IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

編者按：據(jù)等多家外媒披露，美國中央司令部在對伊朗的空襲行動中，調(diào)用了Anthropic公司的Claude AI執(zhí)行情報評估、目標識別與戰(zhàn)場模擬任務(wù)。一時間，輿論場上圍繞“AI接管戰(zhàn)爭”的討論升溫。

在社會經(jīng)濟領(lǐng)域，AI的技術(shù)迭代同樣在持續(xù)推進，今年以來，一系列AI智能體、人形機器人等產(chǎn)品相繼發(fā)布，使“自動化”的前景在不同行業(yè)看起來愈發(fā)接近。然而，從企業(yè)組織結(jié)構(gòu)的調(diào)整，到具體應用場景的塑造，再到勞動者角色的定位，技術(shù)產(chǎn)生的效益和造成的摩擦，卻似乎并不如AI敘事所描繪的那般樂觀。

本文從重構(gòu)人工智能產(chǎn)業(yè)供給與需求關(guān)系入手，探討如何以應用場景為牽引，使企業(yè)、勞動者等需求側(cè)主體更深度參與人工智能工具的設(shè)計與制度安排，在“人機協(xié)同”而非單向自動化的路徑上，推動人工智能真正嵌入經(jīng)濟社會中。

本文作者

蔣余浩教授

華南理工大學公共政策研究院（IPP）研究員、教授，廣東新質(zhì)生產(chǎn)力政策研究中心主任

“衛(wèi)報”近期一篇文章揭示：“據(jù)報道，Anthropic的人工智能模型Claude被美國軍方用于大規(guī)模打擊行動中，該技術(shù)“縮短了殺戮鏈”——即從目標識別到獲得法律批準再到發(fā)動攻擊的整個過程。”

“此前曾利用人工智能技術(shù)在加沙地區(qū)識別目標的美國和以色列，在僅頭12小時內(nèi)就對伊朗目標發(fā)動了近900次襲擊。在此期間，以色列的導彈擊斃了伊朗最高領(lǐng)袖哈梅內(nèi)伊。研究該領(lǐng)域的學者表示，人工智能正在縮短復雜打擊行動所需的規(guī)劃時間——這一現(xiàn)象被稱為‘決策壓縮’。有人擔心，這可能會導致人類軍事和法律專家僅僅對自動化的打擊計劃進行蓋章批準。”

據(jù)《華爾街日報》報道，美國中央司令部在對伊朗的空襲行動中，調(diào)用了Anthropic公司的Claude AI執(zhí)行情報評估、目標識別與戰(zhàn)場模擬任務(wù)。圖源：彭博社

“2024年，總部位于舊金山的Anthropic將其模型部署到了美國國防部及其他國家安全機構(gòu)，以加快戰(zhàn)爭規(guī)劃進程。Claude成為了由戰(zhàn)爭技術(shù)公司Palantir與五角大樓合作開發(fā)的一個系統(tǒng)的一部分，該系統(tǒng)旨在‘顯著改善情報分析，并使官員們能夠在決策過程中發(fā)揮更大作用’。”

將這個報道結(jié)合特朗普近日宣布的“封殺Anthropic”，可以了解到，AI的確日益深度地應用于美國軍事領(lǐng)域。但是，AI目前如何起作用，起到怎樣的作用，還將發(fā)展成什么樣？并沒有詳細信息。

上述看法其實與我們近年關(guān)于人工智能如何應用于具體需求領(lǐng)域的思考相符：在與具體的應用需求相結(jié)合，人工智能會獲得更多樣的創(chuàng)新發(fā)展空間。AI軍事化應當予以抵制——至少如同美國的ChatGPT用戶近日做的那樣。然而，探索人工智能產(chǎn)業(yè)的供給與需求相銜接、在應用中推動人工智能發(fā)展成為經(jīng)濟社會多個領(lǐng)域的適宜技術(shù)，卻是值得大力激勵的努力。

事實上，美國、中國等的人工智能、人形機器人等先進技術(shù)產(chǎn)業(yè)發(fā)展在近年取得令人矚目的成績，但產(chǎn)業(yè)供給側(cè)的急速擴張，尚未能引發(fā)需求側(cè)的相應發(fā)展。如何聯(lián)動供給與需求兩側(cè)，是當前提振經(jīng)濟景氣、實現(xiàn)內(nèi)需拉動戰(zhàn)略的關(guān)鍵。

中國共產(chǎn)黨的二十屆四中全會提出“注重在發(fā)展中保障和改善民生，在滿足民生需求中拓展發(fā)展空間”，為圍繞經(jīng)濟社會中的多樣化需求而發(fā)展先進技術(shù)制定了基本遵循。有研究者解讀中國近年的政策創(chuàng)新，提出超越新自由主義經(jīng)濟學與凱恩斯主義的理論認識：“供給側(cè)結(jié)構(gòu)性改革”和“構(gòu)建完整的內(nèi)需體系”不是相互對立的，而是需要用不斷的制度創(chuàng)新和技術(shù)創(chuàng)新來突破供給約束和需求約束（崔之元，2022）。

本文沿著這個思考推進，從重構(gòu)人工智能產(chǎn)業(yè)供給與需求的關(guān)系入手，探討需求側(cè)的企業(yè)、勞動者等主體參與人工智能工具設(shè)計，實現(xiàn)先進技術(shù)的發(fā)展方向選擇，推動人工智能賦能經(jīng)濟社會多樣發(fā)展的可能性。

人工智能（AI）在近年的突飛猛進，一方面產(chǎn)生了先進技術(shù)如何改變?nèi)蚧l(fā)展模式、地緣政治格局、新的生產(chǎn)和生活方式等討論，另一方面，也導致普遍的社會焦慮，如人工智能是否會造成大規(guī)模失業(yè)、用于軍事目的、操控輿論和民主選舉、嚴重危害國家安全和個人隱私、加劇對少數(shù)群體的歧視等等諸種疑慮，反復出現(xiàn)在各類媒介中。

值得重視的是，隨著新技術(shù)產(chǎn)品日益廣泛地進入日常生活，針對未來變化的簡單的情緒化反應，逐步被審慎的思考所替代，開始有更多的資料反映先進的智能技術(shù)是否改變以及如何影響生產(chǎn)和生活領(lǐng)域的方方面面。

春節(jié)過后，關(guān)于中國人形機器人產(chǎn)業(yè)發(fā)展的熱烈討論，體現(xiàn)了這種審慎思考正在日益增強的趨勢。“經(jīng)濟學人”雜志2月中旬的一篇文章，指出了“中國政府需求”目前作為最大的市場驅(qū)動力，激發(fā)了產(chǎn)業(yè)供給側(cè)的急速擴張，但“當前從‘能后空翻的機器人’到形成可持續(xù)商業(yè)模式的路徑尚不明晰。目前市面上購買的人形機器人，多數(shù)如同春晚舞臺上那些，僅作展示用途，鮮少參與實際生產(chǎn)工作。”

該文分析，最大的瓶頸在于“機器人若想突破新奇娛樂工具的局限，就必須常態(tài)化部署于替代人力的作業(yè)場景，以持續(xù)收集訓練數(shù)據(jù)。”同時也指出“中國政府正積極推動場景落地。多地政府已建立機器人應用測試中心，供企業(yè)投放機器人執(zhí)行多樣化任務(wù)并收集數(shù)據(jù)，部分數(shù)據(jù)經(jīng)整合后實現(xiàn)共享。”

這張圖展示了中國前30大機器人零部件供應商的分布情況，按市場資本化（十億美元）進行分類。圖源：經(jīng)濟學人

上述文章的審慎態(tài)度可以與“經(jīng)濟學人”的另一篇文章相對照。該文對正以驚人速度迭代的人工智能先進技術(shù)是否助推生產(chǎn)率大幅提升提出質(zhì)疑，認為根據(jù)實證研究，綜合技術(shù)普及廣度、應用深度以及具體任務(wù)場景中的產(chǎn)出改善程度三個方面的表現(xiàn)，人工智能對生產(chǎn)率并沒有明顯影響：

（1）技術(shù)普及度有所提升，如2025年11月美國職場中使用生成式AI的勞動者比例已達41%，較一年前的31%顯著上升；

圖表展示了截止2026年2月，美國各行業(yè)使用AI公司的百分比，并標明了預計接下來的六個月內(nèi)將采用AI的公司比例。圖表中的行業(yè)包括信息、專業(yè)科學、教育、醫(yī)療等。圖源：經(jīng)濟學人

（2）技術(shù)應用深度不顯著，如僅有約13%的勞動適齡人口每天使用AI。多數(shù)應用局限于獨立任務(wù)而非全流程自動化：OpenAI數(shù)據(jù)顯示其模型主要用于職場寫作輔助與信息檢索；Anthropic的Claude則主要協(xié)助編寫代碼。

（3）在某些應用場景中有改善工作效率的表現(xiàn)，如使用ChatGPT可使寫作任務(wù)耗時縮減近40%。

該文由此提出一個認識：生產(chǎn)率躍升通常不僅源于勞動者更頻繁使用新工具，更關(guān)鍵在于企業(yè)圍繞技術(shù)重組生產(chǎn)體系。

以上根據(jù)實證研究展開的審慎思考，為我們進一步探討人工智能先進技術(shù)與經(jīng)濟社會實際發(fā)展需求之間的聯(lián)系奠定了基礎(chǔ)。人工智能是人類知識積累形成的一種“公共品”，其社會價值在于被寄托了實現(xiàn)多樣經(jīng)濟社會發(fā)展價值的希望。現(xiàn)有的人工智能產(chǎn)品顯然還不能滿足這種價值期望，那么，是否可能改變這種技術(shù)發(fā)展現(xiàn)狀？從這個關(guān)切出發(fā)，我們可以把上述“經(jīng)濟學人”文章提出的審慎思考持續(xù)推進。

人工智能產(chǎn)業(yè)目前的急速擴張，更多得益于產(chǎn)業(yè)政策的偏重支持以及全球少數(shù)科技巨頭的大力推動。按照哈佛大學杰森·弗曼（Jason Furman）估算，美國2025年上半年約90%的GDP增長來自數(shù)據(jù)中心及相關(guān)資本投資支出。剔除投資驅(qū)動因素的調(diào)整指標更清晰地印證了這一點：舊金山聯(lián)儲的研究發(fā)現(xiàn)，排除此類投資影響后，實際生產(chǎn)率增長幾乎為零。

同時，根據(jù)Gartner發(fā)布《2025年人工智能技術(shù)成熟度曲線》，全球AI領(lǐng)域融資規(guī)模實現(xiàn)爆發(fā)式增長，融資達8912.8億元，較2024年全年增長49%；全球AI領(lǐng)域融資的頭部聚集效應持續(xù)加劇，十億級融資事件數(shù)量占比8%，對應的融資金額占比卻高達82%，單筆融資均值攀升至80.2億元，較2023年53.6億元，2024年75.5億元持續(xù)增長。

2025年人工智能技術(shù)成熟度曲線標示了不同AI技術(shù)所經(jīng)歷的階段。其中通用人工智能（AGI）等技術(shù)目前處于期望的高峰階段；而生成式AI已經(jīng)逐步走向成熟并進入啟蒙坡道，接近實際應用和生產(chǎn)階段。圖源：Gartner

關(guān)于中國的狀況，北京大學國家發(fā)展研究院伍曉鷹教授近期提供很有價值的推算：2001年加入WTO后的7年時間里，我國經(jīng)濟全要素生產(chǎn)率年均增速高達2.1%，2008年全球金融危機之后，中國經(jīng)濟的全要素生產(chǎn)率增速轉(zhuǎn)為負值，但ICT制造部門的全要素生產(chǎn)率增長率仍在提升；2018至2023年，ICT生產(chǎn)部門對全要素生產(chǎn)率的年均貢獻為0.4個百分點，其中ICT密集使用的制造業(yè)組更高，達到了0.9個百分點；一些服務(wù)業(yè)、非市場化服務(wù)部門和密集使用ICT行業(yè)中的服務(wù)業(yè)組，對整體經(jīng)濟全要素生產(chǎn)率增長造成顯著的拖累，分別為-0.4、-0.7、-0.5個百分點。

這幾組數(shù)據(jù)揭示了我國當前存在的“生產(chǎn)率悖論”問題（Productivity Paradox）：在產(chǎn)業(yè)政策偏重支持ICT行業(yè)的條件下，ICT產(chǎn)業(yè)出現(xiàn)了一定的擴張，但是并沒有帶動其他諸多生產(chǎn)部門效率的改進。換言之，目前的人工智能產(chǎn)業(yè)供給還未能滿足多數(shù)行業(yè)的發(fā)展需求。

AI“生產(chǎn)率悖論”問題的產(chǎn)生在于尚未有意識反思兩個關(guān)鍵性難題：（1）供給與需求的關(guān)系；（2）人工智能技術(shù)發(fā)展的方向。

先看第二點。阿西莫格魯（Daron Acemoglu）在近年發(fā)起“重新設(shè)計人工智能”大討論，所針對的正是人工智能越來越偏向自動化與監(jiān)控，這種創(chuàng)新方向?qū)υ鰪妱趧诱咴捳Z和自由產(chǎn)生不了幫助。阿西莫格魯強調(diào)了對于技術(shù)發(fā)展方向進行重新“選擇”的必要性：

“社會向無工作和監(jiān)控行進，并非不可避免。人工智能的未來依然是開放的，可以帶我們走向很多不同的方向。如果我們最終擁有了強大的監(jiān)控工具和無所不在的自動化（即沒有足夠多的工作留給人去做），那只是因為我們選擇了這條路徑。”

圖片來源于阿西莫格魯與帕斯卡爾·雷斯特雷珀(Pascual Restrepo)于2018年發(fā)表的論文。圖表顯示，在1980年擁有更多“新興崗位”的職業(yè)類別，在1980—2015年經(jīng)歷更快的就業(yè)增長。換句話說，新技術(shù)（信息技術(shù)）剛剛興起時就出現(xiàn)的職業(yè)，在此后的幾十年里成為了就業(yè)增長的主力。

由此，是否可能以及如何對人工智能這樣復雜的先進技術(shù)的發(fā)展方向進行“選擇”？這涉及到重新審視供給與需求的關(guān)系的問題。應對AI“生產(chǎn)率悖論”問題，在于使先進技術(shù)真正融入生產(chǎn)和生活的具體應用場景。

但是，這里涉及的不僅是“企業(yè)如何應用人工智能”“如何擁抱人工智能時代”這類僅站在產(chǎn)業(yè)供給側(cè)立場上提出的問題，更需要回答“目前的人工智能是否對企業(yè)有用”“如何使人工智能真正賦能千行百業(yè)”等需求側(cè)的疑問。

一篇同樣討論中國人形機器人產(chǎn)業(yè)發(fā)展的博文，把這個視角轉(zhuǎn)化的意義講得很清楚：“當前產(chǎn)業(yè)中存在一種‘供給創(chuàng)造需求’的幻想，即認為只要創(chuàng)造出令人驚艷的產(chǎn)品，需求自然會出現(xiàn)。這種幻想被iPhone的成功放大——蘋果似乎證明了，消費者并不知道自己想要什么，直到你展示給他們看。

然而，這一邏輯的適用性是有限的。iPhone創(chuàng)造的是消費端的全新需求，其價值可以直接被消費者感知和體驗；而機器人首先是生產(chǎn)力工具，它的價值必須通過替代或輔助人類勞動、并顯著降低成本來證明。工業(yè)企業(yè)購買機器人，不是因為它酷炫，而是因為它能算得過賬——投資回報率是多少？回收周期多長？可靠性如何？”

西方政黨政治長期的左右輪換，其政策形式大體表現(xiàn)為在供給學派（“供給自動創(chuàng)造其需求”）與凱恩斯主義（“有效需求理論”）之間的搖擺。這種左右搖擺的狀況成為常態(tài)，很大程度上限制了人們超越左右立場去思考供給與需求的關(guān)系問題。在中國，如清華大學崔之元教授的分析，進入新時代以來，中央逐步形成系統(tǒng)的綜合把握“供給側(cè)改革”與“有效需求管理”的政策認識，蘊含著超越供給學派與凱恩斯主義的理論創(chuàng)新。

《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十五個五年規(guī)劃的建議》系統(tǒng)地表述了這個政策認識：“堅持擴大內(nèi)需這個戰(zhàn)略基點，堅持惠民生和促消費、投資于物和投資于人緊密結(jié)合，以新需求引領(lǐng)新供給，以新供給創(chuàng)造新需求，促進消費和投資、供給和需求良性互動，增強國內(nèi)大循環(huán)內(nèi)生動力和可靠性。”這是進一步建設(shè)高質(zhì)量的現(xiàn)代化產(chǎn)業(yè)體系的指導，國家發(fā)改委解讀“中國人工智能+”政策時，則將推動人工智能供需銜接作為一個重要工作加以強調(diào)。

中國政策對此已有較為系統(tǒng)的部署。

國務(wù)院早在2017年7月印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中，就提出“根據(jù)基礎(chǔ)研究、技術(shù)研發(fā)、產(chǎn)業(yè)發(fā)展和行業(yè)應用的不同特點，制定有針對性的系統(tǒng)發(fā)展策略”等基本原則。

《國務(wù)院關(guān)于深入實施“人工智能+”行動的意見》提出“健全人工智能應用場景建設(shè)指引、開放度評價與激勵政策，完善應用試錯容錯管理制度。”

2025年11月出臺的《國務(wù)院辦公廳關(guān)于加快場景培育和開放推動新場景大規(guī)模應用的實施意見》制定關(guān)于場景應用的系統(tǒng)政策：“場景是用于系統(tǒng)性驗證新技術(shù)、新產(chǎn)品、新業(yè)態(tài)產(chǎn)業(yè)化應用以及配套基礎(chǔ)設(shè)施、商業(yè)模式、制度政策的具體情境，是連接技術(shù)和產(chǎn)業(yè)、打通研發(fā)和市場的橋梁，是推動科技創(chuàng)新和產(chǎn)業(yè)創(chuàng)新融合發(fā)展的重要載體，對促進新技術(shù)新產(chǎn)品規(guī)模化商業(yè)化應用具有重要牽引作用。”相應形成了“技術(shù)突破—場景驗證—產(chǎn)業(yè)應用—體系升級”的全鏈條路徑及一系列有關(guān)資源配置和要素改革的配套保障。

“應用場景引領(lǐng)”政策以促進供給與需求、研發(fā)與應用、試驗與推廣之間反復互動為特征，因地制宜發(fā)展人工智能等新質(zhì)生產(chǎn)力技術(shù)工具，為應用端提供了參與新技術(shù)創(chuàng)造和改進過程的機遇。

但是，踐行應用場景引領(lǐng)、從需求出發(fā)選擇技術(shù)發(fā)展方向，還需要考慮“需求側(cè)是否有創(chuàng)新資源解決實踐問題”這樣的現(xiàn)實難題。

實際上，作為長期處于趕超戰(zhàn)略下的發(fā)展中國家，中國的科技與產(chǎn)業(yè)政策受“線性分工”思維的影響比較大，中國工程院李國杰院士在最近的文章中描述了這個現(xiàn)象：“新中國成立的時候，幾乎沒有能從事應用研究和技術(shù)開發(fā)的企業(yè)，本應由企業(yè)完成的產(chǎn)業(yè)創(chuàng)新就都交給了大學和科研單位。因此，在經(jīng)濟系統(tǒng)之外形成了一個獨立的科技系統(tǒng)，體制內(nèi)的事業(yè)單位幾乎成為科研的唯一載體。由于企業(yè)技術(shù)開發(fā)能力薄弱，我國在‘科研線性模型’的末端又加了一個‘成果轉(zhuǎn)化’階段，形成‘基礎(chǔ)研究—應用基礎(chǔ)研究—技術(shù)開發(fā)—成果轉(zhuǎn)化’的中國科研模式，這種模式一直持續(xù)到現(xiàn)在，這就是人們常說的‘科技與經(jīng)濟兩張皮’。”[10]

在“線性分工”的思維下，第一，“創(chuàng)新”被狹隘地理解為先進科技的輸入，研發(fā)與生產(chǎn)構(gòu)成相互隔離的兩套系統(tǒng)，包括制造業(yè)在內(nèi)的生產(chǎn)體系的內(nèi)生創(chuàng)新需求和實踐被排除在所謂創(chuàng)新系統(tǒng)之外，在政策上得不到支持；

第二，科學優(yōu)于技術(shù)、科研優(yōu)于生產(chǎn)的觀念具有壓倒性影響力，“創(chuàng)新能力”在指標體系中被等同于“發(fā)明專利”。全球許多城市為模仿硅谷模式而投入巨資，但所謂“創(chuàng)新高地”長期只屬于少數(shù)幾個地區(qū)。創(chuàng)新系統(tǒng)相對于生產(chǎn)系統(tǒng)的封閉性，使科研機構(gòu)往往脫離產(chǎn)業(yè)發(fā)展實踐，不能從企業(yè)實際的創(chuàng)新需求中提煉科研問題，造成許多新興科技產(chǎn)品無法深度融入生產(chǎn)過程，而相當多企業(yè)找不到適宜的科研資源來輔助其解決轉(zhuǎn)型升級問題。由此，無論在科研上還是在產(chǎn)業(yè)發(fā)展路徑上，都經(jīng)常難以擺脫被鎖定在發(fā)達國家的既定技術(shù)路線內(nèi)的命運。我國很多重要行業(yè)中出現(xiàn)“引進-落后-再引進”的“追趕者陷阱”，正是這個政策思維導致的企業(yè)獲取科技創(chuàng)新資源嚴重不足的后果。

在當前的人工智能前沿發(fā)展中，少數(shù)科技巨頭所起到的作用已經(jīng)無以復加，這形成了從需求側(cè)出發(fā)來選擇人工智能發(fā)展方向的重大阻礙。這個狀況是人工智能的創(chuàng)新特性所決定的。實際上，自從辛頓（Geoffrey Hinton）探索出“反向傳播”的算法給予了神經(jīng)網(wǎng)絡(luò)一種“自我糾正”的機制，即能夠?qū)⑺袛酁殄e誤的信號一層一層的傳導回去，自動調(diào)整內(nèi)部參數(shù)，從而實現(xiàn)機器的自我學習，人工智能就具備了打破規(guī)則主義所遵循的“向后看”的線性時間路徑。

隨著“深度學習”技術(shù)的進一步突破，神經(jīng)網(wǎng)絡(luò)表現(xiàn)出更加不可限量的從海量數(shù)據(jù)中提取特征（“向后看”）、最終識別出復雜對象的思考深度（“有限的向前看”）。這種突破人工智能“線性時間”科研路徑的方法，在Transformer構(gòu)架的發(fā)明中得到充分體現(xiàn)。因此，在發(fā)表于2023年3月《科學》（Science）雜志上的研究中，麻省理工學院三位專家指出：在人工智能研發(fā)中，所謂基礎(chǔ)研究與應用研究之間的界限非常模糊，比如谷歌大腦研究團隊（Google Brain）在2017年推出的主要用于自然語言處理（NLP）和計算機視角（CV）領(lǐng)域的深度學習模型Transformer架構(gòu)，既是技術(shù)發(fā)明上的創(chuàng)新，又是原理發(fā)現(xiàn)上的突破。

人工智能的這種創(chuàng)新特性決定了，少數(shù)科技巨頭有可能依靠其擁有的龐大算力、超大規(guī)模數(shù)據(jù)集和更多的技術(shù)專家來完成通用性強、與一般性實踐問題結(jié)合更緊密、跨越多個學科的前沿探索，由此產(chǎn)生“產(chǎn)業(yè)界對應用端的主導也給予了它塑造基礎(chǔ)研究方向的權(quán)力”的支配性效果。

少數(shù)科技巨頭以其龐大的資源聚集能力而形成的對于人工智能發(fā)展方向的主導，的確不易被打破。但是，如李飛飛提出不同于大語言模型的“大世界模型”（LWM），理查·薩頓（Richard S. Sutton）等提出“基于經(jīng)驗的學習模式”，麻省理工學院初創(chuàng)團隊推出挑戰(zhàn)Transformer的LFM（Liquid Foundation Model）新架構(gòu)模型，等等，這些新的人工智能技術(shù)路線探索，都在尋找更直接從物理世界和人類經(jīng)驗中學習、從而形成“智能”的可能性，更徹底地突破線性時間對于人工智能先進技術(shù)發(fā)展路徑的桎梏。可以將需求側(cè)的多樣要求融入這些豐富的探索中，使得更多的技術(shù)創(chuàng)新能夠更緊密地從需求側(cè)的多樣要求中產(chǎn)生。

因此，需要以極大的精力推進產(chǎn)業(yè)政策和創(chuàng)新系統(tǒng)的變革，給予在需求側(cè)的廣大非ICT或AI行業(yè)和企業(yè)以政策支持，同時突破長期“線性分工”思維形成的科研與生產(chǎn)、高校與產(chǎn)業(yè)相分割的障礙，使各行各業(yè)有可能基于自身發(fā)展需求來動員各類創(chuàng)新資源，共同進行改善具體領(lǐng)域生產(chǎn)率的技術(shù)研發(fā)和創(chuàng)造。

在近期有幾份研究報告提出了頗具啟發(fā)性的探討，值得在此處加以介紹。值得引起重視的是，較之前述“經(jīng)濟學人”那篇文章提出需要將機器人“常態(tài)化部署于替代人力的作業(yè)場景”的見解，以下的這三份研究報告更側(cè)重于對于勞動者發(fā)展能力的保護和提升，因此不僅關(guān)注在先進技術(shù)加速時期企業(yè)的發(fā)展，同時還注重普通勞動者的成長空間。

2025年4月聯(lián)合國貿(mào)易與發(fā)展委員會（UNCTAD）公布報告，倡議“包容性人工智能”（Inclusive Artificial Intelligence）的政策方案，提出“以工人為本位的AI發(fā)展路徑”：要實現(xiàn)更具包容性和公平性的技術(shù)發(fā)展，就需要更加重視勞動者及其職業(yè)成長。這包括將傳統(tǒng)旨在實現(xiàn)最高生產(chǎn)率和效率的目標的范圍擴大，以促進技能發(fā)展，并使勞動者能夠適應并在不斷變化的技術(shù)環(huán)境中蓬勃發(fā)展。

UNCTAD發(fā)布的報告指出，從開發(fā)、生產(chǎn)到維護，人工智能產(chǎn)品的每一個生命周期階段都依賴于人類勞動。圖源：UNCTAD

為了建立信任和認可，工人應當有機會積極參與人工智能工具的設(shè)計和實施過程。工作流程和任務(wù)應當進行重新安排，以有效整合人工智能技術(shù)，同時滿足工人的需求并保持有意義的人類角色。這種“協(xié)作型人工智能系統(tǒng)”應當增強而非取代工人，促進工作滿意度，并為個人和職業(yè)發(fā)展創(chuàng)造機會。報告用更多的篇幅指出，在人工智能基礎(chǔ)設(shè)施、數(shù)據(jù)和技能上如何進行重新設(shè)計，使工人參與設(shè)計的人工智能工具有可能得到研發(fā)和應用測試。

伯克萊加州大學勞動研究中心2025年連續(xù)發(fā)布兩份研究報告，提出實際應用先進技術(shù)的勞動者參與技術(shù)設(shè)計的思路，如通過以“工人為中心”的治理、加強企業(yè)責任、提升透明度以及強化勞動力保護等手段，構(gòu)建安全、公平的未來工作形態(tài)。報告指出，應引入一線工人的聲音來防止工作崗位被過激策略所取代，并通過“人機協(xié)作模式”確保技術(shù)創(chuàng)新惠及所有勞動者，而不僅僅依賴技能培訓來提高工人輔助先進機器運作的能力。

有意思的是，這三份報告都提到了人與機器協(xié)作系統(tǒng)的重要性。在參加阿西莫格魯發(fā)起的大討論時，一位技術(shù)專家指出了以“人機協(xié)同”（Human-AI Interaction，HAII）替代自動化取向的人工智能技術(shù)路線的可能性：

“人工智能系統(tǒng)，反過來，可以在用戶的幫助下與時俱進。當任務(wù)變更或流程調(diào)整時，系統(tǒng)可依托用戶輸入來修正認知、捕捉相關(guān)案例、并通過自我訓練適應新場景。要實現(xiàn)這種運作，系統(tǒng)需要特定的能力：首先，能夠觀察用戶，穩(wěn)健地推斷其狀態(tài)、預測其意圖和行動——甚至他們的參與程度和情緒狀況；其次，基于對物理世界的常識，與用戶進行有效溝通。這類似于人類的互動：通過借助物體、手勢和指向來消除歧義，預判后續(xù)行動，必要時主動干預。我們需要突破現(xiàn)有聊天機器人的局限，打造多模態(tài)、有情境感知力的交互系統(tǒng)；最后，協(xié)同系統(tǒng)需要不斷從用戶那里學習，根據(jù)用戶的輸入持續(xù)優(yōu)化感知和決策。它需要對自身的不確定性有原則性的理解，并尋求更多數(shù)據(jù)來改進自身的學習并解釋自身的行為。”

實踐中，“人機協(xié)同”研究近期取得快速拓展，最新的進展是探討如何讓人類深度參與人工智能系統(tǒng)的開發(fā)、運營與采用過程，突破“可爭議性”的局限賦予用戶自主權(quán)，使其能夠調(diào)整乃至共同設(shè)計AI的內(nèi)部機制。

形成用戶自主調(diào)試人工智能的“人機協(xié)同”技術(shù)突破，或許能為各行各業(yè)、尤其是從事靈活就業(yè)的群體提供輔助其獨立處理復雜信息、獨立決策的幫助——人工智能成為David Autor所希望的“私人專家”（personal expert）？

無論如何，這些不同于少數(shù)科技巨頭引領(lǐng)的自動化和監(jiān)控為主要功能的技術(shù)發(fā)展探索，值得專門予以總結(jié)和推進。在政策上夯實“從需求側(cè)來選擇先進技術(shù)發(fā)展方向”的理念，是將“供給側(cè)結(jié)構(gòu)性改革”和“構(gòu)建完整的內(nèi)需體系”有機銜接的制度創(chuàng)新與技術(shù)創(chuàng)新，這樣才能使先進科技落地為對多樣發(fā)展需求有益的技術(shù)進步。

蔣余浩

華南理工大學公共政策研究院研究員、廣東新質(zhì)生產(chǎn)力政策研究中心主任

參考文獻：

“China’s humanoids are dazzling the world. Who will buy them?”，https://www.economist.com/business/2026/02/18/chinas-humanoids-are-dazzling-the-world-who-will-buy-them.

“The AI productivity boom is not here (yet)”，https://www.economist.com/finance-and-economics/2026/02/22/the-ai-productivity-boom-is-not-here-yet?itm_source=parsely-api.

“The AI productivity boom is not here (yet)”，https://www.economist.com/finance-and-economics/2026/02/22/the-ai-productivity-boom-is-not-here-yet?itm_source=parsely-api.

伍曉鷹：“AI：一個新的‘索洛悖論’？”，https://finance.sina.com.cn/cj/2025-07-24/doc-infhqpau9151563.shtml.

Daron Acemoglu，Redesigning AI：Work，Democracy，and Justice in the Age of Automation，Boston Review Forum，2021.

同上，第24頁。強調(diào)為原文所有。

“舞者與工作者：中國人形機器人的‘死亡谷’困境”，https://mp.weixin.qq.com/s/_fcB8j1JfMG_KSjIU76mWg.

崔之元：《新三位一體：供給側(cè)結(jié)構(gòu)性改革、雙循環(huán)和共同富裕》，載《清華金融評論》2022年第3期；《文化縱橫》編輯部對崔之元教授的訪談：《一個被誤讀的關(guān)鍵詞：清華教授揭示“內(nèi)卷”的真正代價與出路》，載《文化縱橫新媒體·政策觀察》2025年第41期總第241期。

“擴內(nèi)需有何新舉措？如何實施好‘人工智能+’行動？——國家發(fā)展改革委解讀當前經(jīng)濟熱點”，https://www.gov.cn/zhengce/202508/content_7038283.htm.

李國杰：《大力推進以產(chǎn)業(yè)發(fā)展為導向的科技創(chuàng)新》，載《中國科學院院刊》2025年第5期。

陳玲、孫君、付宇航：《政策協(xié)調(diào)、不確定性與大型技術(shù)系統(tǒng)創(chuàng)新——中國核電技術(shù)趕超的案例研究》，載《公共政策評論》2024年第3期。

Nur Ahmed，Muntasir Wahed，and Neil C. Thompson，“The growing influence of industry in AI research：Industry is gaining control over the technology’s future”，Science，2 Mar 2023，Vol 379，Issue 6635，p.885.

Ahmed，Wahed，and Thompson，“The growing influence of industry in AI research：Industry is gaining control over the technology’s future”，p.885.

“2025 Technology and innovation report：Inclusive Artificial Intelligence for Development”，https://unctad.org/system/files/official-document/tir2025_en.pdf.

“Take the Mic: How Worker Voice Shapes Workplace Technology”，https://techequity.us/wp-content/uploads/2025/07/Take-the-mic-worker-voice.pdf；“AI & Workforce Development: Building a Secure, Equitable Future for Workers”，https://techequity.us/wp-content/uploads/2025/11/AI-Workforce-Development-2025-Report-_final.pdf.

Lama Nachman，“Beyond the Automation-Only Approach”，in Daron Acemoglu，Redesigning AI：Work，Democracy，and Justice in the Age of Automation，p.74.

Muhammad Raees，Inge Meijerink，Ioanna Lykourentzou，Vassilis-Javed Khan and Konstantinos Papangelis，“From Explainable to Interactive AI: A Literature Review on Current Trends in Human-AI Interaction”，https://arxiv.org/pdf/2405.15051.

IPP評論熱門文章

關(guān)于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創(chuàng)新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權(quán)與國際關(guān)系等開展一系列的研究工作，并在此基礎(chǔ)上形成知識創(chuàng)新和政策咨詢協(xié)調(diào)發(fā)展的良好格局。IPP的愿景是打造開放式的知識創(chuàng)新和政策研究平臺，成為領(lǐng)先世界的中國智庫。