专家观点｜张礼立：人工智能 引爆新质生产力发展
作者：张礼立，沪港澳金融发展协会副会长
整理：龙彦霖
在近日举行的“‘创见·未来’系列沙龙第五期暨2026年第八届浦东新区大数据创新应用竞赛主题培训——数智无界·创享未来”上，沪港澳金融发展协会副会长张礼立以“人工智能+引爆新质生产力发展”为题，从全球财富格局变化、科技的双重属性、新质生产力的内在逻辑、制造业的基础地位以及中国产业转型升级路径等维度，系统分享了对“人工智能+”与新质生产力发展的思考。
当前，人工智能正在从技术创新加速走向产业应用，并逐步影响企业的生产方式、组织方式、管理方式和价值创造方式。它带来的不仅是效率工具的更新，更是产业逻辑、人才结构和竞争规则的深刻变化。
本文根据张礼立在主题分享中的主要观点整理。
全球宏观变局下的财富秩序重构：
AI时代的五大核心变量
张礼立首先从全球经济与财富格局的变化切入。他认为，预判始终是一件极具挑战的事情。无论是企业经营者、投资者，还是产业研究者，真正有价值的能力，并不是对已经发生的事情进行解释，而是尽可能在复杂的信息和不确定性中识别趋势、理解变化，并对下一阶段的发展作出相对准确的判断。
当前，全球财富格局、产业体系和社会运行方式正在经历深刻调整。传统的价值判断和财富估值方式，越来越难以完整解释新技术、新产业和新商业模式带来的变化。影响未来财富走向和产业秩序的因素很多，其中有五个变量尤其值得关注。
第一是债务。债务问题涉及国家、企业、家庭和个人等不同主体。随着全球经济增长方式、利率环境和产业结构发生变化，债务对经济运行和财富配置的影响更加复杂，也对公共治理和企业经营提出了更高要求。
第二是社会内部的分化。不同群体在信息获取、价值判断和发展预期上的差异有所扩大，共识形成的难度不断上升。技术在提高信息传播效率的同时，也可能加剧认知分层。因此，如何提升社会沟通能力、增强不同群体之间的理解，正在成为技术发展之外的重要课题。
第三是国际秩序的调整。全球产业链、供应链和价值链正在重新布局，国际经贸合作规则也在持续演变。企业不仅需要关注市场需求和经营效率，还必须增强对地缘环境、贸易规则、供应链安全和市场变化的综合判断能力。
第四是科技。科技已经成为推动生产力发展的重要力量，而人工智能正在进一步放大这种作用。它既改变具体的生产工具，也改变企业组织资源、配置资源和创造价值的方式。
第五是气候变化与自然灾害。极端天气和自然灾害对农业、能源、物流、城市运行和企业供应链的影响不断增强。绿色转型、气候适应能力和产业韧性，已经从社会责任议题逐步转变为企业发展和产业竞争的重要组成部分。
张礼立特别强调，人们经常讲“科技以人为本”“科技向善”，这些表达代表了社会对技术发展的价值期待。但从历史经验看，科技本身具有明显的双重属性：它既能够提高效率、改善生活、推动社会进步，也可能带来新的风险、失衡和治理挑战。
人工智能的发展同样如此。
过去，企业只有在经营压力较大时，才会优先考虑压缩人员和控制成本。但近年来，一些经营状况良好的科技企业也在主动调整组织结构，加快人工智能应用。这说明企业经营逻辑正在发生变化：竞争优势不再主要来自人员规模的扩张，而越来越取决于数据能力、智能化水平、组织效率和人机协同能力。
这并不意味着人的价值正在消失，而是人的价值需要被重新定义。
未来，重复性、程序化和标准化程度较高的工作，可能更多由机器和智能系统承担；人的主要价值，将更多体现在提出问题、作出判断、承担责任、组织协作以及处理复杂关系等方面。
从更长的周期看，人工智能不仅是一轮技术创新，也正在成为影响全球产业格局、财富分配方式和组织运行逻辑的重要变量。每一个企业和个人，都需要重新思考自身在新体系中的位置与价值。
产业规则颠覆性重塑：
AI浪潮下的生存逻辑迭代
人工智能带来的变化，并不只是把原有工作做得更快，而是在一些领域逐步改写原有的产业规则。
张礼立以算力共享等新模式为例指出，过去人们主要依靠劳动、资本和资产获得收入，而在数字经济与人工智能时代，数据、算法、算力、模型和闲置设备也可能参与价值创造。
例如，部分科技企业正在探索将闲置设备算力接入网络，在确保安全、合规和用户授权的前提下，把原本未被利用的计算资源转化为新的生产能力。这类模式仍处于发展过程中，但它已经提出了一个值得思考的问题：当机器、算法和数字资产越来越多地参与生产，传统劳动的边界、价值创造方式和收益分配机制将如何变化？
这也是人工智能时代必须正视的长期议题。
第二个变化，是成熟商业模式面临重新定价。
软件即服务模式曾经推动了企业信息化的快速发展，订阅制也成为软件企业重要的商业模式。但随着大模型、智能体和自动化开发工具不断成熟，软件开发、系统集成和功能调用的成本正在下降。过去需要长期开发、持续维护的部分功能，未来可能通过标准化模型接口、智能体或轻量化应用实现。
这并不意味着软件服务行业将失去价值，而是软件企业的价值重心正在发生转移。
单纯提供标准功能、依靠信息不对称或高切换成本维持客户关系的模式，将面临更大挑战。真正具有持续竞争力的企业，需要深入行业场景，理解客户业务，沉淀高质量数据，并将技术能力转化为真实的经营成果。
人工智能改变的不是某一个产品，而是软件产业的成本结构、交付方式和价值评价体系。
第三个变化，是人才评价标准正在调整。
传统人才评价体系通常高度重视学历、专业、工作年限和既有经验。但在技术快速迭代的环境中，学习能力、跨界能力、问题意识和创新能力的重要性进一步提升。一些科技企业开始更加重视候选人是否能够独立思考、快速学习和解决复杂问题，而不再只以学历和履历作为唯一标准。
这也反映出知识形态的变化。
张礼立将那些固定不变、脱离应用场景、只能提供标准答案的知识称为“化石知识”。知识本身当然仍然重要，但在人工智能时代，真正具有价值的并不是记住了多少标准答案，而是能否将知识转化为判断、方法和行动。
固定知识可以被存储、检索和调用，动态思考却难以被简单复制。
同样，企业拥有大量数据，并不等于拥有数据能力。如果数据长期沉睡、缺乏治理、无法更新，也无法与具体业务场景结合，那么它就很难转化为生产力。只有能够持续更新、相互关联并服务于决策的数据，才可能成为真正有价值的数据资产。
人才培养体系也正在面临类似挑战。当前，越来越多的学习者开始重新关注职业技能、实践能力和产业经验。一些本科毕业生选择进一步接受职业技能教育，也说明人才成长不再是单一、线性的学历提升过程，而是需要根据产业变化不断更新能力结构。
这并不是对普通教育和学术教育的否定，而是提醒教育体系更加重视产业需求、实践能力和终身学习。
张礼立指出，人工智能正在推动社会经济运行方式发生变化。未来可能形成更加复杂的人机协同体系：机器参与生产，人类承担判断；算法参与分配，制度维护公平；智能系统提供服务，人类负责价值选择和最终责任。
在这一过程中，每一个市场参与者都需要重新审视自己的角色。
对于个人而言，要思考哪些能力可以被工具增强，哪些能力难以被替代；对于企业而言，要思考自身真正创造的价值是什么，是依靠信息差、资源差和渠道差，还是依靠专业能力、组织能力和客户信任；对于教育机构而言，则要重新思考人才培养如何与真实产业需求更紧密地连接。
人工智能带来的竞争，不只是技术竞争，更是人才能力、组织能力、管理能力和产业协同能力的综合竞争。
技术落地的底层逻辑：
新质生产力的发展必然路径
在谈到新质生产力时，张礼立进一步梳理了信息经济、数字经济和智能经济之间的关系。
他认为，信息社会、数字社会和智能社会并不是简单的线性替代关系，也不是进入智能时代后，数字化、信息化就不再重要。现实中的产业发展具有明显的层次性，不同国家、地区、行业和企业，所处的发展阶段并不相同。
有些企业已经开始探索大模型和智能体，有些企业仍在补信息化和数字化的基础课；有些工厂正在建设高度自动化的生产线，有些中小企业甚至还没有形成完整的数据管理体系。
因此，人工智能的产业应用不会一蹴而就，而将呈现持续渗透、分层推进的特点。
企业不能因为人工智能成为热点，就忽视信息化、数字化和自动化基础。没有稳定的信息系统，没有高质量的数据，没有清晰的业务流程，人工智能就很难真正发挥作用。
针对技术与产业融合，张礼立提出了一个核心公式：
（IT+CT+DT）×OT。
其中，IT代表信息技术，CT代表通信技术，DT代表数字技术，OT代表运营技术和行业技术。
IT、CT和DT具有一定通用性，可以被不同行业学习、采购和应用；OT则是企业长期积累的行业知识、业务能力、工艺经验和运营体系。
人工智能可以帮助企业放大能力，但无法替代企业对行业本质的理解。
如果一家企业不了解自身业务，不清楚生产流程，不掌握客户需求，也没有形成数据沉淀，那么即使部署了先进模型，也很难创造真正价值。相反，一个深耕行业、掌握场景、拥有数据和运营经验的企业，即使不是技术公司，也有可能在人工智能时代形成新的竞争优势。
因此，真正决定人工智能应用深度的，往往不是模型本身，而是行业知识、业务流程、数据基础和组织能力。
张礼立同时提醒，人工智能的发展必须重视安全与治理。
智慧可以改善世界，也可能被用于制造风险。人工智能能够提高研发效率、优化企业管理，也可能带来数据泄露、算法偏差、知识产权、系统安全和责任边界等问题。随着人工智能应用不断深入，全球范围内对技术监管、安全治理和伦理规范的关注持续上升。
企业应用人工智能，不能只看技术效果和短期效率，还需要建立相应的数据治理、安全管理和责任机制。
人工智能对企业的考验，本质上也是对管理能力的考验。
管理基础较好、业务流程清晰、数据治理完善的企业，人工智能能够成为效率提升和组织创新的加速器；如果企业内部职责不清、流程混乱、数据失真，人工智能也可能进一步放大原有问题。
因此，企业不能简单把人工智能看作一个外挂工具。
在软件研发等领域，人工智能已经能够辅助生成代码、完成测试和提供优化建议，但最终的架构设计、质量审核、安全控制和责任判断，仍然需要经验丰富的专业人员完成。工具越强大，对人的专业判断和责任意识要求往往越高。
人工智能并没有让经验失去价值，而是让高质量经验变得更加重要。
新质生产力的形成，同样不能脱离经济发展的基本规律。生产力的提升，始终来自技术进步、要素优化和组织创新。中国经济过去几十年的快速发展，与工业化、信息化、市场化和全球化密切相关。进入新的发展阶段，依靠简单要素投入和规模扩张实现增长的空间逐步收窄，科技创新正在成为推动产业升级的重要力量。
人工智能之所以成为发展新质生产力的重要抓手，不是因为概念新，也不是因为市场关注度高，而是因为它能够广泛作用于研发、生产、管理、流通和服务等多个环节，并推动数据、技术、人才和资本等要素重新组合。
但人工智能只有进入真实产业、解决真实问题，才能真正转化为生产力。
锚定制造业根本：
“人工智能+”的产业落地
张礼立特别强调了制造业在人工智能产业化进程中的重要地位。
制造业是实体经济的重要基础，也是我国现代产业体系的重要支撑。中国拥有规模庞大、门类齐全的制造业体系，形成了丰富的产业场景、供应链资源和工程化能力。这既是中国经济的基础，也为人工智能规模化应用提供了独特优势。
人工智能的发展不能只停留在模型参数、算力规模和应用展示层面，更要进入工厂、园区、供应链和生产服务体系，解决研发周期、生产效率、质量控制、设备运维、能源管理和市场响应等实际问题。
从这一意义上看，“人工智能+制造业”不仅是技术应用，也是推动中国由制造大国向制造强国迈进的重要路径。
传统生产力通常由资本、劳动力、土地和技术等要素共同构成。在人工智能时代，数据、模型、智能体、机器人、场景和算力正在成为新的关键变量。
可以将人工智能时代的生产力理解为：
生产力＝数据×模型×智能体×机器人×场景×算力。
这一公式并不是对传统生产要素的简单替代，而是强调新技术要素之间的协同关系。
数据为模型提供训练和决策基础，模型为智能体提供认知能力，智能体负责理解任务、调用工具和组织流程，机器人将数字智能延伸到物理世界，场景决定技术价值能否被验证，算力则提供基础支撑。
这些要素之间不是简单相加，而是相互影响、相互放大。任何一个环节存在明显短板，都可能制约整体效果。
尤其需要强调的是场景。
人工智能不能脱离场景创造价值。没有场景，模型只是技术能力；进入场景，解决问题，才能成为生产力。
制造业中仍有大量流程长期依靠经验和人工完成，在产品设计、工艺优化、质量检测、设备维护、库存管理、供应链预测等方面，人工智能都有较大应用空间。
例如，在研发环节，人工智能可以辅助设计和仿真，缩短产品开发周期；在生产环节，可以通过视觉识别和预测性维护提高质量和设备利用率；在供应链环节，可以增强需求预测和风险识别；在市场环节，可以帮助企业理解客户、优化产品和提升服务能力。
人工智能不仅能够提高效率，也有助于推动标准化和国际化。
以中医药等具有深厚文化积淀的产业为例，其国际传播和市场拓展往往面临语言差异、标准差异、认知差异和数据基础不足等问题。通过数字化和人工智能手段，可以进一步推动知识梳理、质量追溯、标准表达、用户教育和市场洞察，从而增强国际沟通能力。
当然，技术不能替代文化，也不能替代专业判断，但可以帮助传统产业以更清晰、更标准、更容易理解的方式进入全球市场。
对于如何判断一项技术是否具有颠覆性，张礼立提出，可以重点观察它是否带来了数量级的成本下降、效率提升和商业模式变化。
真正具有颠覆性的技术，通常不是把原有流程提高几个百分点，而是改变成本结构、生产方式和产业规则。对于中国企业而言，从0到1的原创技术固然重要，将技术从1推广到100、进入大规模产业应用，同样具有重要价值。
中国制造业的优势，不仅在于产业规模和门类完整，还在于丰富的场景、完整的供应链和较强的工程化能力。如何把人工智能的技术能力与这些产业优势结合起来，将决定未来一段时间中国人工智能发展的实际成效。
针对企业如何落地人工智能，张礼立提出五个步骤：
找场景、建数据、选工具、改流程、重组织。
第一，找场景。
企业应从真实问题出发，选择价值明确、数据相对可得、效果可以衡量的应用场景，而不是为了使用人工智能而使用人工智能。
第二，建数据。
数据是人工智能应用的重要基础。企业需要梳理数据来源，提升数据质量，建立数据治理、权限管理和安全机制，使数据真正服务于业务。
第三，选工具。
企业不必盲目追求最新、最大或最复杂的模型，而应根据业务需要选择适合的技术方案。工具的价值不在于参数规模，而在于是否能够稳定、经济、安全地解决问题。
第四，改流程。
如果只是把人工智能叠加在原有流程之上，往往只能获得局部效率提升。真正的价值来自重新设计工作流程，明确人和机器各自的职责，实现更高水平的人机协同。
第五，重组织。
当工作流程改变后，岗位职责、考核方式、人才结构和组织边界也需要相应调整。人工智能转型最终不是一个单纯的技术项目，而是一场涉及战略、管理和组织的系统变革。
因此，企业不能把人工智能看作外挂工具，而应将其视为工作流重构和组织能力升级的重要手段。
最后，张礼立还谈到人工智能时代企业出海与招商逻辑的变化。
过去，一些企业更多关注产能输出、订单获取和渠道扩张，但在全球市场竞争日益复杂的背景下，企业还需要进一步掌握终端用户、消费需求、价格结构和品牌认知。
企业不仅要知道产品卖到了哪个市场，也要了解最终由谁购买、为什么购买、愿意支付怎样的价格，以及产品在当地市场中形成了怎样的价值认知。
只有建立终端市场洞察能力，企业才能逐步摆脱单纯依赖低价和规模的竞争方式，形成产品、品牌、服务和数据相结合的综合竞争优势。
人工智能可以帮助企业提高市场分析、客户识别、风险评估和运营管理能力，但最终决定企业全球化水平的，仍然是产品价值、组织能力、合规经营和长期信任。
当前，人工智能正处于从技术突破走向规模化产业应用的重要阶段。未来，真正决定一个国家产业竞争力的，不只是模型能力和算力规模，更是将人工智能与实体经济深度融合的能力；真正决定一家企业竞争优势的，也不仅是部署了多少智能工具，而是能否完成数据、流程、组织和商业模式的系统性重构。
人工智能的价值，不在于替代产业，而在于推动产业升级；不在于削弱人的作用，而在于让人的判断、创造和责任变得更加重要。
以实体经济为根基，以制造业为重要阵地，以真实场景为牵引，推动人工智能与产业深度融合，才能真正把技术创新转化为新质生产力，为现代化产业体系建设和经济高质量发展注入持续动力。
（本文经专家授权发布）
张礼立，数字经济与产业数字化战略专家。现任上海侨贸国际贸易有限公司创始人兼董事长、新疆商贸物流集团首席科学家、上海气候周产业战略顾问及“气候灯塔”专家委员会副主任委员、上海市海外经济技术促进会会长。长期深耕数字经济、产业创新、品牌出海与绿色低碳转型，是兼具产业实践、资源整合与社会影响力的复合型专家。
- E N D -
编辑：龙彦霖
