开栏语：智能经济作为产业经济运行的基座，正在全面重塑社会生产生活方式，今年的《政府工作报告》首次提出打造智能经济新形态，如何理解智能经济新特征、智能经济带来的产业变革以及对宏观经济运行带来的新挑战已经成为全球关注的焦点问题。申万宏源证券研究所推出“智能经济新形态系列研究”，从智能经济对宏观经济运行的影响、智能经济拓展产业应用新方式以及地方政府如何抓住智能经济新机遇等方面进行分析，为市场全面理解和认识智能经济新形态提供思路参考。

　　申万宏源证券研究所首席经济学家杨成长

　　申万宏源证券研究所政策研究室主任、首席研究员龚芳

　　近年来我国宏观经济运行呈现出更加复杂的结构性特征，经济指标之间的一致性、稳定性及联动性有所下降。2025年及2026年一季度国内生产总值都实现5.0%的增长，但固定资产投资增速仍处低位，社会消费品零售总额增长相对偏弱；就业总体稳定，但居民收入预期、消费意愿恢复仍不充分。这既是我国经济结构调整、发展模式转型的阶段性表现，也与智能经济在国民经济中的比重持续提升密切相关。过往经济增长主要依赖资本积累、劳动力投入和规模化制造，价格运行主要受供需缺口、能源周期和货币环境影响，就业体系建立在企业、岗位、工时和劳动合同相对稳定的基础上，宏观调控则围绕总需求管理、通胀目标和逆周期调节展开。进入智能经济时代后，数据、算法、算力与场景深度结合，正在系统性改变生产函数、价格体系、就业结构和政策传导机制。今年《政府工作报告》首次提出智能经济新形态，如何适应智能经济下宏观经济运行的新方式、新模式并提升宏观调控政策的适应性已经成为当前我国经济发展的重要议题，也是提升我国宏观治理效能的关键所在。

　　一、智能经济正在改变传统经济增长模式

　　过去传统经济增长主要依靠资本扩张、劳动力规模经济和全球化分工带来的成本优势，这一增长模式在工业化、城镇化和全球化扩张阶段发挥了重要作用，但随着智能经济的快速发展，全球经济增长的逻辑正在发生转变。智能经济通过人工智能、大模型、算力、数据、机器人、智能终端和智能软件的深度融合，把数据、知识、算法和模型转化为新的生产要素和生产工具，对经济增长函数及供需结构都带来巨大影响。国际机构测算，生成式AI每年可能为全球经济增加数万亿美元级别的价值，并显著提升劳动生产率。

　　智能经济正在加速改变社会生产要素。传统经济增长理论主要强调资本、劳动和技术进步。智能经济时代，技术进步不再只是一个外生变量，而是通过数据、算法、模型和算力直接嵌入企业生产经营全过程。一方面，以数据为代表的新要素成为社会生产要素的重要组成部分，数据成为新的生产资料，算力成为新的基础设施，模型成为新的生产工具，场景成为新的价值转化空间。另一方面，智能经济也在改变传统要素的形态，智能经济中的资本投入更多体现为大模型、算力中心、工业软件、数据平台、AI服务器和智能终端。智能经济中的劳动效率越来越取决于人能否使用智能工具、调用智能体、组织数据流程和进行人机协同，附着在劳动力身上的智能资本成为社会最重要的生产要素。

　　智能经济正在全面提升社会生产率。智能经济对生产率的影响主要表现为：其一，通过各类要素之间的智能重组以及技术进步有利于显著提升全要素生产率水平，高盛预计生成式AI有望在十年内推动全球GDP提高约7%，并将劳动生产率增速提高约1.5个百分点。其二，智能经济不仅影响制造业的产出，对服务业和知识密集型行业的影响也日益显著。过往服务业生产率提升较慢的重要原因是许多服务依赖人的经验，难以标准化和规模化。智能体的发展正在使部分知识服务具备工业化生产的可能。金融研究、客户服务、代码开发、广告创意、教育内容、法律文书、医疗影像辅助诊断等领域，都可能出现效率提升和成本下降。其三，智能经济通过对企业生产流程的智能化改造来重构业务流程、组织方式和产业协同机制，进而影响全要素生产率，从过往技术变革的路径看，从数据、算力、智能终端的布局到企业生产流程的智能化提升需要一个过程，全要素生产率提升的程度与企业智能化改造程度直接相关。

　　智能经济正在全面重塑新型供需关系。近年来我国一直强调构建新型供需关系，从供给端看，随着AI应用日渐向研发、设计、销售及管理环节渗透，社会产品生产和服务供给会变得更快、更便宜、更丰富，智能经济会显著提升社会供给能力。我国已经拥有强大的制造能力和供应体系，在AI进一步提高生产效率的同时，如果居民收入水平、消费意愿提升不足，可能进一步加剧供强需弱的局面。从需求端看，一方面，智能经济通过压缩重复性、标准化劳动需求，推动部分行业和岗位向少人化、智能化方向演进，降低劳动报酬在初次分配中的占比，在一定程度上对居民消费扩张形成抑制效应；另一方面，AI通过新供给也正在不断创造新需求，AI教育、AI医疗、AI陪伴、智能汽车、机器人服务、个性化内容和虚拟生产力工具将成为社会需求重要内容。智能经济对供需关系的影响不能简单地理解为供给过剩或社会物质供给的绝对充裕，要更多注重智能经济带来的新供给能否真正转化为有支付能力、有商业化价值的新需求，以及这类新需求能否足够对冲旧需求的萎缩。

　　二、智能经济推动社会价格体系呈现三大变化

　　传统价格体系主要受劳动力成本、能源价格、原材料价格、货币条件、供需缺口和产业竞争格局影响。智能经济通过对企业内部流程再造形成降本效应，可能带来阶段性通缩压力；同时，以算力、芯片、数据中心为代表的新型基础设施投资扩张，又将形成新的投资需求和成本推升；另外，智能经济还可能强化部分关键环节的价格主导权，形成新的技术垄断和平台垄断，进而推动社会价格体系呈现效率通缩、投资通胀、结构性价格垄断并存的新特征。

　　AI降本增效可能带来短期通缩效应。智能经济通过企业内部化和降本效应可能推动部分商品和服务价格走低。随着AI应用的普及，一方面，企业越来越多的生产流程可以在内部完成，这极大削弱了外包服务的需求，压低了知识服务、内容生产、代码辅助、客户服务等社会服务环节的价格；另一方面，AI带来的信息搜寻成本的下降以及企业管理组织成本的降低，也将进一步强化降本效应。年初以来，AI带来的效率通缩效应在一定程度上成为影响美国核心通胀走势的重要因素。美国2026年5月CPI同比上升4.2%，较4月份的3.8%进一步抬升，其中能源价格同比上涨23.5%，汽油价格同比上涨40.5%，显示油价冲击已经重新成为通胀压力的重要来源。与此同时，5月份核心CPI同比涨幅明显低于总体CPI涨幅，虽然目前官方统计尚无法单独识别AI对CPI的直接影响，但从历史经验看，美国非住房核心服务价格与单位劳动成本变化高度相关，如果AI能够使相关行业劳动成本下降5%—10%，则有望拉低相关服务价格增速0.5—1个百分点。考虑到服务项目占美国核心CPI六成以上，部分研究机构估算，AI扩散在未来3—5年内可能对美国核心通胀形成明显的压低效应。

　　算力基础设施投资推动形成投资通胀效应。随着AI应用加速扩散，算力已经从科技企业的内部能力转变为智能经济时代的新型基础设施，这将显著拉动资本开支，并推升芯片、服务器、电力设备、数据中心、电力和高端人才价格。2025年以来，境内外大型科技企业持续提高AI资本开支，用于建设数据中心、采购AI芯片和扩展云计算能力。据相关机构测算，2026年一季度AI相关资本开支对美国GDP增长贡献约1.1个百分点，已经成为美国经济增长的重要投资引擎。FRED数据显示，美国信息处理设备和软件私人固定投资从2025年一季度约1.31万亿美元年化规模升至2026年一季度约1.56万亿美元，显示AI相关信息设备和软件投资正在快速扩张。在国内，以阿里巴巴、腾讯为代表的大型科技公司也持续加大资本开支，其中阿里巴巴宣布未来三年将投入超过3800亿元用于云计算和AI基础设施建设；以中国移动为代表的三大运营商年度资本开支合计超过3000亿元。算力基础设施的投资扩张，一方面会显著推升AI芯片、高带宽存储、先进封装、光模块、服务器、液冷设备等关键产品需求快速增长，可能造成阶段性供需紧张；另一方面，也将显著推升能源、电力和建设成本，数据中心是高耗电基础设施，算力需求增长会直接推升电力成本以及与其相关的土地、建筑、冷却系统和通信网络成本等。

　　智能经济可能形成新型价格垄断。传统垄断主要来自资源、渠道、品牌和规模经济。智能经济时代，新的垄断可能来自算力芯片、基础模型、云平台、数据资源、开发生态和应用入口。随着算力紧缺，近年来AI芯片、大模型、云计算平台都呈现持续涨价态势。一方面，大型云厂商掌握数据中心、算力调度、企业客户入口和模型分发渠道，容易形成平台型定价权；另一方面，领先大模型企业通过技术领先、用户规模和开发者生态构建壁垒，可能在API调用、企业订阅、智能体平台和行业解决方案中获得持续定价能力，进而形成新型价格垄断。智能经济时代价格体系将更加分化，一般性内容、基础服务和重复劳动价格将持续下降；与此同时，高端芯片、算力、电力、数据、模型和平台入口价格上升，掌握关键节点的企业获得超额利润，普通应用企业和消费者则承担新的基础成本。这种结构性价格分化，可能成为未来宏观价格运行的重要特征。

　　三、智能经济引发就业市场K型分化和统计失真

　　智能经济对就业市场的影响不是简单的总量冲击，更多表现为就业结构、岗位内容和劳动统计的变化。一方面，AI推动算力、芯片、数据中心、云计算、软件、智能制造、机器人和AI应用服务等行业快速扩张，带来新的岗位需求；另一方面，AI又对文案、客服、翻译、基础编程、数据录入、行政支持、初级研究和法律文书等标准化、重复性、可编码的岗位形成冲击。更进一步，AI还可能使传统就业统计数据出现滞后和失真，进而影响宏观政策对劳动力市场松紧程度、工资压力和经济周期位置的判断。

　　智能经济推动就业市场呈现K型结构分化态势。与过往技术变革不同，智能经济发展不仅影响低技能岗位，对大量白领和知识型服务岗位也将形成直接冲击。IMF研究认为，全球约40%的岗位会受到AI影响，发达经济体受影响比例约60%。未来是否会用AI、能否用好AI将成为区分就业岗位的重要因素，这将推动就业市场呈现K型分化特征。一方面，受益于AI、能用好AI的相关行业和工作岗位将呈现出爆发式增长态势，算法工程师、数据工程师、模型训练师、AI产品经理、智能体架构师、AI安全合规、行业大模型专家等新岗位需求将快速增长，既懂产业又懂AI的复合型人才将成为新需求。世界经济论坛《未来就业报告2025》显示，到2030年全球22%的岗位将发生变化，预计新增1.7亿个岗位、替代9200万个岗位，净增7800万个岗位；其中，大数据专家、金融科技工程师、AI和机器学习专家是增长最快的职业之一。另一方面，被AI逐渐替代的岗位以及不会使用AI的劳动者将面临严峻的被市场淘汰的趋势，以基础文案、简单翻译、客服问答、基础代码编写、数据清洗、行政助理、初级法务文书等为代表的基础性岗位将被AI大幅替代。斯坦福大学相关研究表明，过去三年美国22—25岁年轻劳动者在AI高暴露职业中的就业呈现明显下降态势，而资深专家受到的就业冲击并不显著，部分领域的就业还呈现增长态势。未来就业市场的变化可能并不会表现为总体失业率的剧烈波动，而更多表现为行业之间、岗位之间、代际之间的就业分化。

　　智能经济导致就业统计数据失真。过去判断就业市场主要看失业率、非农新增就业、工资增速和劳动参与率等指标。但智能经济正在加速改变岗位任务、工作强度、用工方式和企业组织结构，很多变化并不会立即反映在失业率和就业人数上。从就业总量看，智能经济可能导致有就业、少工时的情况。目前很多企业引入AI后并不会立即裁员，而是先通过减少新增招聘、压缩外包、降低加班、减少初级岗位、延长晋升周期等方式。这种变化会使就业人数看起来稳定，但劳动者收入、工作稳定性已经明显下降。如果只看失业率，容易低估劳动力市场的真实压力。从岗位内容看，智能经济下同一个工作岗位的内容可能发生很大变化。过去程序员主要写代码，现在更多需要架构设计、代码审核和AI协同开发。统计口径的滞后会使传统行业分类和职业分类难以及时捕捉就业质量变化，进而加大宏观政策的判断难度。

　　四、智能经济对宏观调控政策带来新挑战

　　智能经济对宏观经济运行的影响最终会传导到宏观调控政策。过去宏观政策主要围绕总需求管理、通胀稳定、充分就业和经济增长展开。但智能经济极大改变了传统宏观政策框架，AI既可能提高生产率、压低部分价格，又可能推动算力基础设施投资、推高资本品和能源需求；AI既可能创造高质量就业，又可能冲击传统白领和初级岗位；AI既可能扩大企业利润和经济总量，又可能侵蚀劳动所得税基。宏观调控不再只是传统意义上的稳增长、控通胀、防风险，而要在技术进步、价格分化、就业重构和税基变化之间寻求更复杂的动态平衡。

　　智能经济削弱传统通胀目标和利率传导机制。过去中央银行通常将通胀作为判断经济冷热和制定利率政策的重要依据。在传统框架下，经济繁荣往往伴随需求扩张、工资上涨和通胀上行；经济衰退则通常伴随需求收缩、失业上升和通胀回落，通胀目标能够较好地反映宏观经济运行状态。智能经济下，AI快速发展带来的效率通缩效应和投资通胀效应将改变社会价格体系，低通胀甚至局部通缩并不意味着经济疲弱，也可能是生产率提升、供给效率改善和技术扩散的结果，未来可能出现低通胀与经济繁荣并存的情形。美联储主席凯文·沃什也提到，AI带来的价格变化与传统需求不足导致的低通胀存在本质区别。如果AI显著提高生产率、降低企业成本并扩大供给能力，那么价格下降更多反映的是技术进步带来的“良性通缩”，而非经济活动疲弱。在这种情况下，中央银行如果仅依据通胀指标下行就判断经济需要更强刺激，可能会误读经济信号，导致货币政策过度宽松。

　　除此之外，智能经济还会削弱货币政策的传导机制。过去货币政策主要通过利率影响房地产、基建、制造业设备投资和耐用品消费。但在智能经济时代，企业投资主要集中在算法、模型、软件、数据、研发、生态和人才等无形资产上，这类资产对利率变化的敏感度明显更低，企业的资本开支和投资强度更多取决于产业生态的发展。未来货币政策可能会出现更强的结构性非对称，其中房地产、制造业中低端企业、传统消费和中小企业对利率高度敏感，而AI龙头企业、平台企业和高现金流科技企业对利率不敏感，传统“一刀切”的总量调控工具可能更容易造成结构性扭曲。

　　智能经济将推动财政税基结构、支出结构和政府职能发生系统性调整。从财政收入看，智能经济将带来税基结构性变化。其一，劳动税基可能受到侵蚀，AI对部分初级岗位的替代将导致相关岗位劳动收入增长放缓，个人所得税、社保缴费和工资相关税基可能承压。即便总就业没有明显下降，如果就业从全职转向兼职、平台化、项目制和灵活用工，也可能造成隐性税基流失。其二，增值税和消费税基也面临较大压力。AI对企业的赋能推动企业更多生产流程内部化，减少交易流通环节，进而对增值税形成一定冲击。同时随着AI驱动的数字服务、虚拟内容等服务消费的快速发展，我国居民消费中商品消费的占比可能进一步下降，由于我国消费税主要针对烟酒、成品油等进行征税，服务消费大多不征税，服务消费占比的提升可能进一步压缩消费税基。其三，资本和利润税基可能更加集中。AI时代利润更多向拥有数据、算力、模型、平台和生态入口的头部企业集中。表面看，企业利润税基可能扩大，但由于跨境经营、无形资产转移定价、云服务和数字服务全球化，利润可能在不同国家和地区之间重新配置，税收征管难度显著增加。值得注意的是，不同税基结构的经济体受到智能经济冲击的程度存在明显差异。对于以所得税为主要收入来源的经济体，如美国、德国，AI对就业结构和劳动收入分配的影响将直接传导至财政收入。对于以增值税、消费税等流转税为主体的经济体，AI导致部分商品和服务价格持续下降，则可能面临名义税基增长放缓的问题。

　　从财政支出看，智能经济会显著增加政府责任。一方面，政府需要加大公共数据平台、数字政府、智能交通、智慧医疗、教育数字化、网络安全以及AI治理等公共支出，智能经济提升政府治理效率的同时，也提高了治理复杂度。另一方面，财政政策需要承担更多失业救助、职业培训、技能补贴、教育改革和社会保障支出。财政支出结构将从传统基建和一般公共服务，更多转向人力资本投资和社会适应能力建设。智能经济时代，财政政策将面临新的“两难”：一方面，智能经济可能侵蚀部分传统税基；另一方面，政府又必须增加新型基础设施、就业转换、公共服务和技术治理支出。如果不调整财政收支结构，财政可持续性可能面临更大压力。

　　五、智能经济时代提升宏观治理效能的应对举措

　　为更好适应智能经济带来的系统性变革，我国要从经济结构和特征出发，加快健全宏观统计指标体系，提升宏观调控政策的适应性和灵活性，通过差异化的产业政策和竞争政策推进智能经济红利被更广大的人民群众共享。

　　要完善宏观经济统计体系，提高对智能经济活动的识别和核算能力。智能经济时代，传统宏观指标已经难以全面反映经济运行状态，仅看GDP、CPI、失业率、社融和固定资产投资，容易低估智能经济带来的结构变化。要尽快建立智能经济宏观监测体系，把数据、算力、模型、应用、就业和价格等新变量纳入宏观分析框架。具体来看，要重点增加以下几类指标的监测和统计：一是智能基础设施指标，包括算力规模、算力利用率、数据中心投资等，全面反映新型基础设施投资对社会整体投资及GDP增长的拉动效应；二是无形资产投资指标，包括软件、研发、数据资产、模型训练和算法投入，更好反映社会投资结构的变化；三是价格结构指标，包括AI相关资本品价格、算力价格、电力价格、数字服务价格和平台定价行为，更好区分导致价格指标变化的背后因素；四是就业结构指标，包括AI高暴露岗位就业变化、青年就业、工作时长、平台用工和职业技能要求变化等，更全面地监测AI对不同岗位、不同工种的影响。

　　要优化宏观政策取向，增强政策对智能经济发展的引导性和适配性。智能经济在短期内可能因统计口径、价格下行等因素，导致部分宏观数据被低估，但从长期看，其对全要素生产率提升和经济增长动能转换具有重要作用。未来宏观政策一方面要更加注重区分名义指标变化与实际供给能力变化，全面看待技术进步带来的效率提升、成本下降和价格低位运行，避免市场因沿用传统指标而误判政策取向，增强宏观政策的稳定性、连续性和前瞻性。另一方面货币政策要更加关注价格变化背后的成因，对于由技术进步以及平台过度内卷竞争等导致的价格下降，货币政策未必需要做出传统意义上的宽松反应；央行要更多结合生产率增长、劳动市场状况、企业投资和实际经济活动来判断经济运行状态。财政政策要更加注重就业结构及收入分配改变对所得税、增值税等税基的影响，更加重视通过收入分配、定向补贴、消费及购房贴息、社会保障、公共服务等方向提高居民获得感和收入预期。

　　要完善竞争政策与分配调节机制，促进智能经济红利广泛共享。一方面，加强对大平台、大模型等关键领域的反垄断监管和竞争政策实施，围绕模型调用、接口开放、流量分发、数据使用等关键环节，完善生态治理规则，防止平台企业、大模型企业利用技术接口、数据入口形成排他性绑定，增强智能经济底层体系的稳定性和公共属性。另一方面，加快建设面向中小企业的公共算力平台、行业模型服务平台和数据服务体系，推动轻量化智能体、低成本AI工具和标准化解决方案普及应用，降低中小企业智能化转型门槛，促进智能经济红利向更广泛市场主体扩散。此外，在保障数据安全和个人信息保护的前提下，要研究建立数据贡献、数据授权和收益分配机制，推动数据资源开发利用收益在平台企业、数据提供主体、场景贡献主体和公共部门之间更加合理分配，防止数据要素收益过度向少数企业集中。