人工智能不再只是提高效率的工具，而是成为重组生产要素、改变生产函数的重要力量。这一转变深刻影响全球实体经济运行逻辑
当前，主要经济体正加速探索“AI+实体经济”的多路径模式并形成差异化竞争格局
未来，掌握端到端智能系统能力的经济体，将在全球价值链中占据主导地位，而单纯依赖低成本制造或单一资源禀赋的模式将面临结构性挑战。这一竞争范式的转变，正倒逼各国加快构建AI全栈自主可控体系，推动全球产业分工从产品分工向能力分工演进
产业竞争从单个企业竞争转向生态系统竞争；资源配置从内部优化转向跨组织协同；创新模式从封闭式研发转向开放式创新
拥有完整产业链与海量真实场景数据的国家更具优势，能够形成“数据—算法—应用”的正反馈循环；单一技术突破难以形成长期竞争力，因为AI迭代速度极快，孤立的技术易被快速追赶；综合能力成为决定竞争成败的关键因素，包括政策协同、基础设施、人才培养和治理能力的整体匹配度
劳动者需要具备与人工智能协作的能力，包括数据解读、算法调优、伦理判断等“人机共生”技能
文 | 朱帅
在新一轮科技革命与产业变革交汇叠加的背景下，人工智能（AI）正加速从数字经济领域向实体经济深度渗透。与以往信息技术更多作为效率工具的角色不同，当前人工智能已开始嵌入生产、流通、分配与消费的核心环节，成为重构产业体系运行逻辑的重要力量。
这一进程不仅体现为单个企业或行业层面的智能化升级，更表现为跨产业、跨链条、跨区域的系统性重构。人工智能正推动全球实体经济从线性生产体系向网络化、平台化、智能化系统转型，并在此过程中重塑全球竞争格局与发展范式。
相关报告显示，2025年全球AI市场规模已达7575.8亿美元，同比增长18.7%，预计2026年将突破9000亿美元。这一爆发式增长，不仅源于技术突破，更得益于AI与实体经济的深度融合。
AI从工具嵌入走向系统重构
随着人工智能从工具嵌入走向系统重构，全球实体经济进入结构性重塑阶段。
第一，从效率提升工具转向生产要素重组力量。
在早期阶段，人工智能主要作为信息处理工具嵌入企业运营，用于提升效率、降低成本，如智能客服、自动化推荐、流程优化等。这一阶段的核心价值在于边际效率提升，即在既有生产函数不变的前提下优化资源配置，通过数据驱动的精细化管理压缩成本、加速流程，却未触及生产要素的重组与生产关系的根本变革。而随着大模型、机器学习与多模态技术的突破，人工智能逐渐具备类认知能力，其作用边界迅速扩展，正从工具属性转向要素属性。
具体表现为：一是数据从生产辅助资源转变为核心生产要素。人工智能依赖大规模数据进行训练与迭代，使数据成为与土地、资本、劳动并列的重要要素，并推动数据要素市场的形成。
二是知识生产方式发生变化。人工智能能够参与设计、研发、决策等高附加值环节，使知识从人类专属产出转变为“人机协同”产出，显著改变创新活动的组织方式。
三是劳动要素结构重构。人工智能替代部分重复性脑力劳动，同时放大高技能劳动的价值，推动劳动力结构向“高技能+人机协同”转型。
因此，人工智能不再只是提高效率的工具，而是成为重组生产要素、改变生产函数的重要力量。这一转变深刻影响全球实体经济运行逻辑，不仅提升生产效率，更催生新的增长动能。据世界经济论坛相关分析，AI正通过数据要素的释放，为实体经济注入新质生产力，预计到2030年可为全球经济贡献数万亿美元增量。
第二，从单点应用突破转向全链条系统嵌入。
传统的信息技术应用往往呈现点状分布，即在某一环节实现局部优化，如仓储自动化、智能客服、简单流程自动化等。这一阶段的核心特征是孤岛式改进，没有打破信息壁垒和业务割裂，整体效率提升有限，难以适应复杂多变的全球供应链与个性化需求。随着大模型、多模态感知、数字孪生等技术的突破，人工智能的发展正在推动其从单点突破走向全链条嵌入。AI不再是辅助插件，而是贯穿生产、流通、消费全流程的神经网络，依托海量数据、强大算力与算法协同，实现端到端的智能闭环优化。这一转变，正驱动实体经济从线性生产体系向网络化、智能化系统跃迁。
在生产端，人工智能贯穿产品设计、工艺优化、质量检测等环节，实现“设计—生产—测试”的闭环优化；在流通端，智能算法提升供应链预测与调度能力，实现库存与物流的动态优化；在消费端，人工智能通过用户画像与需求预测，推动个性化生产与柔性制造。
更为重要的是，人工智能打通了原本割裂的产业链环节，使数据在全链条流动，从而形成端到端的智能系统。这种系统嵌入带来两个重要变化：其一，产业链从串联结构转向网络结构。各环节通过数据与算法实时连接，形成动态协同体系。其二，决策从经验驱动转向数据驱动。企业运营越来越依赖算法模型进行预测与优化，提升整体效率与响应速度。
在全球范围内，这一趋势正加速实体经济向智能化底座转型。具身智能与多智能体系统双线突破，进一步推动AI从虚拟世界跃入物理实体。相关报告显示，2025年全球具身智能市场规模约44.4亿美元，年复合增长率达39%，预计2030年将达230亿美元。人形机器人已在工业装配、焊接等高危场景规模化应用，与数字孪生结合构建“虚实融合”的柔性生产系统。
第三，从行业应用差异转向产业体系整体重构。
在人工智能应用初期，不同行业之间存在显著差异，例如互联网、软件服务等数字原生行业率先大规模部署AI，而传统制造业、能源、农业等实体经济领域推进相对较慢，主要受制于数据积累不足、设备智能化水平低以及融合成本较高等因素。随着大模型、具身智能等技术的快速迭代，以及算力成本持续下降，这种行业间应用差异正在显著缩小。当前，人工智能已在制造业、能源、交通、医疗、农业等多个领域实现规模化应用，并逐步形成跨行业的共性技术体系，如工业大模型、数字孪生、预测性维护和多模态感知等。这些技术不再局限于单一场景，而是成为可复用、可迁移的通用底座，为全产业智能化升级提供支撑。
这一趋势带来的关键变化是：人工智能不再改变单一行业，而是重塑整个产业体系。
具体而言：一是产业边界日益模糊。人工智能促进“AI+制造”“AI+医疗”“AI+金融”等融合发展，催生跨界产业形态。例如，在制造业领域，AI与工业互联网融合，推动柔性生产和个性化定制；在能源领域，AI优化智能电网和新能源调度，实现源网荷储协同；在医疗领域，多模态医学影像大模型已广泛应用于罕见病诊疗和基层辅助诊断，显著提升诊疗效率。
二是产业分工模式改变。传统基于成本与资源禀赋的国际国内分工模式，逐渐被基于数据获取能力、算法优化能力和生态整合能力的新型分工模式所替代。在全球价值链中，拥有丰富场景数据和完整产业体系的国家或企业，更易占据高端环节。
三是产业体系呈现智能化底座特征。人工智能正成为类似电力、互联网的基础设施，对所有行业产生普遍性、渗透性影响。
因此，人工智能正在推动全球实体经济进入系统性重构阶段。中国2025年智能工厂数量已突破3万家，带动生产效率提升22.3%，覆盖80%以上制造行业。这不仅是中国实体经济转型升级的生动实践，也为全球提供了可借鉴的场景驱动范式。
主要经济体加速探索“AI+实体经济”
当前，主要经济体正加速探索“AI+实体经济”的多路径模式并形成差异化竞争格局。
美国以“技术平台+产业生态”推动AI深度嵌入高端产业体系。美国在人工智能领域具有技术与产业优势，其发展路径主要体现为“技术平台驱动+生态体系扩展”。
一方面，美国依托科技企业构建通用技术平台，通过大模型、云计算等基础设施向各行业输出能力。这种模式降低了人工智能应用门槛，使中小企业也能快速接入AI。
另一方面，美国高度重视产业生态建设，通过资本市场、创新网络与科研体系的协同，形成“技术—资本—产业”闭环。这种生态体系有助于加速技术商业化与产业化。
在应用层面，美国重点推动人工智能在高端制造、国防、医疗等领域的深度嵌入，强化其在全球产业链高端环节的主导地位。生成式AI与实体经济的融合，正驱动美国制造业向高附加值环节跃升。尽管具体数据因商业机密较少公开，但相关报告显示，美国AI投资主要集中在平台型企业和国防科技领域，通过生态协同实现技术外溢。
欧洲以“制度规制+产业协同”塑造AI嵌入路径。欧洲在人工智能发展中更加注重制度建设与伦理规范，其路径呈现出“规则先行”的特征。
首先，欧洲通过立法与监管框架明确人工智能发展的边界与标准，强调数据保护、算法透明与风险控制，但也一定程度上提高了企业创新成本。
其次，欧洲强调产业协同，通过跨国合作与区域一体化推动人工智能应用。例如在制造业、能源与交通领域，欧洲通过产业联盟实现资源整合与技术共享。
总体来看，欧洲路径的核心在于在安全与发展之间寻求平衡，通过制度塑造人工智能嵌入实体经济的方式。尽管2025年欧洲企业AI采用率仅为20%，但“主权AI”战略正加速弥补差距，推动AI在医疗、机器人和绿色转型中的应用。
中国以“场景驱动+规模优势”加速AI向实体经济渗透。中国在人工智能与实体经济融合方面呈现出鲜明的场景驱动特征。
一方面，中国拥有丰富的应用场景与庞大的市场规模，使人工智能能够在实际应用中快速迭代与优化。例如在智能制造、智慧城市、电商物流等领域，人工智能已实现大规模应用。中国互联网络信息中心发布的《生成式人工智能应用发展报告（2025）》显示，截至2025年6月，我国生成式人工智能用户规模达5.15亿人，普及率为36.5%。
另一方面，中国具备完整的产业体系与强大的制造能力，有助于将人工智能技术迅速转化为实际生产力。这种“技术—制造—市场”闭环，使人工智能能够快速嵌入实体经济。
此外，中国在政策层面持续推动数字经济与实体经济深度融合，通过基础设施建设、数据要素配置与产业政策引导，加速人工智能的普及与应用。《关于深入实施“人工智能+”行动的意见》明确了顶层设计，具身智能融资占比高达52%，人形机器人已在工业场景落地。上海等地“AI+制造”实施计划，进一步推动AI原生新业态培育。中国AI专利全球占比达60%，相关企业数量超6000家，正从跟跑向并跑、领跑转变。
新兴经济体以“跳跃式应用”重构产业发展路径。部分新兴经济体借助人工智能实现“弯道超车”，其路径呈现出“跳跃式发展”的特点。
这些国家绕过传统工业化阶段，直接采用数字技术与人工智能推动产业升级，并在金融服务、农业、公共服务等领域发力。印度农民聊天机器人、肯尼亚M-PesaAI金融服务、越南和印度尼西亚精准农业等案例，展现了AI在基础设施薄弱地区的赋能潜力。
这种模式的优势在于成本较低、灵活性较强，但也面临基础设施不足、人才短缺等挑战。总体来看，新兴经济体正在通过人工智能重构发展路径，在全球产业格局中寻找新的定位。联合国开发计划署等的报告指出，AI可帮助新兴经济体跨越发展梯级，在农业、医疗等领域实现生产力跃升，同时需加强本土能力建设以防范风险。
催生新产业范式重塑竞争规则
人工智能嵌入实体经济正在催生新型产业范式并重塑全球竞争规则。
一是产业组织形态由企业主导向“平台+生态系统”转变。在传统工业体系中，企业是产业组织的核心单元，产业结构以企业为中心展开。而在人工智能时代，平台型企业与生态系统逐渐成为主导形态。
平台通过提供技术、数据与服务，连接上下游企业，形成开放式生态系统。在这一体系中，企业不再是“孤岛”，而是嵌入生态系统进行协同发展，共享数据资源、共创技术标准、共担创新风险。
这种变化带来的结果是：产业竞争从单个企业竞争转向生态系统竞争；资源配置从内部优化转向跨组织协同；创新模式从封闭式研发转向开放式创新。中国智能工厂与工业互联网的融合，正是这一范式的生动体现。平台+生态模式，正加速形成“龙头平台引领、中小企业协同、创新要素集聚”的新型产业组织形态，为构建现代化产业体系提供强大组织支撑。
二是全球竞争由产品竞争转向系统能力竞争。随着人工智能嵌入产业体系，竞争焦点正在发生深刻转变。传统竞争主要围绕产品性能、成本和质量展开，而在人工智能时代，竞争更多体现在系统能力上，包括数据获取能力、算法优化能力、平台构建能力与生态整合能力。
这种转变意味着：拥有完整产业链与海量真实场景数据的国家更具优势，能够形成“数据—算法—应用”的正反馈循环；单一技术突破难以形成长期竞争力，因为AI迭代速度极快，孤立的技术易被快速追赶；综合能力成为决定竞争成败的关键因素，包括政策协同、基础设施、人才培养和治理能力的整体匹配度。
未来，掌握端到端智能系统能力的经济体，将在全球价值链中占据主导地位，而单纯依赖低成本制造或单一资源禀赋的模式将面临结构性挑战。这一竞争范式的转变，正倒逼各国加快构建AI全栈自主可控体系，推动全球产业分工从产品分工向能力分工演进。
三是生产关系与就业结构出现深度调整。人工智能的发展不仅改变生产方式，也对生产关系与就业结构产生深远影响。
一方面，企业内部组织结构趋于扁平化，决策更多依赖数据与算法，管理模式发生变化。另一方面，就业结构呈现“两极化”趋势，高技能岗位需求增加，而部分重复性岗位被替代。世界经济论坛《2025年未来就业报告》显示，AI与信息处理技术预计到2030年创造1700万个新岗位，同时置换920万个岗位，净增780万个，但需大规模再培训。
同时，人机协同成为新的工作模式，劳动者需要具备与人工智能协作的能力，包括数据解读、算法调优、伦理判断等“人机共生”技能。这对教育体系与人才培养提出新的要求。中国正通过“数据要素价值释放年”等举措，加快高质量数据集建设和人才培育。这些调整不仅重塑生产关系，还为劳动者创造更多高价值岗位，推动就业结构向“高技能+创造性”方向优化，为经济社会高质量发展提供人力资源保障。
四是治理体系由事后监管转向嵌入式规则设计。
在人工智能深度嵌入经济体系的背景下，传统事后监管模式已难以适应新形势。一方面，人工智能决策具有高度复杂性与不透明性，事后监管难以及时发现潜在风险，如算法偏见、数据泄露或系统性故障；另一方面，技术发展速度快，监管滞后风险加大，易出现“技术先于规则”的治理真空。因此，各国开始探索“嵌入式治理”，即在技术设计阶段就嵌入规则与约束，将算法伦理、数据安全、隐私保护、公平性机制等要求内置于AI架构之中，实现预防式风险防控。
欧盟《人工智能法案》与《通用数据保护条例》等的协同、中国全栈数据安全策略的实践，均体现了这一趋势。这种治理模式强调“发展与规范并重”，旨在在促进创新的同时防范风险。未来，嵌入式治理将成为全球共识，推动形成开放包容、普惠共享的国际AI治理体系，为人工智能健康有序发展提供制度保障。
总体来看，人工智能嵌入实体经济正在引发一场深刻的产业变革。这一变革不仅体现在技术层面，更涉及生产方式、产业结构与全球竞争格局的系统性调整。未来，谁能够在人工智能与实体经济融合中率先形成系统能力、构建产业生态、完善治理体系，谁就将在新一轮全球竞争中占据主动地位。在这一进程中，加强国际合作、推动技术共享、构建开放包容的全球治理体系，将成为实现可持续发展的关键路径。（作者为赛迪研究院研究室主任）
