纪玉山 代栓平 杨秉瑜 程 娜 王 璐 黄晓野 汪苗苗 苏美文 张成苏 王云凤 刘美平
聚焦大数据、大算力、大模型开辟新质生产力研究的新境界纪玉山∗纪玉山，吉林大学经济学院教授，博士生导师。研究方向：社会主义市场经济理论、知识经济、国际经济与贸易等。
发展新质生产力，必须认清新质生产力的本质。在数字经济时代，新质生产力是以科技创新为第一动力，以人工智能为重要资源，以大模型、大数据、大算力为核心生产要素的先进生产力。整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力，推动产业结构升级，实现经济高质量发展，这是摆在我们面前的重要任务。只有发展新质生产力，才能为高质量发展输送源源不断的动力。其实，“新质” 的概念早在十多年前就已经出现在军事科学研究中，即“新质战斗力”，同时提出的还有“新域” 的概念。其核心内容就是信息化和智能化的军事技术。2023 年9 月，习近平总书记在黑龙江考察时首次提出“整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力”，这是我国生产力经济学研究的重大突破，是习近平经济思想的重要发展。新质生产力具有强大的渗透功能和融合能力，其本质特征就是信息化、网络化、智能化。当下，人工智能技术革命的爆发已经为发展新质生产力提供了最强大的推动力。新质生产力不仅是技术经济学和生产力经济学的范畴，更是政治经济学的范畴。目前需要加大如何通过生产关系的变革来推动“新质生产力” 发展的研究。
首先，随着人工智能技术的迅猛发展，AI 大模型一直被视为推动人工智能领域创新的关键因素，大数据、大算力、大模型已成为了引领技术进步和加快发展新质生产力的最主要力量。所谓大模型是指具有庞大数据规模和复杂结构的人工智能模型，它具有数以亿计的参数和深层次的神经网络架构。这些模型通过对海量数据的统计分析和深度神经网络框架结构的优化，赋能千行百业，推动经济优化发展。生成式人工智能（AIGC）是大模型的灵魂，是新质生产力的“独角兽”。它是利用复杂算法、模型和规则，从大规模数据集成训练与自我学习中，生成原创内容的先进人工智能技术。毋庸置疑，ChatGPT 就是生成式人工智能技术的杰出代表，它的诞生是一次全新的生产力革命。它将无孔不入、无所不能，不断优化、自主学习和快速进步，成为人类不可或缺的一部分。同时，它又是生产关系的演化与革命。Chat⁃GPT、AIGC 其实是传统力量的延伸，是互联网中心化垄断模式的进一步强化。几乎每家与AIGC相关的产业和公司背后都有一个互联网巨头，甚至自己就是互联网巨头。如果说区块链技术的原本诉求是“去中心化”，希望打破这种垄断，并重构一种新的分布式网络，让普通人重新拥有自己的数据主权。那么，ChatGPT、AIGC 则可能完全无视普通人的主权，无所顾忌地攫取全球数据进行训练，造出一个属于自己的“超级大脑”。这样的超级大脑由这些寡头公司在后面控制，美国的数据金融寡头就是凭借其拥有庞大的数据库、强大的算力和算法，企图独霸天下。尤其值得注意的是军事领域，在人工智能技术的加持下，各种自主化的无人机、无人舰艇、无人战车及导弹，通过星链网组成智能化的作战系统，必将更快地从“兵推” 走向作战前线，推动战争形态和作战方式发生深刻变化。一种全新的生成式AI 立体战争指挥系统正成为悬在人们头上的达摩克利斯剑。
其次，大数据是大模型的基础。要认清数据要素赋能新质生产力的内在逻辑和具体实现路径。在人工智能技术突飞猛进、元宇宙和ChatGPT 横空出世的数字经济时代，大数据无疑是最重要的战略性生产要素，是社会经济数字化、网络化、智能化的基础。没有大数据就没有大模型，没有大模型就没有强大的新质生产力。但是有了大数据，未必就有强大的新质生产力。关键是我们还缺乏调节数据整体优化配置的高效率的商业机制，存在着阻碍数据正常流通的制度壁垒，对于加快形成和发展新质生产力构成了制约，亟待以马克思主义生产关系与生产力对立统一学说为指引，强化体制机制创新，通过制度变革推进关键领域和关键技术创新，把国家经济命脉掌握在自己手中。大数据赋能新质生产力的内在逻辑指出，必须建立有效的大数据交易机制和流通体系。数据要素既是公有的，又是私有的，累积增值是其重要特征。数据要素只有集成为庞大的系统才能发挥更大的乘数效应。为发挥数据要素的乘数效应，赋能经济社会发展，国家数据局在2023 年12 月15日起草并发布了《“数据要素×” 三年行动计划（2024－2026 年）（征求意见稿）》，支持开展通用人工智能大模型和垂直领域人工智能大模型训练，通过大模型结构的开源化，大幅度拓展数据要素应用场景的广度和深度。我国现在急需一批创新能力强、市场影响力大的数据商和第三方专业服务机构，把数据资源整合、转变为数据资产或数据资本，让市场成为数据资源优化配置的决定性因素。为数据确权、发挥相关企业的积极性和创造性，破除数据流通的行政壁垒，建立良好的数据交易平台，推动数实融合，是当下亟待解决的问题；同时国家数字局应加速推进国家云、国资云、教育云、国防云建设，推动数字中国建设，切实保障数据要素的数据安全。打破信息孤岛和数据壁垒，助力数据流通与共享，形成层级互通、部门共享、跨域使用、高效安全的数据应用模式。
最后，在人工智能时代，大算力决定着大数据和大模型的运行效率。算力基础设施已是大国重器，国际竞争异常激烈。截止到2023 年6 月底，全球十大超算中心，我国只有两家入围，且排名靠后，分别位列第七和第十。美国依然独占鳌头，日本、欧盟紧随其后。其决定性因素是美国掌控着7 纳米以上高端芯片的生产和销售，并且严禁高端芯片及EUV 光刻机流入我国。我国在世界超算争霸中还略显劣势。虽然我国拥有的数据规模超过了美国（2022 年全球大数据规模为61.2万亿GB，中国占比为23%，略高于美国的21%），是世界第一数据大国，但在决定大算力的半导体芯片技术方面我国还落后于美国。近年来，为了遏制中国高端芯片的发展，美国对中国进行了疯狂打压和封锁。我国需要发挥体制优势，突破美国的封锁，在加快算力中心建设的同时，要加大制度改革力度，通过算力租赁等市场化方式，整合现有算力资源，打造东中西部算力协调，算力、算法、数据协同发展，高效、绿色、安全的全国一体化的算力网。
总之，人工智能技术作为新质生产力的核心技术，具有无所不在的广泛应用场景和无比广阔的发展空间，它将重塑人类生产和生活的技术结构与组织形态。实际上它所能改变的对象不仅仅是人类的生产力，更是作为生产力和生产关系矛盾统一体的生产方式。人工智能技术与经济社会的深度融合，将为我们创造一个崭新的智能经济形态。这种全新的生产方式不仅影响着社会的经济结构，还制约着政治制度、思想文化、军事科技和整个社会的进步。
智能经济全面赋能中国经济高质量发展代栓平 杨秉瑜∗代栓平，吉林大学经济学院教授，博士生导师，中国国有经济研究中心研究员。研究方向：创新经济学、发展经济学、产业政策。杨秉瑜，吉林大学经济学院硕士研究生。研究方向：创新经济学。王一鸣.百年大变局、高质量发展与构建新发展格局［J］.管理世界，2020，36 （12）：1～13.
智能技术是典型的创新起主导作用的新质生产力。它具有高科技、高效能、高质量特征，将助推经济增长方式、生产力发展路径的深度转型，催生一系列新产业、新模式、新动能，全面赋能传统产业改造升级、新型产业和未来产业培育布局，以及发展方式的可持续转型。智能技术是未来的通用性技术，是现代化产业体系培育和建设的基础生产力。全面发展智能经济，既是推进经济高质量发展的重要抓手，又是培育新质生产力的基础场景。
一、智能经济是当前经济高质量发展的重要抓手党的十九大首次做出中国经济由高速增长阶段转向高质量发展阶段的历史性判断。习近平总书记指出：“高质量发展，就是能够很好满足人民日益增长的美好生活需要的发展，是体现新发展理念的发展，是创新成为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的发展。” 高质量发展意味着中国经济由“数量追赶” 转向“质量追赶”，“规模扩张” 转向“结构升级”，“要素驱动” 转向“创新驱动”，“分配失衡” 转向“共同富裕”，“高碳增长” 转向“绿色发展”［1］代栓平，吉林大学经济学院教授，博士生导师，中国国有经济研究中心研究员。研究方向：创新经济学、发展经济学、产业政策。杨秉瑜，吉林大学经济学院硕士研究生。研究方向：创新经济学。王一鸣.百年大变局、高质量发展与构建新发展格局［J］.管理世界，2020，36 （12）：1～13.。高质量发展“高效”、“公平”、“可持续” 的目标奠定了我国未来发展基础，引领我国新时代中国式现代化建设的方向。
创新是引领发展的第一动力，是促进高质量发展转型的核心源泉。20 世纪90 年代之后近20年时间内，我国全社会大部分人口都享受到了市场充分发育和扩张、机会充分涌现带来的发展红利。在数量扩张之后的质量提升阶段，就是“创造性破坏” 的冲击，不适应高质量发展的劳动、技术和资本要重新适应市场、寻找市场，否则就会被彻底挤出。当前全世界正在全面启动智能化和绿色化双转型，通过布局新一代人工智能发展战略和绿色经济发展战略举措提升国家竞争力，借助新一轮工业革命的机遇，开启智能化、绿色化的工业化新阶段。
推动高质量发展是我国迈向中等发达国家的首要任务。以科技创新引领现代化产业体系建设，是当前我国推动高质量发展的现实选择。现代化产业体系是新发展格局的基础，是现代化经济体系的核心组成部分。科技、教育、人才是推进中国式现代化建设的战略支撑力量。以人工智能为核心的新一轮科技革命正在进入全面拓展期，并将深刻地改变未来经济形态［2］代栓平.把坚持高质量发展作为新时代的硬道理［J］.人民论坛，2023，（24）：56～58.。
2017 年《新一代人工智能发展规划》 发布，标志着人工智能产业成为国家经济发展战略的重要组成部分。数字化生产、大数据分析、机器人、人工智能等新技术领域为制造业开启新的技术解决方案和工作方式。人工智能具有的双重经济效应意味着发展人工智能产业机遇和挑战并存，在提升科技创新能力的同时更要确保发展的安全、可靠、可控，以主动求变应对全球科技变革，引领世界人工智能发展潮流。2019 年3 月19 日，中央全面深化改革委员会第七次会议通过《关于促进人工智能和实体经济深度融合的指导意见》 明确指出，促进人工智能和实体经济深度融合，要把握新一代人工智能发展的特点，坚持以市场需求为导向，以产业应用为目标，深化改革创新，优化制度环境，激发企业创新活力和内生动力，结合不同行业、不同区域特点，探索创新成果应用转化的路径和方法，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。
2023 年中央经济工作会议强调“必须把推进中国式现代化作为最大的政治，在党的统一领导下，团结最广大人民，聚焦经济建设这一中心工作和高质量发展这一首要任务，把中国式现代化宏伟蓝图一步步变成美好现实”。这充分表明，大力推进新型工业化，发展数字经济，发展人工智能技术，加快培育战略性新兴产业，是不断夯实高质量发展的经济基础的主要抓手。
智能经济的基础是大数据。2024 年1 月5 日，国家数据局联合有关部门共同制定《“数据要素×” 三年行动计划（2024～2026 年）》，强调充分发挥数据作为关键生产要素的乘数效应，将数据要素同工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳有机结合，提升数智化水平，计划到2026 年底打造300个以上的典型应用场景，形成相对完善的数据产业生态，赋能经济提质增效，助力经济社会高质量发展。发展数据产业生态，最终的落脚点就是智能化决策和生产，在大数据产业支持下，提升算力，优化算法，利用生成式人工智能，我国的生产力水平将会有质的提升。
二、智能经济赋能经济高质量发展的基本途径智能经济是基于新一代信息技术和网络空间发展的经济新形态，发展智能经济将对传统的基础设施、技术要素、供应链结构、组织形态进行革新和开拓。人工智能技术不再是单纯的基于信息的专门型技术，而是重塑社会生产力的通用技术。智能经济是发展新质生产力的关键土壤。智能经济通过“新技术群” 赋能，以智能取代人工，打造智能化的产品、生产、服务、组织［1］李海舰，李燕.对经济新形态的认识：微观经济的视角［J］.中国工业经济，2020，（12）：159～177.，实现社会生产力的提高，促进人类社会转变。
（一） 智能经济提升产品空间
智能经济将通过新型零部件、新型基础设施、新技术体系和新产业生态等从产品多样性和产品复杂度两个方面提升经济体产品空间。
1.产品逐渐向智能互联转型。智能技术将改变产品硬件和软件系统，多元功能和多元形态，“硬件＋服务” 物联创新模式等将开启新产品创新。云计算、智能网联汽车、智能安全、移动互联网等多元场景，形成了遍布交通、家居、医疗、教育、制造等产业生态。数字孪生技术依赖人工智能、高性能计算、机器学习、数字仿真、数据挖掘、VR 技术贯穿产品全生命周期，通过数据和信息交互以虚控实支持产品实体的生产、使用和服务，实现产品制造和产品本身的智能化、数字化。智能网联汽车就是其中生动的一例。随着智能汽车技术和互联网技术的发展，互联化成为汽车智能化的显着特征。智能车辆互联建立了“人－车－路－网” 之间的相互连接，信息交互、路况监控、数据分析、感知定位等一系列功能满足高效交通、驾乘安全、低碳节能的需求。
2.智能决策和生产逐渐融入生产和消费，生产组织和居民生活的模式将呈现新形态。接入工业互联网的企业依托数字化参与共同生产，通过互联网思维与消费互联网的融合顺应消费者个性化需求，提供数字化服务，打造以客户为中心、以人为本、沟通交互、人－机－物协同的智慧制造系统。物联网、工业互联网通过新一代信息技术实现“人－机－物” 全面互联，推动生产制造和服务体系的全新构建，作为实现智能制造的关键使能技术，为智能制造的发展模式奠定基础。
3.大数据、大算力、大模型逐渐成为生产力的重要组成部分以及其他类型生产力的支撑。加持在技术、机器设备、生产资料、劳动等之上的大数据、大算力、大模型作为21 世纪新型生产资料，通过移动互联网、物联网、云计算、区块链、人工智能等新技术实现信息的收集、传递、分析、管理和应用，各种新信息技术融合形成的新技术体系和新机器体系推动生产力发生质的飞跃，极大提高生产效率，催生新产品、新模式、新业态，从根本上改变社会生产方式，给人类社会带来深刻变革。
4.具有强劲创新实力和发展韧性的专精特新“小巨人”、独角兽企业成为推动高质量发展的重要动力源和关键稳定器。智能经济利用大数据、云计算、区块链、物联网、人工智能等数字技术创新商业模式和产品应用，带动专精特新“小巨人”、独角兽企业发展，推动战略性新兴产业整体创新能力提升。专精特新“小巨人”、独角兽企业具有坚持创新、拥有核心技术、注重产品品质、追求持续增长的独特优势，处于产业链供应链的关键环节，引领颠覆性创新创业。
（二） 产业智能化改造创新发展空间
建设现代化产业体系，实体经济是支撑，高质量发展是方向。产业智能化是人工智能技术与实体经济融合发展的体现。产业智能化通过创新主体在知识、组织、产业、区域层面上的重组和创新，推动人工智能技术通用化和专业化，促进技术体系复杂化和颠覆性技术涌现［1］刘刚，李川川.产业智能化过程中的创新范式研究——以广州市汽车产业智能化为例［J］.社会科学辑刊，2022，（2）：124～131.。
1.智能化改造促进制造业高质量发展。我国是制造业大国，生产规模连续多年居世界首位，是全球产业门类最齐全、产业体系最完整的国家。然而，制造业大而不强、生产效率低、核心竞争力缺乏等问题依然存在。未来10 年是我国制造业高端化、智能化、绿色化发展的关键时期，制造业企业智能化转型是突破口，高端化和绿色化是结果。汽车产业的升级和长期发展就是明显的例证。经过不懈的努力，我国已形成了结构完整、自主可控的新能源汽车产业体系，汽车制造和市场占有都居世界前列。然而，这不足以支撑我国在汽车制造业成为全球翘楚，自动驾驶和智能网联汽车将是未来行业的竞争焦点。传统意义的交通出行工具逐渐演变为智能终端，若让中国汽车在追赶阶段“不熄火”，基础设施升级、车联网系统、新型基础设施建设等是关键。当前，全球智能网联汽车已经进入快车道，主要汽车强国和科技企业在自动驾驶商业化、道路测试、技术标准建立、法律规制等方面取得了标志性进展。我国陆续在北京、上海、武汉等地开展开放驾驶试验，相关产业政策持续发力。据工信部统计，我国智能网联汽车测试道路超过15000 公里，总测试里程达7000 多万公里。拥抱智能技术，将是我国汽车产业高质量发展的必经之路。
2.智能化改造是全球工业趋势。近年来，以欧美日为代表的发达国家和地区推出以制造业智能化为核心的产业智能化发展战略，在全球新一轮产业结构转型和调整中，产业智能化无疑具有强大的优势和竞争力。全球汽车制造、生物医药、电气制造、食品饮料、航空航天等产业已经在原料管理、质量控制、产品设计、成本管理、设备维护等方面广泛使用人工智能技术。我国目前的制造业水平与实现制造业强国的目标相比仍具有差距，国内高端制造业的发展应该把握第三、第四次工业革命提供的可贵的战略机遇，充分发挥本土优势，通过产业智能化改造，逐步提升企业资源配置效率和全要素生产率，增强企业创新能力，形成自身独有的竞争优势，发展自己独特的产业智能化之路。
3.拥抱生成式人工智能将会促进生产力大爆发。人工智能大模型引爆新一轮科技革命。具有代表性的通用性聊天机器人ChatGPT 的问世代表了人工智能领域的革命性突破，成为迈向通用人工智能（AGI）时代的里程碑。大模型已经转变为人工智能领域的基础设施，为解决各种复杂问题提供底层强大的计算、学习和求解能力，逐渐成为一种新的科学研究范式［2］刘学博，户保田，陈科海，等.大模型关键技术与未来发展方向——从ChatGPT 谈起［J］.中国科学基金，2023，37 （5）：758～766.。大模型在产业化的进程中逐步形成了“基础设施－底层技术－基础通用－垂直应用” 的发展线路，在自然语言处理、计算机视觉、语音识别与合成方面的应用边界不断拓宽，将促进大模型市场的形成，赋能经济社会发展的各个领域。生成式人工智能将会以前所未有的方式改造生产力的形成和发展，研发流程和效率提升的幅度很可能会超越我们的想象。据麦肯锡研究报告，未来10 ～20 年，生成式人工智能技术平均每年将提升劳动生产率0.1 ～0.6 个百分点；如果考虑与其他技术的综合影响，这个数值将达到0.2～3.3［3］McKinsey Global Institute.The Economic Potential of Generative AI：The Next Productivity Frontier ［R］.https：／ ／www.mckinsey.com／capabilities／mckinsey－digital／our－insights／the－economic－potential－of－generative－AI－the－next－productivity－frontier＃introduction，2023－06.。
（三） 场景创新是当前推动智能产业发展的抓手
人工智能与实体经济深度融合将更加有力地促进经济高质量发展。2022 年7 月，科技部等六部门印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》 的通知并指出我国在场景创新方面具有重大潜力。场景创新是以新技术的创造性应用为目标，以供需联动为路径，实现新技术、商业模式综合应用与迭代更新的过程。场景驱动传统产业数字化、智能化改造，围绕制造、农业、物流、金融、商务、家居等重点行业打造人工智能重大场景，实现人工智能和传统产业增长新路径的共同演进。
场景创新作为激发原始创新和核心技术突破的引擎，强调战略引领和需求驱动，以整合范式和生态范式为基础，面向产业发展和商业需求，围绕智能制造、现代农业、智慧家居等重要行业并瞄准未来发展大趋势，是超越了现有创新范式的新范式。场景创新体系注重多元协同，整合技术、资本、数据等要素，融合创新链、产业链、人才链、资金链、政策链，以城市为主要创新环境，打造共生共创、共享共赢的创新生态［1］尹西明，苏雅欣，陈劲，等.场景驱动的创新：内涵特征、理论逻辑与实践进路［J］.科技进步与对策，2022，39 （15）：1～10.。场景创新过程的关键在于人工智能与应用场景高度融合，通过场景构建、识别需求、设计方案、技术创新和成果转化完成场景创新的实现。目前，北京、上海、合肥、南京等多个城市已经启动应用场景示范落实，基于城市资源禀赋、人才优势和产业基础主动培育应用场景，联合知名企业和高校院所推进工程、项目开发建设，应用场景和创新产品的推广示范初见成效。
（四） 智能经济将促进绿色和包容性发展
习近平总书记在二十届中央财经委员会第一次会议中强调：“推进产业智能化、绿色化、融合化，建设具有完整性、先进性、安全性的现代化产业体系。” 产业体系智能化绿色化双转型，智能是手段，绿色是宗旨、核心，智能技术和绿色技术融合赋能。以新一代信息技术和数字技术为代表的智能技术赋能传统行业绿色低碳转型，以清洁煤炭发电技术、智能电网技术、储能技术、碳捕集、利用与封存技术、新型污水处理技术等为代表的绿色技术发展体现了高水平的绿色化转型。在不同数字化跃升阶段，依次表现为绿色结构化、绿色能力化与绿色杠杆化的演变过程，前一阶段的绿色发展程度也为下一阶段深化绿色转型奠定了基础［2］曹裕，李想，胡韩莉，等.数字化如何推动制造企业绿色转型？——资源编排理论视角下的探索性案例研究［J］.管理世界，2023，39 （3）：96～112，126，113.。技术进步的本质是不断提高劳动生产率和生产资料利用效率。尽管智能化和绿色化需要更多的能源投入和使用，但是产业智能化改造可以有效提高能源利用效率，智能化可以更好地促进绿色能源技术的开发和利用；能源绿色化可以更好地促进智能技术的低碳绿色转型。二者协同发展推动制造业绿色智能转型，促进经济高质量发展。
智能技术有利于促进经济增长、提高生产率，在这一基础上，包容性发展关注智能技术对收入差距的影响。智能经济的发展在短期内对现有社会分工体系产业冲击，长期将会创造更多新的未知工作岗位。包容性发展的首要原则是发展，同时追求分配公平，重要特征之一是特别重视弱势群体发展，是一种更加全面、更加包容的共享式新发展理念与模式。长期来看，产业智能化在总体上有助于促进经济增长、缩小收入差距和促进共同富裕［3］陈东，秦子洋.人工智能与包容性增长——来自全球工业机器人使用的证据［J］.经济研究，2022，57 （4）：85～102.。智能技术的发展推动了全社会人类共享创新成果，尤其是惠及低收入群体、创造新的就业机会和更多就业岗位，稳定智能时代的就业问题。发展就业扩张型的“好的” 人工智能是一个兼顾发展与公平的优先选项［4］杨飞，范从来.产业智能化是否有利于中国益贫式发展？ ［J］.经济研究，2020，55 （5）：150～165.，智能技术促进包容性发展具有普惠性价值。智能经济时代，人类的工作和生活模式也将会有革命性的变化，智慧化居住环境、医疗保障和交通出行将极大提升生存品质；数字孪生等未来技术将把人类从农场、生产线上等繁重工作中完全解放出来，人类将从事更具有创造性的工作。
数据要素赋能新质生产力的理论逻辑程 娜 王 璐∗程娜，上海大学马克思主义学院教授，经济研究中心主任，上海市习近平新时代中国特色社会主义思想研究基地（上海大学）研究员，上海大学智能哲学与文化研究院研究员，博士生导师。研究方向：政治经济学、海洋经济、数字经济及宏观经济管理等。王璐，上海大学经济研究中心研究助理。研究方向：政治经济学。人民网.中央财经委员会办公室在解读2023 年中央经济工作会议精神时关于新质生产力内涵的表述［EB／OL］.http：／ ／finance.people.com.cn／n1／2023／1218／c1004－40141533.html，2023－12－18.
基金项目：上海市哲学社会科学项目“习近平海洋经济强国战略的学理阐释” （项目编号：2023BKS002）。
新质生产力的提出是习近平总书记立足于我国长期经济建设实践以及现阶段发展格局变动，针对新时代新征程加快科技创新和推动高质量发展提出的重大命题，而新质生产力的培育离不开数据要素的有效赋能。
一、数据要素赋能新质生产力的内涵在新一轮科技革命向纵深发展、国际竞争日益加剧、我国经济结构面临重大战略性转型等挑战下，加快形成新质生产力，是推动经济高质量发展、实现中国式现代化的重要任务。新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生的当代先进生产力，它以劳动者、劳动资料、劳动对象及其优化组合的质变为基本内涵，以全要素生产率提升为核心标志［1］程娜，上海大学马克思主义学院教授，经济研究中心主任，上海市习近平新时代中国特色社会主义思想研究基地（上海大学）研究员，上海大学智能哲学与文化研究院研究员，博士生导师。研究方向：政治经济学、海洋经济、数字经济及宏观经济管理等。王璐，上海大学经济研究中心研究助理。研究方向：政治经济学。人民网.中央财经委员会办公室在解读2023 年中央经济工作会议精神时关于新质生产力内涵的表述［EB／OL］.http：／ ／finance.people.com.cn／n1／2023／1218／c1004－40141533.html，2023－12－18.。新质生产力的“新” 指代新技术、新模式、新业态、新动能，核心在于生产力要素及其组合的创新；“质”，则主要强调量的扩张基础上质的跃升，指代数智化生产条件和科技创新驱动下的高质量生产方式和发展模式。新质生产力的核心要义在于“以新促质”，即以关键性、颠覆性技术创新带动产业创新，以战略性新兴产业和未来产业培育为主阵地，驱动现代化产业体系建设和经济高质量发展。
“数据” 最初泛指基于测度或统计产生的可用于计算、讨论和决策的事实或信息。进入数字经济时代，伴随ICT 的发展，数据也由狭义的“0－1二进制字符串”［2］Farboodi M，Veldkamp L.A Growth Model of the Data Economy ［R］.Columbia Business School Working Paper，2020.延伸至“信息的一种表现形式或者数字化载体”［3］徐翔，厉克奥博，田晓轩.数据生产要素研究进展［J］.经济学动态，2021，（4）：142～158.，并被赋予更多的信息化内涵。现代计算能力的叠加和数字技术应用场景的泛化，使得原本孤岛式的数据被有效互联互通，并迎来爆发式增长。海量数据被生产出来，通过网络等方式传输到云端进行存储、处理与分析，再借助物联网、人工智能等多种方式转化为实际应用，从而实现数据价值的“兑现”。在此过程中，数据因其多元性、依赖性、强渗透性的技术特征，以及低成本复用、非竞争性、部分排他性和规模报酬递增等经济特征，展现出不可估量的要素效率提升能力和资源配置优化能力，重要性日益凸显，迅速成为普遍认同的第七生产要素［4］2019 年10 月31 日，党的十九届四中全会报告《中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定》 中正式提出“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，数据作为新的生产要素参与分配。。
数据要素赋能新质生产力是指数据要素因其显着的乘数效应和创新引擎作用，逐渐被认定为新质生产力的核心生产要素。无论是按照生产资料优先增长理论和还是迂回生产理论，随着数字时代资本有机构成的提升，数据作为新型生产要素和重要战略性资源，通过与其他生产要素协同联动并渗透生产、分配、流通、消费各环节，将显着促进生产资料的提质升级，优化产业结构，提升全要素生产率，进而引发生产力的跃迁和经济全场域的颠覆性变革。因此，需系统梳理数据要素赋能新质生产力发展的内在逻辑和重点难点，以更好发挥数据要素潜能，促进颠覆性技术和前沿技术的创新，催生新产业、新模式、新动能，筑牢新质生产力形成的要素根基和动能基础，推动经济实现高质量发展。
二、数据要素赋能新质生产力的理论机制（一） 数据要素催生新质劳动资料
数据要素以其强渗透性、低成本复用和非竞争性等特性，深度融入生产生活全链条，能有效改进要素比例和配置方式，驱动资源合理有效配置，激发产业数字化，助推生产力的整体跃迁。第一，数据和数字平台作为数字经济的新型生产工具［1］谢康.数字经济创新模式：企业与用户数据化互动创新［J］.中国社会科学院大学学报，2023，43 （2）：79～94，162.，基于经济主体数据化互动，能贯穿链式生产和决策的全流程，以“数据化之手” 驱动资源要素序列的整体重置，优化资源配置，提升劳动资料使用效率，优化生产要素组合结构。第二，数据要素同数智技术的交互，在以规模化扩张和全景式应用颠覆性革新传统机械为主的生产工具，促进传统设备和制造工艺数智化改造升级的同时，还将原有的研发设计、生产组装等环节进行解构、重组，驱动企业从“串行生产” 的线性分工到“并行制造” 的网络化分工的转型［2］戚聿东，刘欢欢.数字经济下数据的生产要素属性及其市场化配置机制研究［J］.经济纵横，2020，（11）：63～76，2.，激发架构创新和模块化生产，从而不断“焕新” 劳动工具和生产模式。第三，数据资源及集成平台作为支撑创新活动的核心要素［3］蔡跃洲.数字经济的国家治理机制——数据驱动的科技创新视角［J］.北京交通大学学报（社会科学版），2021，20 （2）：39～49.，能催生数字网络通信技术、高端智能设备等富含先进技术与绿色创新特质的新型劳动工具，进而激发企业生产和运作模式的创新及数智化、绿色化变革，有效延伸和焕新传统产业链链条，推动传统产业的转型升级。
（二） 数据要素孕育新质劳动对象
数据作为新生产要素，在推动数字产业化和产业数字化过程中，既是新质劳动对象的一部分，又促使传统劳动对象突破过去的物质性，成为更契合高质量发展的新质生产要素。一方面，“数据”作为新型劳动对象参与到物质生产和价值创造过程中，通过多场景应用和多主体复用，能突破并重构传统的生产时空，创造多样化的价值增量，催生数字化新领域，拓展经济增长新空间。作为信息通信、云计算等数字产业创新发展的资源基础，数据要素的商业化开发与市场化交易活动，能形成数据服务、数据产品和数据应用等新兴数字业态［4］任保平.以产业数字化和数字产业化协同发展推进新型工业化［J］.改革，2023，（11）：28～37.，推动数字化商业模式、产业形态和体制机制的协同创新；另一方面，数据要素的嵌入使得劳动对象从实体的自然物逐步升级为“自然物＋人造自然物＋虚拟的数字符号物”，日益呈现数智化特征；与此同时，高新技术基于数据要素的支撑，还能对传统劳动对象加以绿色化改造，创新出绿色合成材料，并加快新能源的发掘及其对传统能源的替代使用，进而催生一系列绿色新业态，加快形成绿色低碳的现代化产业体系。此外，数据要素亦重构了竞争优势，使得传统资源禀赋优势逐渐被数字智能优势所替代，区域发展核心竞争力由资源禀赋和产品生产力逐渐转向创新效率和数智生产力，进而引致技术创新和智能制造出现空间分布变化，形成以创新集群为核心的新增长极［5］郑江淮，周南.数据要素驱动、数字化转型与新发展格局［J］.山东大学学报（哲学社会科学版），2023，（6）：93～105.。
（三） 数据要素培育新质劳动力
数据要素叠加数智化技术，通过渗透融合劳动力要素，能大幅提高传统劳动力的质量和生产潜能，提升劳动生产率，并倒逼劳动力结构趋向高级化。第一，数据要素同劳动力要素协同，能有效激发劳动者数据思维，提升数字化的劳动技能，提高劳动边际产出和内涵再生产水平。数据要素驱动下的劳动相较于传统简单劳动，更加彰显创造性、高级性的复杂性劳动特征，在同等劳动时间内能推动更大规模的物质要素运行，从而大大提升劳动生产率，促进生产力“质” 的提升。第二，数据要素的渗透，使得数字经济时代下的生产力要素主体突破了“人” 的边界，扩展为人与人工智能相适应的现实与虚拟双劳动主体［1］，并催生新型劳动者。以数据要素为根基衍生的人机协同，能突破人的固有认知模式，拓展知识边界，创造新的组织学习方式，从而极大促进劳动效率和质量的提升。与此同时，数据要素还催生出“零工经济” 模式下的新型自由职业者，拓展了劳动主体边界。第三，数据要素对劳动力就业发挥正负叠加效应，既对抽象和复杂劳动产生正向互补，又对简单和常规性劳动产生负向替代。与此同时，数据还能依托数字平台终端高效匹配劳动力资源，衍生高附加值就业新形式，提升劳动技能整体属性［6］肖巍.灵活就业、新型劳动关系与提高可雇佣能力［J］.复旦学报（社会科学版），2019，61 （5）：159～166.，从而推动劳动力结构向高级化发展。
图1 数据要素赋能新质生产力的理论机制
三、数据要素赋能新质生产力的现实挑战1.数据引领科技创新潜能受限
目前我国数据引领科技创新以及深度推动“数实融合” 仍面临诸多堵点，限制了数据要素禀赋对物质生产方式及生产过程的影响，弱化了培育新质生产力的数据要素创新动力。一是当前我国科技创新体系数字化模式尚未形成，科技创新的数据支撑能力不足致使相关技术突破及产业化应用难以实现。尤其是跨主体间的数据信息交换和处理仍存在系统性的体制机制障碍［1］蔡跃洲.中国共产党领导的科技创新治理及其数字化转型——数据驱动的新型举国体制构建完善视角［J］.管理世界，2021，37（8）：30～46.，数据采集、流通和共享不畅，“数据孤岛” 现象的凸显，限制了数据深层次的价值挖掘和应用，影响创新要素资源的有效配置和关键核心技术的攻关。二是高质量数据分配不均、共享不畅，致使中小企业“用数难”、民营企业“用数门槛高” 等问题凸显，极大阻滞了中小微企业的创新和产业的深度数字化转型。《数字化采购引领中小企业数字化转型》 报告显示，2022 年，我国有79%的中小企业仍处于数字化水平较低的初级探索阶段［2］国研大数据研究院.数字化采购引领中小企业数字化转型［R］.2022－09－25.，缺乏深层次、高价值的数据应用，难以在短期内实现数字化改造升级。三是数据要素在实体经济领域的挖掘、开发、吸纳能力欠佳，价值潜能未能充分释放。我国三次产业数实融合呈现出“三二一” 产业逆向渗透趋势，一二产业数实融合程度相对滞后，数据生产力与实体经济的脱节致使传统产业改造升级和新兴产业培育的链条受阻，制约新质生产力和现代化产业体系的培育。
2.数据要素发展不平衡不充分
随着数据要素市场需求的爆发，数据开发利用向纵深发展，数据要素的规模化应用及产业化、商业化、市场化发展也面临诸多挑战，一定程度制约数据要素赋能生产力发展。一是我国当前数字基础设施建设覆盖不全面、区域发展不协调、应用不充分，致使数据的采集、流通、扩散和应用缺乏有效载体，数据要素难以融入代表先进生产力的前沿科创领域，赋能未来产业发展受限。二是我国高质量数据供给不足、应用深度不够，大部分创新能力强、成长性好的数据商和第三方专业服务机构尚处培育起步期，富有活力与竞争力的数字产业新业态尚未形成，数据产品和服务质量亟待优化。三是随着数据要素逐步融入生产与消费，隐私泄露、数据窃取等问题层出不穷，数据安全保护和治理将受到更大挑战。同时，数据禀赋的差异导致部分地区难以享受数据红利，“数字鸿沟” 和“数字贫困” 现象凸显，加剧贫富分化和城乡、区域发展不平衡。
3.数字劳动力有效供给不足
数据要素在驱动劳动力市场转型升级的同时，也以其对中低技能劳动者的挤出和替代效应，引发了劳动力的结构性过剩和极化现象。加上现阶段我国数字人才面临有效供给不足的困境，致使新质劳动力的整体培育仍面临较大压力和阻碍。一方面，“数据” 作为新型生产要素，在激发产业部门创新、提升劳动力技能的同时，也直接或间接地对就业产生了“创造性破坏”，引致“机器换人” 和技术性失业等风险［1］胡拥军，关乐宁.数字经济的就业创造效应与就业替代效应探究［J］.改革，2022，（4）：42－54.；同时也诱发“数字圈地” 及“恩格斯停顿”，以劳动者的权益损失为代价，加剧劳资分化；另一方面，我国现有数字劳动力数量型短缺、素质型短缺和结构型短缺问题突出［2］张琳，王李祥，胡燕妮.我国数字化人才短缺的问题成因及建议［J］.信息通信技术与政策，2021，（12）：76～80.。2023 年我国数字化综合人才总体缺口约在2500 万至3000 万［3］人瑞人才，德勤中国.产业数字人才研究与发展报告（2023） ［R］.2023－03－17.，且面临人才缺口持续扩大和供需不匹配的窘境。数字化劳动力的短缺及人才供需关系的“结构性失衡”，反映了当下我国数据要素未能同劳动力深度融合，难以满足新质生产力培育所需的大批高素质劳动需求的事实。
四、数据要素赋能新质生产力的实践路径1.加快实施国家大数据战略
数据要素赋能新质生产力需要从宏观层面全面统筹国家大数据战略，为数据要素全链条管理和全方位流通提供基础制度保障，释放数据创新要素活力。要多措并举推进《“数据要素×” 三年行动计划（2024～2026 年）》 落实、落地，在推动数据要素与新旧产业的渗透融合中实现存量的“焕新” 与增量的“换乘”。从供给侧来看，要着手建立合规高效的数据要素流通和交易制度，打破数据领域的行业垄断、地方割据和“数据孤岛”，畅通数据大循环；建立健全跨主体、跨平台的数据信息交互规则，重构产学研各主体的沟通协调机制，消弭不同主体和层级间数据信息交互和共享活动的壁垒，促进数据合理有序流动。从需求侧来看，要加快开拓数据要素驱动应用模式，基于各行各业基础条件和数据禀赋，充分挖掘和释放数据要素典型领域应用场景，持续深化数据要素对工业制造、现代农业、科技创新等行业的融合创新，推广个性化定制、智能化生产和网络化服务等新业态发展，深入拓展产业数字化转型空间；加快企业尤其是中小企业的数字化改造升级，优化数据资源的采集和整合，打通企业业务流程数据通道，推动业务流程全链条的数字化。
2.夯实数据要素市场开发基础
数据要素赋能新质生产力需要加快推动数据要素的产业化、商业化和市场化开发和应用，培育壮大数据服务范畴，完善现代化产业体系。第一，加快推进5G 网络、千兆光网等数字基础设施建设，系统优化云平台、数据中心等算力基础设施布局，打造东中西部高效互补、协同联动的全国一体化算力网，致力于形成全方面、多层次的新型基础设施建设新局面。第二，逐步引导市场数据要素有效供给增加。政府应加快建立完善数据质量分类考核标准及要素流通准入标准；积极扶持数据采集、加工等服务行业发展，鼓励专业化数据服务机构合规开采、开发数据，并探索面向业务应用的共享、交换、协作和开放机制。第三，强化国有企业科技创新“主力军” 作用，引导国有企业加强基础性研究，超前布局前沿技术和颠覆性技术，统筹利用数据等创新资源要素，完善智能化治理模式，强化国家战略科技力量建设。第四，鼓励核心和前沿技术攻关，以隐私计算、区块链等前沿技术突破为导向，创新数据信息保护监管手段，加速突破数据性能、安全和互联互通等方面的瓶颈，切实提升数据权益保障与安全治理水平。
3.培育高质量数字人才
数据要素赋能新质生产力亟需激活数据要素的创新引擎作用及就业创造效应，一方面，要强化重点领域数字化高端人才培养，筑牢新质生产力发展的人才根基。应从基础教育入手，加大基础教育投资力度，提升全民数字素养和创新能力；改革高校人才培养机制，积极开设与智能制造、大数据、云计算等相关的学科专业，优化数字经济相关课程，壮大国家数字领域高层次人才队伍；加速人才流动和知识共享，完善人才高效输送的协同机制，实现人才培养与市场需求的紧密对接；积极打造企业主导的“产学研” 创新合作基地，大力推进产教融合，加速科研成果的产业化和市场化落地；完善数字化人才激励机制和配套政策，促使薪酬分配向数字人才倾斜；另一方面，要建立完善终身学习的职业教育体系，打造面向公众的智能化终身学习公共服务平台，加强失业劳动者的技能培训，尽快建立起再就业培训体系，促进失业劳动者转岗再就业；同时发挥失业保险金和补助金作用，加大失业救济补贴和保障，完善就业和民生兜底保障政策。
新发展理念、复杂系统与AI 大模型——辩证分析与对策黄晓野 汪苗苗∗黄晓野，三亚学院管理学院副教授，博士，硕士生导师。研究方向：发展经济学，数字经济。汪苗苗，通讯作者，三亚学院管理学院讲师。研究方向：供应链管理。通用人工智能与工业融合创新中心.AI 大模型工业应用现状、模式与展望［R］.北京：中国工业互联网研究院，2023－12－22.
基金项目：海南省高等学校科学研究重点项目“协同效应视域下的海南现代服务业融合创新研究” （项目编号：Hnky2021ZD－19）；海南省哲学社会科学基金项目“海南自贸港现代服务业嵌入海洋强国战略研究” （项目编号：HNSK（YB）23－31）；海南省哲学社会科学规划课题“海南流域多元化生态补偿机制研究” （项目编号：HNSK（YB）20－48）。
AI 大模型是一种具有大量参数和复杂结构的神经网络模型，与之前的小模型相比，具有更多的参数数量、更深的复杂性、更广的适用范围、更大的数据量等特征。以ChatGPT、“文心一言”为代表的AI 大模型是人工智能领域取得突破式进展的产物，是催生新产业、新模式、新动能，发展新质生产力的原创性和颠覆性技术。习近平总书记在2024 年1 月31 日召开的中央政治局第十一次集体学习会议上的重要讲话指出，“必须加强科技创新特别是原创性、颠覆性科技创新”，“培育发展新质生产力的新动能”。在数字经济时代，AI 大模型将会成为推动和支撑我国经济高质量发展的核心技术。从经济实践上看，AI 大模型在千行百业的广泛渗透，形成复杂经济系统，充满潜力的同时也充满不确定性。在经济新旧动能转换和新质生产力快速发展的重要时间节点，对AI 大模型在产业中的应用实践进行归纳总结，厘清AI大模型催生新质生产力的机制，为AI 大模型更好的服务于高质量发展提供指导，具有重要的理论和实践意义。党的二十大报告强调，“贯彻新发展理念是新时代我国发展壮大的必由之路”。新发展理念是高质量发展的指导思想。因此，AI 大模型驱动经济高速、健康、可持续发展，应以新发展理念为准绳，以经济中的应用实践、技术原理为依据，以复杂系统思想为指导，进行辩证分析，预见机遇和挑战并提出对策。
一、AI 大模型催生“三新”，发展新质生产力“三新” 即新产业、新模式、新动能，AI 大模型已经成为催生三新的重要推力且潜能无限。第一，新产业方面，AI 大模型广泛渗透进千行百业，其并非简单叠加，而是通过深度交叉融合的形式催生产业升级，在改造提升传统产业、培育壮大新兴产业、布局建设未来产业三方面均发挥了重要作用。多模态大模型增加了输入信息模态，能接受语音、文字、图像，具有更广泛应用范围。其在自然语言处理、计算机视觉、语音识别领域的应用，已经成为数字经济时代的新产业的代表；与矿山、交通、医疗等传统产业的融合，则催生了智能采矿等新产业。同时，AI 大模型催生的新产业具有鲜明的新质生产力特征。一是创新密集，2023 年11 月20 日，国家工业信息安全发展研究中心、工信部电子知识产权中心发布的《中国AI大模型创新和专利技术分析报告》 显示，我国大模型专利申请总数突破4 万余件，增长势头强劲。二是增值含量高，如华为盘古药物大模型学习了市面上真实存在的17 亿个已知的药物分子的化学结构进行预训练，在化学无监督学习模式下，实现结构重构率、合法性、唯一性等指标全面优于现有方法。第二，新模式方面，AI 大模型是一种带有技术进步生成能力的要素，在生产领域形成复杂劳动能力，其无形性和外溢性可打破时空限制，改变资源配置方式和组织分工，催生经济增长新模式。如在工业领域，AI 大模型已在原理化研发、前瞻化设计、高效化仿真、精细化检测、智能化调控、科学化运维和定制化售后七大领域形成创新应用模式［1］黄晓野，三亚学院管理学院副教授，博士，硕士生导师。研究方向：发展经济学，数字经济。汪苗苗，通讯作者，三亚学院管理学院讲师。研究方向：供应链管理。通用人工智能与工业融合创新中心.AI 大模型工业应用现状、模式与展望［R］.北京：中国工业互联网研究院，2023－12－22.。新模式促成了以战略性新兴产业和未来产业为代表的“新制造”，以高附加值生产性服务业为代表的“新服务”［1］黄奇帆.在第二十五届北大光华新年论坛讲话［EB／OL］.围绕新制造、新服务、新业态推动新质生产力发展，2024－01－07.，聚合而成为新质生产力。这体现了AI 大模型在推进新型工业化和现代服务业快速发展，促进传统经济模式向新经济模式转变。第三，新动能方面，AI大模型可以充分发挥数据要素乘数效应在经济发展中的加速作用。数据要素的乘数效应之所以产生，因为它可以在多场景中不断被循环使用，不断发掘出新价值，带来多元化业务扩张。大模型则是发挥数据乘数效应的核心工具。通过大模型参数，机器学习才可以在数据中提取到模式和规律，建立经济增长要素之间的关联性，一组数据才可以支撑全链条、全场景、全生态链的业务增长。以技术驱动发展的新动能不同于以大量简单劳动和资源投入驱动发展的旧动能，是绿色发展的基础。绿色发展是高质量发展的底色，新质生产力就是绿色生产力。新动能只有成为强大而持久的推力，才能形成对旧动能的替换，同时保持经济的平稳高质量发展，使传统生产力向新质生产力过渡。
二、新发展理念下AI 大模型发展的辩证分析AI 大模型作为新质生产力的重要构成要素，拥有应用于无限经济场景的潜力，是一种具有重塑中国经济能力的颠覆性技术，未来势必给我国经济发展带来无尽的机遇和挑战。融合复杂系统思想的辩证法则提供了兼具理论性和现实性的分析工具，可揭示、预见AI 大模型在经济过程中对立又统一的机遇和风险，新发展理念则从5 个方面为AI 大模型高效、健康发展提供了价值引导。
1.创新与模仿。AI 大模型虽然应用范围极广，但目前只有少数企业拥有研发和进化能力。根据华为开发者大会2023（Cloud）发布，截至2023年7 月，全球仅发布数百个大模型，我国年内发布了80 多个大模型。其中在生产实践中得到广泛应用的数量就更少了，业内领先的大模型几乎集中于谷歌、OpenAI（已被微软收购）、华为这些全球领先的创新型企业。究其原因，AI 大模型对算法、算力的高要求和颠覆性技术研发与商业上的不确定性，导致该技术和业态的创新能力和全流程应用能力仅被极少数新兴创新型公司所掌握。待技术和商业模式逐渐成熟后，技术外溢或引进为后续企业以模仿式创新进入提供条件，这样可以有效降低研发风险和商业风险。这种创新形式一度构成了我国产业领域技术创新的主流，但在“逆全球化” 的背景下，这种形式的运行时常受阻。尤其在AI 大模型领域，中美两国占据了全球八成以上份额［2］北京信息科技发展中心，等.北京市人工智能行业大模型创新应用白皮书（2023 年） ［R］.北京：北京市科学技术委员会，2023－11－29.，两国关系和美国对核心技术的保护成为了技术引进能否顺畅进行的最大变数。综上所述，从算力、算法、数据三方面加强AI 大模型领域自主创新能力，尤其是原发性技术创新能力，使大模型成为我国新质生产力的坚实支撑点。
2.协调与竞争。AI 大模型与千行百业的融合与竞争关系同在，给协调发展带来促进和阻碍两种相反的力量。AI 大模型以技术创新形式重塑了传统行业生产函数，给企业管理决策带来了丰富经验凝聚而成的人类智慧，低成本的反复使用和边际报酬递增推进了企业的生产可能性边界，形成了以AI 大模型拥有者为中心的商业生态系统，系统内各成员形成了一种协同共赢的关系，践行了协调发展理念。如华为“盘古” 大模型由华为云联合鹏程实验室等科研单位和高校合作搭建，实现了多行业、多场景中多主体的帕累托改进。在煤矿领域，盘古矿山大模型已经在全国8个矿井规模使用，一个大模型可以覆盖1000 多个细分业务场景，避免了危险操作；盘古制造大模型通过训练可在1 分钟做出3 天的生产计划。此外，AI 大模型在生态位上显着的竞争优势可能会让系统内其他企业不具备与其讨价还价的能力，甚至对其形成技术依赖，形成一家独大的局面。对于系统外的行业而言，AI 大模型可能让它们遭遇“降维打击”。摩根士丹利调查显示，AI 技术破坏的行业市场份额5 年下降了约20%，15 年下降了40%，同期新进入者的市场份额则增加了30%［3］Morgan Stanley Research.Our World in Data ［R］.New York：Morgan Stanley，2023.。由此可见，AI 大模型的扩散存在产业间和产业内不平衡发展的双重风险。
3.绿色与能耗。AI 大模型无论在政策层面还是实践层面均有力践行了绿色发展理念。“数智融合绿色未来” 是2023 世界人工智能大会聚焦的主题。国家能源局2023 年3 月28 日发布的《关于加快推进能源数字化智能化发展若干意见》文件，要求积极推动数字科技与能源产业发展深度融合，构建清洁低碳、安全高效的能源体系。蚂蚁科技集团申报的绿色AI 技术促进节能减排提效创新应用实践入选了2023AIIA（中国人工智能产业发展联盟）人工智能十大潜力案例。大模型延伸了人类的认知水平，由此带来的决策能力的提升引致的资源集约化利用更是解决人与自然和谐问题的关键。可是，AI 大模型带来的两种风险与绿色发展理念是相悖的。一种是目前已经显而易见的能耗，运行大模型的超算系统带来的能耗极大，超级计算机在内的高性能计算正成为能源消耗大户。国际能源署（IEA）数据显示，容纳超算的数据中心用电量占全球总用电量的1.5%～2%，大致相当于整个英国的耗电量，预计到2030年，这一比例将上升到4%［1］焦臻桢.在中国通信学会智学大讲堂第二十九期讲话［EB／OL］.Web3：人工智能的信任基座，2023－11－27.。另一种是未来可能发生的资源浪费，即在“大模型热” 的推动下，企业甚至政府层面不顾自身能力和资源约束盲目上马AI 大模型项目，却由于算法、算力和数据的不科学不完备无法发挥应有的作用，带来无谓的资源消耗。
4.开放与安全。AI 大模型发展与高水平对外开放相辅相成，同时也是国家安全体系的重要一环。AI 大模型技术的完善、应用场景的丰富以及规模经济效应均离不开高水平对外开放。据中研普华产业院《2024－2028 年中国大模型市场发展分析与投资战略规划报告》 分析，全球大模型竞争格局呈现出多元化特点，中美欧日等国家和地区推出一系列各具特色的大模型产品和服务。美国大模型在自然语言处理、计算机视觉、语音识别、AI 芯片、云计算基础设施方面具有优势，中国大模型在应用场景、算法优化、数据资源等方面具有优势，高水平的对外开放可以形成优势互补，减少重复性研发投入。但是，AI 大模型是一种战略性产品，数据更有可能蕴含着大量的国家机密，是各国政府重点保护的对象，涉及到网络安全、科技安全、信息安全，甚至国土安全、军事安全等国家重点安全领域。安全发展是五大发展理念之前提，高水平对外开放立足于安全之上。大模型是一种技术含量极高的产品，大模型产业集群具有复杂系统特性，故以技术为核心的系统安全观是安全开放的指导思想。
5.共享与“极化”。共享发展注重解决社会公平正义问题，AI 大模型则可能加剧或改善这一问题。AI 大模型带来的“极化” 效应目前已初见端倪。在企业领域，庞大的参数规模和复杂程度，对计算能力有极高的要求，所以大模型先锋案例发生在业内首屈一指的公司，是一种差异化尖端产品。大模型应用场景非常丰富，而且不断成长，将复杂环境场景化、程序化，处理复杂问题更加迅速准确，与竞争对手相比体现出更强的商业变现能力。大模型拥有的不断学习和成长基因，开始具备涌现能力，拥有大模型能力的企业与常规企业学习能力上会呈现出马太效应，边际收益递增效应叠加规模经济效应，强者本就强，成长还更快。在地区领域，大模型集中分布于北京、广东、浙江、上海，呈现出地区“极化” 效应［2］赵志耘.中国人工智能大模型地图研究报告［R］.北京：中国科学技术信息研究所，2023－05－28.。究其原因，大模型的生产和使用对科技人才、算力水平要求极高，发达地区具有天然优势。“极化”效应未必会加剧社会的不平等，清晰的产权、“权责利” 匹配的收入分配、税收和转移支付等财政工具，确保在不断做大“蛋糕” 的基础上实现共享发展。
三、AI 大模型高质量发展的指导思想与对策在指导思想上，树立复杂系统思维，先立后破，以进求稳。AI 大模型高质量发展必须以复杂系统思维为其底层逻辑。新发展理念作为大模型发展的价值引导，不是五大理念的简单叠加，而是耦合作用、系统共生。数字化社会造就的前所未有的社会系统复杂性已经形成学界共识［3］王芳，郭雷.数字化社会的系统复杂性研究［J］.管理世界，2022，（9）：208～220.。在实践领域，AI 大模型在千行百业的广泛渗透，覆盖了微观企业、中观产业、宏观经济三维向度，既包括企业自身，也包括各利益相关者构成的经济系统在形式和发展过程上呈现出BA 无标度网络特征，即网络的规模是不断扩大的且新的节点更倾向于与那些具有较高连接度的节点相连接［1］李守伟，钱省三，沈运红.基于产业网络的创新扩散机制研究［J］.科研管理，2007，（4）：49～54，72.。复杂系统的网络思想、非线性、非平衡、突变、混沌等特征，为AI 大模型发展提供了不同于传统经济的新思路。网络思想强调多发展目标的耦合，AI 大模型发展应注重效率兼顾公平、注重竞争兼顾协调、注重开放兼顾安全，不能走偏重单一目标的老路。非线性、非平衡、突变意味着大模型发展具有不确定性和不稳定性，发展规划要留有变化的空间，需要时刻关注内部和外部环境，抓住机遇，规避风险。混沌效应要求AI 大模型要注重初始条件，因为这可能会带动系统长期巨大的链式反应，技术的原创性程度和政府规制是重要的初始条件。另外，AI 大模型作为当前和未来新质生产力的支撑点，其发展还应立足于2023 年中央经济会议精神，即“先立后破，以进求稳”。大模型是一种颠覆性技术，应尽量避免产业剧烈震荡带来的失业和经济增速下降问题，保证产业变迁的平稳过渡和整体经济的平稳运行。这就需要大模型与传统产业实现价值互补、共赢共生，建立缓冲机制，逐步建立新兴经济发展模式，逐步淘汰落后产能。遵守以上指导思想，AI 大模型发展需要在微观、中观、宏观三维向度实现突破。
微观领域：创新为上，要素升级。创新是大模型发展中最核心的因素，是践行新发展理念的钥匙，AI 大模型发展要以技术原创性、颠覆性创新推动要素升级。如谷歌提出的联邦学习法可以在多个持有本地数据样本的分散式边缘设备或服务器上训练算法，而不交换其数据样本，这样就兼具了数据的完备性和安全性。企业是创新的主体，大数据的创新模式却不能停留在闭门造车的封闭、独立状态，复杂网络思想下，独立创新向协同创新转变，中心式创新向分布式创新转变。目前我国大模型整体创新能力还落后于美国，但并非跨时代差距，大模型领域很多创新短板都是共性问题。如数据的完备性和准确性、强大并节能的算力、算法的应用性、大模型的逻辑性。所以，大模型领域技术创新和业态创新应秉承“眼观六路，以我为主” 原则，不必一味实施赶超和模仿式策略。充分利用国内外一切可用的资源，研究所、高校、甚至民间力量，都可能形成创新的驱动力，创立一个开放式创新平台尤为重要。
中观领域：技术扩散，价值共创。AI 大模型只是工具，必须与丰富的应用场景融合才能创造价值，因此技术在产业中的扩散和融合是前提，价值共创则是协调发展的动力。根据复杂网络理论，颠覆性技术的扩散是一种非线性过程［2］何郁冰，林欣慧.基于复杂网络演化博弈的颠覆性技术扩散研究［J／OL］.软科学，1 ～11 ［2024－01－15］.https：／ ／doi.org／10.13956／j.ss.1001－8409.2023.，网络特征会影响技术扩散。对于新兴企业而言，网络规模越大，网络度均值越高，主体间的学习效应和竞争激励有益于技术的深度扩散，对于在位企业则不一定产生该效应。因此，相比于新兴企业，传统型在位企业未必有参与大模型赋能的积极性。竞争博弈产生的压力和互利共赢的效益会形成在位企业拥抱新技术新业态的内生动力，因此一个平等的竞争环境尤为重要。大模型复杂经济系统通常以产业集群形式存在，在集群内部，价值共创的生态系统文化和平等议价的交易模式是各主体协调、共享发展的基本原则。除此之外，各个利益主体应该积极打造自身的核心竞争力，形成谈判制衡，避免大模型公司“一枝独秀” 的局面。
