数智经济前瞻：芯智驱动力研究

版权信息

书名：数智经济前瞻：芯智驱动力研究

ISBN：978-7-115-67138-7

本书由人民邮电出版社发行数字版。版权所有，侵权必究。

您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。

我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。

如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。

版　　权

著    胡国栋　等

责任编辑 陈灿然

人民邮电出版社出版发行　　北京市丰台区成寿寺路11号

邮编　100164 　电子邮件　315@ptpress.com.cn

网址　http://www.ptpress.com.cn

读者服务热线：(010)81055410

反盗版热线：(010)81055315

内 容 提 要

数智技术作为数字化与智能化的融合，在新一代信息技术革命浪潮下，以芯片技术与人工智能“双螺旋”为核心驱动力，推动国民经济向数智经济形态演进。

本书共10章，从不同角度深入分析数智经济的各个方面。第1章介绍数字经济、智能经济的发展过程，探讨数智技术广泛应用、数字经济和实体经济深度融合后出现的数智经济形态；第2章介绍国内外企业推进数智化的情况，这是数智经济形态的现实基础；第3章介绍芯片技术与人工智能“双螺旋”发展对数智技术的促进作用；第4章介绍数智经济的基础设施重构，大模型、算力等成为新型重要基础设施；第5章介绍数智技术驱动经济社会主要领域发生变革；第6章介绍数智经济的产业转型升级，重点产业的数智化转型变革；第7章介绍数智经济的核心基础底座—— 加速人工智能革命的芯片技术；第8章重点以人工智能驱动芯片产业链进步为例，介绍数智经济的自主进化趋向；第9章介绍数智经济安全投入的重要性；第10章介绍主要国家发展数智经济的实际做法。通过本书，我们希望能为推动中国特色数智经济理论的形成、新质生产力的培育、经济社会的高质量发展提供初步的理论支撑。

本书适合对数字经济、智能经济、数智经济感兴趣，关注数智技术在各领域应用与发展，以及关心中国特色数智经济理论构建、新质生产力培育和经济社会高质量发展的经济学者、行业从业者和政策研究者阅读。

本书撰写组

（按姓氏笔画排序）

　　　　　　　　　　　　　　　王宇霞　王桢寅　艾文思　杜丽雅　李泽村

　　　　　　　　　　　　　　　杨　璨　宋籽锌　张　镇　胡国栋　钟新龙

　　　　　　　　　　　　　　　高宏玲　席子祺　黄晓丹　翟　腾

绪  论

马克思指出，“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产”。在人类社会经历农业经济、工业经济之后，关于经济形态的研究有许多维度的阐述。1996年，经济与合作发展组织（Organization for Economic Co-operation and Development，OECD）发表《以知识为基础的经济》报告，指出21世纪人类进入知识经济时代，经济发展更多地建立在知识和信息的生产、分配和使用的基础上。同年，美国经济学者在《数字经济：智力互联时代的希望与风险》中首次提出“数字经济”（Digital Economy）概念。

当前，我国发展进入新时代，政治经济学的研究突破和新一代信息技术革命形成交汇，具有中国特色、中国首创的理论和实践创新不断涌现。2023年，习近平总书记在中央经济工作会议中提出，运用“数智技术”为传统产业注入新动能，加快实现转型升级。2024年，党的二十届三中全会审议通过《中共中央关于进一步全面深化改革、推进中国式现代化的决定》，“数智技术”首次在党的政策文件中出现。从“数字”到“数智”的一字之变，彰显了人工智能等新科技革命浪潮的到来，人工智能是发展新质生产力的重要引擎。

数智技术是数字化和智能化的有机融合，可以理解为“数字化+智能化”。数智化是新型工业化的鲜明特征，是形成新质生产力的重要途径。数智技术正在以更快的速度、更广的范围应用于生产生活，使国民经济整体形态宏观上演进为“数智经济”，人类文明演进为“数智文明”。数智经济是数字经济（特别是智能经济）高度发展之后的新形态，是对国民经济整体特征的描述，其兴起以现行数字经济部门为基础，以快速发展的智能制造、智能经济为重点方向，以数字经济和实体经济深度融合为标志。人类的“生命之谜”在于DNA的“双螺旋结构”，数智经济形态的核心驱动力在于芯片技术和人工智能构成的数智技术（Digital & AI，D&A）。本书旨在深入探讨“芯智”技术新引擎对数智经济发展的推动作用，及其对提升国家竞争力的重要意义。

本书共10章，从不同角度深入分析数智经济的各个方面。第1章介绍数字经济、智能经济的发展过程，探讨数智技术广泛应用、数字经济和实体经济深度融合后出现的数智经济形态；第2章介绍国内外企业推进数智化的情况，这是数智经济形态的现实基础；第3章介绍芯片技术与人工智能“双螺旋”发展对数智技术的促进作用；第4章介绍数智经济的基础设施重构，大模型、算力等成为新型重要基础设施；第5章介绍数智技术驱动经济社会主要领域发生变革；第6章介绍数智经济的产业转型升级，重点产业的数智化转型变革；第7章介绍数智经济的核心基础底座——加速人工智能革命的芯片技术；第8章重点以人工智能驱动芯片产业链进步为例，介绍数智经济的自主进化趋向；第9章介绍数智经济安全投入的重要性；第10章介绍主要国家发展数智经济的实际做法。通过本书，我们希望能为推动中国特色数智经济理论的形成、新质生产力的培育、经济社会的高质量发展提供初步的理论支撑。

胡国栋

2025年3月

第1章　数智经济的理论脉络解析：数字经济和实体经济深度融合后的形态前瞻

当前，人工智能引领的新一轮科技革命和产业变革方兴未艾，人机交互、类脑智能、数字交互、多模态智能体等技术的发展和升级正在加深社会经济的数字化、网络化和智能化程度，推动并形成新的宏观经济形态——数智经济。数智经济是数字经济特别是智能经济高度发展之后的新形态，是对国民经济整体特征的描述，而不是国民经济的具体组成部分。

1.1　数字经济蓬勃发展

1.1.1　概念起源

数字经济因数字技术的萌芽和发展而起，因互联网的大范围商用而兴，并将伴随着数字技术的群体性突破和融合应用而加速发展壮大。1996年，美国学者唐·泰普斯科特（Don Tapscott）撰写了The Digital Economy: Promise and Peril in the Age of Networked Intelligence，作者在书中首次提出“数字经济”概念，并将其定义为一个信息与通信技术（Information and Communications Technology，ICT）广泛运用的经济系统，包含基础设施（高速的互联网接入、计算能力与安全服务）、运用ICT技术进行交易等商业活动的新模式^［1］，它“将智能、知识和创造力结合起来以实现突破，创造财富和社会发展”^［2］。1998年7月，美国商务部发布《浮现中的数字经济》（The Emerging Digital Economy）报告，揭开了全球探索发展数字经济的序幕。

目前，各界对数字经济基本达成共识，即数字技术引发了生产力的深刻变革，带动产品业态模式的不断创新，对经济和社会产生了前所未有、并将持续增强的影响。不同国家或机构对数字经济的内涵作出了解释，G20杭州峰会《二十国集团数字经济发展与合作倡议》指出数字经济是指以数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。表1-1所示为不同国家或机构关于数字经济的基本定义。

表1-1　不同国家或机构关于数字经济的基本定义^[3]

数据来源：赛迪智库。

我国《“十四五”数字经济发展规划》提出数字经济是继农业经济、工业经济之后的主要经济形态，是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。对此，可以从要素、技术、载体、系统4个维度进行理解^[4]（见图1-1）。

图1-1　数字经济内涵的理解维度

从要素维度看，数字化的数据资源是数字经济的关键要素。数字经济时代，除土地、资本、人力、技术之外，数字化的知识和信息被纳入衡量经济产出的生产函数，其集聚流通削弱了传统要素有限供给对经济增长的制约，并推动技术、资本、土地、劳动力等其他生产要素的数字化发展，从而为现代化经济体系注入新动力。

从技术维度看，数字技术的创新融合提供重要推动力。人工智能、大数据、5G、量子计算、物联网、区块链、虚拟现实、超高清视频等信息技术持续发展，从单点创新向交叉创新转变，形成多技术群相互支撑、齐头并进的链式创新形态，从实验室走向大规模应用，为数字产业的蓬勃发展提供支撑。

从载体维度看，现代信息网络、数字化基础设施和数字平台是数字经济发展的载体。现代信息网络为数据的存储与传输提供必要条件；数字化基础设施加强了人、机、物的互联融合，并提供了数据源和交互基础；交易平台、创新平台等数字平台支持用户进行信息交换，并为开发者提供创新生态环境。在此基础上，数据资源通过存储和分析转化为“数字智能”，进而通过数字平台实现“数据货币化”，并循环往复形成“数据价值链”，由此推动数字经济发展壮大（见图1-2）。

图1-2　数字经济的要素和载体

从系统维度看，数字经济为整个经济环境和经济活动带来系统性变化。数字产业是以数字技术为主要工具进行利润和价值创造的经济活动，重点在于数字技术自身的价值实现。而数字经济比数字产业的概念范畴和影响范围更广，是数字技术为整个经济环境和经济活动带来的系统性变化，改变了经济的驱动方式，为经济各领域产业赋能。

1.1.2　数字经济产业组成

关于数字经济的产业边界，尽管数字经济分为数字产业化和产业数字化这一观点逐步被广泛接受，但规模测算指标、方法等仍未统一。欧美把数字经济看作一个特定行业或相关行业的集合，建立了以数字部门产值及其在国民经济中的占比为核心内容的数字经济规模测算体系。美国经济分析局（Bureau of Economic Analysis，BEA）对数字经济的统计包括四大类商品服务^[5]：（1）基础设施，即计算机网络和数字经济使用的基本物理材料和服务，主要是ICT（Information and Communication Technology，信息通信技术）商品和服务，基础设施由 ICT 硬件和软件组成；（2）电子商务，即通过计算机网络远程销售商品和服务，电子商务包括企业对消费者的电子商务（即零售贸易）和企业对企业的电子商务（即批发贸易）；（3）定价数字服务，即向消费者收取费用的与计算机和通信相关的服务，定价数字服务包括云服务、电信服务、互联网和数据服务等；（4）联邦非国防数字服务，或与支持数字经济直接相关的联邦非国防政府机构的年度预算。2020年8月，美国经济分析局在New Digital Economy Estimates中指出，2018年美国数字经济增加值为18 493亿美元，占9%的GDP（Gross Domestic Product，国内生产总值）比重。2023年12月，U.S. Digital Economy: New and Revised Estimates，2017—2022报告发布，指出2018年至2022年，美国数字经济实际增加值增长超过整体经济实际GDP增长。2022年，数字经济实际增加值为25 690亿美元，增长6.3%，而美国实际GDP增长1.9%。

2021年，我国国家统计局发布《数字经济及其核心产业统计分类（2021）》，从数字产业化和部分产业数字化视角对数字经济的产业范围进行了确定，即01 数字产品制造业、02 数字产品服务业、03 数字技术应用业、04 数字要素驱动业、05 数字化效率提升业5个大类。一般认为，数字经济包括数字产业化和产业数字化两部分：数字产业化部分即数字经济核心产业（对应 01～04 大类），是指为产业数字化发展提供数字技术、产品、服务、基础设施和解决方案，以及完全依赖于数字技术、数据要素的各类经济活动；产业数字化部分（对应05大类）是指应用数字技术和数据资源为传统产业带来的产出增加和效率提升，是数字技术与实体经济的融合。《数字中国发展报告（2023年）》显示，我国数字经济保持稳健增长，2023年数字经济核心产业增加值占GDP比重10%左右；我国数字经济规模超过55万亿元，在GDP中的比重已超40%，数据要素市场日趋活跃，2023年数据生产总量达32.85ZB（泽字节，1 ZB＝2⁷⁰ B），同比增长22.44%。

1.1.3　数字经济成为全球竞争主赛道

世界各国普遍认识到加强数字化发展的重要性和紧迫性，纷纷将数字技术作为优先发展领域，优化前瞻性战略布局，陆续公布和实施数字化发展战略，加大投入力度。因此，国际数字领域竞争日趋激烈。

各领域数字化转型持续深化，主要国家产业数字化规模持续扩大。全球数字化转型需求带动相关数字化投资持续增长。根据国际数据公司（International Data Corporation，IDC）报告，2023年全球ICT市场总投资规模接近4.7万亿美元，并有望在2027年增至6.2万亿美元，5年复合增长率（Compound Annual Growth Rate，CAGR）为5.8%。预计到2027年全球数字化转型Artificial支出将接近4万亿美元。在人工智能（Artificial Intelligence，AI）和生成式人工智能（Generative AI）的推动下，预计在2022年到2027年间，数字化转型市场的年复合增长率将达到16.2%。经计算，2022年，全球51个主要经济体的数字经济规模为41.4万亿美元，美国、中国、德国、日本、韩国等5个世界主要国家数字经济总量为31万亿美元，产业数字化规模在数字经济中的比重达到86.4%。

各国深入推进数字经济发展战略，竞相开展数字产业战略布局。美国加快围绕数字产业的战略布局的步伐，通过优化前沿技术布局并积极拉拢联盟，推动实施数字产业关键产业链地区化发展，着力构建以美西方为主导的技术体系，全力保住数字产业领先优势。美国国际开发署发布了《数字战略（2020—2024）》（Digital Strategy 2020—2024），试图在全球范围内构建以自身为主导的数字生态系统。英、法、德、日等国加快布局国家数字科技战略，积极构建符合自身利益的数字产业治理规则体系。英国发布并实施《英国国际技术战略》（The UK’s International Technology Strategy）、《英国科技框架》（UK Science and Technology Framework），优先关注人工智能、量子技术、工程生物技术、半导体和未来通信技术。法国大力布局5G、人工智能、数字制造等前沿领域，推行5G发展路线图，提出利用数字技术促进工业转型的举措。德国推出《国家数据战略》（Nationale Datenstrategie）和《数字化战略2025》（Digitale Strategie 2025），对数字化发展做出战略安排。日本实施“数字新政”，举国推动半导体材料、关键元器件等数字产业发展。

国际数字治理合作方兴未艾，数字治理成为各国角力重点。数字技术的快速发展对国际数字治理提出新的要求，推动国际社会加快通过合作构建数字治理体系。世界贸易组织、二十国集团等多边合作机制以及《全面与进步跨太平洋伙伴关系协定》（Comprehensive and Progressive Agreement for Trans-Pacific Partnership）、《区域全面经济伙伴关系协定》（Regional Comprehensive Economic Partnership）、《数字经济伙伴关系协定》（Digital Economy Partnership Agreement）等区域性经贸合作协定均在积极进行数字治理合作探索，以不断完善全球多双边数字治理机制。但全球数字经济核心产业治理尚未达成共识，数字产业的“隐形竞争”加剧。美国-欧盟贸易和技术委员会（U.S.-E.U. Trade and Technology Council）加大合作交流力度，就在人工智能、6G、在线平台和量子等重点领域开展技术合作达成共识。美国发起涵盖24家国际科技巨头企业的Next G联盟，为6G垂直行业应用制订路线图；与法国、芬兰、瑞典、丹麦、英国、荷兰等签署量子信息科学技术（Quantum Information Science and Technology，QIST）合作联合声明，计划启动并加速美国与西方国家在量子信息科学技术领域的共同研究。除此之外，日本与欧盟举行数字领域部长级会议。欧盟出台《通用数据保护条例》（General Data Protection Regulation）、《数据治理法案》（Data Governance Act）、《数字市场法案》（Digital Markets Act）等维护“数字主权”。美国与墨西哥、加拿大达成了“美国—墨西哥—加拿大”协定（The United States-Mexico-Canada Agreement，USMCA），共同探讨“消减数字限制措施”“消费者隐私保护”“保证数据跨境传输和自由流动”等议题。

1.1.4　我国数字经济稳步发展

数字中国的赋能效应日趋凸显，数字经济活力日益澎湃，电子信息制造、互联网业务、电信业务、软件业务等产业推动我国数字经济规模持续扩大。

数字经济保持增长韧性。2023年，我国数字经济持续释放经济增长“第二曲线”作用，成为国内经济回升向好的重要增长引擎^[6]。2023年，规模以上电子信息制造业增加值同比增长3.4%，增速比高技术制造业高0.7个百分点。软件和信息技术服务业业务收入同比增长13.4%，电信广播电视及卫星传输服务等行业商务活动指数在60%以上，位于高位景气区间。全国实物商品网上零售额同比增长8.4%，“新国潮”“新主播”“新消费”等模式激活网络消费新空间。优势数字产品出口增长速度加快。以智能网联汽车为例，海关数据显示，2023年中国新能源汽车出口额约为418.12亿美元，同比增长73.35%，说明我国数字经济优势产能“走出去”成效显著。

数字化基础设施建设不断提速。截至2023年年底，我国5G基站总数达337.7万个，5G移动电话用户达8.05亿户，5G行业应用已融入71个国民经济大类，应用案例数超9.4万个，5G行业虚拟专网超2.9万个。2023年度，全国新增97个城市达到“千兆城市”建设标准，具备吉比特网络服务能力的10Gbit/s PON（Passive Optical Network，无源光网络）端口数达2 302万个，增幅达51.2%，覆盖超5亿户家庭。移动网络终端连接总数达40.59亿户，其中蜂窝物联网终端用户数达23.32亿户。工业互联网已全面融入49个国民经济大类，跨行业跨领域工业互联网平台达50家，工业设备连接数超9 600万台。截至2023年底，我国在用数据中心机架总数超过810万架，算力总规模达230EFLOPS（FLOPS为每秒浮点运算次数，1EFLOPS=1×10¹⁸FLOPS），居全球第二位。其中智能算力规模达到了70EFLOPS，增速超过70%。围绕算力枢纽节点建设超过180条干线光缆，数据传输性能大幅改善，算力经济将为东西部区域协调发展提供新路径。

加快探索数据要素价值。2023年，我国多个地方在数据基础制度方面加快探索，通过打造数据服务生态，激发数据创新应用场景，不断提升数据要素价值。在基础制度方面， 20多个省市发布数据条例，在数据确权、流通、使用、治理等方面探索“地方方案”。全国发布了25余份行业数据流通规则，推动大数据在金融、医疗、交通、工业、农业等领域的制度探索，广东、天津、江苏等省市建立“首席数据官”机制。在数据产量方面，2023年，全国数据生产总量达32.85ZB，同比增长22.44%，占全球数据总量的10.5%。累计数据存储总量为1.73ZB，存储空间利用率为59%，数据云存储占比超过40%。在数据开放方面，公共数据开放流通应用进程加快，地方政府数据开放平台的数量和开放的有效数据集持续增长。截至2023年8月，我国已有226个省级和城市地方政府上线政府数据开放平台，全国地级及以上公共数据开放平台数量持续增长。在数据流通方面，加速形成数据流通服务生态，各地加强“数商”生态培育，为促进数据高水平流通和利用提供专业化服务。例如，上海市2023首届全国数商大赛共签约数商800家；杭州市组织开展基石数商、星火数商的分类标准研制和培育发展等工作；北京市完成首批5个数据出境评估项目的申报。在数据应用方面，不断创新数据场景。例如，厦门市大数据安全开放平台开放45个部门、5亿多条数据，支撑普惠金融、信易贷等52个应用场景；工业数据交易专区上线北京国际大数据交易所；上海国际数据港推进全球供应链数据流通共享、数字内容出海、跨境电商直播等试点场景创新。

1.2　智能经济快速兴起

1.2.1　人工智能发展是工业革命的延续

1956年，达特茅斯会议明确了“人工智能”的命名，标志着人工智能作为一个研究领域正式诞生，这也被后人视为现代人工智能的起点。人工智能是工业革命以来不断推进的自动化进程的深化，甚至被推崇为推动第四次工业革命的核心技术。工业革命先后利用蒸汽和电力使许多生产过程实现了自动化，继电器、晶体管和半导体则承接了这一趋势。人工智能是这个前进过程的下一阶段，它是逐渐的技术进步，而非突然的爆发，从自动巡航、计算机控制等，走向自动驾驶汽车。

总的来看，人工智能技术使机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。工业革命推动农业社会向工业社会转型，催生了工厂系统和大规模生产，不仅改变了劳动和生产的性质，还引发了向城市中心的大规模人口迁移，进而促成了城市化。而人工智能使机器能够承担起包括认知任务在内的工作，正在改变人类的生产生活方式，对社会的影响甚至可能超过工业革命。

人工智能的发展经历了3个阶段，如图1-3所示。第一个阶段，20世纪60年代，由于人工神经网络理论的突破，人工智能发展迎来第一次热潮。1965年，世界上第一个交互式计算机程序ELIZA（俗称“聊天机器人”）诞生。第二个阶段，20世纪70年代中后期，专家系统、知识工程等引发人工智能的第二次热潮。20世纪80年代，多层感知机、反向传播算法、神经网络的出现提升了计算机的计算及逻辑推理能力，为深度学习和强化学习奠定了重要基础，同时专家系统的出现赋予了人工智能知识属性。第三个阶段，20世纪90年代开始，移动互联网和云计算兴起，深度学习算法取得突破，人工智能迎来第三次热潮。1997年，计算机深蓝完胜象棋大师卡斯帕罗夫，加速推进了机器学习和人工神经网络的研发工作。2016年，AlphaGo战胜世界顶级围棋选手李世石，将深度学习推向了新的高峰。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。谷歌在2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。2022年，以ChatGPT为代表的大语言模型的出现，进一步掀起人工智能发展热潮。

图1-3　人工智能发展阶段（图片来源：鲜枣课堂）

1.2.2　智能经济概念的提出

关于“智能经济”的理念，欧盟在2011年3月3日公布的《欧洲2020战略》（Europe 2020 Strategy）中提出，以知识和创新作为未来经济增长的驱动力，建设智能型增长（Smart Growth）的社会^[7]。2017年7月，我国印发《新一代人工智能发展规划》，提出培育具有重大引领带动作用的人工智能产业，促进了人工智能与各产业领域深度融合，形成数据驱动、人机协同、跨界融合、共创分享的智能经济形态，并提出到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定了重要基础。“智能经济”概念自问世以来，国内外众多学者和专家进行了广泛且深入的探讨，对其定义目前尚未达成共识。综合多种观点，智能经济可以从以下几个维度进行理解。

智能经济是数字经济的重要组成部分。在我国国家统计局发布的《数字经济及其核心产业统计分类（2021）》中，提到了数字产业化和人工智能大模型产业。“数字化效率提升业”包括智能制造，即利用人工智能、数字孪生、5G、区块链、VR/AR（Virtual Reality/Augmented Reality，虚拟现实增强现实）、边缘计算、实验验证、仿真技术等新一代信息技术，与先进制造技术深度融合，进一步提高制造业质量和核心竞争力。

智能经济以人工智能为核心驱动力。有学者认为，所谓智能经济，是指构建在智能基础上的经济，是由人工智能技术推动和创造的经济。区别于传统模式中依赖劳动力和体力创造的劳动密集型、简单且重复度高的经济运行模式，智能经济是以云计算、大数据、物联网、移动互联网等新一代信息技术为基础，以人工智能、虚拟现实、5G、区块链等智能技术为支撑，以智能感知的信息与数字化的知识为关键生产要素，以智能产业化和产业智能化为主要形式，以智慧工厂、智慧旅游、智慧生活、智慧城市等为应用领域，推动人类社会生产方式、生活方式和社会治理方式智能化变革的经济形态。简言之，智能经济就是在信息经济、数字经济充分发展的基础上，由智能技术推动形成和发展的新型经济形态。何玉长和宗素娟^[8]认为：智能经济是以人工智能技术开发和应用为依托的经济结构和经济形态，人工智能技术及其应用带动了智能经济的兴起和发展。此外，他们认为智能经济是智能产业、智能企业和智能劳动的有机统一，智能经济融合了人脑智慧、计算机网络和物理设备，基于智能产业和企业的支撑，以智能劳动为基础，以人工智能为发展智能产业和实现产业转型升级的引擎，将人工智能技术贯穿社会生产、分配、交换和消费的全过程，并在宏观经济管理与决策中应用人工智能技术。孙守迁认为：智能经济是以智能感知的信息与数字化的知识为关键生产要素，以新一代智能技术为重要推动力，以有限资源和生产要素的最优化利用为手段，以自主适应、人机协同、共创分享、多元融合为主要特征，以高效、有序、可持续发展为目标的经济活动和经济形态^[9]。

1.2.3　智能经济产业组成

智能经济以人工智能技术的发展和应用为核心驱动力，包括算力搭建、算法模型开发等智能产业化部分和智能制造、智慧交通等产业智能化部分。智能经济产业地图如图1-4所示，可分为A芯片及关键部件、B架构及支撑系统、C整机及基础设施、D应用及解决方案4个模块。

图1-4　智能经济产业地图（图片来源：赛迪研究院）

基础硬件——智能经济的发展基础，支撑复杂计算和确保可靠运行。基础硬件模块是以算力能力支撑智能经济深度发展的底座，主要包括算力芯片、配套芯片、网络设备、服务器、数据中心等。开发更高性能的 AI大模型需要更强的算力平台，算力底座技术门槛将提高（见图1-5），未来的训练核心需要比拼集群系统能力。复杂的模型和海量的训练需要大规模的高算力支持，这不仅需要消耗大量的计算资源，而且对算力的速度、精度、性能也提出了更高要求。因此，市场对更高性能的智能算力需求将显著提升。智能算力的增长速度约为通用算力的两倍。根据IDC和浪潮信息的计算，2022年我国通用算力规模达54.5EFLOPS，预计到2027年通用算力规模将达到117.3 EFLOPS。2022年我国智能算力规模达259.9EFLOPS，预计到2027年将达到 1 117.4EFLOPS。2022—2027年，我国智能算力规模年复合增长率达33.9%，超过同期通用算力规模的年复合增长率（16.6%）。

图1-5　算力底座技术门槛将提高（图片来源：中航证券）

算力芯片的性能和效率对人工智能、大数据分析、密码学和区块链等智能技术领域的发展具有重要影响。AI芯片根据其技术架构，可分为图形处理单元（Graphics Processing Unit，GPU）、现场可编程门阵列（Field Programmable Gate Array，FPGA）、专用集成电路（Application Specific Integrated Circuit，ASIC）及类脑芯片，中央处理器（Central Processing Unit，CPU）支持通用AI计算。相较于传统的CPU，GPU具有高效能和高并发等优势，因此在人工智能、机器学习、数据挖掘等领域得到了广泛应用。在AI服务器方面，算力需求的提升带动算力市场规模进一步提升。IDC和浪潮信息联合发布的《2023—2024年中国人工智能计算力发展评估报告》显示，全球人工智能硬件市场（服务器）规模将从2022年的195亿美元增长到2026年的347亿美元，5年年复合增长率达17.3%。预计2023年中国人工智能服务器市场规模将达91亿美元，同比增长82.5%，2027年将达134亿美元，5年年复合增长率达21.8%。配套芯片方面，对AI算力的需求同时带动存储器需求的增长。据TrendForce，AI服务器需要配置更多的动态随机存取存储器（Dynamic Random Access Memary，DRAM）、固态盘（Solid State Disk，SSD）和高带宽存储器（High Bandwidth Memory，HBM）等大容量存储器，以应对日益复杂的大模型所带来的海量数据。

软件平台——驱动智能系统灵活开发和高效测试。软件平台模块主要涉及数据的收集以及运算，包括算法模型、AI开发平台、AI框架、数据资源等。算法模型是释放数据要素价值、实现人工智能技术在各行业各领域落地应用的最短路径。其中，大模型具有规模可扩展性、多任务适应性、复杂推理能力、知识吸收与整合能力，代表了人工智能发展的新范式。AI开发平台为开发人员提供人工智能应用开发所需的各种资源和工具，包括机器学习、深度学习和自然语言处理等算法，以及计算能力和开发工具等。AI框架提供了一个基础架构，包括算法、数据集、工具、应用程序接口（Application Program Interface，API）和其他核心组件，使得机器学习和深度学习的应用程序开发更加高效和协调。AI框架的重要性体现在提高开发效率、降低成本、提高模型精度以及支持分布式计算等方面。在数据资源方面，更高质量、更丰富的数据是驱动以GPT为代表的生成式人工智能大模型成功的关键。从第1 代到第4 代，GPT 模型架构均较为相似，而用于训练的数据的质量和规模却大有不同。GPT-1由未过滤的原始数据训练，数据量达4.8GB；GPT-2由经人类过滤后的数据训练，数据量达40GB；GPT-3由从原始数据中过滤的数据训练，数据量达570GB； ChatGPT/GPT-4在GPT-3的基础上增加了高质量的人类标注。

关键核心技术——基于人工智能技术实现人类思维模拟。关键核心技术模块包括自然语言处理、机器学习、语音识别、知识图谱、计算机视觉等人工智能相关技术。机器学习通过让计算机模拟或实现人类的学习行为来获取新的技能知识，通过重新组织知识结构来加速自身性能的改善。通过利用大数据和计算资源，计算机能够自动从数据中学习，并在没有明确编程指令的情况下改进其性能。Statista预测^[10]，全球机器学习市场规模预计在2030年达到 5 034 亿美元。计算机视觉相当于使计算机有了眼睛，使计算机可以处理和理解视觉信息。Future Market Insights预测^[11]，到2033年底，全球计算机视觉市场可能达到261.1亿美元，高于2023年的129.1亿美元，复合年增长率为7.3%。自然语音处理的核心是使计算机能够理解和生成人类语言，主要应用于机器翻译、问题回答、舆情监测、语音识别、文本语义对比、中文OCR（Optical Character Reader，光学字符阅读器）等方面。Lucintel发布的《全球人工智能市场中的自然语言处理（NLP）技术：趋势、机遇和竞争分析（2023—2028）》显示^[12]，到2028年，全球人工智能市场上的自然语言处理技术市场规模预计将达到73亿美元，2023年至2028年的复合年增长率为15.9%。

行业应用解决方案——提升生产运营效率，赋能经济社会发展。行业应用解决方案模块指智能机器人、智能家居等智能化产品以及人工智能在各类场景中的应用，包括智慧交通、智慧能源、智慧金融等应用领域。同时，随着人工智能与其他行业的深度融合，其应用领域将持续扩展。例如，在交通领域，智能技术的应用极大地提升了交通流量预测和规划的效率，进而显著提高了交通管理水平。例如，深圳市通过实施智能交通灯控制系统，实现了对交通流量的实时监测和数据分析。该系统能够根据不同时间段和路段的交通流量变化，自动调整信号灯的时长，从而优化交通流的分配。这一举措使得交通拥堵指数下降了30%，平均行驶时间缩短了20%^[13]，不仅有效缓解了交通拥堵状况，提高了道路通行能力，还减少了能源消耗和环境污染，提升了城市的可持续发展能力。人工智能在自动驾驶领域的应用推动了相关汽车技术的创新。通过使用感知、决策和控制算法，自动驾驶车辆可以实时感知周围环境，做出决策并自主驾驶。这项技术在改变交通运输和出行方式上具有潜力，能进一步确保交通安全和提高通行效率。谷歌母公司Alphabet旗下的自动驾驶公司Waymo、通用汽车旗下的自动驾驶公司Cruise以及特斯拉均大力布局自动驾驶领域。我国百度公司推出的萝卜快跑已在北京、重庆、武汉、深圳、上海等地开展无人自动驾驶出行测试。

1.2.4　智能经济为全球经济增长提供创新路径

数字经济亟须注入新的活力。诞生于互联网时代的数字经济1.0，强调发挥网络的规模效应，通过持续扩大连接的广度提升网络价值创造能力，但近年来全球网络普及率的增速逐步放缓。据Statista数据，全球互联网用户数量在经历了10年高速增长后，自2020年起增长速度放缓，预计2024年至2029年间增长率将从7.5%降到2%以下。我国网民规模和互联网普及率经历了2019和2020年高峰期后，增速已由2020年的9.15%降到2023年的2.51%。数字经济1.0时代对每个网络连接点的价值挖掘还处于较浅层次，未来仍有较大的拓展空间。此外，IDC 2020年的调研报告显示，有68%的企业数据没有得到利用。《全国数据资源调查报告（2023年）》显示，数据加工能力的不足导致了大量数据存而未用，企业一年未使用的数据占比约四成，海量数据和丰富场景所带来的优势和潜力亟须释放。

人工智能爆发加速智能时代的到来，为挖掘传统数字经济深度价值提供澎湃动力。近年来，人工智能领域迎来由生成式人工智能大模型引领的爆发式发展，使海量数据的深入分析成为可能，提高互联网时代数字世界中数据的价值，催生更多与互联网时代不同的新模式新业态。Grand View Research发布的分析报告显示，2023年全球人工智能市场规模估计为1 966亿美元，2024年至2030年的复合年增长率预计达到36.6%，如图1-6所示。信通院发布的《中国新一代人工智能科技产业发展报告2024》显示，2023年我国人工智能核心产业规模达5 784亿元，增速为13.9%，如图1-7所示。

图1-6　全球人工智能市场规模预测（2020—2030）^[14]（图片来源：Grand View Research）

图1-7　2017—2023年我国人工智能核心产业规模

智能经济成为各国未来发展战略的重心。世界各国积极规划蓝图，力求借助智能经济的强劲推力，实现社会经济的全面转型与飞跃。

中国：2017年7月，国务院印发《新一代人工智能发展规划》，指出要深入实施创新驱动发展战略，以加快人工智能与经济、社会、国防深度融合为主线，以提升新一代人工智能科技创新能力为主攻方向。该规划明确提出应培育高端、高效的智能经济，发展智能社会，维护国家安全，同时提出构筑知识群、技术群、产业群互动融合和人才、制度、文化相互支撑的生态系统，前瞻应对风险挑战。2024年6月，工业和信息化部等部门印发《国家人工智能产业综合标准化体系建设指南（2024版）》，指出人工智能正成为发展新质生产力的重要引擎，我国人工智能产业近年发展迅速且市场规模庞大，以大模型为代表的新技术加速迭代，产业呈现新特点，需完善人工智能产业标准体系。该文件提出到2026年，要持续提升标准与产业科技创新的联动水平，加快形成引领产业高质量发展的标准体系。

美国：2023年5月，美国发布《国家人工智能研发战略计划》（The National Artificial Intelligence R&D Strategic Plan），调整并完善了各战略的具体优先事项，旨在确保美国在开发和使用可信人工智能系统方面继续领先。该计划提出要加强与学术界、工业界等的合作，促进对相关研发的持续投资，并提升先进成果转化的能力，包含将公私合作伙伴关系的协同效应利益最大化等3个优先事项。

欧盟：2020年2月，欧盟委员会发布《人工智能白皮书通往卓越和信任的欧洲路径》（WHITE PAPER On Artificial Intelligence-A European approach to excellence and trust），其关注人工智能对就业和社会经济的影响，计划通过培训和教育来提高劳动力素质以适应新变化，并强调投资人工智能研究和创新的重要性，以提升欧盟在该领域的竞争力。

日本：2022年4月发布《人工智能战略2022》，旨在推动人工智能克服自身社会问题、提高产业竞争力。该战略提出要构建符合时代需求的人才培养体系、运用人工智能强化产业竞争力、确立一体化人工智能技术体系、发挥引领作用构建国际化研究教育和社会基础网络等战略目标。2023年11月，日本经济产业省宣布发放总计2万亿日元的补贴来推动日本芯片行业发展，加快设计和制造下一代芯片和人工智能模型，以加强日本在全球半导体领域的地位。

韩国：2019年12月，韩国政府公布《人工智能国家战略》，旨在将韩国从“IT强国”发展为“AI强国”，计划到2029年为新一代存算一体人工智能芯片研发投入约1万亿韩元。据预测，到2030年，韩国有望在人工智能领域创造455万亿韩元（约合2.7万亿元）的经济价值。

1.3　数智经济特征初探

“数智经济”是一场深刻的变革，而不是数字化和智能化的简单线性叠加组合；是数智技术广泛应用、实体经济和数字经济深度融合后国民经济总体形态的特征描述，而不是单指国民经济的某个组成部分；是智能经济在数字经济乃至整体经济中地位日益凸显后的发展阶段展望，而不是一个具体的微观产业部门。

1.3.1　“数智化”概念日益普及

在信息化、数字化发展初期，“数字化”“智能化”作为两个技术维度，在政策和学术的话语体系中一般分开表述。2016年，《“十三五”国家信息化规划》提出：物联网、云计算、大数据、人工智能、机器深度学习、区块链、生物基因工程等新技术驱动网络空间从人人互联向万物互联演进，数字化、网络化、智能化服务将无处不在。2021年，《“十四五”数字经济发展规划》提出：到2025年，数字经济迈向全面扩展期，数字经济核心产业增加值占GDP比重达到10%，数字化创新引领发展能力大幅提升，智能化水平明显提升。

随着数字化和智能化的深度融合，数智技术更加成熟，“数智化”表述开始出现。2022年，以“开启数智化新篇章”为主题的大数据产业峰会在京召开。2024年，国家能源局印发《关于进一步加快煤矿智能化建设促进煤炭高质量发展的通知》，提出“顺应新一代数智技术快速发展趋势”。2024年，国家电网有限公司提出“打造数智化坚强电网”，即“以特高压和超高压为骨干网架，各级电网为有力支撑，以‘大云物移智链’等现代信息技术为驱动，以数字化智能化绿色化为路径，数智赋能赋效、电力算力融合、主配协调发展、结构坚强可靠，气候弹性强、安全韧性强、调节柔性强、保障能力强的新型电网”。国家中医药管理局、国家数据局印发《关于促进数字中医药发展的若干意见》，提出“用3-5年时间推动大数据、人工智能等新兴数字技术逐步融入中医药传承创新发展全链条各环节，促进中医药数据的共享、流通和复用，初步实现中医药全行业、全产业链、全流程数据有效贯通，全力打造‘数智中医药’，为数字中国建设提供中医药实践，为中医药现代化发展提供有力支撑”。

《党的二十届三中全会〈决定〉学习辅导百问》对“数智技术”的解释为：数智技术是数字化和智能化的有机融合，可以理解为“数字化+智能化”，是在数字化基础上融合应用机器学习、人工智能等智能技术的过程。数智化是新型工业化的鲜明特征，是形成新质生产力的重要途径。通过“人工智能+工业制造”“人工智能+生成设计”等推进智能工厂、未来工厂、“灯塔工厂”建设，推动实现制造业数智化，是制造业转型升级的重要方向。

在英文主流政策概念体系中，数字化、智能化也开始并联融合。2022年，美国国防部召开数字与人工智能研讨会，讨论数字化转型和人工智能在保持战场优势方面的重要性，并设立首席数字和人工智能办公室（Chief Digital and Artificial Intelligence Office，CDAO），负责国防部数字化和人工智能相关事务，以建立在代际上的竞争优势。 2024年，《5 000天后的世界》（The Next 5 000 Days）等畅销书作者凯文·凯利发表关于“数智世界的未来”的演讲，指出“未来95%的人工智能应用我们没有办法看到，他们就像管线系统一样在后台运行，未来我们将更熟悉它的前台界面，大多数人可能甚至不知道它背后由人工智能运行”。

1.3.2　“数智化”趋势的初步共识

数智化内涵丰富，既包含以数字化、智能化为代表的不同技术范式的迭代演进，也包含新兴技术在产业系统中的广泛普及和应用过程。

数字化（Digitalization），一般是指以计算机数字控制为代表的数字技术在传感检测等动力装置的支持下将生产服务流程进行数字表达。数字化是信息系统关联物理系统的过程。一方面，需要对不同来源、不同格式、不同语义的多源异构数据进行标准化统一，从而实现数据资源的互联互通；另一方面，需要对生产端和运营端的数据进行集成，便于业务间的协同管理和可视化呈现。总的来看，数字化侧重利用数字技术改变生产流程，是转向数字业务的过程。

智能化（Intelligent），一般是在数字化、网络化基础上，依托以新一代人工智能为代表的智能技术赋予制造和服务系统“自学习”（Self-learning） 的能力。与传统的基于确定性逻辑在静态环境中使用的数字系统不同，智能化过程可以通过对工艺、产品、服务产生的多源异构数据进行全面且实时的归纳、识别和分析并自主解决新老问题。智能化所赋予的感知、认知和解决问题的能力可以应用于大多数制造和服务场景，释放人类创新潜能并极大提高生产力。因此，智能化的重点在于让机械设备等具备类似人的智慧和能力。

关于数智化（Digital and Intelligent）的概念和内涵，不同学者有不同表述，但共识逐渐增多。王秉^[15]概括了信息化、数字化与智能化的主要特征，并比较了三者之间的差异（见表1-2），提出数智化以培育和发展数据生产力为目标，以数据为核心生产要素。在数字化的基础上，充分利用“数据（大数据、物联网等）+算力（云计算、边缘计算等）+算法（人工智能等）”的数智技术，满足信息数据智能化处理、分析与管理需要，挖掘并释放数据价值，从而实现自主决策行动，获得自我学习与自我提升能力，进而推动经济社会数字化与智能化发展。

表1-2　信息化、数字化、智能化的比较

总的来看，一是数智化可以支持以数据为基础的产业模式创新。网络化过程不仅可以打破企业内部的“信息孤岛”，减少企业与企业、企业与个体消费者间的沟通成本，还可以重塑产业链、供应链的分工协作模式，为服务业向制造业延伸及制造业向服务业转型奠定基础，并逐渐形成共享制造、柔性制造、远程服务、质量溯源，以及大规模个性化定制等多种以创新为导向、以市场客户为中心的新业态、新模式。当前，百度、阿里、网易等平台型互联网企业依托新一代信息技术优势向传统制造领域渗透是数智化驱动下产业模式创新的具体体现。二是数智化可以支持产品创新。数智化不仅可以提升现有产品的质量和功能，还能够帮助企业开发新产品进入新领域。数字技术、网络技术和智能技术作为共性使能技术，可以通过嵌入操作系统等方式，应用在不同领域、不同行业中，实现产品从低端到高端的迈进。数智化相关技术也可以通过加速和扩展知识的创造过程提升企业新产品开发能力。一方面，深度学习和计算机视觉等人工智能关键技术的应用可以极大提高信息检索和数据处理效率，以往技术变革的早期迹象往往需要通过大量专利或科技文献的查阅并结合专家经验进行判断，而人工智能技术可以在数秒内完成对新兴技术主题的辨别；另一方面，数智化相关技术还可以通过采集、处理、分析和整合多源异构数据扩大知识检索范围，提高不同知识节点重组的概率。例如，特斯拉利用基于驾驶行为的用户画像进入车险市场，生物制药领域通过神经网络算法进行化合物识别和发现新的工业材料。三是数智化可以支持生产工艺创新。数字技术、网络技术和智能技术的综合使用可以模拟复杂的生产工艺过程，并通过深度学习和优化算法找到最佳的工艺参数组合，从而提高生产效率和产品质量。例如，数字孪生技术可以极大地降低试验、检测、生产的试错成本，并显著缩短新产品开发周期。数智化可以强化企业对海量生产数据的分析能力，发现隐藏的规律和趋势，帮助预测潜在的问题以提前采取措施进行调整。例如，人工智能不仅可以用于识别工艺或产品缺陷并实施预测性维护，还可以应用在数字安全领域以检测互联网系统漏洞。此外，数智化还可以实现生产服务过程的自动化和智能控制，根据实时数据动态调整工艺参数，以适应不同情况下的生产需求。

1.3.3　研究数智经济形态的必要性

从数智化转型的技术演进路线来看，数智经济关键在于“数智并重”，强调数字化和智能化的高水平融合。数字化突出数据的获取汇聚、分析处理，智能化进一步突出机器学习、人工智能等核心要素（见图1-8）。1973年，美国未来学家丹尼尔·贝尔在《后工业社会的来临》（The Coming Of Post-Industrial Society）中指出，“新的智能技术”是后工业社会的特征之一。2022年以来，以ChatGPT为代表的大语言模型技术不断突破，人工智能时代到来，数字化进程中“智”的内涵更加凸显。一方面，先进制造引进人工智能技术，数智化新场景不断涌现。例如，“工业元宇宙”新研发平台实现将物理工业环境映射到虚拟世界中，汽车等产品设计试验在虚拟环境中进行，研发速度提升50%。另一方面，制造业对算力的需求显著上升。2022年全球制造业算力投入超过金融业，仅次于互联网，位居第二。制造业等行业加速智能算力的应用，中国智能算力规模在2022年首次超过通用算力，2026年前将年均增长52.3%，3倍于通用算力规模增速。

图1-8　数智化转型的技术演进路线

从产业变革方向来看，数智经济的主要标志是以数据技术为基础、以智能驱动为关键的智能制造加速发展，数智经济成为“第四次工业革命”的核心驱动力。主要国家和国际机构认为，世界已进入第四次工业革命或工业4.0阶段，其特征为自动化、物联网、数字化、大数据、5G等技术的广泛应用（见图1-9）。为了揭示第四次工业革命中全球最先进工厂的形态，世界经济论坛和麦肯锡2018年开始评选“灯塔工厂”，目前全球共有“灯塔工厂”153家，其中中国有62家，居世界第一。“灯塔工厂”的主要特征在于构建覆盖企业内部全流程、产业链上下游全环节、产品服务全生命周期的数智化生产体系，生产过程实现自感知、自学习、自决策、自执行、自适应，超越数字化生产，引领制造业进入数智化时代。根据麦肯锡数据，“灯塔工厂”的生产力平均提升超过2.5倍。

从有效投资方向来看，数智经济领域是主要大国中长期投资的新增长点。2023年以来，人工智能等数智技术的进步和应用使得美国电子信息制造业实现显著扩张，该行业建厂投资规模与两年前相比上升了近10倍，占美国制造业建厂投资的50%以上。其中，英伟达公司是此轮电子信息制造业扩张的领头羊，该公司用于大模型训练推理的人工智能芯片供不应求，占全球芯片销售额近70%，支撑英伟达成为全球首家市值超1万亿美元的芯片公司。高盛预测，从中长期来看，人工智能领域相关投资在美国GDP中的比重将从目前的0.5%左右上升到将来高峰时的2.5%至4%，在其他主要引领AI发展的国家和地区可能达到GDP的1.5%至2.5%。因此，数智经济领域是主要大国中长期投资的新增长点。

图1-9　工业革命背景下的制造业数智化转型

从社会发展进程来看，数智经济形态将与整个经济、科技、社会系统深度融合，推动人类文明经历立体的、多要素的、全景式的“数智化”变迁。1995年，美国学者尼葛洛·庞帝在《数字化生存》（Being Digital）一书中展望了人类社会的数字化媒介生存状态。近30年后，人类不仅可以实现“数字化生存”，确切说实现的是“数智化生存”，智能技术、能源和材料技术、生命技术、空间技术等技术的变革浪潮相互叠加，从根本上改变了影响人类社会运行的信息、能源、材料、生命形态和生存空间。以色列学者尤瓦尔·赫拉利认为，“人工智能正在以超过人类平均水平的能力掌握语言”。由于人工智能具有与人类建立深厚亲密关系的能力，“人智将变成数智”，智能机器人数量将来可能超过人类数量，这将推动人类进入数智文明时代。

1.3.4　初探数智经济的内涵

“数智经济”是数字社会的高级经济形态。徐维祥等人^[16]提出，数智经济可以理解为一种融合型经济，是数字化和智能化的融合与应用，即数字化发展到人工智能更高阶段的产物，数字经济是数字社会的初级形态，高级形态即数字经济与智能技术不断融合创新形成的新经济形态——数智经济。丁荣余、卜安洵^[17]提出，数字经济的演进过程可以划分为端点期、联网期、智能期3个阶段，如表1-3所示。数智经济的形成、发展与演进是数字技术创新、数字技术产品化和商业化、数字技术产业协同创新、传统产业数字化转型、数字社会治理制度构建与不断完善等综合作用的结果。

表1-3　数字经济的演进过程

“数智经济”以智能技术突破和应用为核心。陈兵^[18]提出，新兴技术的突破性发展及应用场景的不断丰富，正推动数字经济向更深层次的数智经济转型。夏天添^[19]对比分析了数智经济的内涵，提出数智经济即以海量数据为基础、以深度学习等人工智能决策算法（算力）为核心的智能型经济活动。相比而言，数字经济侧重在有限规则下，实现经济信息（数据资源）的获取及分析，因而运行成效依赖于有限规则；而数智经济强调依托智能算法的算法成长机制，通过不断强化算法本身的学习适应能力，在无限规则（也就是动态环境）中实现最优决策。陈国青^[20]提出，在21世纪10年代以来大数据和人工智能技术持续产生革命性应用、智能算法（如深度学习算法等）出现显著性进阶的背景下，我国信息系统的研究集中在价值链各个环节的业务活动从内外数据关联式处理转向基于高阶数智技术的赋能处理，如表1-4所示。

表1-4　 我国信息系统研究的发展阶段及其维度特征

“数智经济”将助推我国制造业迈向现代化。李凌霄、李海舰^[21]提出，以互联网、物联网、大数据、云计算、人工智能、区块链、元宇宙等为代表的技术群的广泛应用促使工业经济转向数智经济，在数智经济时代，边际成本递减、边际收益递增成为常态，以数据要素为核心的数智化生产经营活动助力企业降本、提效、增值。这颠覆了工业经济时代企业经济理论认知，促使企业经济理论创新。数智经济通过将“数智化”技术全面应用于制造业的生产、消费与资源分配各环节，推动我国传统工业经济高质量发展和转型升级，引领制造业进入“数智化”新时代。

参考文献

[1] 许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020(5): 23-41.

[2] 徐丽梅. 数字经济前沿研究综述[J]. 国外社会科学前沿, 2021(8): 87-99.

[3] 曾燕. 数字经济发展趋势与社会效应研究[M], 北京：中国社会科学出版社，2021: 2-10.

[4] 中国电子信息产业发展研究院. 2019年中国数字经济发展指数[R/OL]. [2024-11-1].

[5] U.S. Bureau of Economic Analysis. U.S. Digital Economy: New and Revised Estimates, 2017–2022 [EB/OL]. [2024-11-1]. https://apps.bea.gov/scb/issues/2023/12-december/1223-digital-economy.htm.

[6] 赛迪智库数字经济形势分析课题组. 2024年我国数字经济发展形势展望[J]. 软件和集成电路, 2024(Z1):22-27.

[7] European Commission. Europe 2020: A Strategy for Smart, Sustainable and Inclusive Growth [EB/OL]. [2024-11-1].https://www.eea.europa.eu/policy-documents/com-2010-2020-europe-2020.

[8] 何玉长, 宗素娟. 人工智能、智能经济与智能劳动价值——基于马克思劳动价值论的思考[J]. 毛泽东邓小平理论研究, 2017 (10): 36-43+107.

[9] 孙守迁.智能经济构建未来形态[J].杭州,2018(36):13-16.

[10] Statista. Machine Learning – Worldwide [EB/OL]. [2024-11-1]. https://www.statista.com/outlook/tmo/artificial-intelligence/machine-learning/worldwide.

[11] Future Market Insights. Computer Vision Market Insights[EB/OL]. [2024-11-1]. https://www.futuremarketinsights.com/reports/computer-vision-market.

[12] Lucintel. Natural Language Processing (NLP) Technology in the Global Artificial Intelligence Market: Trends, Opportunities and Competitive Analysis [EB/OL]. [2024-11-1]. https://www.lucintel.com/natural-language-processing-technology-in-the-global-artificial-intelligence-market.aspx.

[13] 李一君. 浅谈城市交通规划管理与道路工程建设[J]. 建筑与施工, 2024, 3(7): 45-46.

[14] Grand View Research. Artificial Intelligence Market Size, Share, Growth Report 2030 [R/OL]. [2024-11-1]. https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-market

[15] 王秉. 何为数智：数智概念的多重含义研究[J].情报杂志,2023, 42(7): 71-76.

[16] 徐维祥,石柔刚,周建平,等.数智经济推动共同富裕的机制与效应研究[J].工业技术经济, 2024,43(3):135-144.

[17] 丁荣余,卜安洵.数智经济生态圈[M].北京:人民邮电出版社, 2022: 140.

[18] 陈兵. 数智经济发展的法治促进：数据·平台·人工智能[M].中国法制出版社,2024.

[19] 夏天添. 数智经济与中国式制造业现代化：探索性案例与组态分析[J]. 统计与决策,2023, 39(23): 179-183.

[20] 陈国青,任明,卫强,等.数智赋能：信息系统研究的新跃迁[J].管理世界,2022,38(1):180-196.

[21] 李凌霄,李海舰.企业经济理论创新——从工业经济时代到数智经济时代[J].经济与管理研究, 2024,45(4):112-127.