黄卓：如何理解和把握智能经济的新机遇

题记：2026年7月4日，2026年CIO百人会高峰论坛举行。本文根据北京大学国家发展研究院经济学教授、副院长、国发院BiMBA商学院院长黄卓的主题演讲整理。

从数字经济到生成式AI革命

从上世纪90年代起，我国经历了数字经济的高速发展，至今已30余年。根据中国信息通信研究院的统计数据，当前中国数字经济高相关产业在宏观经济中的占比已超过40%，且连续十余年增速高于GDP增速。这充分说明数字经济已是宏观经济中最具创新动能的组成部分。

在数字经济发展进程中，数字技术发挥了至关重要的支撑作用。我们常将上一代数字技术概括为“ABCD”，即AI、区块链、云计算与大数据分析。上一代数字技术与数字化进程的最突出作用是将线下活动迁移至线上，突破物理空间的限制，推动业务上云，实现算力的高效利用；通过物联网实现远程触达，依托大数据分析实现人与信息的高效匹配，同时通过自动化信息系统提升业务执行效率。

过去几年我们持续推动数实融合，不少大型企业已取得显著成效，但对于中小企业及部分传统产业而言，数字化转型的“最后一公里”仍存在明显障碍。这一障碍主要体现在两方面：

其一，数字化系统的部署、开发与维护成本高昂；

其二，数字化对精准性的高要求，与“最后一公里”的业务场景存在适配难题，一线工人、销售人员及终端用户将信息接入系统的过程，往往面对较高的阻碍。

以我们北大国发院为例，多年来始终在推进信息化建设，但过去十年间整体进展并不理想。尽管学院规模不大，但业务场景复杂，一线教师难以清晰表述自身对信息系统的具体需求；待服务商按照需求完成开发后，业务需求往往又发生变化，二次开发又将产生高额成本。这些现实问题，都为数字化进程带来了诸多挑战。

过去几年，我的研究重点也从数字经济、数字金融逐步转向AI领域。特别是2022年底ChatGPT问世，到2024年初国内DeepSeek推出，我们正式迎来了生成式AI革命。

AI带来的四大突破

生成式AI与上一代数字技术相比，究竟存在哪些本质差异？AI领域的专家能够从技术层面阐释，我则从功能角度，总结四大突破：

第一大突破，是具备了创造性地生成内容的能力。此前的技术核心是精准匹配与优化决策，例如阿尔法狗下围棋，是在既定局面中找到最优落子位置，所以过去的技术擅长精准性，而不具备创造性，创造性曾被认为是人类独有的能力。但如今，生成式AI已经展现出一定的创造性。当然，创造性也伴随相应的代价，背后是模型的幻觉问题。

第二大突破，是改善了人机交互模式。这一点至关重要。自计算机与信息技术得以应用以来，人机交互始终是关键问题。从汇编语言到高级语言，从Windows操作系统到各类编程语言，人类要指挥计算机完成任务，必须使用计算机能够理解的精准语言进行交互。在这一模式下，计算机处于主体地位，人类需要让自己主动适配计算机的逻辑。而生成式大模型的出现，让这一交互方式发生了根本性转变。无论是使用豆包、Gemini还是GPT，我们都可以通过人类的自然语言向AI下达指令。这一变化极大降低了人机交互的门槛，优化了交互体验。这对两类人群的影响尤为显著：一类是企业管理者，他们过去因不熟悉系统操作，需要依赖技术人员实现与人机交互；另一类是一线业务人员，他们普遍不具备编程能力，同样依赖既定系统才能完成与机器的交互。如今，基于自然语言的人机交互模式，将极大推动一线信息、知识与经验向AI系统的对接，尤其能够打通数据采集、整理与分析的全链路。

第三大突破，是多模态技术的快速发展。过往的信息技术主要基于数据与文字内容，对图片也有一定处理能力，但对视频的处理能力较弱且成本极高。近年来，AI的多模态处理能力实现了大幅提升。去年七八月间，我曾借助AI技术创作了一首个人演唱作品《AI启航之歌》，全程成本不足百元，传播效果与点击量都较高。到了今年，视频生成能力进一步升级，AI短剧、AI漫剧已经发展为一个全新的产业赛道。

第四大突破，是逻辑推理能力的显著增强。大模型诞生初期，逻辑推理能力仍较弱，但随着推理大模型的出现与持续优化，如今大模型已可完成复杂任务，甚至在部分科学任务上达到顶尖学习者的水平。

以上四项能力，均是近几年才实现的关键性突破。

生成式大模型爆发以来，大量资本加速涌入AI领域。据不完全统计，硅谷新增融资中，超过一半流向了AI相关创业公司；全球科技企业的资本开支均呈现大幅增长态势。与此同时，AI应用的用户规模持续高速扩张，大模型性能不断提升，且升级速度远超摩尔定律的演进节奏——芯片性能约每18个月翻一番，而大模型的能力升级周期仅为3至6个月。同时，模型训练与使用成本持续下降，AI相关基础设施也在不断完善。

从技术演进脉络来看，本轮AI技术进步实现了三重跨越：从决策式人工智能转向生成式人工智能，从小模型时代进入大模型时代，从专用 AI 技术迈向通用 AI 能力。以前的自然语言处理、人脸识别、大数据分析等不同领域的AI应用，都需要专门的模型与数据支撑；而如今的大模型如同全能型选手，具备跨领域的通用能力。因此大家也在探讨，本轮AI技术是否会如同第一次工业革命的蒸汽机、第二次工业革命的电动机与发电机、第三次工业革命的计算机与互联网一般，带来各行各业生产力的大幅提升，从而催生第四次工业革命。

在智能时代，一个重要变化是“智能”这一新的生产要素实现了大规模、低成本的供给。此前，企业要在商业活动中应用智能能力，需要付出极高成本、满足诸多条件；而如今，智能能力已经可以实现规模化、低成本的普及。

AI驱动的新产业、新商业、新范式

AI技术革命带来了哪些产业变革？

第一是AI核心产业链的发展机遇。AI的核心产业包含三大要素：算力、算法与数据。当前，无论是AI用户规模还是Token消耗量，都处于指数增长阶段，直接带动AI核心产业，尤其是上游算力基础设施实现井喷式增长。

观察资本市场可以发现，AI硬件领域，尤其是那些存在产能瓶颈、面临“卡脖子”风险的高科技产业，其资本市场表现甚至远超AI应用类企业。这背后的逻辑是：AI应用端呈现指数级增长，但不是所有应用都收费，不一定会产生营收；而支撑这些应用运行的算力需求是真实且刚性的。不同于应用端的扩张，算力的扩张通常是线性的。当线性增长的算力供给遇上指数增长的应用需求，就会推高相关产品价格，带动资本市场估值大幅上涨。

因此，算力产业的发展体现在两方面：一是供给量的增加，二是传统算力基础设施需要进行技术重构，以满足AI的计算需求。从芯片、服务器、通信、存储到云服务，全产业链都需要向适配AI算力需求的方向升级。

在此过程中，全球AI领域大致形成了中美两套产业生态系统，双方均强调自主可控与产业链、供应链安全。其他国家大多需要选择融入其中一套生态系统，或在产业链中融入其中一环，韩国就是其中的典型代表。韩国可以说是当前全球受AI影响最深的国家，其国内约一半GDP与AI直接相关；三星与海力士在韩国股市的市值占比超过50%。韩国成功切入了芯片与高带宽内存赛道，相关企业的股价涨幅十分可观。

这一进程中也蕴含着巨大的国产替代机遇。国家必须保障“卡脖子”领域的自主供给能力，培育国产替代方案。这就如同赛马，我们需要培育多家具备竞争力的市场主体，给予充足的订单与资本支持，最终无论哪家企业脱颖而出，都能保障产业链安全。

第二个更广阔的发展领域是“AI+千行百业”的融合机遇。AI能力的提升，尤其是前述四方面能力的突破，突破了过往数字技术落地效果不佳的瓶颈，让智能能力能够带动产品、服务与商业模式创新。AI就如同曾经的互联网、数字技术与大数据一般，将成为未来商业发展的基础底座与创新引擎，重塑各行业的商业模式。

第三是AI+人的机遇。AI对个体带来的深刻影响，是本轮AI革命受到全球高度关注的核心原因。举一个近期的例子：正值高校毕业季，各院校都会举办毕业典礼并邀请嘉宾演讲。我发现几乎所有嘉宾的发言都会提及AI——有的将其作为时代背景，有的探讨其对专业与教育的冲击，有的分享其对个人发展的影响与应对方式。AI已经成为一个难以忽略的时代话题。

一个有意思的现象是，美国多所顶尖大学邀请了AI领域的企业高管与创始人发表毕业演讲，却遭到不少学生的公开抵制。这一现象背后，反映出美国普通民众乃至部分精英学生对AI带来的巨大冲击普遍存在焦虑情绪。相较而言，中国对AI的态度整体更为积极，更倾向于通过用好AI来创造更好的未来。

本轮AI革命真正的影响是对人的影响，且几乎覆盖所有人群。

一方面，AI可以成为个体能力差异的“压缩器”。比如我给学生布置研究任务，过往学生完成质量差异很大，优秀者做得很好，基础薄弱的可能不及格；但现在，交上来的成果都能达到六十分以上的水平，AI快速补齐了基础能力的差距。

但另一方面，AI也是个体能力的“放大器”。如果老师没有严格要求，绝大多数学生交付的都是看似合格却缺乏价值的成果；只有少数学生能融入自身思考，将成果做到90分以上，两者的差距反而被拉大。

AI时代会带来一个“开关”：一部分人会关闭自主深度思考的开关，将更多任务交由AI完成；而另一部分人则会善用AI工具，推动自身进入深度学习、能力大幅提升的阶段。两种人的能力差距会被显著放大。

将视角从个体延伸到团队与组织层面，会发现AI同样会放大团队与组织之间的差异。从宏观层面看，AI与过往每一次技术进步一样，一方面会替代部分工作岗位，另一方面也会创造新的就业机会。过往数字化技术更多替代蓝领岗位，而本轮AI可能替代大量白领岗位，甚至包括不少面向大学毕业生的岗位，以及高薪专业人士的工作。但与此同时，AI也会催生新的岗位，比如企业的首席智能官就是顺应趋势产生的新角色，且对从业者提出了更高的能力要求。

AI究竟是赋能人类还是替代人类，是会带来大规模失业还是推动人类进入更高水平的发展，既取决于人类的应对方式，也取决于国家的政策导向。我个人对此持相对乐观的态度，相信人类有足够的智慧，决策层也有足够的战略定力，使AI成为赋能人类发展的工具。

现在，AI已经带来许多职业和技能体系的全面重构：部分职业的市场需求大幅缩减；还有不少职业，如果不掌握AI工具，将难以胜任岗位要求。我们已经步入人机协作时代，AI已经成为与我们共同工作的助理、工具与协作伙伴。

如何管理人机协作，是每一位管理者、每一位AI架构师都需要思考的问题。

智能经济的内涵与特征

从国家政策层面看，2025年7月，国务院印发《关于深入实施“AI+”行动的意见》。这一政策也体现出中美AI发展战略的显著差异：美国将AI作为核心支柱产业，在其GDP中占比极高；而中国更侧重通过AI带动千行百业的效率提升与业务增长，推动全要素、全产业的智能化升级。

2026年年初的政府工作报告中，李强总理专门提出了“打造智能经济新形态”的概念。这一提法比较新颖，过去我们谈的是“数字经济”，现在开始讲“智能经济”。这也标志着发展新阶段的开启。

如何理解智能经济，以及它与数字经济的关系？我认为可以从两个维度解读：其一，在当前阶段，仍可以将智能经济纳入数字经济的范畴，作为数字经济中最前沿、最活跃的组成部分；其二，从更长远的时间维度看，智能经济可能是数字经济之后的新型经济形态。

目前智能经济尚未形成严格的统一定义，我结合相关政策文件整理出一个参考定义：智能经济是以新一代AI技术为核心驱动引擎，以算法-算力-数据为关键要素，以“AI+”为实现路径，推动生产方式、产业生态、价值创造系统性变革的新型经济形态。

数字经济时代的计量方式与价值尺度是流量、注意力与用户规模；而在智能经济时代，计量单位与价值尺度转变为Token（词元)，也就是AI处理信息的基本单位。

图1

如图1，智能经济与数字经济在主要技术特征、关键要素、核心技术、度量标准、价值创造来源、组织形态、典型场景与人机关系等维度，都存在明显区别。具体而言，智能经济以 AIGC、多模态、逻辑推理、人机协作为主要特征，以算力、算法、数据协同为关键支点，依托大模型、算力、电力作为核心技术，以 token 作为度量单位，依靠智能驱动完成价值创造；其组织形态为 AI 原生组织、人机协作、智能体互联网，典型应用场景包含编程、办公助手、视频娱乐、具身智能、自动驾驶、智能制造，人机关系呈现协同共创模式，包含 AI 助理、人机协作、数字员工等形式。

智能经济的增长机遇与实践路径

今年是“十五五”规划的开局之年，对比“十四五”与“十五五”，最大的变量就是进入了AI技术发展的全新阶段。

我认为，“十五五”期间最宏大的商业与增长机遇，是AI技术深度融入实体经济、嵌入业务流程、赋能企业经营管理与组织变革，并通过这些落地应用实现价值创造。但这一过程并非易事，因为大模型具备强大能力是一回事，真正进入企业、融入商业场景并创造价值是另一回事。

这就如同甲方与乙方的认知差、买家与卖家的展示落差一般，二者之间存在巨大的落地鸿沟。“十五五”期间，跨越这一鸿沟将蕴含巨大的增长机遇。对于大型企业而言，AI应用水平将成为决定行业生态位与竞争优势的核心因素；对于中小企业而言，用好AI可以降低运营成本、增强组织韧性、应对不确定性，是企业的生存法宝；对于管理者而言，掌握AI应用能力是一定要完成的必修课。

企业的CIO们在技术层面无疑具备扎实基础，但我认为，CIO需要补足的重要一课是学会说服企业决策者，与市场、人力资源等部门协同，与客户深度联动。英文简称还是CIO，但本质上要从首席信息官向首席智能官升级，Information变成Intelligence，最关键的是提升对商业逻辑的理解，尤其是对AI驱动商业变革底层逻辑的认知。

最近有一句流传很广的说法：“所有行业都值得用AI重做一遍”。我认为这一表述略显绝对，我更倾向于另一种表述：所有的行业都值得思考，是否应该用AI重做一遍。企业首先需要判断自身行业是否需要、以及何时推进AI重构，部分行业可以率先布局，部分行业则可以稳步推进。

从竞争角度看，AI将决定企业的核心竞争力与产业生态位。对于距离数字技术较远的产业，比如餐饮、线下制造业等传统产业，以及中小企业集中的产业，其AI服务可能并非由互联网大厂提供，而是由产业内的核心链主企业供给，因为产业AI服务需要对行业业务有深刻洞察、掌握专业领域数据，而大厂往往难以全面覆盖这些细分领域。

在我看来，2026年的行业发展具备以下几方面有利因素：

第一，资本市场对AI的热度持续高涨。比如MiniMax上市后估值突破万亿，企业的AI战略会直接影响其资本市场估值。因此，从CIO向首席智能官转型，一项重要职能就是从AI视角协助企业决策者梳理整体战略，明确AI在企业发展战略中的定位，制定企业拥抱AI的具体路径。

第二，政策正在协同发力。无论是AI基础设施建设、应用场景拓展、智能终端采购，还是高质量数据要素市场建设，相关政策均已完成部署，并将在“十五五”期间逐步落地。

第三，大模型能力进一步增强，智能体开始真正落地应用。智能体进入真实场景存在不小的风险，而以“龙虾大战”为代表的标准化智能体实践，最重要的意义在于推动形成行业标准，划定安全边界，让智能体在发挥效能的同时实现风险可控。

第四，Token开始真正实现商业化收费，这是极具标志性的一步。中国互联网与数字经济发展长期存在的一个问题，是用户缺乏付费意愿。而在智能经济时代，Token付费模式的普及是非常积极的变化。只有愿意付费的需求，才是真实的需求。

第五，超级个体和AI原生组织不断涌现。AI催生了许多“超级个体”，善用AI的个体可以独立完成过去需要十数人才能完成的工作，依托平台直接创造可观的商业价值。AI原生组织则是自创立起便以大模型为技术底座、人机协作为核心模式的新型组织，其业务、管理与文化天然适配智能经济时代。

第六，越来越多的企业开始实质性推动AI落地。CIO在企业战略布局中的角色将愈发重要。在此过程中，CIO需要兼顾业务、战略、组织、人才等多维度视角，推动AI真正落地见效。

最后，用我写过的一段话作结：“当前AI世界最主要的矛盾，是广大人民群众对AI先进生产力日益增长的应用需求，与企业家群体不懂AI、不会部署AI、不会使用AI、不敢应用AI、不知道从何处着手用AI之间的矛盾。”在破解这一矛盾的过程中，企业CIO们大有可为。

整理：白尧 | 编辑：王贤青