当前,新一轮科技革命和产业变革深入演进,人工智能技术加速迭代突破,大模型能力持续跃升,应用场景不断拓展,正在对生产方式、生活方式与治理模式产生全方位深刻影响。与此同时,技术发展也面临一系列应用不广、融合不深的现实问题。深刻把握人工智能应用扩散的内在规律,统筹推进应用广度拓展与融合深度提升,成为顺应技术变革趋势、充分释放技术效能的核心命题。
一、人工智能发展亟待广度与深度协同破题
人工智能特别是生成式人工智能面向公众应用以来,技术能力快速提升,模型迭代周期持续缩短。与此同时,一个值得关注的矛盾现象日益凸显:一方面,使用人工智能的市场主体和个人持续增加,各界对生产率跃升和产业重构抱有较高预期;另一方面,多数经济体的总体生产率尚未出现与技术热度相匹配的明显改善,普通劳动者工资增长有限,技术收益集中于少数提供算力、模型和数据中心的企业。技术突破为何没有同步转化为广泛的经济增长,成为当前必须回应的重要问题。
观察人工智能的经济影响可从以下几个方面进行。一是从应用广度看,人工智能在多大范围的地区、行业和企业得到使用,反映技术扩散的覆盖范围。二是从融合深度看,人工智能在生产单位内部覆盖多少职能任务,在多大程度上嵌入生产流程、改变分工方式,反映技术应用的嵌入程度。三是从发展不均衡看,考察人工智在不同区域、不同行业、不同群体之间的技术可得性存在的明显差距:有的经济体技术使用面很宽,但多数企业只在少数环节试用,生产率收益十分有限;有的经济体前沿企业与人工智能融合程度很深,但技术难以扩散到中小企业和传统行业,整体经济呈现两极分化态势。
当前人工智能发展正处于技术路径和竞争格局形成的关键时期。人工智能的能力边界还在快速拓展,围绕算力、数据、人才和标准的国际竞争日趋激烈,各国都在根据自身条件选择发展路线。据Maddison Project数据,工业革命以来全球人均收入年均1.34%的增长,建立在思想生产持续改进的基础之上,如果人工智能能够深度参与科学发现与技术创新过程,长期经济增长可能出现大幅提升,但技术能力只是增长的必要条件,真正的瓶颈在于真实经济中互补条件积累不足,组织方式、制度环境与技能水平的薄弱环节,都会迟滞技术应用的效应释放。科学把握人工智能应用广度与融合深度的内在逻辑,建立技术性质、扩散过程和均衡结果内在一致性分析框架,厘清不同均衡形态的形成条件与演进规律,既是学理研究的需要,更是制定正确发展战略、推动技术与经济深度融合的前提和基础。
二、人工智能应用广度与融合深度的内在逻辑与均衡形态
人工智能向经济社会各领域的渗透扩散过程,本质上是认知生产方式变革与生产函数重构的统一。深入剖析人工智能应用广度拓展与融合深度提升的内在经济逻辑,把握二者互动演化的均衡形态与发展规律,是顺应技术变革趋势、推动人工智能高质量发展的重要理论前提。
(一)认知规模化生产重构智能供给方式
人工智能技术突破的深层意义在于首次实现了认知能力的规模化生产,从根本上改变了人类知识生产的组织方式与成本结构,构成了应用广度与深度持续演进的底层动力。传统认知生产以个体的人为基本载体,知识积累依赖个人学习与长期实践,认知供给规模随人数线性增长,难以形成规模经济;大模型技术突破了这一限制,同一模型可以同时为海量用户提供问答、分析、判断等认知服务,认知能力的扩张不再单纯依赖人力资本积累,也可以依托算力、数据与数字基础设施的持续投入实现批量供给,认知生产从此具备了规模化大生产的典型特征。这种生产方式的变革是人类生产史上继工业革命实现物质产品规模化生产之后的又一次历史性跃迁,其影响将渗透到经济社会的方方面面。
认知规模化生产具有三个鲜明的经济特征,从根本上塑造了人工智能产业的发展格局。一是高性能模型的研发训练需要投入算力集群、电力设施、数据治理与高端人才等巨额成本,且技术迭代速度快。对美国经济的测算显示,2024—2025年名义人工智能计算支出年均增长超140%,算力扩张、芯片效率提升与算法进步三重力量叠加而成的计算能力年均增速超200%,质量调整后的人工智能产出年均增长超2000%,呈现显著的规模报酬递增性质。二是应用环节具有显著规模经济特征。模型训练完成后,新增用户服务的边际成本极低,用户规模越大,单位服务成本越低;同时,产业上下游协同、基础设施共享、人才空间集聚带来的外部规模经济效应,进一步提升了整体创新效率,推动人工智能产业向特定区域集聚,也为大型经济体拓展应用广度提供了天然优势。三是技术收益具有强外溢性。与互联网平台轻资产、强网络效应、赢者通吃的特征不同,前沿基础模型训练与算力基础设施为重资产形态,折旧速度快,需要持续投入;其网络效应相对较弱,技术价值大量向使用方与社会溢出,模型供给方难以独占全部收益。由此形成上游寡头竞争、下游充分竞争的产业格局,闭源前沿支撑高端创新,开放权重推动普惠扩散,共同构成产业生态的基本形态。认知规模化生产的这些特征,从源头上决定了人工智能应用扩散的基本格局。考虑到创新收益外溢与投入成本内化的矛盾,单靠市场机制容易出现前沿投入不足,也可能因预期过度引发投资过热,需要产业政策与市场机制协同发力,引导技术投入与实际需求相匹配。
(二)任务的组合方式与约束条件划定价值实现的基本边界
社会生产活动的基本单元是任务而非职业,任何产品与服务的生产都可以分解为一系列相互衔接的任务。人工智能对生产过程的渗透,本质上是对不同任务的逐步替代与赋能。任务的组合方式与约束条件决定了人工智能价值实现的边界与深度。
自主门槛是判断技术替代可行性的标准。所谓自主门槛,是指在既定成本与质量要求下,人工智能能够独立运行、无需人工持续复核监督的临界点。门槛以下,人工智能仅能发挥辅助作用,与人类劳动形成互补关系;越过门槛,则可以实现对特定任务的替代。任务的组合形态直接决定自主门槛的高低:单一独立、结果易于验证的任务,如格式化文本生成、基础代码编写等,对错判断标准清晰,可通过反复反馈训练,自主门槛最低,技术渗透最快;由多项关联任务紧密组合而成的强任务束,如医疗诊断、法律服务、产品销售等,任务之间相互支撑、不可分割,整体自主门槛显著提升,难以简单拆分替代;建立在权威、信任与组织协调基础上的关系束,如机构管理、流程变革等,其价值核心在于人的主体性与责任承担,自主门槛最高,技术难以实现深度替代。
任务捆绑强度划分了人工智能技术就业效应的范围。弱任务捆绑的职业中,人工智能可自动化部分任务并收窄岗位边界,激活标准的任务替代效应;强任务捆绑的职业中,任务无法独立重新配置,人工智能仅能在岗位内部提升绩效,无法将劳动者从任务捆绑中剥离。强任务捆绑的紧密性本质上源于同步需求、知识互补、责任归属三类成本,这些成本的存在使得多数岗位难以被技术完全替代,人机协作成为长期主流。
生产链条的整体效率取决于最薄弱的环节,任何一个环节出现短板都会制约整体价值的实现。人工智能可以大幅提升特定环节的效率,但如果配套的能源、算力、物流、人力等环节跟不上,整体效率提升就会被卡住。软件研发领域的实证显示,人工智能带来的编码活动效率提升可达180%,但最终项目发布的效率增益仅为30%,生产链条下游的人类瓶颈大幅衰减了技术收益。弱链节规律解释了稀缺要素获得高回报的经济逻辑,也说明单点技术突破难以自动转化为整体生产率的提升,必须同步补齐配套环节的短板。
任务结构与弱链节约束共同作用,带来生产组织与人才培养的深层调整。一方面,任务重组推动生产组织形态分化,既可能形成少数专家依托工具实现大范围管理的超星效应,也可能出现基层岗位借助系统扩展能力的均等化效应,最终形态取决于需求扩张与技能供给的匹配程度。另一方面,常规认知任务的自动化会削弱传统的人才培养路径,初级岗位的事务性工作是年轻人积累经验的交换媒介,这部分价值的下降可能导致组织中间层被掏空,影响长期能力传承。这意味着,深度融合不仅是技术引入问题,更是组织重构与人才体系再造问题,必须同步推进配套机制建设,才能避免短期效率提升带来的长期能力断层。
(三)广度与深度同源共生,构成技术扩散的双重维度
应用广度与融合深度是观察人工智能技术扩散的两个基本维度,二者同源于任务自主门槛,呈现相互支撑、相互强化的内在联系,共同决定技术扩散的整体水平。应用广度是技术扩散的广延边际,反映人工智能对企业、行业、职业与地区的覆盖范围,回答的是“应用面有多广”的问题。融合深度是技术扩散的集约边际,反映人工智能在生产单位内部嵌入业务流程、覆盖任务环节、推动组织重构的程度,回答的是“应用程度有多深”的问题。二者本质上是自主门槛机制在不同维度的体现:广度扩张是自主门槛在更多领域、更多主体被跨越,表现为越来越多的企业发现使用人工智能比人工更具成本优势,从而加入应用行列;深度推进是自主门槛在同一生产单位内部向更多任务延伸,表现为应用从单一职能逐步拓展到全流程,最终带动组织形态变革。
技术采纳的核心逻辑是比较优势而非单纯的技术可行性。人工智能的绝对技术能力仅决定应用的可能性边界,而真实的采纳水平取决于技术生产率与使用成本的对比,以及劳动者生产率与工资水平的对比。德国的实证研究显示,仅以技术暴露为基础的指数只能解释14%的跨职业采纳差异,而纳入比较优势的采纳指数可解释60%的差异,约30%的劳动者群体在两种测算下呈现显著分化,成本收益比较对人工智能扩散起到了决定性作用。
广度与深度之间存在正向循环的互动关系。深度推进为广度扩张提供示范动力,一个企业实现深度融合并产生明确的生产率回报,会形成可复制的经验,带动更多企业跟进应用,推动技术向更多行业扩散。广度扩张为深度提升创造基础条件,应用范围扩大带来更多的数据积累、场景反馈与人才供给,推动模型能力持续提升,让更多任务得以跨越自主门槛;同时,规模化应用降低了技术与配套服务的成本,为进一步深化应用创造了有利条件。价格下降与场景拓展形成第一重正反馈,组织变革与技术吸收形成第二重正反馈,二者共同构成技术扩散的飞轮效应,推动广度与深度交替上升。
同时,二者的发展都受到外部条件的制约。广度扩张不仅取决于技术可行性,还受到制度环境、监管规则与需求偏好的调节,技术上可行的任务如果不符合监管要求或者公众偏好,同样难以广泛普及。深度推进则受制于企业的组织管理能力、人才储备与配套投入,仅有技术引入而没有同步推进组织重构,就会停留在浅层应用。从时间节奏看,技术扩散初期需要投入大量成本进行部署、培训与流程调整,收益滞后于成本,生产率表现往往呈现先抑后扬的J形曲线,短期数据平淡并不代表技术没有作用,而是反映了融合过程的滞后性。
(四)多维条件差异形成四类均衡形态
由于互补条件与制度环境的差异,人工智能应用广度与融合深度的互动并不必然形成正向循环,而是会在不同条件下收敛于不同的均衡状态,呈现不同的发展特征与经济效应。
一是广度有余、深度不足的浅度均衡。这种状态下,人工智能应用覆盖面广,大量主体都在尝试使用,但大多停留在少数外围职能与浅层任务,没有深度嵌入生产流程,也没有带来组织形态的实质变革。其典型表现是技术热度高但生产率改善滞后,收益主要集中在技术供给方,使用方的绩效与工资提升有限。如果预期持续偏离实际收益,还可能引发投资回调与估值调整。欧元区数据显示,约70%的企业报告使用人工智能,但仅7%的企业实现显著深度集成,多数应用停留在流程优化的浅层阶段,带有明显的浅度均衡特征。这种均衡是技术扩散初期的普遍形态,当前全球人工智能发展总体上具有这一特征,也是我国需要警惕的发展倾向。
二是深度有余、广度不足的窄幅均衡。这种状态下,少数前沿企业与行业实现了深度融合,生产率提升显著,但技术难以向中小企业、传统行业与广大地区扩散,整体经济呈现两极分化格局。其典型表现是前沿企业与其他企业差距拉大,就业与收益向少数主体集中,局部高效率与整体不平衡并存。美国是这种均衡的典型代表,其前沿技术与深度融合全球领先,标普500指数中深度集成企业仅占11%,且三分之二集中在科技行业,少数大型企业占据绝大多数相关收入与资本开支,全经济范围扩散不均衡,收益分配高度集中,存在产业固化与活力下降的风险。这种均衡下,前沿优势如果转化为进入壁垒,反而会抑制整体创新活力,难以实现技术革命的普惠效应。
三是广度与深度协同互促的高水平均衡。这种状态下,广度扩张产生的数据、人才与场景支撑深度持续推进,深度融合带来的生产率提升、需求增长又为广度扩张提供资金与动力,飞轮效应持续发挥作用,技术红利被广泛分享,新产业新岗位持续涌现。这是技术革命潜力充分释放的理想状态,也是各国人工智能发展的共同目标。实现这一均衡,需要基础设施、人才体系、组织能力与制度安排的全面支撑,是一个长期演进的过程。
四是广度与深度均不足的低水平均衡。这种状态下,数字基础设施薄弱、人才短缺、制度环境不完善,技术采用成本高,既难以广泛普及,也难以深度融合,经济长期停留在技术扩散的边缘,面临数字鸿沟进一步拉大的风险。全球南方经济体在数字基础设施、电力供给、数字技能等方面短板突出,若缺乏配套制度支撑,技术红利可能会被少数群体获取,反而拉大内部差距,陷入低水平均衡陷阱。
决定一个经济体走向哪类均衡的核心,是互补要素的完备程度与组织变革、制度调整的能力。后者是慢变量,涉及利益格局调整与社会包容度。对我国而言,把握人工智能发展的战略主动,关键在于顺应技术扩散的内在规律,既充分发挥自身场景广阔、市场规模大、开源生态活跃的优势,持续拓展应用广度;又着力强化组织、人才、基础研究等薄弱环节,不断深化融合深度,推动发展状态从浅度均衡向高水平均衡逐步跃升。
三、人工智能应用广度与融合深度的现状研判
当前,全球人工智能发展呈现差异化格局,世界主要经济体基于自身资源禀赋和制度条件,形成了不同的发展路径,在应用广度与融合深度上表现出不同特征。
(一)我国应用场景广阔,融合深度受制于薄弱环节
我国发展人工智能具备得天独厚的产业基础与市场优势,应用广度扩张走在全球前列,但融合深度提升相对滞后,关键环节薄弱成为制约技术价值释放的主要矛盾,总体处于广度快速扩张、深度有待夯实的阶段。
我国拥有全球最完整的工业门类、成熟的制造业供应链和规模最大的下游应用市场,为人工智能落地提供了广阔的实体场景。具身智能领域形成多层次布局,截至2026年6月,全国已建成70余家面向机器人研发应用的训练场,在建及规划中有40余家,形成长三角、京津冀、珠三角三大产业集群并逐步向三、四线城市延伸,为技术验证与场景数据积累提供了实体支撑。人形机器人产业初具规模,2026年上半年全球出货量大幅增长,出货量排名前五的企业全部来自中国。
我国走出了一条以开放权重和低成本推动应用的发展路线。国内主流模型普遍开放权重,依托全球社区共同改进,显著降低了全社会部署和调优的成本。在模型调用市场上,开放模型的使用量快速上升,2026年8月开放模型在调用量上首次位居第一;按处理词元数量统计,排名前十的模型中有8个开放权重,其中7个由中国企业开发。国产模型还被嵌入汽车、机器人等物理设备,随硬件走向市场,扩大了应用的实际范围。支撑我国应用路线的,还有能源和制造成本优势。我国拥有规模领先的电力系统和较强的电力装备制造能力,电力价格相对稳定,为数据中心和算力设施运行提供了基础保障。但低成本路线也带来挑战:模型层面竞争激烈、价格持续走低,企业难以从模型本身获得稳定回报,如果不能在真实场景中形成不可替代的价值,容易陷入以规模和价格争夺市场的循环,重资产投入的折旧压力也会逐步累积。
从融合深度看,应用浅层化问题较为突出。目前人形机器人进入实际生产场景后,在运行稳定性、环境适应性上仍有较大提升空间。制约深度融合的薄弱环节多维度存在:技术层面,高端芯片供给受限,基础研究与原创能力有待提升;资本层面,部分领域融资规模与实际营收规模差距较大,存在脱实向虚的潜在风险;组织层面,行业标准、工程管理与中试体系尚不成熟,场景需求与技术供给的对接成本较高。
我国正在真实场景中持续积累深度融合的实践经验。物流、工业制造等领域的智能化应用逐步落地,智能驾驶装车量与行驶里程稳步提升。制度层面同步跟进,人形机器人实景实训专项行动启动实施,相关数据质量评估标准即将出台,为技术从演示走向规模应用提供规则支撑。海外人才回流持续加速,为产业深度发展提供了智力保障。
从均衡状态判断,我国人工智能发展既存在滑向浅度均衡的风险,也具备向高水平均衡跃升的基础条件。推动产业高质量发展,关键要把资源重心从概念竞争与估值扩张转向真实场景的技术打磨与关键环节的能力补齐,把场景优势真正转化为深度融合的产业优势。
(二)全球格局分化演进,美国处于领先地位
美国在人工智能前沿研发和深度融合上处于全球领先位置。2026年调查显示,18%的美国企业使用AI,按就业加权为32%,57%的采用者仅在三个或更少职能中使用。如前文所述,美国人工智能融合发展不均衡问题突出,深度集成高度集中于少数科技企业。全经济层面技术扩散有限且偏于浅层,收益主要集中于技术供给方,多数终端企业尚未体现明显成效,劳动力市场呈现初级岗位承压与新兴岗位增长并存的分化态势,整体存在向窄幅均衡固化的倾向。
中美之外的经济体呈现分化发展态势。欧洲创业融资占比偏低,监管严格、市场分割制约产业发展,企业使用面较广但应用深度不足,多数停留在试验阶段。欧盟加快推动主权模型建设与规则体系完善,通过集体谈判协调劳动关系,但生产率收益分配机制仍不完善。韩国加大投入推动技术与制造工艺深度融合,日本依托人口结构变化探索产业空间重组,形成差异化的应用路径。全球南方迎来技术追赶机遇,但如前所述,若不补齐数字基础设施、电力供给、数字技能等方面的短板,反而可能会拉大内部差距。
全球竞争呈现中美竞合的总体格局,美国依托闭源前沿模型占据高端环节,中国依托开放低成本模式扩大技术扩散,各国对技术主权的警惕普遍上升。过去45个月模型推理价格大幅下降,闭源企业占据主要收入份额,开放模型则持续推动应用范围扩大与能力追赶,全球人工智能扩散不仅是技术与市场的竞争,更是制度选择与治理能力的竞争。
四、推动我国人工智能广度与深度协同提升的路径选择
推动人工智能应用广度与融合深度协同提升,是立足我国超大规模市场优势、完整产业体系和活跃开源生态作出的战略抉择,也是抢抓新一轮科技革命和产业变革机遇、推动高质量发展、塑造国际竞争新优势的核心抓手。当前我国人工智能发展必须坚持把服务实体经济作为出发点和落脚点,统筹发展和安全、效率与公平、自主与开放,系统推进应用普及、深度融合、制度完善与生态建设,推动人工智能发展从量的扩张向质的提升转变。
(一)持续拓展应用广度,筑牢普惠发展的市场基础
应用广度是技术扩散的前提,也是我国人工智能发展的突出优势所在。要充分发挥我国开放模型成本优势与超大规模市场优势,持续降低技术采用门槛,推动人工智能向更多企业、更多行业、更多地区覆盖延伸。加快算力、数据等基础设施普惠化布局,推动算力资源向中小企业和欠发达地区开放共享。着力培育促进技术落地的中间服务力量,通过公共服务平台提供低成本、可信赖的技术方案与配套服务,帮助中小企业解决技术人才不足、部署能力薄弱的实际困难。持续拓展实体经济应用场景,把制造业、能源、交通等实体领域作为应用主阵地,把医疗、教育、养老等民生领域作为重要切入点,通过示范项目、供需对接和普惠金融引导,推动技术成果下沉到生产一线与基层民生领域,让更多市场主体共享技术红利。
(二)深化融合深度,激活产业升级内生动力
坚持把赋能实体经济作为主攻方向,推动人工智能从外围辅助环节向关键生产环节渗透,从技术采购应用向组织流程再造深化。聚焦高端制造、新能源、生物医药等重点领域,建设一批深度融合示范工程,推动人工智能嵌入研发设计、生产调度、质量控制、供应链协同等全流程,把场景优势转化为产业优势。引导企业转变发展理念,摒弃“重技术采购、轻组织重构”的倾向,同步推进业务流程重塑、考核体系调整与岗位结构优化,把技术应用转化为实实在在的生产率提升。坚持人机协同、能力为本的原则,重视劳动者基础能力培养与专业技能沉淀,实现技术进步与人力资本提升的良性互动。
(三)健全制度规则体系,引导均衡有序的发展格局
完善面向动态发展的竞争政策,防止数据、接口与关键基础设施封闭形成的技术壁垒,保障市场主体的公平进入与创新机会,避免产业集中度过高抑制整体创新活力。健全就业适配与社会保障体系,针对技术进步带来的就业结构调整,完善失业保障、职业技能培训与再就业支持机制,引导劳动者平稳转型,同时关注重点群体就业保障,防止收入差距扩大。构建包容审慎的治理框架,根据风险等级实施差异化监管,对低风险应用保持开放包容,对高风险领域严格准入管理,在鼓励创新的同时防范各类风险,引导产业向高水平均衡跃升。
(四)筑牢长期支撑体系,塑造开放合作的竞争优势
人才、资本与创新生态是人工智能长远发展的根基,也是国际竞争的核心领域。要强化人才第一资源作用,完善高层次人才引进与培养体系,吸引海外高端人才回流,健全本土人才培养机制,为产业发展提供持续智力支撑。培育耐心资本与长期投资生态,引导保险、养老等长期资金进入创业投资与科技创新领域,加大基础研究投入力度,为关键技术突破与前沿能力建设提供稳定资金支持。坚持高水平对外开放,积极参与全球人工智能治理,推动技术标准、安全规则与产业发展的国际协作,依托我国开源生态与实体应用经验,为广大发展中国家提供可及的技术方案,推动技术成果更好惠及各国人民,在开放合作中提升自身发展水平、塑造国际竞争新优势。