谈到发展智能经济的优势，我们就不能只看技术本身，更要看到支撑技术生长的土壤。一是场景与市场深度耦合。14亿多人口、全球最大规模中等收入群体和最完备的工业体系，叠加工业、农业、社会治理等领域的海量复杂场景，构成了全球最具活力的“天然试验场”，让智能技术从实验室快速走向规模化落地。二是基础设施坚实。5G基站、数据中心、物联网等数字基础设施全球领先，智算集群、算电协同等新型基础设施正加速布局，为技术低成本转化提供了有力支撑。三是海量数据资源持续供给。我国在过去的数字化浪潮中沉淀了极其庞大、高密度的政务、产业与消费数据，为智能经济迭代升级提供了充沛“燃料”。四是制度优势凸显。长期以来，国家层面出台了一系列战略规划、政策文件，构建起覆盖技术创新、产业应用、基础设施、安全治理的全链条政策体系，为智能经济发展谋划了稳定清晰的政策路径，让技术突破与产业应用在“干中学、用中创”中形成良性循环。
近年来，多地坚持以技术革新驱动产业发展，持续加大生产设备升级和研发技术创新投入，稳步推动传统制造向智能制造转型。图为2026年3月16日，在浙江省湖州市长兴县吕山乡一家公司的未来工厂，工人在智能化生产线上作业。 新华社发 谭云俸/摄
作为引领未来经济发展的根本力量，智能经济的发展水平直接决定一国在全球产业链、创新链、价值链中的地位。当前，我国发展智能经济面临的核心问题，除了技术仍需创新和追赶外，更重要的是技术供给与市场需求之间还存在一定的结构性错配。
从供给侧看，首先就是高质量数据稀缺。我们常说的海量数据优势，不等于真正能被高质量标注、跨主体流通、合法合规用于训练的数据。此外，数据确权、流通、定价等制度体系也需要不断完善。其次是智能算力相对紧张，跟不上爆发式增长的推理与训练需要。再次是大模型技术尚不成熟，存在“模型幻觉”（模型会生成看似合理但与事实不符的错误内容）或“模型投毒”（通过恶意数据干扰训练，导致算法输出偏差）等风险，暴露出可信数据源和算法治理的薄弱之处。
从需求侧看，企业客户使用人工智能技术降本增效的意愿强烈，但对模型的真实能力、数据安全风险、投入产出比等还有顾虑。同时，不少企业尤其是中小企业自身数字化基础不一，缺乏既懂人工智能又懂自身业务的复合型人才，面对智能技术时常常陷入“想用却不敢用、不会用、用不起”的困境。
更深层次观察，智能经济发展的结构性错配，本质上是系统如何完善的问题。这意味着，智能经济所面临的发展短板往往不是孤立存在的，而是技术、制度、产业、治理等多重问题的交织。从技术上看，全球竞争格局的变化让高端芯片、基础软件、先进制造设备的获取门槛持续抬高，我国在算法、大模型、操作系统等关键环节仍存在短板，自主可控能力有待加强。从应用上看，人工智能与实体经济深度融合存在堵点，智能技术的商业化路径仍在探索，部分领域技术与场景的衔接尚未打通，可复制、可推广的标杆案例和成熟模式并未真正形成。从治理上看，随着人工智能技术加快向各领域渗透，算法伦理、数据安全、就业结构变化等问题日益凸显，现有治理体系滞后于智能经济发展需要，适配性不足。此外，国际规则主导权的博弈同样不容忽视。经贸摩擦、技术竞争和全球产业链供应链重组等挑战，直接影响着我国智能经济发展所需的高端要素、国际市场和规则空间。
（策划：侯亚景 舒予）
