转自：新华财经

新华财经上海7月19日电（葛佳明） 从能够回答问题的大模型，到可以自主拆解任务、调用工具的智能体，再到逐步进入工厂、家庭和公共服务领域的机器人，人工智能正从信息处理工具加快向现实生产力转化。

在WAIC智能经济发展生态论坛后的采访中，上海财经大学数字经济研究院院长高红冰，上海财经大学数字经济研究院副院长汪源，美国南加州大学副校长、美国国家工程院院士施里·纳拉亚南（Shri Narayanan），围绕智能经济的本质、企业组织变革与全球化新趋势，为新华财经作出深入解读。

智能经济能否真正形成，不仅取决于模型性能、算力规模和技术应用数量，更取决于人工智能能否进入产业深处、解决实际问题，并为更广泛人群创造新的发展机会。

从数据流动走向生产力重构

汪源直言，理解智能经济，需要从生产要素的演变出发。数字经济则通过互联网基础设施推动数据和信息流动。进入智能经济阶段，数据、模型、算力和智能体开始共同构成新的生产力基础。

“智能经济最本质的变化，是生产力的重构。”汪源表示，过去数字技术更多解决信息连接和流程线上化问题，而大模型、智能体和机器人正在进一步参与分析、判断和任务执行，使机器从辅助工具逐步转变为新的生产力单元。

纳拉亚南也认为，智能经济并非突然出现，而是计算、通信网络、传感器、互联网和人工智能等技术长期积累、加速融合的结果。

随着物联网和智能终端持续收集现实世界数据，计算和通信技术不断提升数据处理效率，人工智能则使机器具备更强的信息理解、模式识别和辅助决策能力。原本分散的信息、知识和生产环节由此被进一步连接，催生新的产品、服务和商业模式。

不过，智能经济不能仅以人工智能工具的使用率来衡量。

汪源表示，使用聊天机器人完成知识问答，只能说明人工智能实现了浅层渗透。真正的生产力重构，应当观察人工智能是否进入企业核心流程，是否形成行业模型、专业智能体和稳定的商业闭环。

他认为，当前人工智能发展正在从基础设施建设的“上半场”，进入场景应用和商业价值验证的“下半场”。算力中心、模型和数据基础设施只是底座，下一步更重要的问题，是企业和行业能否有效消化这些能力，将算力和模型转化为收入增长、成本下降和服务创新。

纳拉亚南表示，判断一个经济体是否真正进入智能经济时代，还应看技术能否改变普通人的生活，并帮助社会创造此前难以想象的新机会。

“人工智能是手段，而不是目的。”他认为，如果技术发展只提升少数企业的效率，却没有扩大教育、就业、医疗和社会参与机会，就不能充分体现智能经济的价值。

从数字化积累走向人机协同

智能体的发展不仅改变生产工具，也可能改变企业内部的管理层级和分工方式。面对智能经济浪潮，企业如何将人工智能投入转化为实际回报，仍是现实难题。

汪源表示，企业智能化不能跳过数字化阶段。企业需要先推动业务流程线上化，在生产、交易、服务和管理中积累高质量私有数据，并将其转化为可供模型训练、智能决策和流程自动化使用的数据资产。金融、医疗、教育和公共服务等数据基础较好的行业，有望率先形成深层应用。

纳拉亚南认为，人工智能真正进入产业，还需要跨学科协作。例如，人工智能可以综合分析土壤、气候和市场信息，为农业生产提供决策支持，但有效方案仍需要农户、技术人员、经济学家和政策制定者共同参与。

随着智能体进入企业核心流程，企业的组织方式也将发生变化。汪源表示，智能体可以承担信息整合、任务拆解和流程执行等工作，部分以上传下达和流程协调为主的中间职能可能被压缩，企业组织将更加扁平。

高红冰认为，近年来受到关注的“一人公司”或极小团队创业模式，正是智能体由“工作助理”向“任务代理”转变的结果。过去，智能体主要帮助人提高效率；如今，创业者可以向智能体开放账号、工具和部分操作权限，让其直接承担技术开发、产品设计、营销推广、客户服务等任务。

在这一模式下，“一人公司”并不一定只有一名员工，而是一个人或一个小团队可以同时管理数十个甚至更多智能体，以较小的实体组织完成过去需要较大团队承担的业务。智能体由此不再只是工具，而是逐渐成为企业的新型“数字劳动力”。

不过，高红冰强调，“一人公司”并非简单减少员工。创业者需要具备更强的企业家思维，能够设计商业模式和业务流程，明确不同智能体的角色分工，并对其工作成果进行评价和调整。能否管理好智能体，可能成为未来创业者的一项核心能力。

在人机协同模式下，人类将更多负责提出需求、设定规则、判断结果和承担责任，重复性、流程化工作则更多交由机器完成。纳拉亚南表示，未来更重要的不是讨论机器是否取代人，而是发挥人工智能的数据处理能力与人类创造力、价值判断和责任意识之间的互补优势。

中国优势在于场景、工程能力和基础设施

谈及中国发展智能经济的优势，三位专家均提到了丰富的应用场景、完整的产业体系和较强的基础设施能力。

汪源表示，中国拥有庞大而多元的市场，人工智能能够在制造、金融、交通、医疗、教育和公共治理等领域快速寻找应用场景。同时，中国开源模型更加强调性价比和可获得性，有助于降低企业和开发者使用人工智能的成本。

中国还具备较强的基础设施建设和组织协调能力。互联网时代大规模通信网络、移动支付和数字化公共服务的普及，为人工智能应用奠定了数据和用户基础。进入智能经济阶段，算力、数据和模型等新型基础设施的普惠程度，将继续影响技术扩散速度。

高红冰认为，中国过去二十多年经历了广泛而深刻的数字化转型，培养了大量工程和应用型人才，并形成了完整的制造业供应链。这些条件使中国在人工智能应用、多模态技术和物理智能领域具有较强优势。

随着人工智能从生成内容走向智能体，再走向机器人、智能汽车、无人机等物理终端，中国的制造能力和场景优势可能进一步显现。

纳拉亚南则表示，智能经济的发展不能只依靠单个国家。人工智能技术本身建立在全球科研交流、开源软件、共享知识和跨国合作基础之上。

公共健康、气候变化、粮食安全和人口老龄化等问题具有全球性，需要不同国家、学科和机构共同解决。即使国际科技竞争加剧，科研交流和开放合作仍是推动技术进步的重要基础。

智能时代更需要会提问、会判断的人

随着机器承担更多执行性工作，人才培养也需要调整。

汪源认为，过去人才竞争强调技能熟练程度和长期重复训练，而智能时代更看重创造能力、经验判断、审美能力和决策能力。人与人的差距可能不再主要来自工作时长，而来自能否借助人工智能进行快速试验和持续迭代。

未来人才首先要善于提出问题。只有深入理解行业规律和现实需求，才能把复杂问题转化为机器能够理解和执行的任务。

其次要具备判断能力。人工智能可以在短时间内生成大量设计、报告和方案，但人类需要从中识别最有价值的结果。

第三，要具备设计人机边界的能力，明确哪些工作适合交给机器，哪些环节必须由人作出判断并承担责任。

高红冰认为，新一代创业者首先需要完成认知转变，将人工智能视为一个长期产业周期，而不是传统互联网业务的附加工具。

创业者需要真正使用智能体，让其参与日常工作和业务流程，并通过持续互动理解人工智能的能力边界。同时，要主动接触模型企业、创业公司和产业前沿，在真实场景中寻找机会。

高校也应从以知识传授为主，转向更加重视能力训练、实践教学和产教融合。除了开设人工智能通识课程，还应鼓励学生参与创业实践、企业调研和跨学科项目，培养批判性思维、创新意识和解决实际问题的能力。

纳拉亚南表示，以人为本应成为智能经济发展的基本方向。这不仅意味着让人参与技术应用流程，更意味着技术发展的目标始终围绕人的需求、价值和福祉展开。

未来智能经济能否真正取得成功，最终不取决于机器能够完成多少任务，而取决于人类能否将人工智能与人的智慧结合起来，在提升效率的同时扩大社会机会，让技术进步惠及更广泛人群。

编辑：谈瑞