中宏网北京9月15日电 聚焦“加快‘人工智能+’落地，发展智能经济新形态”主题，中宏论坛第七十七场在线研讨会于9月15日下午圆满召开。清华大学新闻与传播学院副院长、经济传播研究中心主任杭敏应邀出席论坛并作了主题发言。

　　以下是杭敏的发言：

　　当前，人工智能技术加速迭代、广泛渗透，赋能经济社会发展已成为重要战略任务。各部门密集出台配套政策，释放出明确而强烈的信号：人工智能已不再是单纯的技术问题，而是关乎经济治理与发展全局的综合性议题。深入探讨人工智能赋能经济发展所催生的创新形态，具有十分重要的现实意义。一个基本判断是，推进人工智能走深走实的突出挑战，已不完全在技术侧，而更多在认知侧。技术跑得很快，政策推得很快，但社会认知系统的适配速度尚未完全跟上。这一落差，是当前人工智能赋能经济发展必须正视的现实挑战。

　　一、政策跃迁之后，创新形态落地的“最后一公里”在认知

　　近年来，从“人工智能+”行动到发展智能经济新形态，政策层级不断提升，表述持续深化。“全面实施”“发展智能经济新形态”“完善人工智能治理”等重要表述，对应着三个核心层次：全面实施是力度，智能经济新形态是目标，完善治理是保障。政策表述的密度和高度都在明显提升。

　　但在政策落地过程中，存在一种容易被忽视的落差。中央文件讲的是经济形态，地方和企业听到的往往是产业机会；专家讨论更多聚焦系统布局与分业实施，市场捕捉到的则往往是哪些赛道有补贴。这并非理解力的问题，而是不同政策层级交织带来的认知成本。比如，“加大要素保障”是高度凝练的政策表述，但落到地方，要素保障具体指什么——是算力保障、数据开放，还是人才政策、应用场景政府采购？理解不尽相同。再如“分业施策”，原则上很清晰，但制造业、医疗、教育、金融等每个行业的落地政策、监管要求、责任边界差异很大。

　　“十五五”规划将智能经济作为新形态提出，意味着这不是某个产业的提升，而是整个经济系统运行逻辑的调整。当一项系统性变革以高度凝练的政策语言发布时，特别需要一整套“翻译机制”——不是简单的解读，而是把系统性判断转化为不同主体可以理解、可以预期、可以采取行动的认知框架。从这个意义上说，人工智能赋能经济发展创新形态的“最后一公里”，不仅是场景的落地，更是认知的落地。技术方案可以采购，算力可以建设，数据可以开放，但如果企业不知道风险如何分配、资本不知道价值如何计量、公众不清楚边界在哪里，落地效果就会大打折扣。

　　二、智能经济新形态与认知适配的结构性挑战

　　当前，人工智能核心技术与应用呈现快速增长态势。但技术供给的加速，并不自动带来社会信任的同步积累。恰恰相反，技术渗透越快，认知滞后带来的焦虑和误判就越突出。

　　一是产业层面，大量传统企业对人工智能并非不知道怎么用，而是不知道用了之后谁来负责。智能自主决策带来的责任归属问题、模型幻觉引发的商业风险、数据合规边界的模糊，这些都不只是技术问题，更是认知与制度问题。企业需要的不只是技术方案，更是一套风险分配与责任界定的清晰预期。

　　二是资本层面，词元（Token）经济、计量、按量计费、模型即服务等新概念，在资本市场被快速消费，但对价值的理解如不精准到位，比如，对词元经济的认知，什么资产真正能够产生词元收入？词元调用量的增长与利润增长是什么关系？按量计费商业模式下企业估值如何调整？这些问题想不清楚，资本就容易追概念、炒预期，而不是投价值。

　　三是公众层面，当人工智能走入教育、医疗等民生领域，公众态度是复杂的——既有对便利的期待，也有对失控的担忧。商务部等8部门联合印发的《关于加快“人工智能+消费”发展的实施意见》中，智能眼镜实时翻译、养老机器人情感陪伴等被列为典型场景。这些场景能否被接受，不取决于技术是否成熟，而取决于公众是否感到安全可控。信任不能只靠宣传建立，而要靠透明的规则、可追溯的责任和畅通的渠道一点一滴积累起来。

　　三个层面均指向同一个问题：人工智能赋能经济发展的创新形态，其制度认知和社会认知目前仍落后于技术发展与政策推进的速度。与技术迭代相比，信任建设要靠制度以及认知适配来弥补——后者往往更难、也更慢。

　　三、把握创新形态的三个结构性特征

　　理解人工智能赋能经济发展的创新形态究竟“新”在哪里，需要跳出单纯技术应用的视角，从经济系统运行逻辑的高度来把握。真正的形态创新，是经济活动的底层单元、组织方式和治理逻辑都在发生变化。有三个结构性特征值得关注。

　　第一个特征，是价值单元的可计量化。词元从技术计量单位上升为价值载体，意味着智能服务正在获得标准化的计价基础。传统服务业的核心难题，是定制化与规模化之间的矛盾：定制化难以标准化定价，规模化难以满足个性化需求。词元经济提供了一条破解路径——按使用量计量，使智能服务摆脱原有的定制化合作模式，走向按量取用的普惠路径。这不只是商业模式的创新，更是经济形态底层逻辑的变化。信息的符号性与经济性获得了统一的计量基础。过去讲信息经济，信息本身很难定价；词元经济让信息处理成为可计量的商品，其意义深远——这意味着信息处理可以成为基础设施级别的经济要素。

　　第二个特征，是创新主体的多元化。人工智能降低了创新门槛，使个体开发者、中小企业和传统大企业得以在同一技术平台上竞争。开源模型、低代码工具、云服务等，使“一个人的公司”成为可能。创新主体的多元化，正在改变产业服务的形态——从原来大企业主导的链式创新，走向多主体参与的网络化创新。政策提出“开放共享”原则，正是对这一趋势的回应。同时也要看到，开放共享也带来新的问题，比如开源模型的安全责任谁来负、中小开发者的数据合规能力如何保障等，这些都需要新的制度安排。

　　第三个特征，是治理需求的同步化。传统技术扩散的路径是“先发展、后治理”，但人工智能的渗透速度和社会影响，使这一路径需要改变。一项技术从实验室到大规模应用，过去可能需要十年二十年，现在可能只需一两年甚至更短。出了问题再治理，成本极高，甚至不可逆。因此，“安全可控”被作为与“系统布局、分业实施”并列的原则提出来。这意味着治理不再是事后环节，而是与创新同步发展的过程，对制度设计提出了更高要求——既不能因为治理滞后导致风险积累，也不能因为过度治理而抑制创新活力。这个平衡如何把握，是当前亟待研究的重要课题。

　　四、以认知适配推动创新形态走深走实

　　人工智能赋能经济发展创新形态的落地深度，取决于社会认知系统的适配程度。这种适配不是简单的科普或宣传，而需要通过三个层面的系统性工作来推进。

　　第一，把系统性判断转化为可操作的市场预期。系统布局、分业实施、开放共享等是政策原则，但在具体场景中，什么先做、什么后做、什么暂不做，做了之后预期是什么，都需要跨领域的深入分析，把顶层设计转化为行业级的行动方案。只有政策原则具象化、可预期，市场主体才能看清方向、形成定力。

　　第二，把技术语言转化为制度语言和公共语言。词元、智能体、具身智能等概念，在技术共同体内部有精确含义，但进入产业决策和公共讨论时，需要有不同的表达方式。关键不在于通俗化，而在于精确转化——把技术概念背后的制度含义和经济含义准确呈现出来，而不是简单简化成口号或比喻。

　　第三，为安全可控提供更多可讨论的公共框架。完善人工智能治理是中央提出的明确要求，但治理不是自上而下的管控，而是多主体共同参与的规则形成过程。需要搭建公共讨论平台，让技术专家、产业界、法律界和公众代表在同一话语空间中对话，把“安全可控”从抽象原则，变成具体的、可讨论的、可迭代的规则认知。

　　总而言之，人工智能赋能经济发展的创新形态，不只是技术形态的创新，也是认知的创新、制度形态的创新和话语形态的创新。物理层面的落地，是算力、是数据、是场景的部署；而认知层面的落地，是预期、是信任、是共识的建构。后者不是前者的附属品，而是前者得以持续推进的重要基础条件。要把新质未来面临的系统性挑战转化为对话，把对话转化为共识，再把共识转化为可行动的预期。这是推进“人工智能+”行动走深走实的重要路径，也是服务新时代经济高质量发展不可或缺的中心环节。