是机制优化应当越来越依赖数字化治理。以旧换新天然涉及旧品回收、补贴核验、价格透明与流向追踪，如果缺乏可验证的数据链条，就会削弱政策效率。把回收编码、交易核验、履约评价、二手流向监管做成统一的数字底座，既能抑制套利，也能让绿色循环经济真正形成规模。