摘要：“十五五”时期是新质生产力由蓄势培育迈向壮大成势的关键阶段，也是全球人工智能竞争格局重塑的历史窗口期。在这一进程中，生成式人工智能不应仅被视为技术层面的工具革新，而且应被确立为支撑数字文明发展的社会认知基础设施。该基础设施建立在全国一体化算力网的物理底座之上，通过对全域知识的向量化表征与生成式调用，缓解了隐性知识难以编码与规模化传递的问题，推动科研范式向人工智能驱动转变，为全要素生产率的质变提供核心动力。研究表明，新质生产力的认知跃迁引发了生产关系的系统性重构。中国应坚持基础设施主导型发展路径，构建自主可控的主权级认知底座以捍卫认知主权，在推进认知服务普惠化以促进共同富裕的同时，建立统筹发展与安全的适应性治理范式，并探索基于数字孪生的生成式规划新体制，以确立适应智能时代的国家治理现代化新路径。
作者：米加宁，北京邮电大学经济与管理学院教授；吴佳正，哈尔滨工业大学经济与管理学院博士生
摘自：《济南大学学报（社会科学版）》2026年第2期
本文载《社会科学文摘》2026年第6期
智能时代的深层变革，在于社会认知能力的基础设施化。大模型把人类长期积累的知识、经验与判断能力转化为可计算、可调用、可扩展的社会能力，改变了新质生产力的形成方式，也使劳动者、数据、组织和分配制度面临新的调整。“十五五”时期，人工智能由局部应用转向系统渗透，能否把大模型建设成为自主可控且具有普惠属性的社会认知基础设施，关系到我国能否在智能时代掌握发展主动权与认知主权。
从技术工具到社会认知基础设施
生产力演进的历史，也是人类借助技术突破自身局限的历史。工业时代，蒸汽机、电力和交通网络扩展了体能与空间移动能力，形成以能源网、交通网为核心的物理基础设施。信息时代，互联网、宽带网络和数据中心降低了信息传递成本，形成以连接和计算为核心的数字基础设施。进入智能时代，制约发展的关键矛盾逐渐转向“数据海量”与“认知稀缺”，即数据资源迅速膨胀，把数据转化为知识、判断和决策的能力却仍受人类认知带宽限制。全要素生产率要继续跃升，必须突破这一瓶颈。
大模型的战略意义正在这里显现。它通过算法、算力和数据的深度耦合，把高阶认知能力转化为可以规模化供给的生产要素。它不只提高信息检索效率，还能够在既有知识网络中完成语义理解、逻辑推理、方案生成和任务执行，使“智力”以接近基础设施的方式进入经济社会运行。生产力的核心驱动由此从机器对体力的替代、网络对信息的传输，进一步走向通用认知能力的社会化供给。
社会认知基础设施并不等同于全国一体化算力网。算力网解决计算资源的物理供给和跨区域调度问题，其产出是标准化的计算势能；社会认知基础设施建立在算力底座之上，承担智能服务的价值转化功能。算力网提供计算势能，社会认知基础设施完成认知转化。社会认知基础设施依托超大规模参数模型、高维向量化表征和多模态学习，将全域知识封装为可动态调用的认知能力。若说算力网构成数字中国的骨骼和肌肉，社会认知基础设施就是其上的认知中枢。基础设施的功能由“连接”走向“赋能”，由“信息传输通道”升级为“智慧生成中枢”。
据此，可将社会认知基础设施理解为：依托全国一体化算力网，基于超大规模参数模型和海量多模态数据训练，将社会全域知识进行高维向量化封装与结构化重组，并以低边际成本向全社会提供语言理解、逻辑推理和任务生成服务的战略性公共技术系统。它的全域性，体现为打破学科、行业和模态边界，使不同知识在统一语义空间中交互；它的生成性，体现为不满足于复现既有信息，而能动态生成新方案；它的通用性，体现为可以进入制造、医疗、教育、科研、政务等不同场景。也正因此，它不宜被视作普通市场产品，而应作为具有强外部性的战略性公共品进行制度安排。完全交由私人资本主导，容易造成数据垄断、算法黑箱和公共利益缺位；通过国家统筹、多元参与和公益性服务相结合，才能充分释放其社会价值。
认知能力基础设施化与新质生产力跃迁
社会认知基础设施对新质生产力的推动，不是一般意义上的技术增效，而是对知识创造、传播和应用方式的重塑。其核心作用，是把知识从静态存储状态转化为动态生成状态，使认知能力持续转化为现实生产力。
科研范式由此发生变化。传统科学研究长期受制于科学家的认知带宽、实验周期和试错成本。面对材料、药物、生命科学和复杂系统等高维问题，仅凭经验和传统计算方法，难以快速遍历巨大的假设空间。大模型通过学习海量科学文献、实验数据和理论模型，可以在高维向量空间中发现潜在关联，压缩搜索范围，辅助提出假设、设计实验并生成候选方案。人工智能开始从计算工具转为科研协同主体，科学发现也从“经验—理论—计算—数据”的演进序列，迈向人工智能驱动的新范式。更重要的是，大模型能够把不同领域知识映射到相对统一的语义空间，使物理学、生命科学、信息科学、管理学乃至人文学科之间的概念和方法重新组合，为原始创新提供新的认知增量。
隐性知识显性化，是全要素生产率跃升的另一关键机制。大量工艺诀窍、管理经验、临床直觉和工程判断嵌入专家个体经验之中，难以编码、传递和规模化复制。人们往往知道如何做，却难以完整说清其中道理。大模型通过学习文本、图像、视频、操作日志和人机对话，能够捕捉专家工作过程中的微观判断和隐含规则，并将其转化为可计算、可调用的模型能力。隐性知识由此从个体经验转化为社会共享的数字资本。
这种转化会缩小技能差距。普通劳动者借助行业大模型和智能助手，可以调用高水平专家知识完成诊断、设计、分析和决策。基层医生可借助医疗模型提升初诊能力，中小企业可借助通用模型获得过去只有大型机构才能配置的研究、设计和运营能力。当专家级认知能力以低成本扩散到更广泛主体时，社会生产函数将发生改变。生产率差距不再主要取决于个体经验积累的时间长短，而越来越取决于能否有效调用认知基础设施，并对其结果作出高质量判断。
产业价值链也随之重构。工业经济时代重视标准化、规模化和线性效率，智能时代更强调敏捷性、定制化和服务化。融入认知大模型的生产系统，能够理解自然语言指令，感知复杂环境，规划任务路径，协调研发、制造、供应链和营销等环节，推动制造业由刚性自动化走向柔性智能化。在服务业中，认知基础设施有助于突破优质服务供给不足的瓶颈。大模型可以承担病历整理、初步诊断、个性化辅导、合同生成、信息分析和方案草拟等基础性工作，降低高品质服务供给成本，也促使服务人员转向情感沟通、复杂判断、伦理关怀和创造性决策。产业价值链由“制造+服务”的外部拼接，走向“认知+行动”的深度融合。
人机协同中的生产关系重构
生产力的跃迁终将传导至生产关系。社会认知基础设施不只改变了技术条件，还改变了劳动者与劳动资料的结合方式、数据要素的存在形态、生产组织的边界结构和收益分配的制度基础。智能时代的生产关系重构，实质上是劳动者、数据、组织和分配机制的同步调整。
劳动者形态的变化，是这一重构的起点。在传统工业生产中，劳动者主要提供体力和一般脑力，机器作为死劳动服从人的指令。认知智能进入劳动过程后，人工智能具备语言理解、知识生成和任务执行能力，开始成为劳动者的认知伙伴。劳动者的核心价值不再主要表现为知识记忆和规则复现，而是表现为提出高质量问题、拆解复杂任务、判断生成结果、整合跨域知识以及承担价值选择的能力。教育和人才培养因此不能停留在标准化知识灌输上，而要转向对批判性思维、人机协作能力和价值判断能力的培养。
增强并不天然通向解放。算法系统可能以效率最优为名，对劳动过程进行更细密的监控、分配和评价，使劳动者从机器的驾驭者退化为算法指令的执行端。生成式人工智能的即时满足特性，也可能诱发认知依赖，使劳动者习惯于接受现成结论，放弃艰苦的推理、判断和创造过程。若缺乏制度约束和教育引导，技术进步可能导致“去技能化”和“认知懒惰”。生产关系重构必须坚持人的主体地位，使人工智能成为人的全面发展的条件，而不是新的支配力量。
社会认知基础设施还催生了“超级个体”。借助通用模型、智能工具和平台资源，个体劳动者的能力边界被大幅延展。具备人机协同能力的个体，可以独立完成过去需要团队协作的软件开发、内容生产、研究分析和商业运营任务。传统雇佣关系和组织依附结构因此松动，灵活就业、自主创业和项目制协作更加普遍，社会保障、劳动权益保护和职业培训体系也需要随之调整。
与劳动者变化相伴随的，是数据要素性质的改变。在早期数字经济中，数据主要是生产和消费过程的记录，是决策参考和流程优化的资源。大模型使数据获得新的存在方式：经过清洗、标注和训练，原始语料、行业数据和操作日志被转化为模型参数和向量空间中的知识结构。数据不再是沉睡的档案，而是成为可以推理、生成和行动的智能资产。大模型能够通过合成数据生成新的训练样本，通过代码生成、内容生成和方案生成创造新的知识产品，形成“数据生数据”“知识生知识”的自增殖机制。
这一变化对产权制度提出新要求。大模型训练涉及数据提供者、模型训练者、算力提供者、平台运营者和应用开发者等多方主体，传统“谁持有、谁所有”的简单规则难以适应数据聚合和模型训练需要。应探索数据持有权、加工使用权和产品经营权分置的运行机制，在保护个人隐私、商业秘密和公共安全的前提下，促进高质量数据有序流通。许多模型能力来自公共数据、社会交互和用户反馈，也应防止少数平台凭借数据和模型优势形成垄断，阻碍认知基础设施的普惠接入。
当劳动者和数据同时发生变化，组织边界也随之松动。社会认知基础设施降低企业内部沟通、协调和管理成本，使科层组织趋于扁平化；同时降低外部协作成本，使复杂任务能够被拆解并分配给外部团队、专业机构或超级个体。企业由纵向一体化组织转向“核心平台+海量生态”的协作网络，核心企业聚焦战略、品牌、数据和模型能力，大量外部主体通过接口、协议和项目契约参与价值创造。掌握基础模型、算力底座和生态接口的平台，既是市场参与者，又可能成为规则制定者。新的生产关系需要在鼓励平台创新的同时规制平台权力，防止算法歧视、自我优待、数据封锁和创新抑制。
要素结构的变化，最终会传导至分配制度。在人机协同生产中，价值创造既来自劳动，也来自数据、算法、模型、算力和平台生态。初次分配需要探索数据贡献、算法贡献和认知贡献的价值尺度，使贡献与收益更加匹配。更深层的风险在于劳动力市场极化。认知基础设施对重复性、规则性脑力劳动具有替代效应，可能压缩传统中等技能岗位，扩大高认知精英与从属型劳动者之间的差距。应加大全民数字素养教育、职业转换培训和社会保障投入，探索数据要素的社会分红和公共收益分享机制，使作为数据生产者和模型反馈者的广大社会成员能够分享认知基础设施产生的增值收益。
“十五五”时期的中国路径
全球人工智能发展正在形成不同路线。美国依托私人资本和科技巨头，创新速度快，但平台垄断、社会极化和算法伦理风险突出。欧盟强调规则主导和事前规制，有利于权利保障和风险控制，却可能因合规成本过高而抑制基础创新。中国不宜照搬资本主导模式，也不宜陷入单纯规则主义，而应发挥社会主义市场经济体制优势，走国家统筹、多元参与、普惠共享、发展与安全相协调的基础设施型道路。
这一道路的关键，是把基础大模型和智力网络作为战略性公共品纳入新型基础设施体系统筹推进。社会认知基础设施具有鲜明的认知主权属性。训练数据、模型结构和生成规则不仅决定技术性能，也塑造价值秩序、文化表达和安全边界。认知主权应落实为数据治权与文化定义权、算法自主权与技术发展权、解释归责权与伦理裁判权。为此，应建设高质量中文语料库和行业数据资源体系，集中攻关模型架构、训练算法和推理机制，掌握从芯片、框架、模型到应用生态的完整技术闭环，确保数字空间的定义权和解释权掌握在自己手中。
认知服务的普惠化，是基础设施型道路的价值指向。智能时代的不平等，可能从资本差距、信息差距进一步演化为认知差距。社会认知基础设施若只服务少数发达地区、头部企业和精英群体，就会形成新的智能鸿沟。应通过公共投入和制度设计，使优质认知服务低成本覆盖教育、医疗、乡村振兴、基层治理和中小企业发展。认知普惠的实质，是让更多人获得参与智能时代价值创造的能力。
治理方式也要随之调整。人工智能是复杂巨系统，传统静态监管难以适应其高频迭代和生成不确定性。治理重点不只是约束风险，还要防止基础模型成为新的权力集中装置。应坚持以人为本，防范算法规训和主体性异化；完善就业转型支持体系，应对岗位替代和收入分化；筑牢意识形态安全和政治安全防线，把社会主义核心价值观融入模型训练、反馈强化和内容治理全过程；建立算法备案、安全评估、内容溯源和责任追究机制，并通过监管沙盒等方式在可控环境中开展制度试验，形成政府、企业、行业和社会共同参与的治理格局。
五年规划是中国治理的重要制度优势。面对智能时代的高频变化和非线性风险，规划实施也需要更强的动态感知和策略生成能力。依托社会认知基础设施，可以构建经济社会运行的数字孪生系统，对政策组合进行沙盘推演，预判财政、产业、就业、区域和科技政策的链式反应，并根据实时数据生成调整建议。生成式规划并不削弱战略目标的稳定性，它增强的是实施路径的适应性，使国家治理在不确定环境中保持前瞻性、韧性和执行力。
大模型驱动的社会认知基础设施，是理解智能时代新质生产力的重要切口。它把认知能力转化为可规模化供给的社会要素，推动知识生产、产业组织和社会治理发生系统性变化，也要求生产关系在劳动主体、数据产权、组织形态和分配机制上作出深层调整。“十五五”时期，中国应以基础设施型道路统筹推进认知底座建设、认知服务普惠化和适应性治理创新，在维护认知主权的同时释放智能技术的普遍发展效应。谁掌握社会认知基础设施的建设权、定义权和治理权，谁就将在智能时代掌握发展的主动权。
