当下，智能经济新形态表现为技术迭代加速、要素配置重构和产业融合深化，其深层逻辑是智能能力的社会化，即突破少数头部企业内部边界，成为各类经营主体可获取、可组合、可运用的社会生产能力。应当注意到，智能能力规模化应用仍面临研发成本高、场景供需脱节、关键要素分散、治理规则滞后等梗阻。打造智能经济新形态，要以开源创新扩大技术供给，以场景应用牵引市场需求，以集群发展放大规模效应，以协同治理优化生产关系。
以开源创新扩大技术供给
开源创新是智能经济由技术突破走向规模化应用的基础。开放模型、代码、工具链和技术文档，吸引更多主体复用并参与迭代。数据在使用中不被消耗，模型和工具可反复调用，智能能力扩散的边际成本远低于传统生产能力。借助开源，企业、高校、科研院所和开发者可以协同探索；经营主体无需从头搭建技术底座，就能开展行业适配和应用创新。
开源规模扩大不等于供给能力成熟。工业和信息化部2026年7月发布的数据显示，国家级人工智能开源社区已汇聚用户1100余万、托管模型超7万个，我国人工智能开源大模型全球累计下载量突破100亿次。这要求把风险防范贯穿研发、部署和运行全流程，健全安全评测与漏洞处置机制。数智主权重在掌控核心技术和关键资源，提高资源配置和标准规则塑造能力。中国已与世界各国携手制定人工智能国际标准120余项。只有以自主可控支撑更高水平开放，才能避免在开放合作中形成技术依赖。
把开源优势转化为稳定供给，要在战略引领、协同创新和规则治理上发力。第一，围绕基础模型、核心算法、开发工具链等关键环节加强长期支持，共建开放共享的公共技术平台。第二，发挥企业科技创新主体作用，推动企业、高校、科研院所和开源社区联合攻关。第三，健全开源许可、接口标准、质量评测和供应链安全规则，提供模型适配、测试验证和合规辅导，降低经营主体应用开源成果的成本。底层技术有人攻关、开源项目有人维护、创新成果有人使用，开源才能由资源汇聚走向持续供给。
以场景应用牵引市场需求
场景应用是把技术供给转化为市场需求和经济价值的关键。模型性能和技术参数本身不能形成有效需求，只有嵌入生产制造、商贸流通、公共服务等真实流程，才能检验智能技术能不能用、好不好用、是否值得用。具身智能等新技术更依赖真实环境验证。现实地看，场景供需之间仍有断点。技术供给方掌握模型和工具，却未必熟悉行业流程；场景需求方拥有业务和数据，却往往缺少技术适配能力，也不愿独自承担首次试用风险。供需错位容易使应用停留在展示和试验阶段，难以形成可复制的解决方案和稳定的市场需求。场景开发的着力点不是增加展示项目，而是用真实需求定义技术问题，使技术在解决问题中创造价值、形成市场。
打通场景供需，关键是降低需求发现、技术验证和首次应用成本。2026年5月，国家网信办等三部门印发《智能体规范应用与创新发展实施意见》。从政策部署看，场景开发需要形成常态化、制度化的供给机制。其一，推动政府部门、国有企业和链主企业定期发布场景清单，围绕生产制造、具身智能、民生服务等领域开放真实需求。其二，完善首购首用和小规模试用机制，减少与履约能力无关的成立年限、同类业绩等限制，贯通孵化、中试和规模化应用。其三，发展模型服务和智能体服务，改进算力券等工具，使模型调用等部分投入由一次性固定成本转向按词元计价、按需付费的可变成本。只有把场景开放与成本下降结合起来，经营主体才有动力把技术试出来、用起来，市场需求才能在应用中持续扩大。
以集群发展放大规模效应
集群发展是推动单点应用走向规模化发展的实体载体。场景应用解决技术价值如何验证的问题，集群发展解决成熟应用如何组织化扩散的问题。一项技术在单个场景中得到验证，并不意味着能够规模化复制；只有把数据、算力、模型、场景、人才和资本组织到产业链和协作网络中，才能降低要素搜寻、供需匹配和跨主体协同成本。现实地看，一些地区的数据、算力和场景分散在不同平台，创新链、产业链、资金链和人才链衔接不足，企业“聚而不群”、要素“近而不通”等问题仍然存在。推动集群发展，不能停留在企业数量和空间集聚上，关键是提高要素供给的组织化程度，使单点突破沿产业链扩散，推动智能经济由局部应用走向规模化发展。
发挥集群的规模放大作用，要从空间集聚转向功能协同。产业主体与公共要素的密集配置，为模型开发、场景验证和成果转化提供了协同基础。一要加强集群发展的顶层设计，统筹布局算力设施、数据空间、中试平台和公共技术服务，促进创新资源集约利用。二要完善跨地区算力调度、数据流通和模型互认机制，破除区域封锁和平台分割，避免集群内部出现生态割裂。三要发挥链主企业牵引作用，开放技术接口、订单需求和验证环境，带动专精特新企业、初创企业和专业服务机构协同发展。只有形成“能力输出、场景验证、数据反馈、模型迭代”的循环，才能把生态密度转化为创新速度和规模效应。
以协同治理优化生产关系
协同治理是调整生产关系、适应智能生产力发展的制度保障。当智能能力向更多主体扩散，协作链条随之延长，责任边界和风险传导将更为复杂。面对模型迭代、智能体自主决策和跨场景调用，以单一产品和事后处置为主的治理方式难以及时应对伦理风险、权责模糊等问题。治理规则跟不上，参与各方便难以形成稳定预期，导致开源成果不敢用、应用场景不敢放、关键要素不敢通。治理不是技术扩散的外部约束，而是智能能力社会化的制度条件。协同治理优化生产关系，关键在于划定权利、责任和收益边界。模型训练要明确数据授权，智能体执行要厘清风险责任，开源协作还要处理成果共享和收益分配。理顺这些关系，才能以规则确定性降低协作成本，增强各类主体开放要素、参与协作的意愿。
完善协同治理规则，要坚持发展和安全并重。习近平总书记强调，要“让人工智能这匹千里马既跑得快又跑得稳”。一是根据应用领域和风险程度实行分级分类评测监管。二是完善数据授权、算法责任和收益分配规则，明确开发者、提供者与使用者责任。三是加强跨部门、跨区域协同，健全风险监测、应急处置和责任追溯机制。四是面向中小企业提供合规指引和测试服务，降低制度性交易成本。四个抓手相互衔接、循环促进，才能把技术突破转化为社会生产能力。面向未来，要让各类经营主体更广泛、更公平、更安全地运用智能能力，为高质量发展注入持久动能。
（作者单位：上海财经大学）
（来源：文汇报2026年9月13日）
