近期，“小龙虾”（OpenClaw）智能体引爆全球市场、“一人公司”（OPC）创业社区在各地兴起、“算力银行”“算力超市”新服务形态加速涌现……当人工智能（AI）不再停留在实验室里的参数竞赛，开始“长出手脚”替人办事时，经济形态的底层逻辑正在被重构。数据显示，我国人工智能核心产业规模已突破1.2万亿元，规上制造业企业人工智能技术应用普及率超过30%；到今年3月底，我国日均Token（词元）使用量突破140万亿，两年间增长超1000倍。智能经济宛如一座“反应堆”，持续释放创新裂变效应，加速驱动生产函数重塑、产业格局洗牌与治理体系升级，正掀起一场影响深远的“变革”。

　　截至今年3月，我国日均Token调用量超140万亿，较2024年年初的1000亿增长1000多倍；较2025年年底的100万亿，在短短3个月内增幅便超过40%。Token调用量的迅猛攀升，引发了业界广泛关注与热议。

　　“答案不是简单的‘聊天变多了’，而是应用形态变了。”对此，中国电子信息产业发展研究院人工智能研究中心副研究员钟新龙指出，Token作为大模型处理信息的最小单元，不仅常规对话应用会产生消耗，在长流程任务、工具调用、文档读取、连续规划及多轮交互反馈等场景，更需反复加载上下文、生成新内容，Token消耗随之大幅增加。

　　“Token调用增长越快，越说明数据供给体系正在跟上模型推理与应用消耗的节奏，也说明数据、模型、场景与商业闭环开始贯通。”钟新龙说道。

　　传统工业经济以土地、劳动力、资本为核心生产要素，数字经济在此基础上新增信息与技术要素。而业内专家普遍认为，步入智能经济时代，生产要素迎来新一轮根本性迭代：数据成为关键生产要素，算法成为核心生产工具，算力成为新型基础设施。由三者构成的“智能三角”，正系统性重构经济社会的“生产函数”。

　　当前，从国家到地方均围绕数据这一关键生产要素展开战略布局。“人工智能发展到哪里，我们就把高质量数据集建设到哪里。‘人工智能+’行动到哪里，行业高质量数据集的建设和推广就要到哪里。”前不久，国家数据局局长刘烈宏表示。

北京人形机器人创新中心前瞻布局专业化的数据采集基地（资料图，来源：北京发布）

　　国家层面，针对高质量数据集建设“小和散”的问题，国家数据局会同26个部门组织遴选了72家高质量数据集建设链主单位、140个先行先试工作单位和104个典型案例，构建高质量数据集建设生态；地方层面，《上海市推进新型基础设施建设行动方案（2023—2026年）》提出，要加快建设国际数据港，力争到2026年年底，数据要素产业规模达到5000亿元。

　　据统计，近年来，我国算力总规模年增速达到30%左右。中国宏观经济研究院研究员张林山认为，算力如同工业时代的水、电、煤，在AI时代将直接决定企业的创新能力与市场竞争力。不少企业负责人也表示，算力成为AI时代“成本”的新度量衡，其应用场景不再局限于技术研发，更将频繁出现在企业预算、采购、报价及行业监管等诸多领域。

　　近日，工业和信息化部印发通知，组织开展普惠算力赋能中小企业发展专项行动，降低中小企业用算成本。其中，工信部首次明确提出探索“算力银行”“算力超市”等创新业务，支持中小企业存入闲置算力资源，通过跨区域、跨周期调度实现灵活取用。

　　值得关注的是，算力需求的持续扩张，直接带动电力资源需求大幅增长，如何保障算力发展的用电需求、实现能源供应绿色可持续，成为亟待破解的时代新课题。

　　针对这一问题，中国移动提出“算电协同”两大思路。一是“算随电动”，以上海、安徽、新疆三地算力调度为例，依托实时电价，将算力任务智能转移至电力成本更低、绿电资源丰富的新疆等地，实现跨时空成本优化；二是“电随算用”，在算力中心周边配套电力资源，保障绿电稳定供给。比如中国移动在内蒙古呼和浩特建成6700P智算中心，联合华电集团依托当地风电基地，让数据中心绿电占比突破80%。

　　当AI不再停留在实验室里的参数竞赛，开始“长出手脚”，准备替人办事时，经济形态的底层逻辑正在被重构。

　　在制造业领域，“AI+”已成为企业转型升级的“必选项”。不久前，我国第二艘国产大型邮轮“爱达·花城号”在上海外高桥造船厂顺利出坞。作为涵盖上千个系统、超2500万个零部件的超级工程，AI技术的深度应用，显著提升了建造效率与工程质量。

　　据外高桥造船总监、生产管理部部长包劼文介绍，由AI自主排定的生产计划让车间产能提升了25%。外场已大面积开展机器人试用与推广，覆盖补装、焊接、安全检查、质量监控等环节，自动导向车（AGV）全面落地。

　　依托“AI+”，“制造+服务”正在深度融合，逐步模糊第二产业与第三产业的边界。

　　在广州黄埔开发区，京东业务版图从零售、物流延伸至AI配送机器人、汽车养护、家政服务等16个领域，并计划投资10亿元建设华南地区规模最大的人工智能制造产业园。卡尔·蔡司“灯塔工厂”依托数据驱动，定制化服务能力提升400%；华星光电“星智”大模型应用，使显示面板质检漏检率下降85%。

　　不少智能制造企业顺势而为，催生出一批智能原生新业态、新模式。记者从三一集团了解到，该公司正积极与AI企业及高校科研院所团队合作，共同建设全新的工程机械无人化集群协同作业的生态链，探索无人工程机械集群协同的规范标准通信协议和管理模式，尝试构建“运力承包”等全新商业模式。

三一集团致力于发展为一家“AI原生机器人公司”

　　“我们着力为AI原生工程机械的‘新物种’启动研发新范式，推动智能化向真正的无人化方向发展，‘进化’出工程机械的‘三一大脑’。”三一集团副总裁、研发总部总监李宏伟向记者表示，未来三一集团会发展为一家“AI原生机器人公司”。

　　去年8月，国务院首次提出“培育智能原生新模式新业态”，随后写入“十五五”规划纲要。各地也在加快布局：武汉提出，大力发展智能原生技术、产品和服务，加快培育智能原生企业，催生智能原生新业态；河北雄安新区更是直接提出，要打造AI原生城市，且要有全球影响力；北京亦庄宣布，要打造智能原生产业集群，且要国际领先；南京更是提出，将培育超1000家人工智能原生企业……

　　智能经济时代的创新格局也发生深刻转变，创新主体不再集中于大型企业、产业链链主企业。AI技术将最小生产单元从“团队”进一步压缩至“个人”，催生了全新的创业形态。

　　深圳16岁高中生廖星然，是一家“一人公司”创始人。他在求学期间同步推进创业项目，不仅实现商业化落地，还获得资本关注。与传统高学历、强理工科背景的创业群体不同，廖星然借助AI快速搭建网站、调用大模型接口开发商业化产品。

　　在廖星然看来，未来创业就是跟Agent打交道，按Token计费，再与大模型交互，生产出内容和结果，最后交付给客户。未来，谁能在Token消耗和商业回报之间找到最优解，谁就能建立真正的壁垒。

　　这种“Token经济模式”缩小了行业巨头与超级个体之间的差距，OPC模式凭借灵活高效、贴近用户需求的优势，承担起更多细分赛道的创新任务，成为AI创新生态中的重要力量。

　　针对OPC这一新兴业态，北京、上海、杭州、合肥、南京、深圳等多地已出台专项扶持政策，精准助力其发展。

　　地处制造、外贸、数字经济融合交汇点的广东，跨境小批量定制、碎片化市场需求旺盛，恰好适配OPC高灵活、低成本的特性。针对创业者缺订单、经营难等痛点，广东从产业培育、生态服务、人才支撑、要素保障等多方面发力，为新业态保驾护航。

　　近期，人工智能治理与监管话题，频频站上舆论风口。

　　前不久，GitHub平台上线开源AI项目“张雪峰.skill”，该项目通过“蒸馏”已故考研名师张雪峰的著作、采访与语录，复刻其思维框架与表达风格，实现所谓“赛博复活”；今年“3·15”晚会，曝光部分机构批量投放软文、伪造测评、虚构专家，向大模型投喂定制内容，让商业营销伪装成“AI标准答案”；有关部门专门提示，OpenClaw开源智能体存在权限滥用、数据泄露等安全风险……

　　“AI存在内生风险、应用风险和衍生风险。”工信部原副部长王江平在日前举行的2026赛迪论坛上指出，内生风险源于技术本身，如模型“幻觉”、数据偏见、价值观“跑偏”及巨大的能耗瓶颈。应用风险是AI应用于各场景时出现的风险，从内容生态的深度伪造、物理世界的自动驾驶安全，到人机交互的沉迷与就业冲击，风险正向经济社会稳定等宏观层面传导。衍生风险，即当AI系统能力不断增强，可能引发的主权博弈、智能鸿沟扩大乃至由技术领先者单方面定义人类价值观等全球性挑战。

　　技术发展是客观趋势，但滥用行为必须及时规制。奇安信集团董事长齐向东表示：“没有安全的创新难以行稳致远，为AI设置‘安全护栏’至关重要。”完善AI治理与培育智能经济新形态一体两面，治理并非单纯限制，更是为产业发展清障、铺路、赋能。

　　在清华大学经济管理学院领导力与组织管理系系主任李宁看来，好的治理不是为AI设置“天花板”，而是确保在迈向智能经济的进程中，技术进步、组织变革和人的发展能够协调推进，让人始终处于价值创造的中心。AI治理的视野需要从“管控技术风险”拓展到“护航整个社会经济的转型”。

　　面对智能经济时代“成长的烦恼”，近期有关部门持续强化监管举措。特别是4月份以来，工业和信息化部等十部门联合印发《人工智能科技伦理审查与服务办法（试行）》，对于算法歧视与不公，以及利用AI合成虚假音视频、图像的深度伪造等行为，该办法将从技术层面和社会层面共同构建制度框架，对此形成有效规避。

　　2026年政府工作报告提出，推动人工智能商业化规模化应用。这对AI治理体系提出新要求：如何支撑各行各业从“引入工具”迈向“流程重构”“组织再造”？这需要配套行业标准、转型指引与制度创新。

　　“哪些决策环节必须由人来把握，哪些执行环节可以交给AI，当AI自主行动出现偏差时责任如何界定？”李宁强调，AI治理体系的前瞻性布局，应当围绕这种新型人机协作关系来构建制度框架，而不仅仅停留在对算法本身的规范层面。

　　对于治理体系迭代升级的方向，清华大学公共管理学院长聘副教授陈天昊提出三点：一是善用开源社区自我规制力量，以软法指引、免责激励等方式，引导端侧智能体开发者坚守底线、主动向善，以开放生态应对分布式风险；二是强化基础模型源头治理，规范底层技术能力，推动基础模型价值对齐工作流开放共享，联合产业界研发端侧智能体合规评测基准，从源头防范智能体行为风险；三是推动数字平台构建适配智能体的新型风险防控机制，针对智能体高频、并发的行为特征搭建防护防线，避免个案风险经规模化放大演变为系统性风险。