摘 要：实数融合是塑造智能经济新形态的重要路径，也是推动经济发展质量变革、效率变革和动力变革的关键支撑。在理论内涵上，实数融合塑造智能经济新形态体现为：以“实”提供场景价值根基，以“数”构成要素技术底座，以“融”贯通产业协同结构，以“智”提升系统运行能力，最终生成数字经济向智能经济跃迁的“新”形态。在内在机理上，实数融合通过微观要素重构激活智能生产力，通过中观产业重组塑造智能产业体系，通过宏观供需协同畅通智能经济循环。当前，我国完整产业体系、超大规模市场和丰富应用场景，为实数融合纵深推进提供了现实基础，但技术支撑、产业嵌入、组织协同、制度适配等方面仍存在约束。为此，应夯实技术底座、深化场景牵引、强化主体协同、优化制度供给，促进技术能力、产业能力、组织能力和治理能力协同提升，加快智能经济新形态生成。
关键词：实数融合；智能经济；实体经济；数字经济；人工智能
作者简介：李勇坚，中国社会科学院财经战略研究院研究员，中国社会科学院大学应用经济学院教授、博士生导师；刘宗豪，中国社会科学院大学应用经济学院博士研究生。
引用格式：李勇坚，刘宗豪.以实数融合塑造智能经济新形态［J］.改革，2026（7）：47-58.
当前，我国人工智能发展正在由技术应用、场景赋能和产业扩张，进一步迈向以数智技术重塑生产方式、产业体系和治理结构的新阶段。“十五五”时期发展智能经济，事关我国能否抢占新一轮科技革命和产业变革制高点，关乎中国式现代化进程中生产力质态跃迁和现代化产业体系建设。
智能经济作为数字经济发展的高阶形态，核心在于数据、算法、算力与实体产业场景的紧密结合。人工智能等数智技术只有进入生产制造、市场流通、消费服务、公共治理等真实场景，才能从技术资源转化为生产组织能力、产业协同能力和经济治理能力。实数融合正是推动这一转化的关键路径。一方面，实体经济为数据生成、模型训练、技术验证和价值创造提供场景支撑；另一方面，数智技术嵌入实体经济运行全过程，推动生产方式、产业体系、组织模式和治理结构实现智能化重构。实数融合不仅影响数智技术的应用深度，还关系智能经济新形态的生成质量，是培育新质生产力、建设现代化产业体系和推动高质量发展的重要支撑。
从中国发展实践看，实数融合塑造智能经济新形态具备较为坚实的现实基础。我国数字基础设施持续完善，海量数据和丰富应用场景优势不断释放，完整产业体系和超大规模市场为数智技术验证、迭代和扩散提供了广阔空间。实数融合的根本目的，在于推动经济发展质量变革、效率变革和动力变革，进而实现经济高质量发展。然而，基础条件优势并不必然转化为智能经济新形态，底层技术供给、产业场景嵌入、生态组织协同、制度规则适配等方面仍存在约束。如何将数字基础优势转化为智能生产力、智能产业体系和智能经济循环，构成实数融合塑造智能经济新形态必须回应的现实命题。
一、实数融合塑造智能经济新形态的理论内涵和基本属性
实体产业场景提供价值承载，数据要素和数智技术构成要素技术底座，二者深度融合推动产业组织协同和智能应用发展，最终生成区别于一般数字经济的新型经济形态。
（一）承载属性：“实”提供场景价值根基“实”是实数融合的场景载体，主要指农业、制造业、服务业、基础设施等实体经济部门，为技术应用、产业运行和价值创造提供现实场景。实体经济是一国经济的立身之本，是财富创造的根本源泉，是国家强盛的重要支柱。进入智能经济时代，实体经济的重要性进一步体现为对数智技术的场景承载和价值转化功能。其中，制造业代表实体经济的生产端，是数智技术嵌入研发设计、工艺优化、质量检测、设备运维、供应链协同等生产过程的重要场域。服务业代表实体经济的价值端，贯穿人才、信息、金融、物流、营销、品牌管理等环节，并通过与制造业等产业部门融合拓展价值创造空间。数智技术嵌入服务流程后，可以提升需求识别、智能匹配和协同服务能力，推动服务业向场景化、精准化和智能化方向转型。数智技术进入制造和服务场景后，能够促进生产流程优化、供需匹配改善和服务能力提升，推动实体经济向柔性化、场景化和智能化方向转型。
（二）基础属性：“数”构成要素技术底座
“数”是实数融合的基础支撑，其内涵主要包括数据要素和数智技术两个层面。一方面，数据要素快速融入生产、流通、分配、消费等环节，驱动要素融合、产品融合、企业融合、产业融合和市场融合。与传统要素相比，数据要素具有可复制、可复用、可流动、可组合等特征，能够在多主体共享、多场景应用和多环节反馈中创造持续性价值增量，突破传统资源约束下的产出边界。数据要素价值释放并不止于资源积累，还依赖具体应用场景中的持续流动、加工转化和反馈迭代。例如，在数字消费场景中，数据能够以资源、资产、要素、商品等多重形态嵌入消费链条，对消费扩容升级形成牵引和赋能作用。另一方面，智能经济以数智技术为关键动力，实现从数字化向智能化的跃迁。从信息经济到数字经济，再到智能经济，技术基础经历了从信息传输、数据连接向智能理解、知识推理、内容生成和任务规划演进的过程。以大模型、生成式人工智能、智能算法和高性能算力为代表的智能技术体系，能够对数据资源进行深度学习、模式识别和智能推理，并将其转化为智能生产、智能决策和智能服务能力。由此，数据要素和数智技术共同构成智能经济的要素技术底座。
（三）组织属性：“融”贯通产业协同结构“融”是指两项及以上不同事物，包括技术、设备、产业部门等相互嵌入或合并，使各方之间的边界逐渐模糊，并最终形成新的统一体。“融”的核心在于推动数据要素、数智技术与实体产业场景由外部连接走向深度嵌入，由局部应用走向系统整合，其组织属性主要体现为纵向嵌入和横向协同。纵向嵌入强调数字能力沿产业链、供应链和价值链向关键环节延伸，使分散的业务流程、生产数据和市场反馈形成连续循环；横向协同强调数智技术跨越产业、组织和空间边界，促进不同产业部门、市场主体和经济区域之间形成网络化连接。智能制造、智慧医疗、智能金融等形态，正是数智技术和实体场景融合的具体表现。在纵向嵌入和横向协同共同作用下，数据流、技术流、业务流和价值流得以在产业体系内部贯通，推动实体产业由单点数字化改造转向全链条、网络化和生态化协同。
（四）功能属性：“智”提升系统运行能力
“智”是实数融合塑造智能经济新形态的关键跃升环节，体现为经济系统由数字化连接向智能化运行转变。智能经济以人工智能为核心驱动力，通过数据、算法和算力协同，将实体经济运行中的信息、流程和场景转化为可识别、可推理、可反馈的智能资源，增强经济系统的状态感知、协同决策和动态适应能力。从功能属性看，“智”主要表现为产业智能化和智能产业化。前者强调数智技术嵌入传统产业运行过程，提升需求识别、生产调度、质量控制、资源配置和风险预警能力，推动生产方式、组织方式和服务方式智能化重构；后者强调智能技术自身形成新的产业体系和价值空间，围绕模型能力、算力基础、软件工具和场景应用形成新的产业链条。“智”既推动传统产业由劳动密集、资本密集向智能密集转型，又促进智能原生产品、智能服务平台和智能化解决方案不断涌现。
（五）形态属性：“新”呈现跃迁生成形态
“新”的生成，是实数融合推动数字经济向智能经济跃迁的集中体现。从经济形态的历史演进看，智能经济是继农业经济、工业经济、信息经济、数字经济之后的新型经济形态，其“新”主要表现为新技术、新模式和新业态的系统生成。从新技术看，以大模型为底座的生成式人工智能、智能体、具身智能等新一代人工智能技术，突破了传统数字技术偏重连接、记录和计算的功能边界，使经济系统具备理解、生成、推理和执行能力，重塑生产函数、价值创造方式和产业分工结构。从新模式看，人机协同成为智能经济运行的重要方式。智能系统逐步承担信息处理、模式识别、模型推理、任务执行等功能，劳动者则更加侧重目标设定、价值判断、创造性决策和责任承担，推动经济组织由人人协作向人机协同演进。从新业态看，智能经济新形态不仅体现为传统产业智能化改造，还表现为智能原生业态的生成。智能原生业态以人工智能为底层能力，以数据、算力、算法和智能交互为支撑，将智能能力嵌入产品设计、服务供给、组织运行和价值创造全过程。因此，“新”呈现智能经济在技术基础、运行模式和业态形态上的整体跃迁。
二、实数融合塑造智能经济新形态的内在机理
实数融合塑造智能经济新形态，实质上是数字能力嵌入实体经济运行过程，并推动智能生产力生成、智能产业体系构建和智能经济循环优化的深刻变革。具体来看，微观层面通过数据、算法和算力的协同配置，改变生产过程组织形态，激活智能生产力；中观层面通过产业链协同、产业集群拓展和产业生态共创，重塑产业组织形式，构建智能产业体系；宏观层面通过供给优化、需求升级和供需动态协调，畅通智能经济循环（见图1）。
（一）微观层面：要素重构激活智能生产力
生产力由劳动者、劳动资料和劳动对象构成，科技进步通过改变劳动资料形态、劳动过程组织和要素结合方式，促进现实生产力发展。从生产要素理论看，经济增长既取决于要素投入规模，又取决于要素配置效率和组合效率。实数融合塑造智能经济新形态的微观生成机理，在于数据、算法、算力等新型要素嵌入劳动、资本、技术等传统要素体系，改变生产要素结合方式和生产过程组织形态，进而重塑生产函数结构，推动经济增长由要素数量扩张转向要素效率提升。
具体而言，数据、算法和算力分别从生产感知、配置决策和技术支撑三个方面参与要素重构。第一，数据要素构成智能生产力的感知基础。与传统生产要素相比，数据具有虚拟替代性、多元共享性、跨界融合性和智能即时性等特征，能够对劳动力、资本、技术等传统要素产生替代效应和促进效应。数据嵌入实体经济后，可以将设备运行、业务流程、市场需求和风险状态转化为可识别、可反馈的信息资源，增强生产组织、供应链管理和市场响应的感知预测能力。数据价值释放的关键不在规模积累，而在于依托具体产业场景完成治理加工、算法识别和业务反馈，进而转化为生产组织能力和资源配置能力。第二，算法模型承担数据要素向智能能力转化的中介功能。分散数据只有经过算法识别、学习和推理，才能转化为需求预测、生产调度、供需匹配、风险控制等可执行能力。智能算法能够处理复杂场景中的非线性关系和动态变化，并在持续学习、模型迭代和场景迁移中提升运行效果。智能算法依托数据优化运行结果，并通过需求预测、智能匹配和决策支持影响数字经济运行模式和市场形态。第三，算力基础设施决定智能应用的运行边界。智算中心和算力网络是智能经济的重要物理支撑，涵盖高性能计算芯片、服务器集群、数据中心、通信网络等基础条件。随着大模型、智能制造、自动驾驶、智慧医疗等应用进入实体经济，算力需求加快向大规模训练、低时延推理和高并发应用转变。算力供给的规模、结构和调度效率，直接影响模型训练质量、部署成本和产业扩散范围。当前我国智能算力规模持续扩大，但算力供需匹配、绿色低碳、安全保障和资源配置效率仍需进一步提升。
总体来看，数据、算法和算力并非孤立发挥作用，而是在实体产业场景中形成相互依赖的协同关系。实体场景持续生成数据，数据为算法训练和模型迭代提供样本和反馈；算法通过识别、学习和推理提高数据利用效率，并将其转化为预测、匹配和决策能力；算力则保障数据处理、模型训练和智能应用的运行效率。数据、算法和算力三者之间的协同匹配，影响着数据积累、模型优化、算力调度和创新活动的运行效果。实数融合通过推动数据、算法、算力与传统要素重新组合，改变生产过程组织方式和要素配置逻辑，进而激活智能生产力，为智能经济新形态生成提供微观基础。
（二）中观层面：产业重组构建智能产业体系
智能经济新形态的产业重组表现为智能技术对生产流程、产业分工和跨界融合关系的重塑，并呈现产业链网络化、产业结构高端化、产业生态融合化等特征。企业边界和产业组织形态受交易成本、资产专用性、不确定性等因素影响。传统产业组织主要依靠企业内部管理、上下游契约关系和区域配套体系实现协同，容易受到信息不对称、契约不完全和协调成本较高的约束。实数融合依托数字化组织资源重构交易关系和协作方式，将业务、交易、设备和场景数据转化为可识别、可计算、可调度的组织资源，降低信息搜寻、交易匹配和协同组织成本，推动产业体系由链式分工向网络化协同和生态化共创演进。
在产业链层面，实数融合通过提升链上信息可见性和资源协调能力，推动产业链由环节分工协作转向全链协同治理。传统产业链主要依靠上下游契约关系维持运行，链上主体常因需求波动、信息传递滞后和库存调整不及时而面临较高协同成本。实数融合将订单、产能、库存、物流和反馈信息纳入统一协调过程，使产业链运行由信息分散、被动响应转向状态可见、需求可测和资源可配，为智能产业体系形成提供链式支撑。
在产业集群层面，实数融合通过拓展空间组织边界，强化智能产业体系的集聚支撑能力。传统产业集群依托地理邻近、专业化分工和本地配套形成集聚优势，并通过频繁互动促进知识溢出和协同创新。实数融合在保留空间集聚功能的基础上，叠加数字网络协作和跨区域资源配置机制，使产业集群由地理邻近拓展为“空间邻近+网络邻近”的复合结构。空间邻近提供产业配套、隐性知识扩散和应用场景支撑，网络邻近则依托数字接口和在线协作扩大资源匹配范围，推动产业集群由空间集聚转向空间协同。
在产业生态层面，实数融合重塑智能产业的生态竞争逻辑。智能产业的发展越来越依赖基础模型、平台接口、行业场景、标准规则和互补服务之间的协同，企业竞争优势不再只取决于自身技术或产品能力，还取决于所在生态系统的资源整合、平台治理和协同创新能力。健康的产业生态需要人才、资本、技术、数据等关键要素高效流动和再配置，并在价值发现、价值放大和价值循环中形成持续创新能力。在实数融合过程中，平台企业提供模型、算力和接口能力，链主企业开放产业场景并牵引行业应用，科研机构供给前沿知识和关键技术，政府部门完善规则标准和公共服务，中小企业围绕细分场景开展应用创新。不同主体在生态位分工中形成能力互补，推动技术供给、场景需求、规则支撑和应用创新之间建立更加稳定的协同关系。实数融合不仅改变单个企业的竞争方式，而且重塑产业生态的组织逻辑，使智能产业体系由单点技术竞争转向生态系统竞争。
（三）宏观层面：供需协同畅通智能经济循环
在微观要素重构和中观产业重组的基础上，实数融合塑造智能经济新形态，还需要在宏观层面转化为更加顺畅的经济循环。从宏观经济运行看，经济发展阶段越高，越需要提高经济循环的质量和效率。随着增长动力、产业结构、供需关系和资源环境约束发生变化，畅通经济循环的重要性进一步凸显。供给和需求的关系直接影响宏观经济运行状态：供给不足容易形成短缺压力，供给过剩则可能导致资源闲置和价格下行，二者基本平衡时经济运行才更趋平稳。因此，智能经济循环的关键，不在于单纯扩大供给或刺激需求，而在于通过供需协同提高适配能力和配置效率。
在传统经济运行中，供给决策和需求变化之间常存在时间差和信息差，容易形成供给过剩和有效供给不足并存的结构性矛盾。实数融合嵌入实体经济运行过程后，能够增强需求变化的可识别性、供给调整的及时性和资源配置的精准性，使供给侧和需求侧由相对滞后的单向适应，转向高频反馈和动态匹配。一方面，数据反馈、智能识别和柔性组织有助于企业依据市场需求、生产状态和服务反馈优化产品供给、生产安排和服务延伸，以高质量供给适应并创造需求；另一方面，智能终端、数字平台和线上线下融合服务拓展了需求表达和生成空间，使消费活动从商品购买延伸至智能产品、数字内容、即时服务和沉浸体验等领域，推动需求形态向品质化、个性化和场景化升级。进一步看，供需协同还体现为消费、投资和资源流动之间的良性互动。实数融合带动智能制造、智慧物流、数字文旅、远程医疗、智慧养老等新业态成长，释放服务消费潜力，培育消费新模式和新场景；智能基础设施、行业平台和产业数字化改造也会形成新的有效投资需求，引导技术、人才、资本、数据等要素向高效率领域集聚。消费场景扩展为投资提供方向，投资结构优化又提升供给能力和服务质量，从而形成需求升级、投资牵引和供给优化的循环累积效应。
总之，实数融合在宏观层面的作用，是通过供需协同提高经济循环质量。需求信息的实时反馈、智能识别和精准匹配，能够缩短市场响应链条，提高价格发现、资源调度和供需衔接效率，使生产端、消费端和服务端在更高频率上实现动态匹配。供需协同关系到商品流、资金流、技术流、人才流和数据流在国民经济体系中的顺畅流动。伴随数据要素有序流通、产业链供应链协同运行和跨区域资源配置优化，智能经济的规模效应和场景效应将进一步释放。在全国统一大市场建设和高水平对外开放背景下，实数融合有助于增强国内大循环内生动力，促进国内市场和国际市场更好联通，提高利用国内国际两个市场、两种资源的能力，为智能经济新形态生成提供宏观运行基础。
三、实数融合塑造智能经济新形态的现实约束
现阶段，底层技术支撑不稳、产业场景嵌入不深、生态组织协同不畅和制度规则适配滞后，构成实数融合由基础优势转化为智能经济新形态的主要约束，并分别影响智能生产力生成、智能产业应用扩散、智能产业体系形成和智能经济可信运行。
（一）技术支撑约束：底层能力短板制约智能生产力生成
随着智能经济由一般数字化应用转向高强度训练、复杂系统运行和产业级应用扩散，底层技术体系能否提供自主、稳定、协同的能力供给，成为制约智能生产力生成的关键问题。一方面，底层技术自主性偏弱，影响智能系统安全稳定运行。智能经济对基础硬件、基础软件和关键工具链提出更高要求，这些环节直接关系到模型训练效率、系统运行稳定性和产业应用可靠性。当前，部分关键环节仍存在自主供给能力不强、软硬件适配不足、工具链衔接不畅等问题，使智能技术从研发端进入产业端的周期延长。在制造、能源、交通、医疗等高可靠性领域，底层技术体系的稳定性和自主性不足，会影响智能系统持续嵌入生产组织和设备运行过程，削弱实体产业智能化改造的基础能力。另一方面，底层要素协同性不足，制约算力规模优势向应用效能转化。智能系统运行依赖数据供给、算力调度、算法优化、芯片硬件和软件框架之间的连续匹配。当前，我国算力总规模已位居全球前列，但软硬件生态不足仍制约算力效能释放。国内智能芯片与主流软件框架之间仍存在兼容适配问题，部分芯片厂商各自形成软件栈，导致开发者在国产芯片上部署大模型时需要投入较高适配成本，影响模型训练、推理部署和产业扩散效率。与此同时，行业数据分散在企业、平台和部门内部，标准不统一、质量不稳定、治理能力不强，高质量数据难以持续支撑模型训练和行业适配。更进一步看，底层能力供给不足还会限制智能技术的普惠扩散。不同区域、行业和企业之间的数据、算力和模型服务获取能力存在差异，中小企业接入普惠算力、行业模型和开发工具的门槛仍然较高。如果底层模型能力、框架工具和评测体系过度集中于少数主体，行业应用创新容易依赖封闭接口、专有平台和较高调用成本，限制创新扩散的广度。因此，数据、算力、算法、芯片和软件框架之间的协同不足，容易使智能应用集中于头部企业和少数示范项目，难以形成面向广泛实体产业的底层能力供给，进而制约数字能力向智能生产力转化。
（二）产业嵌入约束：场景转化不足制约智能产业应用扩散
我国完整产业体系、超大规模市场和丰富应用场景，是塑造智能经济新动能新优势的动力源。从实数融合过程看，智能技术的价值只有在真实、复杂、动态的场景中，才能找到其最优应用路径，并支撑智能应用扩散。场景是联结技术能力和产业需求的中介环节，也是智能经济视域下实数融合的重要动力机制，其作用在于依托真实业务流程、复杂生产约束和组织流程调整，推动智能技术从工具使用进入价值创造环节，并呈现从需求端向供给端倒逼的演进特征。当前，产业嵌入的主要矛盾在于场景资源向场景能力转化不充分，部分智能应用仍停留在展示性项目、外部工具和局部优化层面，尚未形成稳定的场景应用能力。一方面，真实场景验证条件较弱，影响智能技术的产业适配能力。制造、医疗、能源、交通、农业等领域包含复杂业务流程和高价值应用需求，但真实生产过程、管理环节和服务场景开放程度有限，技术方案难以充分接受复杂产业约束检验。缺少连续数据、异常情形和多环节协同反馈，算法训练和模型优化容易停留在通用数据或低复杂度样本层面，对行业痛点、运行规则和成本结构的识别不够充分。由此，智能技术虽具备一定通用能力，却难以稳定转化为面向产业现场的适配能力。另一方面，核心流程嵌入较浅，制约场景价值闭环形成。当前，部分智能应用仍停留在辅助办公、前端服务和局部优化环节，对工艺流程、管理制度和业务规则的改变有限，难以进入企业真实生产经营的关键环节。技术系统与业务流程衔接不深，使数据反馈、模型优化和流程调整难以形成连续循环，技术效率也难以转化为稳定的应用绩效。就中小企业和传统行业而言，数字化基础薄弱、专业人才短缺、收益显现周期较长，还会拉长投入回收周期，增加技术采用顾虑。流程嵌入较浅和收益预期不稳相互叠加，使智能应用难以从单一项目沉淀为可复制、可推广的行业方案，也难以在真实业务场景中形成稳定的应用闭环，最终制约智能产业应用的深化和扩散。
（三）组织协同约束：生态组织不畅制约智能产业体系形成
智能产业体系的形成，需要多元主体在生态位分工、连接规则和利益协调上形成稳定秩序。当前，各产业生态主体已广泛进入实数融合过程，但组织关系仍较松散，数字能力从单个企业应用扩展至产业生态价值共创仍面临较高协作成本。一方面，产业链内部生态分工不清，影响技术供给、产业需求和应用创新的稳定衔接。部分龙头企业转型仍偏重内部效率改善，对上下游企业的带动能力释放不足；部分平台企业虽具备算力、模型和工具接口优势，但与实体产业流程结合不深，平台能力容易停留在通用服务层面；中小企业贴近细分场景，却受资金、人才和技术基础制约，接入智能技术体系的门槛较高；科研机构成果转化也常受工程验证和产业反馈不足影响。主体功能边界不清，会削弱产业链内部的协作预期。与此同时，企业之间连接规则尚不统一，系统兼容、方案迁移和链上联动成本较高，利益分配、风险承担和责任归属缺乏稳定安排，也会降低主体参与联合创新和生态协作的积极性。另一方面，区域空间组织协同不足，削弱智能产业生态承载能力。地方政府和园区在基础设施建设、产业配套、公共服务和场景组织中具有重要作用，但一些地区在算力中心、产业园区、平台项目和示范工程上存在同质化布局倾向，跨区域分工、公共平台共享和产业链协作仍不充分。算力、数据、人才、场景和产业链资源如果缺乏有效组合，就容易造成资源闲置、重复建设和低水平竞争，使实数融合停留在局部试点和单个园区项目层面。当前智能经济新形态的演进总体上仍处于局部优化和典型示范阶段，高水平、跨主体的协同网络尚未普遍形成，协同规则尚不成熟，难以支撑高水平网络协同稳定形成。这表明，组织约束既表现为产业链主体协作成本较高，又表现为区域产业生态承载能力不足，最终制约智能产业体系的持续形成。
（四）制度适配约束：规则供给滞后制约智能经济可信运行
智能经济是数字经济发展的高端形态。在智能经济新形态下，既有制度规则面临新的适用压力。与一般数字化应用相比，智能经济更加依赖数据流动、算法决策和平台连接，技术系统一旦进入生产、消费和公共治理过程，便会改变主体之间的权利关系、责任结构和风险分配方式。我国已在数字经济、数据要素、人工智能治理、平台监管等方面持续完善制度体系，但面对技术快速迭代、场景持续扩展和风险跨界传导，既有规则在权责界定、风险识别和预期稳定方面仍存在适配滞后。规则供给滞后会提高场景开放和技术采用的制度成本，使企业、平台和公共部门在数据共享、模型接入和高价值场景应用中趋于谨慎，进而影响智能经济可信运行。一方面，规则边界不清增加跨主体协同成本。智能经济中的数据价值生成贯穿采集、加工、调用和反馈全过程，算法应用也涉及研发、部署、使用、迭代等多个环节。当前，数据授权使用、收益分配、责任追溯等规则仍不够细化，数据提供者、使用者和平台组织者之间的权责关系难以稳定，容易使数据流通转向内部封闭和低水平共享。算法应用同样面临责任分配难题，当模型输出造成偏差或损害时，开发者、部署者和使用者之间若缺乏可操作的责任规则，创新主体就会倾向于选择低风险、低复杂度场景，削弱智能技术进入关键业务环节的动力。另一方面，可信预期不足制约智能技术扩散。智能经济向高价值场景扩展，需要以可识别的风险边界、可追溯的责任链条和可执行的纠偏机制为制度前提。生成式人工智能、智能体和大模型逐步参与信息生成、辅助决策和公共服务后，模型输出偏差、数据泄露、责任转移等问题会影响用户、企业和公共部门的信任判断。若缺少稳定的风险识别、纠偏补偿和责任追溯安排，技术采用者将增加人工复核、合规审查和风险防控投入，即使智能应用具有技术可行性，也难以形成稳定扩散路径。制度适配滞后的实质，在于技术能力扩张与可信规则供给之间存在张力，进而制约数字能力持续嵌入实体经济。
四、以实数融合塑造智能经济新形态的政策建议
推动实数融合塑造智能经济新形态，关键在于将我国数字基础设施、产业体系、市场规模和应用场景优势转化为可持续的技术能力、产业能力、组织能力和治理能力。应从夯实技术底座、深化场景牵引、完善生态组织、构建可信治理环境等方面发力，打通数字能力进入实体经济的关键环节，形成支撑智能经济健康持续运行的有效路径。
（一）夯实技术底座，提升底层支撑能力
夯实技术底座是实数融合塑造智能经济新形态的前提条件。面向模型训练推理、智能体协同和产业级应用扩散，应围绕行业数据空间、智算基础设施和关键技术自主能力三方面发力，推动数据、算力、算法和软硬件生态协同匹配，使数字能力具备稳定进入实体产业流程的基础条件。一是建设高质量行业数据空间。围绕制造、医疗、交通、金融、农业、文旅等重点领域，打造行业数据集和数据标注基地，完善采集、清洗、标注、治理和调用接口。依托可信数据空间、隐私计算和数据授权运营机制，推动产业链上下游及跨领域数据安全流通，提升行业数据的标准化、可用性和可流通性。二是强化超大规模智算基础设施支撑。持续推进全国一体化算力基础设施建设，依托国家算力枢纽、智算中心和工业互联网平台，优化跨区域算力调度、公共算力服务和边缘推理能力。重点提升智算资源的普惠性、稳定性和绿色化水平，推动算力资源由单点建设转向网络化供给，由规模扩张转向效能提升，降低中小企业和传统行业获取算力和模型服务的门槛。三是增强关键技术自主供给能力。围绕高端芯片、基础软件、算法模型、智能体、开发工具链等关键环节，强化研发攻关、适配验证和产业应用衔接。高端芯片重在提高智能算力稳定供给和训练推理效率，基础软件和工具链重在提升软硬件适配能力，算法模型重在增强数据价值转化和复杂产业决策能力。通过行业数据空间、智算基础设施和关键技术自主能力协同建设，形成数据可用、算力可调、模型可训、工具可适配的底层支撑体系，推动数智能力稳定嵌入实体产业流程，为智能生产力生成提供技术基础。
（二）深化场景牵引，促进产业智能化嵌入
深化场景牵引，是实数融合塑造智能经济新形态的关键环节。应以真实产业需求为牵引，以业务数据反馈、流程再造和场景验证为支撑，推动智能技术进入研发、生产、服务、公共治理等价值创造环节，促进“算力+算法+数据+场景”深度融合。一是深化实体产业场景嵌入。围绕制造业和服务业重点领域，推动智能技术进入生产流程、服务供给和产业链协同环节。制造业应聚焦研发设计、生产制造、质量控制和供应链协同，提升工艺优化、生产调度和资源配置能力。服务业应围绕供需匹配、风险识别和个性化供给，提高物流、金融、商务服务、医疗、养老、文旅等领域的服务响应能力。对中小企业和传统行业，应推广轻量化、模块化、低成本方案，降低智能技术嵌入门槛。二是培育未来产业应用场景。围绕未来制造、未来交通、未来医疗、智能终端、低空经济、具身智能等重点赛道，以重大应用场景为牵引，培育智算赋能生态平台和行业模型服务平台，推动算力资源、算法模型、行业数据和场景需求协同对接。通过开放测试环境、应用试验场和场景创新平台，加快前沿技术验证、产品迭代和产业化落地，推动未来产业由技术探索走向场景应用和产业扩散。三是完善场景验证和产业应用机制。围绕实体产业和未来产业中的高频需求、共性流程和关键痛点，建立场景清单、验证指标和行业方案库，推动典型应用在成本降低、效率改善、质量提升、安全运行等方面形成可度量效果。对成熟度较高的应用，应沉淀数据接口、模型组件、流程规范和运维标准，推动智能应用从示范展示转向流程嵌入，从单点试验转向可复制、可推广的行业方案。通过深化场景牵引和应用融合，能够把我国超大规模市场和丰富应用场景优势转化为技术验证、流程嵌入和产业扩散能力，为智能经济新形态生成提供现实应用基础。
（三）强化主体协同，完善生态组织体系
强化主体协同，是实数融合由单点应用走向生态化创新的重要路径。应以新型实体企业为牵引，推动链主企业、平台企业、中小企业、科研机构和地方政府形成分工明确、连接顺畅、利益协调的组织体系。一是培育新型实体企业。支持制造、流通、能源、交通、物流等领域骨干企业建设数据中台、工业互联网平台和供应链协同系统，提升其产业链组织、上下游协同和场景方案推广能力。新型实体企业应从内部效率改造转向链上赋能，通过数据互联、流程协同和标准应用，带动中小企业共同参与实数融合进程，推动智能应用由企业内部扩展至产业链协同。二是构建多元主体协作格局。链主企业重点发挥需求牵引和产业组织作用，平台企业开放算力、模型、工具和接口能力，中小企业围绕细分场景开展产品创新和服务创新，高校和科研机构提供基础理论、关键算法和前沿技术支撑，地方政府和园区强化公共服务、标准协调和资源组织。围绕数据共享、场景共建和成果转化，应健全收益分配、成本分担和风险共担机制，降低系统兼容、方案迁移和链上联动成本，增强多元主体参与生态协作的稳定预期。三是优化区域产业集群布局。围绕高端核心器件、新型材料、制备工艺、基础软件、行业应用等关键环节，培育全面布局、自主可控、合理分工的高端核心产业集群和战略性产业基地。应推动产业发展从追求单点技术突破，转向以大规模产业应用牵引多项技术集成的系统化发展模式。依托京津冀、长三角、粤港澳大湾区等重点区域，结合资源条件、产业基础和创新优势，统筹关键产业分工和基地布局，促进区域产业集群和产业生态协同发展。通过强化新型实体企业牵引作用、完善多元主体协作机制、优化区域产业集群布局，构建分工合理、协同高效、开放共创的实数融合生态组织体系，增强智能经济新形态的组织支撑能力。
（四）优化制度供给，构建可信治理环境
优化制度供给，是实数融合塑造智能经济新形态的根本保障。应围绕数据流通、算法应用和风险治理，形成边界清晰、责任明确、预期稳定的制度环境，使智能技术在安全可信条件下进入生产、消费和公共治理过程。一是健全数据流通规则，划清安全利用边界。面向公共数据、产业数据和平台数据，明确采集使用、授权运营、收益分配、合规审查和责任追溯规则，理顺数据提供者、使用者、平台组织者和监管部门之间的权责关系。对敏感数据和高价值产业数据，可通过分级分类管理、可信数据空间、隐私计算等方式，提高跨主体、跨行业、跨场景的数据安全利用水平。二是完善算法分级监管，压实智能应用责任。根据应用场景、影响范围和风险程度，建立差异化监管规则。对金融、医疗、交通、教育、公共安全等高风险应用，应强化安全评估、可解释性审查和责任追溯；对一般性创新应用，可采用备案管理、动态评估、监管沙盒等方式，为技术扩散预留空间。开发者、部署者、使用者和监管者的责任边界应与具体应用过程相衔接，防止责任转嫁、监管缺位和创新主体过度避险。三是构建多元治理机制，提升社会信任基础。推动监管规则、行业规范和伦理准则衔接，明确政府监管、平台治理、行业自律、企业内控和社会监督的功能边界。重点领域可建立风险监测、伦理审查、问题通报和应急处置机制，及时回应算法歧视、模型幻觉、信息茧房、责任转嫁等问题。同时，积极参与人工智能治理和技术标准国际合作，提升我国在智能经济规则塑造中的制度性话语权，加快构建既与国际接轨、又具中国特色的制度框架，为实数融合塑造智能经济新形态提供可信治理环境。