AI 如何塑造生产力？复旦联合斯坦福、伯克利、牛津、普林斯顿、UCL 等 12 家机构给出 68 页答案

过去一年，AI 已经从有问必答的对话工具，逐渐变成能接过一整段工作的执行者。金融机构里，agent 被用来模拟一家机构的决策结构，彼此竞争以过滤噪声；法律领域，它已经从检索辅助走到把推理过程逐步显式化，甚至对整个庭审过程建模。

而这种接管能力远不止于屏幕内的工作。产线上，它从缺陷检测走到了排产与运营决策；田间，它能编排视觉模型与知识图谱做出病害诊断；跨境贸易中，它负责理解与编排，把关税计算和制裁筛查交给确定性模块；医院里，它已经走完从知识注入、能力对齐到 agent 化执行的完整路径。AI 正在广泛进入各行各业，转化为真实的生产力。

Claude Code 在终端里自主调试代码库。

Claude Cowork 把本地零散数据做成可视化报告，并定时运行。

这种跨行业的普遍性，是以往的生产工具较少具备的。从蒸汽机到电气化再到数字网络，历次工具革命同样重组过大规模生产的组织方式，但它们主要放大的是人类工作的某个特定方面，在预先设定的范围内高度有效，一旦超出既定的流程，便仍需人来判断与接手。而 Agentic AI 与以往工具的不同之处，在于同时具备通用性与自主性，因而正在成为一种新的生产工具，并进而革新生产关系。它的意义不只在于让单项任务更快，而在于重新组织工作的执行、协同与责任分配。然而，这场重组究竟经由哪些机制发生、在各个产业中又分别走到了哪一步，此前始终缺少系统的回答。

为回答「AI 能力如何真正转化为持续的生产力增长」这一关键问题，由复旦大学牵头，联合浙江大学、斯坦福、伯克利、普林斯顿、牛津等 12 家机构组成的 AI4X Project Team，近日发布 68 页综述《AI for Productivity in the Age of Agentic AI》。综述提出效率与扩张两大机制，建立生产责任委派的四阶段框架，据此考察十一个关键行业的真实应用、代表性系统与评测基准，并归纳出决定扩散深度的五个结构性因素，试图为理解下一轮生产方式变革提供见解。

• 论文标题：AI for Productivity in the Age of Agentic AI
• 论文链接：https://github.com/ai4x-org/AI4Prod/blob/main/AI_for_Productivity_in_the_Agentic_Era.pdf
• 项目主页：https://ai4x-org.github.io/
• 代码仓库：https://github.com/ai4x-org/AI4Prod

一、Agentic AI：

第一类能接过整段工作的生产工具

各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。
—— 马克思《资本论》

回望历史进程，每一轮生产工具的更替，都会把原本由人完成的一部分工作转交给机器。蒸汽机把体力劳动机械化，实现了人力与畜力的大规模替代；电气化与流水线围绕标准化、连续化与高吞吐重组了生产组织；计算机与数字网络则把技术增强从体力劳动扩展至认知、行政与组织工作。工业机器承接的是物理执行，信息系统承接的是计算、存储与规则化处理，二者都在预先设定的范围内展开。而 Agentic AI 所承接的，是从接到目标到交付结果的整个过程。

Agentic AI 之所以能够胜任之前的生产工具都不能承接的全流程任务，源于两项新的性质。

一是通用性。传统软件只在预先定义好的流程中有效，更换场景往往需要重做；同一个 agent 则可以在语言、分析、操作等不同类型的任务之间反复复用，跨任务、跨领域、跨知识语境均能成立。agent 因而更接近一份贯穿整条生产管线的资产，而非附着于某一环节的单项功能。

二是自主性。给定一个目标，agent 能够维持上下文、将目标拆解为子任务、按需调用外部工具，并依据反馈回头修正，整个闭环无需人持续介入。

两者叠加，AI 得以从处理零散任务的辅助工具，转变为可对一项完整工作端到端负责的执行者。而下一个问题随之而来：它究竟经由什么，把这份「负责」转化为真实的生产力？

全文框架总览。右下角的公式是核心：生产力 = 效率机制 × 扩张机制，两者互相放大

二、效率与扩张：

Agentic AI 转化为生产力的两条机制

Agentic AI 经由两条机制提升生产力：效率机制降低既有产出所需的人力投入，扩张机制则解锁新的生产任务，使那些原本因成本过高、周期过长或复杂度过大而不具可行性的工作成为可能。

效率机制压缩已有工作的成本，扩张机制解锁原本做不了的工作。而关键在于省下的注意力要如何重新分配出去

当运行 agent 的成本低于人工完成同一任务的时间成本时，效率机制开始生效。Anthropic 基于约 10 万个 AI 辅助对话任务的时间估计显示，一项在无 AI 条件下约需 90 分钟的任务，可缩短约80%的耗时；BCG 与哈佛商学院的联合实验中，使用 AI 的咨询顾问任务完成速度提升251%，质量评分提高40%。

另一条影响更广、却更易被忽视的路径是扩张机制。例如，借助 Claude Cowork 等 AI 工具，无技术背景的营销负责人也能够独立搭建每日更新的实时看板，使预算调整从事后复盘转为前瞻决策。Anthropic 的数据亦显示，约27% 的 AI 辅助任务被用户描述为「如果没有 LLM，这件事我根本不会去做」—— 探索性试错、大规模工程补全，以及大量因人力不足而长期搁置的长尾改进，都因此具备了可行性。

两条机制之间存在先后顺序：效率机制必须先深化到消除协调开销的程度，扩张机制才开始生效。如果只看到省了多少工时，便会大幅低估其实际收益 —— 被释放的人力与注意力能否重新投入创新、决策与服务，才是决定长期收益的关键。

三、委派层级：

生产责任由人向系统移交的四个层级

两条机制阐明了收益的来源，但衡量一个行业的实际进展，取决于生产责任的移交程度。这一移交存在明确的层级：执行、协调、监控乃至战略控制依次由人类转向系统，对应四个委派阶段（Delegation Stages）。

四个委派阶段：AI 从对话式助手，到反应式操作者、自适应协调者，最后成为自治生产系统

四个阶段对应四种截然不同的人机关系：

• Stage 1・对话式助手：可完成检索、起草与初步分析，但无法与真实环境交互，全流程仍需人工驱动。

• Stage 2・反应式操作者：能在有限范围内自主执行，但每一步仍需人工校验与纠错。

• Stage 3・自适应协调者：人类退居调度位置管理多组 agent，协调责任开始外移。

• Stage 4・自治生产系统：人类仅需设定目标，系统即可自主完成从执行到监控的完整闭环。

瓶颈的性质亦随阶段递进而根本改变。前三阶段的共同瓶颈在于能力。受限于 AI 的能力边界与稳定性，人类必须在执行、监督或问题界定环节兜底。到 Stage 4，能力已不再构成约束，瓶颈转向目标对齐与数据局限。系统仅依赖可量化信息，对复杂的人类因素与不可预测的现实事件缺乏充分认知。其价值亦正在于此：通过超越人类注意力极限的可扩展异步决策，AI 得以组织此前因过于复杂或昂贵而无法管理的活动，实质上扩张了生产前沿。

四、行业扩散图谱：

十一个关键行业所处的委派层级

四阶段委派框架提供了衡量尺度，但仅凭评测榜单无法判断一个行业的 AI 应用深度。GDPval、APEX、Vending-Bench、METR time horizon 这批新出现的生产力导向评测，却难以覆盖 AI 是否真正进入日常工作、被交付了多少责任，出错之后由谁承担。而决定 AI 能否在一个行业真正落地的，恰恰是这三件事。因此，为了判断各行各业在 AI 应用深度上所处的位置，综述对 11 个重点行业行业进行了委派深度的分析。

层级归属的判定依据五项标准：AI 是否已进入真实的生产流程、能否执行多步任务、是否使用外部工具与反馈闭环、人类责任是否已部分转移，以及观察到的收益主要体现为效率还是扩张。这十一个行业看似差异巨大，但决定其 AI 采纳深度的是同一组结构性因素：数字化程度、反馈可验证性、容错度、任务的可拆解性，以及责任归属。

萌芽扩散层（Stage 1 至早期 Stage 2）：

这一层的共同处境十分相似。AI 已经进入工作场景，却仍停留在「助手」的位置，可解读、可建议，但不能为结果负责。四个行业的具体约束各不相同，都还没有真正从辅助走向执行。

• 制造：工业副驾已能读取实时传感数据、解读报警并给出运营建议，部分场景还引入了多 agent 协作。但产线停机代价高昂、安全要求刚性，这些系统始终被限定在解读、建议与局部自动化的范围内，没有人会让它直接下达生产指令。

• 农业：动态调度视觉模型与知识图谱已能完成精准的病害诊断。但农田是高度不确定的物理环境，田间推理只能依靠边缘设备上的小模型，能力明显跟不上，软硬件一体化的基础设施也尚不完整。诊断结论给得出来，落到地里的动作仍需人来完成。

• 房地产：LLM 可用于合同信息抽取与房源文案生成，但单独用于房价预测时表现不如传统机器学习模型。应用因此集中在信息处理与获客环节，定价策略、谈判方式、法律判断与交易执行仍由人来决定。

• 政府：检索增强系统能把输出与法规条文逐条对齐，其本质更接近精准的语义搜索而非自主决策；多 agent 政策模拟则存在严重的内部不一致，只适合充当分析工具。公共权力的行使要求程序正确与责任明确，这两点目前都无法交给 AI。

萌芽扩散层：制造、农业、房地产、政府。扩张机制在这里基本沉寂，因为卡住它的是物理条件与执行风险，不是认知成本。

成长扩散层（Stage 2 至部分 Stage 3）：

这一层的 AI 已经从「助手」升级为「受控的执行者」。AI 能参与工作流、执行具体任务，但仍然无法完全为结果承担责任。四个行业的落地路径不同，共同约束在于执行权可以移交，最终的责任仍由人类承担。

• 贸易：LLM 负责理解任务与调度工具，关税计算和制裁筛查这类高风险判断交由确定性模块执行，以保证每一步都可追溯。长周期评测暴露出 agent 在库存与定价上的策略并不稳定，真实场景中的申报与合规裁决因此仍要经过规则引擎与人工复核。

• 媒体：多 agent 已能通过编辑与评论家的反复对抗实现自我修正，或按剧组岗位分派角色协同产出剧本与渲染指令。但产出质量只够支撑快速原型，离最终发布尚有距离，事实准确与合规判断依然由人工把守。

• 教育：通用模型充当家教时有个老问题，学生一问便直接把答案给了出去，专用教学模型与惩罚直接给答案的奖励机制正是为此而设。但教学关乎学生的认知发展与价值养成，目标对齐与人工监督仍不可省略。

• 法律：检索增强与知识图谱让推理能沿着法条逐步展开，IRAC 这类显式格式把论证过程摊开以便核查，多 agent 甚至能对整个庭审过程建模。但引证的可靠性尚不稳定，加之执业资格与责任认定的要求，AI 至今只能辅助，无法替代。

成长扩散层：贸易、媒体、教育、法律。执行可以交出去，但问责还留在人手里。

广泛扩散层（Stage 3 至早期受限 Stage 4）：

到了这一层，AI 已成为「被授权执行者」，可在明确边界内自主完成多步任务，人类角色由日常监督转向目标设定与例外处理。三个行业的落地深度不一，但都已进入可以放手交给 AI 执行的阶段。

• 信息技术：代码是纯数字产物，任务天然模块化，跑一遍测试就知道对错，中间产物也能在标准化环境中检验，落地条件最为完备，agent 已能独立处理范围明确但需要多步推理的真实工程问题，窄范围内接近早期 Stage 4。一旦离开标准化场景，长程可靠性便显著下降。

• 金融：多 agent 已能模拟机构的决策结构，并借助 agent 之间的竞争与排序过滤噪声信号，投研、交易、风控与理赔都在陆续接入。但金融市场高度不确定且彼此关联，自主决策一旦放开便会同步放大系统性风险，风险约束与合规检查因此必须直接写进 agent 架构。

• 医疗：单 agent 已接入电子病历，能自动生成结构化病历、检索证据、辅助编码；多 agent 则模拟医疗团队协作，把规划、工具调用与决策聚合组织成可审计的过程，代表性工作达到 Stage 3。但安全与监管的要求之下，完全自主仍不可行。

广泛扩散层：信息技术、金融、医疗。已被授权自主执行，重点转向扩张机制怎么发生。

五、结构性因素：

决定行业扩散深度的五项条件

做深入的分析，是为了知道 AI for productivity 下一步应该怎么做。

把三层放在一起看，差距并不来自模型能力的高低，真正拉开距离的是生产责任被交出去了多少。萌芽层受制于条件本身，生产对象多存在于物理世界，执行结果难以即时验证，AI 难以真正触达任务；成长层的执行权已可移交，产出却仍需逐项复核，责任始终留在人这一侧；至广泛扩散层，能力不再构成主要约束，剩下的问题是 agent 能否在不确定条件下稳定行动，以及一旦出错由谁承担后果。越往深处走，制约便越少源于 AI 能否胜任，越多源于责任能否移交、移交之后由谁负责。

十一个行业的扩散深度差异背后，是五个因素在起作用。它们依次决定 agent 能否触达任务、决策权能否被移交，并最终落到责任由谁承担。

• 生产对象的数字化程度：待处理对象是否存在于数字环境之中。代码、文档、结构化数据、交易记录与临床病历均存在于软件系统内部，agent 可直接读取、修改、查询与修复；农业、制造与公共行政则受限于物理条件或制度程序，agent 难以直接触达。

• 反馈的可验证性：执行结果能否被即时检验。软件行业的反馈最为明确，代码运行即可判定对错；教育、媒体、政府与医疗则依赖定性判断与专业解读，结果难以即时验证，不足以支撑 agent 自主完成全流程。

• 容错度：出错所需付出的代价。金融、医疗、制造、法律与政府等行业，失误后果直接涉及法律责任、人身安全、财务损失或公共信任，AI 虽能提升效率，自主性却始终受制于复核机制、权限控制、审计轨迹与回退程序。

• 任务的可拆解性：一项工作能否被分解为清晰的环节。唯有拆解为接口明确的子任务，agent 编排方能有效运行；若任务依赖隐性知识、目标界定模糊或环境条件持续变化，agent 便只能停留于提供建议的阶段。

• 责任归属：失误之后由谁负责。最大的障碍往往不在于 AI 能否行动，而在于其行动之后责任如何认定。监督结构与权限边界清晰的部门可以向外移交更多责任；而权威与专业判断无法明确转移的领域，人类始终必须保留最终决定权。

信息技术之所以扩散最深，正是因为这五项条件同时成立。生产对象本身即是数字产物，运行一次便可验证对错，出错可以回滚重来，任务天然可拆分为模块，责任也清晰地落在提交代码的工程师身上。其余行业往往只缺其中一两项，而扩散深度取决于最欠缺的那一项，缺口不补上，模型再强也难以再往前推进一层。

六、AI for Productivity 扩散所面对的四项外部挑战

制约扩散的四项结构性约束：安全、学产错位、组织采纳门槛、就业不确定性。

除行业内部的差异之外，Agentic AI 的扩散还需面对四项外部挑战。它们不随模型能力的提升而缓解，反而随 AI 所承担责任的加重而收紧。

• 安全与长程可靠性：被动的信息系统至多泄露数据，能自主决策并跨系统操作的 AI 则可能行为偏离、失去控制。而生产任务的成败取决于整条执行轨迹的一致性，逐 token 预测的训练范式却天然缺乏维持长期状态一致的机制。

• 委派悖论与治理：AI 承担的职责越重，人类在监督与复核中的实际参与反而越少。真正的考验因此落在治理而非模型上，最小权限、行为日志与高风险动作的人工审批仍不可省略。

• 学术与产业的错位：金融、法律的学术论文已出现 Stage 3 级别的自主 agent，真实部署却停留在客服与文档起草。企业为压缩监管风险把 AI 限制在低影响任务上，收益难以提升，深度整合也随之停滞，也就是「有限经济回报的悖论」。

• 就业结构：新任务的创造、组织形态的适应与劳动者的再配置若跟不上自动化的节奏，AI 将加剧社会极化；三者同步跟进，则能在提升生产力的同时创造新的就业空间。决定性变量是社会的适应速度，而非模型能力本身。

七、结语：谁执行、谁控制、谁负责

「如果没有 AI 辅助，这个项目根本不会被启动」—— 这样的案例指向一个更一般的判断：Agentic AI 的重要性不仅在于提升任务层面的效率，更在于它日益增长的、重塑生产方式本身的能力。随着 agent 接管越来越多的执行、协调与常规决策，人类劳动的角色正从直接完成中间任务，转向目标设定、处理例外、验证产出；企业则要围绕人机混合系统重新设计工作流，在执行层级之间重新分配控制权。

因此长期来看的关键问题，落在三个「谁」上：谁执行哪些任务，谁控制整个流程，谁最终为结果负责。而说到底，AI for Productivity 是一个关于「被委派的能动性」（delegated agency）的故事，而不只是一个任务完成得更快的故事。

而这 68 页只是一个更大计划的第一部。AI4X Project Team 想回答的统一问题不是「模型能力又涨了多少」，而是AI 能力如何变成持久的真实价值。用维特根斯坦的说法，意义由使用定义（meaning is defined by use）。核心问题不再仅是「模型能否准确作答」，而是「它能否在复杂的人类系统中可靠执行」。一旦 AI 进入价值链，评价标准便从准确率与流畅度，转为吞吐、质量、可靠性、风险、责任与投资回报。前沿也因此由模型能力转向真实系统的表现。

围绕这一问题，团队将按照价值的三个层级依次展开 AI4X 系列。第二部 AI for Science 聚焦知识发现，以人机协作的自主性递增为线索，从工具辅助协作延伸至完全自主的 AI 科学家与「科学通用智能」的评测；第三部 AI for AI 则聚焦智能自身的演化，主轴是自我改进的闭环，涵盖自我演化、数据与环境的扩展，以及模型坍缩、过程奖励攻击等新型风险。

AI4X 系列的完整版图：第一部处理一阶效应「经济」，第二部处理二阶效应「发现」，第三部处理三阶效应「智能」，三者对于「AI 能力如何变成真实价值」进行递进地追问。

作者介绍

项目负责人包括奚志恒、周恩宇和方新宇。

奚志恒是复旦大学四年级博士生，研究方向为智能体，在 ICML、NeurIPS、ICLR 等会议和期刊发表第一作者论文十余篇，在多个会议进行口头汇报，谷歌学术引用超过 6,700 次。

周恩宇是复旦大学三年级博士生，研究方向为大模型智能体和后训练，她以第一作者身份在 ICLR、ACL、EMNLP 等顶级学术会议发表多篇论文，Google Scholar 引用量超过 4,000 次。

方新宇是浙江大学三年级博士生，研究方向为多模态大模型后训练和智能体。他以第一作者身份在 NeurIPS、ICCV、EMNLP 等顶级学术会议发表多篇论文，谷歌学术引用量超 2000 次。

通讯作者桂韬老师是复旦大学副教授，国家级青年人才。研究领域为预训练模型、类人对齐和智能体交互。曾获钱伟长中文信息处理科学技术奖一等奖、NeurIPS2023 大模型对齐 Track 最佳论文、第七届 “中国科协青年人才托举工程”、上海市启明星计划、世界人工智能大会云帆奖。