智慧经济

定义

智慧经济指在数字经济充分发展的基础上，由人工智能等新一代智能技术推动形成并发展起来的经济形态。中国发展研究基金会与百度于 2020 年联合发布的《新基建，新机遇：中国智能经济发展白皮书》给出了这一定义，并将其概括为数字经济发展到一定阶段后出现的新形态^[1][2]。

在中文语境中，该词与「智能经济」大体指同一对象，常被交替使用；两者的区别更多体现在用词习惯上，而非内涵上^[4]。学术讨论中亦有学者把它界定为以人工智能为核心引擎、数据为关键生产要素、算力为新型基础设施的经济范式，强调智能技术由辅助工具升级为驱动新业态涌现的核心力量^[5][6]。

从经济形态的序列看，智慧经济被视为继农业经济、工业经济、数字经济之后的新阶段。农业经济主要依赖土地与体力，工业经济依赖资本与能源，数字经济依赖数据与网络，而这一形态强调智慧生产力本身的高低，增长动力由要素配置优化转向智能驱动的能力提升^[3][7]。

原理

从技术结构看，智慧经济以「数据—算力—算法」为基本支撑：数据是训练与迭代的来源，算力提供运算能力，算法把数据转化为判断与决策，三者共同构成智能服务的技术底座^[5]。其转化链条可概括为数据经清洗整合成为信息，信息经分析提炼成为知识，知识经学习推理成为智能，智能再落实为具体决策和行动^[8]。

在经济运行层面，智能系统依据需求对数据进行分析，自主完成判断、预测与决策，并向相应的人和设备发出指令，从而在企业经营和国民经济运行两个层面实现智能化^[9]。这一过程可用简化关系表示：$\text{数据} \rightarrow \text{算力} \rightarrow \text{模型决策} \rightarrow \text{资源配置}$。

其运行方式与工业经济的规模化生产不同，更依赖人机分工：机器承担标准化、重复性和大运算量任务，人则负责创造性、情感性与复杂决策的工作，二者互补形成新的生产模式^[8]。

flowchart LR

A[数据采集] --> B[算力与模型训练]

B --> C[判断、预测与决策]

C --> D[指令下发至人与设备]

D --> E[生产与治理活动]

E --> A

发展历程

作为一个有理论色彩的提法，智慧经济在中文文献中出现较早。2005 年出版的《经济领域的哥白尼革命》被认为首次提出并系统阐述了具有经济形态意义的「智慧经济」概念，其后《对称经济学丛书》等著作作了进一步展开，将其界定为以创新性知识和创意产业为主导的知识经济形态^[10][11]。

地方层面，杭州在 2014 年前后把发展信息经济和智慧经济列为重点工程，浙江省亦出台加快发展信息经济的指导意见，并在省内开展智慧城市试点；2014 年 8 月，国务院八部委出台《关于促进智慧城市健康发展的指导意见》，智慧城市建设由此进入国家部署层面^[12]。

2020 年 6 月 18 日，中国发展研究基金会与百度联合发布《新基建，新机遇：中国智能经济发展白皮书》精简版，同年 12 月 15 日发布完整版，系统阐释了该经济形态的内涵、特征与典型应用场景^[13][4]。

政策表述在 2025 年进一步明确。2025 年 8 月 21 日，国务院印发《关于深入实施「人工智能+」行动的意见》，提出到 2027 年智能经济核心产业规模快速增长，到 2030 年智能经济成为我国经济发展的重要增长极，到 2035 年全面步入智能经济和智能社会发展新阶段^[14][15]。

产业数据方面，2025 年我国人工智能核心产业规模超过 1.2 万亿元，相关企业超过 6200 家^[3]。

应用

白皮书围绕八大典型场景阐释了这一形态的落地方式，包括智慧交通、智慧城市、智慧医疗、智慧教育、智慧金融、智能制造和智能家居等，认为智能技术在这些场景中催生新技术、新业态与新模式^[13]。

在交通领域，智能信号控制、车路协同与自动驾驶是较早进入实际部署的方向；公开数据显示，智慧交通可提高道路使用效率、减少交通堵塞约 60%，并提升既有道路通行能力 2 至 3 倍^[1]。

在制造与生产环节，工业互联网把生产、供应、销售等环节的数据打通，工业机器人结合云计算的算力进行自主学习与判断，据此监测运行状态并调整生产安排，形成人机协作的工厂形态^[9]。

在治理与公共服务领域，城市通过物联网感知终端采集运行状态数据，构建真实城市的虚拟镜像以支撑监测、预测与情景分析，从而实现全天候的智能管理与调控^[9]。

局限

智慧经济的发展受制于要素供给的结构性错配。高质量、可合法用于训练的数据相对稀缺，数据确权、流通与定价制度尚不完善，智能算力供给也偏紧张；部分中小企业因数字化基础薄弱、缺少复合型人才，在应用智能技术时面临能力与成本的双重门槛^[16]。

技术自身也存在可信度问题。大模型可能出现「幻觉」，即生成看似合理却与事实不符的内容；训练数据被恶意干扰还可能造成输出偏差，这些现象反映出可信数据源与算法治理仍较薄弱^[16]。算法运行过程高度不透明，公众难以追溯决策逻辑，基于历史数据训练的模型还可能固化甚至放大既有偏见。

在结构层面，数据与算力资源有向少数主体集中的趋势，区域间算力分布不均衡，可能导致赋能效果分化并扩大「智能鸿沟」；智能产业能耗上升也带来资源与环境压力^[17]。

此外，学术研究指出人工智能对就业的影响并非单向替代，而取决于任务结构、技术应用边界与新任务的创造能力；劳动过程的算法化管理与收益分配失衡，也被列为需要关注的社会层面问题^[17]。前沿技术的成果转化链条亦不顺畅，具身智能等方向的应用布局仍较零散，规模化落地存在困难。

参见

• 数字经济 —— 智慧经济被视为在数字经济充分发展基础上形成的新阶段。

• 人工智能 —— 智慧经济的核心技术驱动力。

• 智能经济 —— 与智慧经济常被交替使用的相近表述。

• 工业互联网 —— 智能制造领域的重要基础设施。

• 智慧城市 —— 智慧经济在城乡治理中的主要应用场景。