梁    正    孙磊华（清华大学公共管理学院）

摘    要：人工智能发展正从技术突破迈向与经济社会各领域的系统性融合，呈现多维新趋势。技术层面，正经历从规模驱动向效能创新与架构革命的关键跨越；产业层面，竞争焦点由单一模型性能转向以智能体协同网络和“数字层”为核心的综合发展效能；治理层面，正面临从静态规制向敏捷适应、伦理内嵌的深刻演变；生态层面，呈现出全球协作深化与自主能力筑基双重演进的格局。根据上述趋势，本文提出构建下一代智能计算新范式、定义数字层经济的新规则与组织、构建可编程与自适应的敏捷治理框架、积极主导重塑全球“智态”话语体系等应对建议。

关键词：人工智能；技术；产业；治理；生态

一、技术趋势：从规模扩张到范式革命的临界跨越

当前，以深度学习特别是大规模预训练模型为主导的人工智能发展范式，正面临基础性制约。单纯依靠模型参数与训练数据规模的线性扩展，已显现出边际性能提升递减、能耗与算力成本飙升等困境。这标志着人工智能技术演进已抵达一个关键临界点，即发展核心从追求规模转向追求效率与创新，亟须在基础架构、训练方法与能力泛化等方面实现非线性突破，即从“规模驱动”迈向“范式革命”。

首先，计算范式转型成为突破瓶颈的关键。下一代人工智能技术体系将着力克服现有范式的效率极限问题。一方面，模型压缩、动态稀疏训练、蒸馏等工程技术将持续进化，旨在将尖端模型的部署与推理成本降低至可大规模商业应用的阈值下，推动智能从云端数据中心向边缘设备广泛渗透；另一方面，对非 Transformer 基础架构及新型训练范式的探索将进入密集验证期。这些探索旨在从原理层面突破现有序列建模与自监督学习的局限，构建更高效、更稳健且能耗更低的智能计算新底座。最终胜出的技术路线，必然是那些在理论创新、工程实现与成本控制间取得最佳平衡的体系。

其次，感知与行动的融合标志着能力泛化的新阶段。当文本、图像等单模态生成技术趋于成熟后，人工智能发展的前沿必然指向对多模态信息的统一理解与生成，并进一步实现从认知到物理行动的闭环。未来，具备深度融合视觉、语言、听觉、触觉等信号的多模态大模型将成为智能系统的核心。然而，更根本的进步将体现在基于这些感知能力的决策与控制系统的工程化成熟上。以自动驾驶、具身智能机器人等为代表的空间智能应用，将从实验室演示走向特定高价值场景的规模化试运营。这一进程不仅依赖于算法的进步，更取决于与精密传感器、执行机构及复杂系统工程的深度集成。因此，拥有丰富物理场景、连续真实世界数据流和强大硬件产业链的地区，将在训练和验证下一代稳健、实用的人工智能系统方面占据独特优势。

最后，人工智能正驱动科学研究范式发生根本性转变。人工智能的角色正从辅助科学家进行分析的工具演变为能够自主提出假设、设计实验甚至发现新知识的主动主体。融合强化学习、生成模型与物理建模的AI4S（人工智能驱动的科学研究）新范式，正在材料科学、药物研发、基础物理等领域催生颠覆性成果。人工智能系统不仅能以远超人类的速度遍历已知的实验参数空间，更能通过学习潜在于数据中的复杂规律，提出超越人类直觉的新型化合物分子、优化材料结构或理论模型。这表明，未来在若干基础科学领域的领先地位，将部分取决于谁能率先构建并有效利用强大的“AI 科学家”平台。基础学科积淀深厚、拥有大科学装置的国家，若能将这些设施与先进的机器学习算法、高性能计算及敏捷的工程化能力深度融合，就有望率先确立“人机协同”乃至“机器引领”的科学发现新范式，从根本上加速人类认知边界的拓展。

二、产业趋势：主导设计形成与价值链重构的关键期

当前，人工智能产业已度过初期技术流动阶段，正进入以主导设计形成与价值链深度重构为标志的产业成熟关键期。依据产业创新理论，主导设计的落定并非单纯技术最优化的结果，而是技术可行性、成本结构、用户习惯等共同作用的复杂均衡。这一过程将深刻重塑产业竞争规则、价值分配格局与组织形态。

首先，产业竞争焦点正从技术性能比拼转向综合生态效能竞争。未来产业格局的分野，将不再仅由基准测试排名决定，而是取决于由极致性价比、快速场景落地能力、完善的开发者生态与可信赖的安全体系所构成的综合竞争力。在此背景下，开源与闭源路径将形成差异化竞争与互补格局。开源体系凭借其透明度、可定制性与强大的网络效应，正加速在众多行业应用中成为事实上的标准基础，通过社区协作降低整体创新门槛，并推动产业向模块化、解耦化方向发展。闭源体系则可能进一步聚焦于对可靠性、隐私保护与端到端优化要求极高的高价值闭环场景，依靠提供高度集成、稳定且安全的专有解决方案建立壁垒。竞争的核心在于，谁能率先在关键垂直领域提供“成本可控、部署便捷、效果显著”的一体化方案，谁就能锁定早期应用者，并进而定义该领域的技术接口与商业惯例。

人工智能对就业的影响正从任务自动化深化为对职业体系与劳动力市场的系统性重塑。（图片由 AI 生成）

其次，产业架构面临以智能体为基本单元的根本性重构，“数字层”范式逐步显现。人工智能的产业价值实现载体，正从孤立的模型或 API，演变为能够感知、决策与执 行的自主或半自主智能体。这些智能体作为 “数字员工”或“行业专家”，其间的协同将催生一个覆盖经济系统的、动态的智能体网 络，即所谓的“数字层”。这一新架构将极大降低企业内外部在信息搜寻、流程衔接与交易执行等方面的摩擦成本，使经济活动的 粒度更细、响应更快、全局协调性增强。前瞻性地看，首批真正意义上的“AI 原生组织”将会出现，其核心业务流程将由智能体网络主导运行，人类角色则战略性上移至目标设定、复杂异常处置、伦理监督与创造性规划等更高层次。这不仅是自动化程度的提升，更是组织形态与生产关系的深刻变革。

最后，人工智能对就业的影响正从任务自动化深化为对职业体系与劳动力市场的系统性重塑。人工智能对重复性岗位的影响已超越简单替代，进入对工作内涵、技能组合、雇佣关系与组织管理的全方位重构阶段。未来，以具体任务而非固定职位为中心的工作流将日益普遍。人工智能将高效接管那些目标明确、流程标准化、可被充分数字化描述和评估的任务模块。相应地，人类劳动力的比较优势将更加集中于需要跨领域知识融合、情境化判断、创造性突破、深度社交情感互动以及战略性抉择的复杂工作中。这一转变将催生大量新型的“人机协同”岗位，并对社会提出两大紧迫挑战：其一，如何构建覆盖全生命周期的、敏捷的职业技能重塑与转型支持体系，重点培育批判性思维、解决复杂问题等高阶能力；其二，如何在组织层面，设计出能激发人机混合团队最大效能的新型管理制度、激励机制与文化，避免陷入人力资源错配与劳动者价值感贬损的双重困境。

三、治理趋势：从静态规制到敏捷适应的体系演变

人工智能技术的社会化渗透正从局部应用走向系统融合，其引发的变革深度与广度已超越传统治理体系的承载范围。静态、滞后与分割的监管模式，在应对指数级演进、高度自主且与社会深度耦合的人工智能系统时，日益显现出局限性与滞后性。因此，全球范围内的治理体系正经历一场深刻的范式演变，其核心趋势是从被动、统一的命令与控制型规制，转向贯穿技术生命周期、动态调适的敏捷治理，并日益强调将伦理价值内嵌于技术发展过程，以应对就业结构冲击、算法偏见、安全失控等深层社会挑战。

一方面，监管范式呈现出从静态合规向动态、适应性治理演进的清晰趋势。面对人工智能快速迭代与高度不确定的风险特征，建立能够边发展、边学习、边监管的适应性框架，已成为各国平衡创新活力与安全底线的主要探索方向。一是如监管沙盒等“实验性治理”工具的兴起与推广，为前沿应用在风险可控的真实环境中进行测试提供空间，同时也成为监管者理解新技术、积累制定规则所需实证证据的关键学习窗口。二是基于风险的分类分级监管体系成为主流思路，依据系统的应用场景、自主程度及潜在影响强度实施差异化监管，以实现监管资源的精准配置，形成干预强度的合理梯度。三是治理技术化趋势日益显著，即利用算法审计、合规自动化、实时风险监测平台等人工智能工具来治理人工智能，推动合规即代码，将治理要求更深地嵌入技术架构与业务流程，提升监管的穿透性、时效性与可扩展性。

另一方面，伦理原则正从外部约束向技术内在属性深度融入。随着人工智能系统在关键决策中的权重增加，确保其发展符合人类价值与社会福祉，已成为不可逆转的治理要求。一是伦理原则的操作化与工程化，公平、透明、问责、隐私等原则正被具体转化为可测量、可审核的算法设计规范、开发流程标准与产品认证体系。对高风险人工智能系统进行强制性独立第三方审计与影响评估，正从最佳实践向监管要求转变。二是治理目标从风险规避向价值实现扩展，引导人工智能服务于包容性增长与社会公益成为重要议题。利用技术弥合数字鸿沟、促进教育医疗普惠、优化公共服务的探索不断深化，治理框架在管控风险的同时，愈发注重引导技术创新指向更广泛的社会价值创造。

四、生态趋势：全球协作深化与自主能力筑基的双重演进

人工智能的竞争，本质上是生态体系的竞争。当前，全球人工智能生态正呈现出双轨并行的发展趋势。一方面，技术开源与全球协作网络持续深化，加速创新扩散并重塑技术影响力格局；另一方面，主要经济体均在关键底层技术上加速布局，构筑自主可控的发展根基与风险抵御能力。这二者并非简单对立，而是在交织中定义着未来生态的格局与规则。

首先，开源协作已成为驱动创新和定义技术轨道的基础性力量，并呈现结构化、体系化升级趋势。开源不再仅仅是代码的共享，其内涵正向体系贡献与规则塑造延伸。领先的开源项目通过吸引全球开发者形成依赖，正演变为特定领域的事实标准或参考架构。同时，围绕开源项目形成的基金会、社区与协作规范，日益成为新型的治理平台与规则孵化器。通过在其中嵌入安全、伦理及互操作标准，参与者能够以技术即规则的柔性方式，在全球开发者社群中推广其治理理念与技术路线，从而在全球化创新链条中争夺生态位势与规则定义权。

其次，构建自主可控的技术体系与供应链成为主要国家的战略共识，建设重点正从 “有无”迈向“好用”与“安全”。为保障经济安全、数据主权与战略自主，对从底层算力芯片、基础软件框架到核心模型架构的全栈技术突破与深度优化的投入持续加大。趋势表明，竞争焦点已超越单点技术替代，转向催生经过大规模复杂场景验证、具备商业竞争力的全链条解决方案与标杆产品。特别是在金融、能源、关键基础设施等战略性行业，形成安全、可靠、高效的本土技术供给能力被视为产业安全的基石。与此同时，与自主技术体系相匹配的综合性治理工具箱的开发与完善也同步加速，以确保自主发展路径的稳健与可信。

最后，全球治理规则处于激烈博弈与快速塑形期，多方主体积极参与规则制定。在伦理准则、安全标准、数据跨境流动等关键领域，统一的全球规则远未定型。这一进程正吸引国家、国际组织、产业联盟与学术机构等多方力量深度参与。趋势显示，能够将自身在产业实践与地方治理中积累的有效经验进行理论化、体系化总结，并转化为具有国际对话价值的治理方案的主体，更有可能成为国际规则的重要塑造者。在多边平台推动建立既体现广泛共识、又包容不同发展路径的国际规范与标准，正成为将技术影响力与产业优势转化为制度性影响力的关键 “战场”。

五、发展建议：面向多维趋势的系统性应对

为有效把握人工智能从技术突破到社会融合的多维趋势，应对人工智能带来的深刻变革与挑战，国家需在技术、产业、治理与生态等维度开展前瞻性、系统化、可落地的战略布局，构建面向未来、具有韧性与包容性的人工智能发展体系。

（一）突破效能瓶颈与可信壁垒，构建下一代智能计算新范式

面对技术从规模驱动转向效能革命的临界点，应超越跟随式研发，推动架构级创新与可信能力一体化建设。重点布局非 Transformer 架构、超低功耗训练与推理框架以及面向科学发现的自主智能系统，构建开放、节能、泛化性强的智能计算新底座。

同步启动可信人工智能标杆计划，在自动驾驶、智慧医疗等高风险场景率先建立贯穿研发、部署、运维的全周期审计与治理标准，推动技术可信成为核心竞争力。

（二）定义“数字层”经济的新规则与新组织，引领产业体系系统性跃迁

顺应产业向智能体协同网络与“数字层”转型的趋势，不应仅停留在示范应用，而应主导标准构建与组织重构。推动建立跨行业智能体互操作协议与数据流通机制，发布数字员工伦理与效能评估指南。在重点行业开展全流程智能体化改造试点，培育首批完全由智能体驱动决策与执行的 AI 原生企业。同步构建人机协同职业发展体系与社会保障实验区，推动劳动制度与教育体系适配智能经济新形态。

（三）构建可编程、自适应治理框架，实现敏捷治理与价值引导并重

应对治理从静态合规转向动态适应的大趋势，需推动治理体系向技术嵌入型、学习演进式模式升级。建立国家级人工智能治理实验室，开发基于区块链的算法审计与合规自动化平台，实现“规则即代码、治理可编程”。在金融、公共管理等领域推行场景化、动态化风险评估与干预机制。同时设立 “人工智能向善”创新基金，引导技术优先服务于弱势群体赋能、环境可持续、公共治理优化等社会公益领域。

（四）实施“规则塑造型”开源与“安全领先型”自主双轨战略，重塑全球“智态”话语体系

在生态竞争从技术扩散转向规则定义的阶段，需从参与走向主导规则塑造。发起或深度运营具有国际标准属性的开源项目与治理社区，推动中国在智能体协议、数据安全标准、伦理认证等方面的实践成为国际共识。实施场景开放计划，围绕优势领域开放高质量基准数据集与测试环境。同时，开展 AI 全栈自主技术可用、好用与领先的系统攻关，在关键行业形成具备全球竞争力的安全可靠供应链，并积极参与构建包容、多元的全球人工智能发展与治理话语秩序。

参考文献

[1]梁正 . 前沿人工智能的应用前景 [J].新经济导刊 , 2025, (07): 93-96.

[2]孙磊华 , 梁正 . 中国人工智能发展阶段研判与推进策略— 基于 A-U 过程创新模型的研究 [J/OL]. 科学学研究 , 1-17[2026-01-05]. https://doi.org/10.16192/ j.cnki.1003-2053.20250924.003.

[3]薛澜 , 梁正 . 构建包容、普惠的全球人工智能治理体系：现实挑战与对策建议 [J]. 人民论坛 · 学术前沿 , 2025, (09): 23-32.

[4]孙磊华 , 梁正 , 何海燕 , 等 . 技术疾驰与制度调适：“人工智能 +”的动态适配困境与协同演进机制研究 [J]. 科学管理研究 , 2025, 43 (06): 85-92.

（梁正系清华大学公共管理学院教授、清华大学人工智能国际治理研究院副院长；孙磊华系清华大学公共管理学院博士后、清华大学人工智能国际治理研究院助理研究员）