从赋能到使能：人工智能驱动下的未来产业培育

【摘要】人工智能正在从根本上改变产业创造、运行和获取价值的传统方式。人工智能具有快速感知和响应市场动态、自动提高企业任务单元效率、有效促进业务流程转型和运营模式提升的赋能效应，通过赋能效应促进了现有产业的数字化转型。为了在新领域新赛道中实现“换道超车”，必须加速人工智能从赋能效应向使能效应转变。未来产业的培育必须充分挖掘人工智能的系统性使能效应，理顺人工智能驱动下未来产业培育框架生态的内在关系。完善未来产业培育的战略规划和顶层设计，积极搭建跨学科、大协作、高强度的协同创新平台以及强化未来产业应用场景的不断拓展，是基于使能效应的未来产业培育的关键策略。

【关键词】人工智能 赋能效应 使能效应 未来产业

【中图分类号】F49 【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2024.12.009

引言

在过去几年中，随着数据的指数级增长和计算能力的强劲发展，大型数据集、强大的计算机硬件和新方法的可用性极大地推动了社会各种智能制造系统的概念创新、演进和工程化，人工智能（AI）被认为是全球企业和各行各业的颠覆性力量。当前，人工智能表现出新兴技术的典型特征，如激进的新颖性、相对快速的增长、突出的影响和不确定性，同时伴以包括模糊性以及安全、隐私和问责制在内的担忧和挑战，人工智能正在从根本上改变产业创造、运行和获取价值的方式。根据有关市场研究，从2022年到2023年，全球制造业人工智能市场规模几乎翻了一番，预计到2030年将增长10倍。[1]产业格局正处于一场前所未有的变革边缘，将要释放未开发的巨大潜力，推动产业进入新质生产力和未来赛道的新时代，新兴未来产业的不断涌现与发展所驱动的复杂产品生产空间演进，将是全球创新版图和经济格局变迁中最活跃的力量。

越来越多的国家高频次地宣布其成为人工智能世界领导者的雄心壮志，将人工智能的开发和应用整合到激烈的全球竞争中。[2]在2020年～2023年连续4个财年中，美国明确将人工智能、量子信息科学领域等未来产业作为国家科技发展的优选方向，列入研发预算优先领域备忘录。[3]人工智能的发展甚至被描述为“下一次太空竞赛”，正如20世纪五六十年代，美国和苏联在尖端太空技术中争夺优势，如今21世纪20年代，人工智能成为美国和中国博弈的关键领域。[4]对于中国而言，人工智能领域不存在发达国家领先科技公司的“战略刚性”，因此发展人工智能驱动的未来产业是中国实现“换道超车”的重要机遇。[5]面对这样一个重大战略机遇和严峻挑战，如何探索人工智能的无限可能？如何助推未来产业的发展？如何看待人工智能对产业的赋能效应和使能效应，更深入地理解人工智能对未来产业培育的重大意义，成为极为重要的现实问题。

赋能效应：人工智能驱动下的现有产业数字化转型

由于技术的发展和计算能力的提高，人工智能已经从解决“狭隘”的任务和明确的目标向“更广泛”的任务和更模糊或多方面的目标发展，例如，在社交互动、设计、艺术、科学或创造力和创新方面运用人工智能技术。计算能力的最新进展、数据可用性的广泛增强以及新的机器学习技术的出现，将使各种组织能够在人工智能解决方案的帮助下执行管理活动。人工智能使机器变得足够智能，能够更合乎逻辑地为行业进步或业务任务的开展作出贡献。具体来说，人工智能通过识别和分析图像数据、数字文本和声音，创造提出解决方案、提供建议、突出问题和采取适当行动的可能性。这种赋能效应主要体现在以下方面。

快速感知和响应市场动态。人工智能可以解锁隐藏在大量数据中的洞察力和模式，通过在企业内部和企业之间收集、传输和处理数据，可以呈现以前未知的信息，并帮助人类作出洞察力驱动的决策，即人工智能释放的隐藏价值可用于作出更明智的决策，甚至部分自动化任务。人工智能可以通过提供一种有效的方法来处理大量可用数据，从而帮助管理者克服他们的认知局限性。通过人工智能处理和学习现有客户数据来增强客户细分，使企业能够以全新的方式了解客户的偏好和生活方式，更好地快速感知和响应市场动态，这种响应能力也称为组织敏捷性，它包括感知、知情决策和响应。特别是人工智能的深度学习，可以在这些活动中发挥积极作用，可以被引导到系统有效地识别人类可能错过的模式和潜在信号，并训练他们快速准确地响应这些信号。[6]人工智能具有允许在创新过程中以新颖的方式获取、分析和重新组合有关工艺性能、产品使用与客户需求的信息的功能。

自动提高企业任务单元的完成效率。人工智能涵盖了数据管理、通信和网络管理、传感器管理、产品生产过程管理与产品供应链管理的各个阶段，尤其使生产和运营管理中的质量控制、预测性维护、流程优化和人机交互变得容易，从而提高产品质量。企业可以使用人工智能技术围绕传统产品引入新服务，如推荐系统、聊天机器人或智能代理等。在这个过程中，企业的生产方式逐渐从经验制度化、标准化向精细化状态转变。机器可以比人类更快、更精确地执行部分任务，从而提高企业的吞吐量，特别是在制造业和供应链运营中，人工智能技术的使用可以减少完成一些关键业务流程所需的时间，并通过自动化一系列任务来降低错误率和滞后时间。智能控制系统的技术和应用能力、内部生产系统的能力以及数字系统收集的数据与信息的理解能力被塑造出来，人工智能促进了更高水平的大规模定制流程、产品和服务的实现，使企业能够达到更高的效率水平。[7]

有效促进业务流程转型和运营模式提升。所有业务流程的目标是将输入转化为有价值的输出，新技术有望通过彻底的转型来改善这些流程，人工智能也不例外，它可以重新设计业务流程，从根本上改变当前运营的执行方式。作为一种创新和颠覆性技术，人工智能使企业组织能够创新和转变业务流程，人工智能技术的应用为管理人员和员工带来了一套新的技能与方法，使其能够协同工作，通过影响人力资源的使用方式，促进业务流程和组织结构的变化。通过使用人工智能，企业可以重新分配资源，从长远来看，这些资源有可能重新绘制企业的组织结构图。人工智能正在凸显研发过程中数据的网络效应，因为企业越来越多地被推动发展其跨产品、部门与公司交换、组合和处理数字信息的能力。[8]

当前，许多产业尤其是最具竞争力的产业，都在人工智能系统集成的基础上加速推进数字化转型。[9]据预测，人工智能将影响几乎所有的工作职能。[10]由于赋能效应而产生的数字化转型在世界各地有不同的名称，在中国、德国和巴西被称为“工业4.0”，在美国被称为“未来制造”、“先进制造技术”和“智能工厂”，在英国被称为“未来制造”，在韩国、瑞典被称为“智能制造”。人工智能现在被视为一项基本技术，应用广泛且深入，可以在工业4.0模式的框架内有效地改善商业模式、生产过程和流程结构（见表1）。

从赋能效应到使能效应：人工智能驱动下的未来产业培育范式转型

当前，全球人工智能创新版图加速形成，各个国家和地区都在抢滩布局，希望借助人工智能抢抓新一轮科技革命的战略机遇，构筑先发优势、占据发展制高点。作为全球科技竞争的新高地、未来产业的新赛道、经济发展的新引擎，人工智能发展经历了从深度学习、大模型、ChatGPT到Sora，逐渐地逼近通用智能。为了在新领域新赛道中“换道超车”，必须加速推动人工智能从赋能效应向使能效应转变。

人工智能从赋能效应到使能效应。技术的创新可以是“渐进的”，也可以是“激进的”。渐进式创新一般改进了现有产业并瞄准了现有市场，具有赋能效应；而以新颖性和独特性为特征的激进式创新则具有使能效应，通过扰动现有市场、开辟新市场以及促进后续创新，成为某些领域经济增长的关键因素，对未来产业的影响更大。

未来产业基于重大前沿科技的突破性创新成果，跨越原有的技术轨道，构建出新的研发范式，对未来经济社会发展起到前瞻性的引领作用，是各国深度布局、激烈角力的“竞技场”。[11]因此，前沿技术驱动、未来高成长性和战略支撑性是未来产业区别于其他产业的核心特征。[12]《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确要求：“在类脑智能、量子信息、基因技术、未来网络、深海空天开发、氢能与储能等前沿科技和产业变革领域，组织实施未来产业孵化与加速计划，谋划布局一批未来产业。”[13]一般来说，战略性新兴产业已经初步完成了重大技术试错，从技术创新阶段发展到产业创新阶段；未来产业则仍处于科技创新的试错阶段，产业应用场景和商业模式尚不明确，具有较强的不确定性。人工智能能力的开发与应用仍处于早期阶段，当前，人工智能技术通过赋能效应加快数字化转型，形成了一些战略性新兴产业，这些战略性新兴产业也有可能成为未来产业，但是若要加速培育人工智能驱动的未来产业，需要充分发挥人工智能的使能效应。

人工智能的使能效应往往发生在跨学科的背景下，不是建立在当前知识之上的“创造性积累”，而是采用了开放的技术系统，这种环境整合了迄今为止不同学科和部门中彼此分离的知识领域，特别是开发方和多重应用领域之间的紧密耦合的知识转移，是一种“创造性破坏”知识。人工智能的使能效应使技术创新正在从一个主要关注技术发展的概念演变为一个系统地包含各领域的社会创新概念，无论是在产业层面还是企业层面，一个多层次的创新体系正在超越传统的经济结构和模式。今后，人工智能与物联网、区块链、增强现实（AR）、混合现实（MR）、扩展现实（XR）等技术的融合将继续在塑造未来产业发展方面发挥越来越重要的作用。与此同时，赋能效应以连接机器为目标，打造智能供应链，推动智能产品生产，将人力与自动化产业隔离开来，以最低浪费和最高效率实现大规模定制，在此基础上，使能效应旨在以最低成本和最高精度实现大规模超定制。超定制是一种个性化的营销策略，它将人工智能、机器学习、深度学习、强化学习、认知系统和计算机视觉等尖端技术应用于特定具体情景，为每位客户提供个性化制造解决方案，提供更精准的产品、更敏捷的供应链、更全面的服务和更适配的内容。具体来说，人工智能赋能效应和使能效应的比较如表2所示。

基于使能效应的未来产业培育范式转型。当前，人工智能正在从1.0向2.0演进，人工智能2.0是基于新信息化环境的显著变化、高度自主性和决策能力以及新目标的发展而构建的新一代人工智能。移动互联网和先进计算终端的普及、传感器和控制网络的发展、在线社交社区的兴起以及新一代IT（如区块链、云计算和大数据分析）的出现推动了新的信息化环境形成。社会公认的人工智能2.0核心理念包括大数据智能、跨媒体智能、互联网人群智能、人机混合增强智能、自主智能等。

对更高级人工智能的纯粹技术追求并非未来产业的唯一发展方向。在未来高度自动化和数字化的工厂中，人类将承担更少的体力任务，但在日益复杂的人-信息-物理系统（HCPS）的背景下，人类的决策和解决问题的任务将变得更多。知识工程将使人类从大量脑力劳动和更多体力劳动中解放出来，人类可以从事更有价值的创造性工作。未来产业的设计基于价值导向意识和对人工智能技术的系统理解，人工智能对未来产业的探索将更注重以人为本。具体来说，将先进技术与以人为本的设计原则相结合，将产业工人的要求、偏好和兴趣置于生产过程的中心，专注于产业工人的生活质量、工作的可持续性以及整体的社会福祉，目标是促进包容性创新，让技术增强产业工人的能力而不是取代产业工人，也就是推动实现产业工人更大范围和更深程度的产业参与。产业工人作为技术进步的积极参与者，被置于这一新范式的中心，使能效应强调为生产过程中的所有利益相关者创造公平和包容的新社会契约。以人为本意味着机器将用于执行艰巨、重复或单调的任务，而人类将专注于更具创造性的工作。数字孪生、增强和软机器人等关键技术将在生产线上实现更安全、更具协作性的人机交互；产业工人和智能机器团队将能够动态地协同工作，以安全有效地执行新颖或不熟悉的任务。未来，人类创造力和技术能力的融合将形成更具弹性、道德和人文主义的生产模式，人工智能为劳动价值的多元参与创造提供了更大的可能性。[14]

因此，未来产业的人工智能设备应该可以注意、理解和感受工人，以及正在执行的目标与期望。人工智能驱动未来产业的重要意义在于，将人类智能与机器智能相匹配，训练协作机器人在共同工作时适应人脑变化以观察和学习人类如何执行任务并帮助工人执行任务。在使能效应发挥的愿景中，人工智能需要融入到人类中，以协作、识别和积极增强彼此的互补优势，将工人的直觉、领导力、团队合作、创造力和社交技能，以及机器的速度、精度和持久性进行互补，充分发挥机器和人类的潜力，真正实现以人为本的协同智能。随着数字孪生（DT）、本质安全机器人（即软机器人）和人体增强等新技术的融合，有可能释放人机协作（HRT）的全部潜力。如今，人机协作在制造、医疗保健、物流、生物基因等各个行业中的价值越来越高，机器人融入以人为本环境的方式发生转变，有可能彻底改变未来人类与机器人的交互和协作方式。通过结合人类和机器人的优势，以用户深度参与-多种技术融合-平台互联互通为特征的未来产业创新系统将取代传统的线性创新链。基于使能效应的未来产业培育范式转型如图1所示。

总之，以人为本的人工智能驱动，作为下一代智能使能效应，反映了人机交互与新型智能相结合的趋势。智能驱动应充分考虑人类的角色和需求，以应对人机关系的挑战。也就是说，一方面，产业工人与机器之间的关系不仅是高效的协作，而且是基于人-信息-物理系统的深度融合，从一开始就将人类视角（创造者）整合到设计过程中，建立自然和无缝的交互，产业工人与机器之间相互理解和学习，能够有效激发和促进人-信息-物理系统交互的创新愿景和新模式；另一方面，人工智能可以根据现场实时数据、历史知识以及人类情绪变化和身体健康状况来评估决策的合理性，同时科学分配人机工作，充分利用人类的灵活性和机器的精度，构建一个超级智能、可持续以及具有弹性的产业系统，最大限度地发挥人工智能的核心价值。

使能效应：人工智能驱动下的未来产业培育框架

人工智能是引领未来产业的关键动能与核心架构，未来产业的培育必须充分挖掘人工智能的系统性使能效应，理顺人工智能驱动下未来产业培育框架生态的内在关系，包括未来产业培育目标、使能效应的创新壁垒、未来产业培育的关键策略以及未来产业培育的保障体系，加快推动人工智能驱动的未来产业生态建设和应用实践，为培育新质生产力提供动力引擎与重要支撑。

人工智能驱动下的未来产业培育目标。人工智能驱动未来产业的使能目标，是培养产业的三种基本动态能力：价值发现能力（sense）、价值实现能力（seize）和价值优化能力（reconfigure）。[15]

其一，价值发现能力。在超定制的解决方案交付趋势中，价值发现能力表现在创造需求上，即挖掘客户潜在需求。一般来说，价值发现能力分为两类：客户智能开发和生态系统网络建构。一方面，需要进一步开发客户智能，以便感知人工智能解决方案商业化的机会，通过机器学习深入了解客户的关键技术、价值链堵点和可持续发展目标，更全面地了解客户的运营行为、偏好和需求。另一方面，需要生态系统网络的建构。通过相互合作的能力释放出的协同效应往往会拓展集体创新能力的边界，从而实现有目的的专业知识交流和集体推理。因此，创新网络活动往往是战略性的，而不是简单地应对短期问题。未来产业越来越需要与互补的合作伙伴同行，共同配置有针对性的人工智能解决方案，以创造客户的需求并扩大解决方案的潜在价值。

其二，价值实现能力。价值实现能力基于企业调整模式的动态能力演化，以分工与协作的方式管理复杂的人工智能解决方案开发，需要从一开始就避免过于复杂的解决方案。要将解决方案配置视为一个迭代过程，采用最初的小规模解决方案，不断调整、构建资源池进行资源整合，在流程的早期阶段识别和解决问题，根据操作反馈逐步完善和扩展解决方案，将消费者的潜在需求转化为真实需求。客户和最终用户共同参与开发过程，由此，制造商可以确保他们的需求在最终解决方案中得到充分理解和超前创造。这种方法促进了关于业务需求和潜在解决方案的共享，使开发人员能够更好地提供可视化解决方案和更深入地理解用户，使未来产业系统能够凭借人工智能技术持续自动地从交互情境中学习决策知识，并对知识进行不断更新以确保人工智能解决方案能够熟练、高效地交付并符合客户的期望。

其三，价值优化能力。价值优化能力聚焦在技术的快速迭代和更新中彻底解决人工智能技术与消费者之间的内在张力。一般情况下，企业需要利用现有的人工智能解决方案基础设施和生态系统网络，持续不断地开发新产品、新服务、新市场、新产业，探索新的伙伴关系或合作关系，开拓新的收入来源，使未来产业系统能够与其他多元异构智能系统共享自我更新的知识和最新智能。真正持久的创新和能够带来价值优化能力的未来产业培育，是构建更具包容性的人工智能技术，充分发挥消费者的自主性、创造力，帮助消费者真正获得精神满足。

人工智能使能效应的创新壁垒。使能效应作为激进创新方式，往往依赖于许多相互依存的系统的整合。尽管人工智能在改变许多行业和应用的能力方面可能是“通用的”，但激进的创新很少能以“即插即用”的方式插入现存系统框架。事实上，在研发与应用中存在若干创新壁垒。

其一，技术的锁定和路径依赖特征。使能效应是一种跨学科的知识破坏性创新，产品架构更加模块化、开放式，不能通过利用解决先前任务中获得的信息或知识来实现，必须是一种颠覆性创新。然而，在几十年的发展中，现有人工智能技术具有累积性，“量变”的积累在提升企业核心能力的同时，也使得一些企业产生路径依赖，逐渐失去对新技术和潜在市场的敏感性，从而产生“核心黏性”。尤其在一些模块化程度较低的行业，如运输、电子、机械行业或电子游戏行业，知识的专有性和整体性更强，必须按某些顺序解决一系列相关任务，致力于获得兼容的解决方案和渐进式改进，因而具有技术的锁定和路径依赖特征，妨碍了使能效应的发挥。[16]

其二，需求的超前和不可预见性。未来产业是在对未来10年～15年产业方向进行预判的基础上形成的、需要长期培育的产业。由于使能技术涉及超前的未来技术引领，下游部门和用户对关键使能技术或创新技术缺乏超前的理解和认知，因此难以产生潜在的需求。相关调查发现，尽管全球企业每年在数字化转型方面的投资超过1.1万亿美元，但64%的公司仍面临数字化转型的挑战。[17]这主要是受需求的模糊定位而导致的数字化转型实施路径模糊的影响。如果预判准确，可以提前抢占未来产业竞争制高点，赢得国际经济发展先机；如果预判错误，将会导致创新资源的浪费和在未来产业竞争中失去主动权与优势地位，甚至可能危及产业稳定和国家战略安全。

其三，风险投资的高投入与不确定性。由于未来产业高度依赖前沿性、原创性、突破性、颠覆性技术，目前整体还处于孕育阶段，部分领域技术及产业化存在不确定性、风险性和长周期性，细分领域、发展路径、商业模式、监管方式等诸多方面尚未形成可借鉴、可复制的经验。同时，在短期内无法转化为利润，需要大量市场主体的试错、探索，先期成本投入大。尽管如此，高投入也不意味着高产出，可能只有少数企业才能成为市场的优胜者和产业的主体。资本市场较为普遍的是“短平快”的投资现象，难以满足未来产业发展所需的大量与长期投入。因此，未知风险和低短期回报限制了人工智能使能效应的发挥，削弱了未来产业的投资吸引力。

基于使能效应的未来产业培育的关键策略。一般来说，人工智能驱动的产业空间由物理空间、虚拟空间、数据空间、知识空间和应用空间五个维度组成，当前，我国已形成未来制造、未来信息、未来材料、未来能源、未来空间和未来健康六大产业方向。面对未来产业的创新壁垒，基于使能效应的未来产业培育的关键策略包括以下方面。

首先，完善未来产业培育的战略远见和顶层设计。未来产业的底层技术是关系到国家未来的重点科技领域，其发展离不开国家的战略远见和顶层设计。战略远见是通过观察、感知与捕捉可能引起未来变化的新事件涌现和变革的驱动因素，基于未来长期机会的识别构建各种可能性情境部署。战略远见提供了对国家运营环境、挑战和机遇的洞察，开辟了新的竞争空间。顶层设计则是依据战略远见在跨学科合作中创造愿景，实现支持战略远见、完善早期预警、改进创新过程和提高对环境变化的反应速度等一系列具体规划。人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。国家需要顺应科技革命和产业变革趋势，充分发挥新型举国体制优势，面向国家重大需求和战略必争领域，系统谋划，超前布局，把握未来产业发展规律，前瞻部署、梯次培育、动态调整。事实上，国家的战略远见和顶层设计可以通过改变市场主体的博弈结构而优化竞争。[18]因此，要在国家发展战略愿景和目标导向下，开展人工智能、区块链、云计算、边缘计算、工业物联网等前沿技术的未来发展趋势预测，识别前沿技术对未来社会经济发展的带动作用，进行未来产业技术壁垒分析等情报研究；重点关注前沿技术的前瞻性发现、颠覆性技术与非共识技术的识别，开展重大关键技术识别与评估。

其次，积极搭建跨学科协同创新平台。未来产业呈现出前所未有的“大集成”特征，企业内部研发、生产、销售、服务、管理过程等实现动态智能集成，即纵向集成；企业间基于工业互联网与智能云平台，实现集成、共享、协作和优化，即横向集成；制造业与金融业、上下游产业的深度融合形成服务型制造业和生产性服务业共同发展的新业态；智能制造与智能城市、智能交通、智能医疗、智能农业等交融集成，共同形成智能生态大系统——智能社会。[19]针对未来产业特征，要按照“科学-技术-产业”逻辑，沿着从“0”到“1”再到“N”的道路，推动颠覆性技术从实验室到生产车间再到大市场，推动原创性、颠覆性科技成果竞相涌现，推动重大科技成果加快产业化，培育发展未来产业的创新生态系统。创新生态系统是具有参差交错的复杂结构关系的动态、开放的自适应系统，该系统由创新企业与高校、科研院所、科技中介、投资机构、孵化器、创新平台、政府等创新群落以及群落之间、群落与创新环境之间相互作用而形成。

最后，强化未来产业应用场景的不断拓展。人工智能的一项基本功能就是系统利用外部数据，通过灵活适应来实现特定目标和任务。因此，未来产业的发展方向是开发多样化的人工智能应用能力。人工智能的迭代演进必将催生新场景和新产业，应用场景的不断拓展与持续细分对于未来产业和身处其中的高科技企业来说是机遇也是挑战。将通用人工智能技术与具体产业场景相结合，实现设计模式创新、智能生产决策、资源优化配置等创新应用，才能推进人工智能在具体应用场景与行业领域的应用和有效验证。[20]场景拓展阶段不仅要解决技术的生产制造问题，还要推进未来产业商业化、刺激相关市场启动等，需要进行有效的产业风险预警、产业竞争格局分析、未来趋势预测以及产业投资前景分析等。需要积极组织实施“前瞻性-验证性-试验性-推广性”的场景应用体系，根据功能定位的不同，建设城市应用场景开放高地，打造未来社区、未来医院、未来工厂、未来商业等综合性场景，对符合战略性未来技术方向和未来产业发展需求的科研攻关项目予以重点扶持，催生一批重大基础研究成果和战略产品。

未来产业培育的保障体系。人工智能的创新与发展是一个复杂的长期过程，影响着参与者、技术和机构，同时也受到社会各方面的影响。未来产业的形成是产业内及产业间不同主体共同参与、多产业融合的开放创新生态系统。[21]从社会系统话语中产生的共识决定了范式转型过程的成功、强度、范围和速度，也就是说，未来产业的发展在很大程度上取决于人工智能技术的应用、推广、接受以及可用资金。

一般来说，人工智能驱动的未来产业培养的保障体系是三个层次相互作用的结果：社会景观、技术制度和市场利基。[22]作为宏观层面，社会景观代表了当前以规则、秩序和政策为特征的稳定以及自我强化的结构和做法。社会景观发展可以显著影响技术制度和市场利基水平，最重要的是，能够为利基的创造提供机会窗口。作为中观层面，技术制度解释了现有技术发展的稳定性和轨迹的发生。在现有技术制度内，以激进创新活动为特征的路径转型或几个迄今为止不相关的行业的活动重组，都可能导致未来产业的出现。作为微观层面，市场利基是激进创新孵化产生和发展的原因，在典型的“替代”型转型路径中，利基创新旨在获得动力，并试图在技术制度中扩散或创造变革。

人工智能的创新越来越多地发生在不同的社会层面中，无论是新兴技术还是颠覆性技术，一个多层次的创新体系正在超越现有结构。社会景观、技术制度和市场利基这些层次之间的共同进化、相互作用创造了人工智能驱动未来产业培育保障体系的过渡动态。在培育过程中，技术制度的普遍态度、实践及其在系统中的使用逐渐被源自市场利基的新倾向所取代。当技术制度和市场利基的变化嵌入到社会景观系统的普遍生产和用户子系统中时，人工智能的使能技术就成为通用技术，过渡就完成了。

结语

当前，我国人工智能研究成果不断突破，机器学习、自然语言处理、计算机视觉等领域不断催生新算法、新模型、新范式、新产业，人工智能框架正向着全场景支持、超大规模AI、安全可信等技术特性深入探索。国家层面聚焦未来产业关键技术、细分赛道，构筑产业竞争新优势；地方层面如北京、上海、深圳、杭州、南京等地出台多项举措，抢占未来产业制高点，把握高质量发展先机。按照“技术创新-前瞻识别-成果转化”的思路，不少省市都制定了未来产业的发展规划，部分省市还出台专项政策支持未来产业发展。各地未来产业发展政策在组织间的纵向扩散，不仅表现为政策“自上而下”的吸纳，也表现为“自下而上”的传导，各地未来产业发展方向不胜枚举。[23]然而，一些未来产业政策大多基于本地产业需求及自身理解来制定，缺少对多产业前沿技术交叉融合和叠加创新的关注。随着未来人工智能使能效应治理经验的累积、优化与蝶变，各地对未来产业的内涵边界把握以及前瞻规划运筹将得到更大提升。

注释

[1]R. Naeem; M. Kohtamäki and V. Parida， “Artificial Intelligence Enabled Product–Service Innovation： Past Achievements and Future Directions，“ Review of Managerial Science， 18 April 2024.

[2]I. Ulnicane et al.， “Good Governance as a Response to Discontents？ Déjà vu， or Lessons for AI from other Emerging Technologies，“ Interdisciplinary Science Reviews， 2021， 46（1–2）.

[3]杨丹辉：《世界大变局下的产业政策：演进动向与逻辑重构》，《改革》，2023年第11期。

[4]I. Ulnicane， “Against the New Space Race： Global AI Competition and Cooperation for People，“ AI & Society， 2023， 38.

[5]李晓华：《技术推动、需求拉动与未来产业的选择》，《经济纵横》，2022年第11期。

[6]I. M. Enholm et al.， “Artificial Intelligence and Business Value： a Literature Review，“ Information Systems Frontiers， 2022， 24.

[7]江小涓、靳景：《数字技术提升经济效率：服务分工、产业协同和数实孪生》，《管理世界》，2022年第12期。

[8]P. C. Johnson et al.， “Digital Innovation and the Effects of Artificial Intelligence on Firms' Research and Development – Automation or Augmentation， Exploration or Exploitation？ “ Technological Forecasting and Social Change， 2022， 179.

[9]G. C. Amaizu et al.， “Metaverse in Advanced Manufacturing： Background， Applications， Limitations， Open Issues & Future Directions，“ ICT Express， 2024， 10（2）.

[10]M. Iansiti and K. R. Lakhani， “Competing in the age of AI，“ Harvard Business Review， 2020， 98（1）.

[11]余东华：《“十四五”期间我国未来产业的培育与发展研究》，《天津社会科学》，2020年第3期。

[12]李晓华、王怡帆：《未来产业的演化机制与产业政策选择》，《改革》，2021年第2期。

[13]《国家及各地区国民经济和社会发展第十四个五年规划和2035年远景目标纲要（上）》，北京：人民出版社，2022年，第13页。

[14]M. H. Zafar; E. F. Langas and F. Sanfilippo， “Exploring the Synergies between Collaborative Robotics， Digital Twins， Augmentation， and Industry 5.0 for Smart Manufacturing： A State–of–the–Art Review，“ Robotics and Computer–Integrated Manufacturing， 2024， 89; 彭劲松：《科学全面认识人工智能时代的劳动价值》，《人民论坛·学术前沿》，2022年第8期。

[15]D. Sjödin; V. Parida and M. Kohtamäki， “Artificial Intelligence Enabling Circular Business Model Innovation in Digital Servitization： Conceptualizing Dynamic Capabilities， AI Capacities， Business Models and Effects，“ Technological Forecasting and Social Change， 2023， 197.

[16]S. Lechevalier; J. Nishimura and C. Storz， “Diversity in Patterns of Industry Evolution： How an Intrapreneurial Regime Contributed to the Emergence of the Service Robot Industry，“ Research Policy， 2014， 43（10）.

[17]“PwC Digital Factory Transformation Survey 2022，“ https：//www.pwc.de/de/content/0f96ea9c-992c-4ba7-8c4d-b4637cf81d9f/pwc-digital-factory-transformation-survey-2022.pdf， 2022.

[18]贺俊：《新兴技术产业赶超中的政府作用：产业政策研究的新视角》，《中国社会科学》，2022年第11期。

[19]J. Zhou et al.， “Human–Cyber–Physical Systems （HCPSs） in the Context of New–Generation Intelligent Manufacturing， “ Engineering， 2019， 5（4）.

[20]胡拥军：《前瞻布局未来产业：优势条件、实践探索与政策取向》，《改革》，2023年第9期。

[21]刘志彪：《新质生产力的产业特征与驱动机制》，《探索与争鸣》，2024年第3期。

[22]C. K. Lee and L. M. Yu， “A Multi–level Perspective on 5G Transition： The China Case，“ Technological Forecasting and Social Change， 2022， 182.

[23]王小林、金冉：《未来产业：政策扩散与路径选择》，《社会科学战线》，2024年第5期。

责 编∕李思琪 美 编∕周群英