米兰体育,米兰体育官方网站,米兰体育APP下载

　　随着人工智能技术的不断突破和计算能力的飞速提高，数字经济正在跃升为数字智能经济。我们应该如何认识这种趋势，是否能够以合适政策推动数字智能经济的强劲和良性发展？这些问题值得认真思考。

　　数字经济萌动于上世纪八九十年代，并在本世纪以来获得长足发展。一些重要的国际组织和许多国家，都对数字经济进行了界定并将其纳入国民经济统计体系。几年前，我国国务院公布的《“十四五”数字经济发展规划》就指出，数字经济是继农业经济、工业经济之后的主要经济形态，是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态；并提出了相关指标，即到2025年，数字经济核心产业增加值占GDP比重达到10%。

　　但是，随着人工智能（AI）于近几年的快速兴起，过去二三十年崛起的数字经济已被极大地改写，数字智能经济正在取代数字经济。最近，美国开放人工智能机构（Open AI）的创始人和首席执行官奥尔特曼（Sam Altman），发表了一篇题为“温和的奇点”（The gentle singularity）的文章，认为奇点正在到来，人类正在接近“数字超级智能”（digital superintelligence）；他认为，随着智能体（AI agent）于2025年成规模出现，2030年代将会是一个与之前截然不同的时代，数字智能（digital intelligence）将司空见惯，而创造经济价值的飞轮已经启动（the economic value creation has started a flywheel）。不过，他也讲到了良好治理（good governance）的重要性。

　　在实际当中，人工智能技术及其应用，以及人工智能与数字平台的进一步融合发展，已经催生了一些前所未有的岗位、企业和行业，譬如数据清洗与标识、AI训练、大模型开发及智能体开发、智能创作与智能助理工作、具身智能物体的生产，等等，都是过去的数字互联网时代未曾有过。英伟达创始人和首席执行官黄仁勋，于近期在GPU技术大会上的演讲更是指出，过去的数据中心将会演变成以生产人工智能词元（tokens）为主要业务的智能工厂。这些都展示了数字智能经济相较于数字经济的新趋势，更遑论未来的超级智能会催生哪些更新的企业和产业，会创造哪些新型经济活动。

　　可以认为，数字经济是数字智能经济的起点和基础，而数字智能经济则是数字经济的延伸和跃升。即使从初步的发展趋势来看，数字智能经济也在如下几个方面显示了与数字经济的显著不同。

　　第一项就是由存取、传输跃升为生成与创作。正如国务院《“十四五”数字经济发展规划》所指出的那样，数字经济以现代信息网络为主要载体，以信息通信技术融合应用为重要推动力。因此，基于数字（0-1）技术的信息和资料的存取与传输，包括发布、访问，等等，是其主要工作；其主要产业就是信息技术（IT）产业和信息通信技术（ICT）产业。而随着人工智能的不断进化，内容生成，乃至文本、图片、视频的创作，业已大量涌现，不但智能生成内容（AIGC）开始发展为产业，而且美国好莱坞影视编剧还组织了，以抗议人工智能创造正在抢走他们的工作和饭碗。可以预料，未来的数字智能经济将有较大一部分由内容生成与创作所构成。

　　第二项就是由汇集、识别跃升为分析与选择。在数字互联网平台上，海量的资料和信息被汇集起来，并被分类和识别，从而有力地促进了搜寻、匹配及后续的组合与交易等工作，并催生了电商等行业。而人工智能，却可以通过算法和模型，对资料、信息、数据进行分析，并可在分析基础上作出机器判断与选择。如果说人们在互联网平台输入关键选项让平台帮助选择，尚属于匹配工作的话，那么智能体帮助人们选择则属于模型本身的推理与分析工作。可以预料，随着人工智能模型的推理能力不断增强，人们的许多选择将可以由智能体，或者具身智能作出，尽管不知这是人类福音还是相反。

　　第三项就是由编辑、互动跃升为作出决策与完成工作。在数字经济环境中，人们非常方便地对大量内容进行编辑重构，并实现互动。而随着具身智能的不断发展，人类越来越多的工作决策、工作任务可以由人工智能及相关的物理体系来完成。我们已经看到了全自动驾驶的曙光，而且人形机器人正在被快速开发和制造，此外，生物芯片、脑际接口、元宇宙、虚拟人等技术也将日益与人工智能技术融合发展。如果量子计算和量子通信技术、未来芯片技术获得突破，尤其是如果人工智能技术与生物基因技术实现融合，未来的认知世界和物理世界将会如何受到数字超级智能的影响，实在难以想象。

　　一些重要经济学家，已就人工智能兴起如何改写宏观经济进行了分析，譬如2024年诺贝尔经济学奖获得者阿西莫格鲁（Daron Acemoglu）就作了这方面的研究。他认为，人工智能的发展，有助于提升全要素生产率，且对经济增速有一定提振作用。不过他也认为，收入差距将会进一步拉大。

　　必须要指出的是，数字智能技术很可能是一项新通用技术，其技术演变和应用前景仅仅拉开序幕，我们现在远不能窥见数字智能经济的未来全貌。可以肯定的是，这项新通用技术不但会创造新产业，也将重构几乎所有产业，并深刻改变整个社会。我们必须要密切跟踪数字智能经济的发展演变，并及时研究新进展和新情况。

　　首先就是高质量发展的机遇。高质量发展当然离不开高新技术。数字智能技术不但本身是高新技术，而且能对大量的传统产业进行赋能和改造，从而提高生产效率、减少消耗和浪费、提升产品和服务的品质。通过使用和推广数字智能技术，也是提升全要素生产率的一个重要途径。对于许多具体产业而言，借助于数字智能技术，可以提高产品的质量和附加值，可以提高企业的经济效益。即使在农业部门，我们已经看到，数字智能技术有助于因地制宜进行种植养殖，有利于精准有效地使用肥料和农药，有助于快速实现供需对接。高质量发展也意味着生活品质的提升，而数字智能技术的应用，当然可以达到这方面的目标，譬如家政服务机器人就可以使家居环境更加干净、整洁。

　　其次，是发展新兴产业和未来产业的机遇。数字智能经济将由许多新兴产业和未来产业所组成，有些产业已知，而更多产业未知。许多人担心，智能技术不断发展，会淘汰一些传统岗位、摧毁一些传统行业。的确，技术进步的过程中，会出现这样的情况，正如工业革命浪潮中，纺织机的出现就导致大量纺织手工业者的失业和破产。但同时也要看到，新工种、新行业也将大量出现。数字智能经济时代的到来，不但会围绕数据而产生大量的新工种和新行业，譬如数据收集、数据清洗、数据训练等，而且围绕模型和控制系统还会有更多的新工种、新行业出现。大模型开发，现在已经成为一个新兴行业，这在十几年前还难以预见。人形机器人的不断发展，一定会催生控制系统开发与检修维护的新兴行业。还有许多新兴行业，正在从事大部分业外人士难以想象和明了的工作。

　　未来产业更是目前难以预想。在未来，词元（tokens）的生产会成为重要产业吗？智能化的低空飞行会成为重要产业吗？加密币及其转账和支付会成为重要产业吗？统统不得而知。人形机器人的培训和使用会成为一个行业吗？具身智能的执法和问责会成为一个行业吗？智能合约及数字智能货币的管理和追踪会成为一个行业吗？更是没有答案。

　　但应该可以肯定的是，各个国家、各个地区的产业体系会出现大重构，一些产业将兴起，一些产业将落幕。因此，无论是发达地区还是落后地区，如果意识到并能发展出新兴产业和未来产业，就意味着抓住新机遇，并且许多地区都有可能通过发展数字智能经济而实现新道驾车、新道追车、新道超车。当然，发展数字智能产业也将面临日益激烈的地区竞争，而竞争落败者将会被时代抛在后边。

　　再次，是构建新型综合实力和新型位势的机遇。数字智能经济的发展，必定需要大量的新型基础设施，带来大量的新型公共物品，并且有助于构建新型治理机制和治理体系。这就能够形成新型综合实力。无论在农业经济时代、工业经济时代，除了相应的产业体系，强大的基础设施、充分的公共物品、良好的治理机制和治理体系，都会体现为综合实力。而在数字智能经济时代，在过去的公路铁路和港口码头、学校医院和行政管理网络、法治制度和良治社会的基础上，数据基础和网络体系、计算设施和智能底座、科技创新与产业创新的融合架构、覆盖智能网络的权责利配置制度，等等，都极为重要。这些方面的建树，就会助力一个地区的经济发展在数字智能经济时代走上良性循环的轨道，从而对人才、资金和各种要素更具吸引力和竞争力，最终形成新型综合实力。此外，数字智能技术手段和相关设施，很可能会成为竞争中极为重要的“杀手锏”和“封喉剑”，从而形成独有位势和威慑力。这种新型综合实力、新型位势，将会超出GDP所能衡量的水平。而在国际竞争中，这种新型综合实力和新型位势的重要意义更是不言而喻。

　　当然，数字智能经济的发展也会带来一些新挑战。最不容忽视的挑战在于治理和规制方面。即使在当前，一些重要的国际机构和许多国家，都意识到人工智能在安全可靠、公平公正方面存在的挑战。欧盟于2024年通过的《人工智能法案》，就对开发和使用人工智能如何做到安全可靠和公平公正设置了相关规定，譬如禁止使用扭曲人们决策能力的智能系统，禁止使用对人格特征进行识别分类的智能系统，等等。一些国家还针对使用人工智能进行深度伪造（deep fakes），以及实施智能化监控等，设立了规制政策。不过，所有这些治理和规制政策，与数字智能经济的快速发展及其现实场景相比，都显得十分单薄。奥尔特曼在“温和的奇点”一文中，在论及数字超级智能的治理时，就明确提到对于“不对齐”（misalignment）的深深忧虑。更值得注意的是，智能系统本身的智能，是否会超越人类控制，才是真正的重要挑战。少数研究性论文，以及少数科学家，已经提到一些人工智能系统会拒绝人类发出的指令，或者会欺骗人类控制者。这方面的证据是否充分，还有待于观察和分析。而在数字智能经济活动中，赢家与输家的分野会进一步拉大，这种看法似乎有更多共识。数字经济已经显现了比较强烈的赢家通吃现象，譬如成功的互联网平台会获得数以亿计和十亿计的客户并形成黏性，其营业收入、利润和在资本市场的市值，以及创业者的个人财富，都达到工业经济时代不曾有过的高度。而且这些平台还时常受到垄断指控。智能化很可能会进一步强化赢家通吃、输家被通吃的现象，他们之间的分野将会达到新界限。在未来，治理和规制政策应该鼓励通过创新来防止垄断，同时应该对被取代的就业者和小业主进行必要的新技能培训和新就业援助，防止他们成为数字智能经济时代的勒德分子（Luddites）。

　　既然数字智能技术正在成为新通用技术，其对经济增长和社会发展的影响将是长期的而非短期的。我们已经看到，许多国家、许多地区正在积极发展与数字经济和人工智能有关的产业，但在这种发展热潮中，需要制定正确的政策来促进数字智能经济的发展，以达到正确的效果。

　　首先要强调，创新政策比产业政策更重要。在工业经济时代，促进一个地区经济发展的重要抓手，就是引入大项目落地，并且许多地方都致力于引入支柱产业中的大项目，譬如在上世纪八九十年代引入家电大项目，在本世纪初引入钢铁、汽车、电脑、手机大项目，同时出台土地、财税、教育配套等方面的扶持性政策。这些都属于产业政策。即使在过去十多二十年的数字经济发展竞赛中，许多地方为了引入互联网企业落地，也借助于类似的产业政策给予支持。但数字智能经济的发展，往往由前沿技术突破和先锋应用爆发所推动，并可能由一些规模并不大、历史并不长的创新型企业所引领，具有很大的不确定性和不可预见性，因而传统的产业政策极有可能无从下手。而鼓励创新的政策，则有利于新兴产业和未来产业的形成，其中一些可能成为一个地区在未来的支柱产业。

　　创新政策在一定程度上与产业政策有交织，但仍然有重大区别。创新政策很难将少数具体产业，特别是几个大企业所经营的产业，作为重点产业而进行特别扶持，从而期望能在短期内，譬如五年规划期内，带来GDP和财税的大增长。创新政策需要重点考虑对创新人才，包括创新型企业家的吸引，而非重点考虑对大资金、大项目的吸引。创新政策还需要较为畅通的进入与退出机制，并且需要分散试错机制。创新政策需要打造创新公地（innovation commons），这是更加微妙的工作。当然，创新政策还包含亲创新的金融政策。

　　因此要强调，金融政策比财税政策更有力。政府机构，特别是地方政府机构，在财税方面的政策手段更多一些，在金融方面的政策手段更少一些。但数字智能经济的发展，在很大程度上是在诸多不确定性前景中探索寻求某些确定性增长，这个过程就需要相应的金融工具来重配风险和利益。

　　毫无疑问，数字智能经济的发展，需要大量资金投入。即使像我国深度求索公司（DeepSeek）极大地降低了开发人工智能大模型的成本，也无法从根本上改变资金投入的重要性。并且许多投资，可能会遭遇“颗粒无收”的结局。适应工业经济模式的传统银行体系，在这样的局势中会面临很多困惑。即使天使资本和风险资本，也需要适应数字智能时代的创新规律，不断调整其融资投资模式和治理机制，才能更好地促进数字智能技术创新和这些领域的新兴企业发展。从一些国家、一些地区的实践来看，如何构建多轮次相衔接的融资投资制度，是非常重要的事项。我国许多地区已经设立了主要由政府注资的产业引导基金和科创基金，不少国企也设立了鼓励创新创业的基金，甚至银行机构也设立了直投基金，这些都是有益探索。不过，如何引导大量的民间资金，包括获得巨大财富的民营企业家的丰裕资金，投入到数字智能创新活动之中，并使各方权益得到合理保护，也使创新风险得到合理分配，并不是轻而易举的事情。在这方面，一方面加强资本市场的改革和完善，另一方面促进投资者和受资者都提高治理的透明度和行为诚信度，极为重要。

　　还需强调，发展生态比营商环境更复杂。过去十年里，许多国家都在优化营商环境方面作出了巨大努力，我国的营商环境改善更是受到关注。但促进数字智能经济发展，不能满足于、停留于营商环境。实际上，初步的事实表明，良好的发展生态非常重要。发展生态以营商环境为基础，但包含更多的看不见、摸不着但能感受得到的“软件”，譬如平等相处、鼓励试错、允许辩驳、包容失败的氛围，年轻化、乐观化的群体效应，以及产业界与科研界、教育界的水融关系网络，甚至清廉、简单的政商文化，等等。而有利于数字智能经济发展的生态体系，还包括既能保护数据权益、又能促进数据流动和使用，既能开辟智能化应用场景、又能推进智能基础技术研发，等等因素。我国有些地区，在发展数字智能经济方面走在前列，当然有各种各样的原因，但不应忽视的是，其发展生态更加宜创宜新、宜数宜智。

　　良好发展生态的营造，并非唾手可得。如果说营商环境，还可以在短期内通过政府专项行动得以优化的话，那么营造良好发展生态，需要长期努力，并且需要改善一个地区的治理，使善治成为重要的牵引力。

　　这就引出了治理的重要性。因而必须强调，良好实践治理比整齐划一管制更合适。不但促进数字智能经济发展需要地区善治，更进一步，数字智能经济的发展，会催生许多新业务、新业态，也会带来一些新困惑、新问题。在这种情况下，许多机构和许多官员最得心应手、最自然而然的应对之举，就是实行整齐划一的管制，要么一律禁止，要么一律放任自流。面对数字智能经济的发展，整齐划一管制绝对不是好办法。数字智能经济会带来纷繁复杂和前所未有的事物，政府、企业、社会都需要时间去了解、去体验，但对于显而易见的危害又不能以拥抱创新为借口而熟视无睹，譬如不能对随意实施智能化监控采取熟视无睹态度。很可能，最好的应对，就是制订治理指南、设置治理框架，在此范围内，密切关注各种良好治理实践，并及时去粗存精、去伪存真，及时转化为治理政策。只有这样，才会有利于数字智能经济的健康和持续发展。

　　诺贝尔奖和图灵奖获得者辛顿（Geoffrey Hinton），在2025年7月于上海召开的世界人工智能大会上，对数字智能（digital intelligence）与生物智能（biological intelligence）进行了阐述，并指出超级智能（superintelligence）时代或许正在到来。无独有偶，不久前，美国开放人工智能公司（Open AI）首席执行官奥尔特曼（Sam Altman）也对数字智能和超级智能进行了展望。我认为，数字智能技术是一项新通用技术，它会重塑经济，也会重塑产业。正如英伟达首席执行官黄仁勋最近表示的那样，现在已经重新定义了计算，并创造了人工智能（AI）这个全新行业，这意味着一个新兴的基础性技术和基础性行业的出现。实际上，人工智能也是过去二三十年迅猛发展的数字技术的延伸和跃升。对于数字智能这种新通用技术和新基础行业而言，创新进程、创新方向定义着技术范式和产业图景，因此研究数字智能产业的创新机制就特别重要。

　　在细究数字智能产业的创新机制之前，还是应该先审视一下这个产业板块。本世纪以来，尤其是本世纪第二个十年以来，由于数字经济快速发展，不少国家已对数字经济所涵盖的产业进行了界定，譬如我国于2021年公布的文件《数字经济及其核心产业统计分类》，就将数字经济产业范围确定为数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字化效率提升业这五大类。尽管这个文件所言的数字经济产业，也涉及到与人工智能有关的某些行业，譬如其中的数字产品制造业就包括智能设备制造业；但总体而言，许多国家尚未将近年才得以迅猛扩展的人工智能有关行业纳入统计分析范围，甚至对AI科技与应用，及其与业已成型的各种数字产业的融合，将会催生哪些新兴产业和未来产业，并无清晰的认识。这非常正常，因为从数字经济跃升为数字智能经济，不但有些突如其来，而且方兴未艾从而无法预测和展望。

　　不过，从目前已经显现的某些技术特征和应用趋势来看，数字智能经济所包括的产业，除了业已崛起的互联网及各种基于网络的业务、计算机及智能手机等终端产品生产、网络设备和芯片及其他大量中间产品生产、操作系统和其他软件系统开发，等等产业之外，至少将会在如下几个领域形成重要的新产业。

　　首先当然是智能模型和算法程序产业。其实模型和算法的开发已存在多年并有了一定的经济体量，或许过软件开发也可纳入此类经济活动。不过近几年里，以辨识和思考、推理等为主要导向的智能模型，尤其是大语言模型（LLM），已得到迅猛发展，并推动了许多相关企业的诞生。更值得强调的是，智能模型与算法程序的实际应用，不断找到新场景，也不断提升有关企业的现金流，从而成为了可以持续的新产业。几年前还很难想象，大模型会被许多普通人日常使用。完全可以断言，当前的大模型被广泛用于聊天和答问、搜索，仅仅是非常初级的应用。而且，除了大语言模型，一些重要科学家和创业者，还正在致力于开发其他智能模型，譬如AI领域最重要的科学家之一、法裔学者杨立昆（Yann LeCun），就强调所谓的世界模型（World Model）的重要性。也许目前还难以想象，智能模型和算法程序在未来五年、十年会成为多么重要的产业。因此，数字智能经济的产业版图，一定会比过去的数字经济产业版图更加新颖、更加丰富。

　　在如上基础上，智能生成内容可能会成为分蘖出许多子产业、形成庞大产业群。智能生成内容（AIGC）近两年开始蔓延，但还远未成型，其产业图景也远未凸显。智能模型至今为止已可生成非常丰富的文本、图片和音视频，具有了强大的创作能力，因此未来很可能催生出以创作、创制为主要工作的新产业。当然，智能生成内容将在多大程度上会取代人类工作和相关行业，譬如是否会取代影视编剧和导演、摄影人员的工作，是否会取代记者、编辑、作家的工作，以及对这些成熟行业会形成怎样的冲击，目前尚不得而知。不过，AI与互联网和其他数字化手段的深度融合，一定会产生许多全新的内容和作品，譬如创作元宇宙作品、创造元宇宙世界，并对人类带来冲击性体验，也会对产业体系带来冲击性重构，这应该是可以肯定的。

　　智能体（AI Agent）的开发和应用，以及具身智能（embodied AI）产品的开发和生产，也将成为极为重要的产业，甚至会超出智能生成内容产业。目前，智能体已经面世并得到使用。不过这只是开始。可以肯定，智能体的智能程度将越来越高，功能也将越来越强大，真人的许多工作都可以借助智能体来完成。而具身智能产品将真正具有自主性的执行能力、行动能力、应变能力，从而可以在更大程度上取代人类工作，甚至可能与人类形成竞争关系。具身智能产品虽然至今为止还处于坎坷发展征途中，但自动驾驶汽车、人形机器人等产品的突破，也可能在不经意之间，尽管很难预测突破的时点。具身智能产业将是未来的数字智能经济中，最有可能与工业时代的产业体系相结合、相融合的综合性产业，并将会形成庞大体量，而我国在这方面有着极大优势。具身智能产业的发展，不但会推动智能模型和算法程序的提升，也会带动材料、电机、传感、芯片、控制与反馈等领域的产业升级和产业孳生，有着极大的未来空间。

　　基于智能合约和数字化交易的互联网虚拟产品的开发与市场交易，包括数字币和真实世界资产代币（RWA）的开发与交易，也将成为重要产业。经济活动中的产业，实质上就是围绕人类的交往互动和交易合作而开展。智能合约和数字化交易，在很大程度上改变了人类迄今以来的交往互动和交易合作方式，从而使得经济活动和产业面貌得到重写。目前，智能合约和数字化交易领域的技术，已经催生了加密币等行业，并且形成了令人难以回避和不容小觑的新行当，即使这个领域存在着如何跟进监管和构建治理的问题。稳定币的崛起并得到一些国家政府的承认和加持，说明数字智能技术的渗透能力和重构能力是何等强大。数字智能技术很可能会推动真实世界的许多方面走向通证化（tokenization）的道路，这必将催生许多新产业。目前的RWA只是一个序幕。此外，其他数字化产品，譬如非同质化虚拟品（NFT），也在尝试和曲折中求得生存和实行调整。但应该可以判断，基于智能合约和数字化交易的产品与市场交易，在未来的数字智能经济中不但不会缺席，而且将是重要板块。

　　也可以预料，数据和计算产业将会以全新面貌、全新业态和全新能量出现，并会形成很大的产业体量。随着AI技术的重要性日益凸显，数据和计算不但必不可少，而且成为获能抓手，即成为获得能力的关键手段。当前，人工智能模型的训练需要大量数据，并消耗大量算力；下一步，具身智能产品如果要建立自主性的执行能力、行动能力、应变能力，无疑需要使用更多数据，也需要更多算力。未来不但需要采集更多数据，也需要加工、处理、分析、合成许多数据，也就是说，未来的数字智能经济中的数据，很大部分将不是原始数据，而会以全新面貌出现，也会以全新业态和全新能量出现，并涉及大量计算和通信，譬如需要量子计算和量子通信，并且会催生全新的芯片产业，或者英伟达所代表的智能芯片产品仅仅拉开了序幕。黄仁勋最近就预料，未来的数据中心，将会是专门生产智能通证（intelligenttokens）的巨型工厂，而且会成为新基础设施。不管黄仁勋的预言是否成为现实，但应该可以判断，从事token的生产、交易以及相应的计算和通信，以及算力建设和算力使用，将会形成一个庞大的产业。

　　以上只是迄今可以大致把握的数字智能五大新产业。但更多的数字智能产业，目前只能存在于无尽的未来空间。黄仁勋最近就表示，AI发展至今可分为四个浪潮，即感知式AI、生成式AI、推理式AI、AI机器人。毫无疑问，以后还会有第五、第六个等浪潮，尽管很难预测将会出现哪些孳生新技术、孳生新产业，正如电力技术作为上一代通用技术出现之时，很难预料后来会出现电磁技术、激光技术、电子计算机等技术及有关产业。况且，数字智能技术对传统产业和日常生活的全面渗透，会催生何种产业，更加难以预言。

　　数字智能产业的扩展和增长，既依赖创新，也促进创新。不言而喻，创新，尤其数字智能领域前沿创新，是何等重要。但是，了解数字智能产业的创新机制，十分必要。

　　数字智能领域的前沿科技创新，主要来自于分散试错机制，而非来自于政府主持的集中攻关体制，或者政府事先选定和大力支持的技术立项方式。即使在数字经济早期阶段，许多人认为美国国防部对于互联网诞生发挥了很大作用，但实际上，互联网关键技术的突破和创新链条的形成，恰恰来自于市场中的分散试错。中央处理器（CPU）等硬科技领域的创新，以及互联网搜索技术的突破等，都是分散试错的结果。科技创新还要由产业形态和商业模式方面的创新来实现落地，数字经济早期的门户网络平台、电商网络平台的崛起，也是分散试错的结果，而非由政府规划所推动。而到了数字经济向数字智能经济转型和跃升的时期，分散试错机制更是在懵懵懂懂、莽莽撞撞中不断实现前沿创新。引爆人工智能发展的ChatGPT大模型，不是政府规划的结果，也不是某个大科学院或大工程院立项攻关的结果，恰恰相反，它是由名不见经传的初创公司Open AI开发出来的产品，甚至在该产品投放市场之前，开发人员和管理层并不知道是否会受到关注和欢迎。即使就大语言模型的科学原理和技术路线而言，其所处的神经网络学习领域，在很多年里都受到冷落，属于冷门学科。在AI硬件领域，目前炙手可热的图形处理器（GPU）技术，曾经不被微软等巨头企业所看好，也不被英特尔等芯片领袖企业所重视，而是由英伟达这样的初创企业在一路跌跌撞撞中所设计和升级。

　　数字智能产业的前沿技术路线，往往也通过分散试错而决定。譬如在AI模型开发方面，大部分主流企业，特别是那些具有行业领导地位的著名企业，几乎都选择闭源路线。我国一些互联网“大厂”，在过去几年里一直致力于开发大模型，组织了庞大的团队并与一些著名高校合作，走的也是闭源路线。但是，并非业内企业，更不著名的深度求索公司（DeepSeek），却选择开源路线，所推出的大模型得到了国内外较为普遍的认同。当然，这不是说以后一定是开源路线为主流、为主要方向，更不是说这样的非业内企业一定会持续成功创新，而是要说明分散选择机制的重大意义。对于大模型本身而言，未来主要的技术方向是什么，巨大分歧也已浮现，杨立昆就认为大语言模型将被抛弃，而大世界模型才是主要方向；黄仁勋也认为，下一步更重要大模型将是物理模型（Physic model），人工智能的下个浪潮将是物理AI（Physic AI）。这些分歧必将由分散试错来解决。而对于新涌现的智能体而言，未来到底会以哪个功能为主、由哪些功能组合，并且会在哪些人工领域成为真人最得力、最难以离开的助手，都将由市场竞争和分散试错所决定。

　　分散试错不但意味着一些企业会陷入商业失败，也意味着一些技术及其应用，以及从事相关开发和业务的企业，与政府规制存在冲突。这个问题很可能更容易对创新造成冲击。即使在数字经济发展早期，新闻门户网络对传统新闻媒体的版权侵害，也是一大规制难题。而随着诸多新鲜的数智技术的开发应用，这类问题日益增多，而且对这类问题的性质判定存在困难。譬如，随着智能合约技术的开发和更新，区块链领域的创新日渐增多，这些分散的创新往往伴随着不同路径的产业发展模式，包括加密币崛起等，但很显然，许多国家的政府对智能合约和区块链技术的态度都犹疑不定、时有反复。在过去几年里，曾经有一些数字科技公司决定推出数字货币，譬如美国的脸书（Facebook）曾宣布推出数字货币Libra，并且设计了比较完整的应用生态，但由于美国当局抱有疑虑和谨慎态度，最后胎死腹中。但同时，另外一些路径的分散试错，却在不断推进之中，譬如Tether公司推出的稳定币USDT，过去两年得到越来越多的关注和交易，而到了2025年，特朗普政府接纳了稳定币这样一个新生事物，并有可能在未来不久成为一个重要的战略性行业。

　　在分散试错机制中，一方面根本无法搬用过去的研发模式和支持政策，来获得预期的创新成果，另一方面也无法通过权威的人物和机构的论证、规划和扶持，来确定技术路线和获得攻关结果，更无法以后续的产业发展来覆盖前期大量投入的研发成本。因此，不但旧式样的集中体制难以奏效，而且传统的以大企业和大研究院、大学为核心的产学研合作创新体制，都可能陷入尴尬。譬如，关于大模型开发，是否可以由杨立昆、黄仁勋等权威人物为主来组织论证和立项，或者由一些著名机构和政府部门来主持攻关和扶持，从而迅速转向世界模型、物理模型？显然不能仅仅如此。即使这些人物、这些机构的洞察在日后被证明是正确的，但我们也不应该忘记分散试错机制的关键意义。政府预先挑选冠军的政策，更应尽量避免。而在产业规划方面，政府最有可能犯错误，譬如在制定五年规划时，地方政府将目前红极一时或势头良好的数字智能产业列为当地主导产业或者新兴产业、未来产业，而事实上，一些数字智能产业的兴起和企业的兴旺，并非来自于规划。

　　那么，政府应该如何在分散试错机制中找到合适位置并且发挥适当作用？也许，就中国的情况而言，由于各级政府都设立了一些鼓励科技创新和产业发展的基金，因此政府可以分散入股，投资对象应该是具有强烈创新意识，并有着诚实朴素风格的年轻企业家。而更重要的政府工作，就是应该善于研究和把握数字智能经济的创新生态，在当地营造出有利于数字智能产业分散试错创新的生态系统和相互激发的氛围。这样才符合数字智能产业创新的内在机制，才有可能在未来的某些不经意阶段，诞生重大创新成果，获得数字智能经济的收益。

　　由于数字智能科技属于当今前沿科技，数字智能产业大多是新兴产业和未来产业，因此许多重大创新都在少人区和无人区推进，甚至连一些基础性的科学范式和技术原理都没有成熟和成型，因此，数字智能产业创新的一个重要机制，就是基础研究与应用研发的交叉融合。事实上，在数字智能领域，近年来已有一些产业界的研发人员获得了诺贝尔奖或者图灵奖，譬如2024年获得诺贝尔化学奖的三位科学家，其中戴米斯·哈萨比斯和约翰·江珀尔两位就来自于一家AI领域的企业——深度思维公司（Deep Mind）；2018年的图灵奖获得者杨立昆，是深度学习领域的三位奠基人之一，他曾长期兼任元宇宙公司（Meta）的首席AI科学家。这表明，这些企业所从事的研究触及了基础性领域。

　　为什么基础研究与应用研发的交叉融合，是数字智能产业的重要创新机制？主要就是因为，在数字智能领域，基础研究与应用研发的界线较为模糊，不但以新产品推出及其商业使用为直接导向的应用研发处于无人区，而且很可能并无来自于大学、科研院所提供确切的基本技术路线作支撑，甚至并无受到广泛认可的、成熟的基本理论作引导，因此如果要实现前沿创新，就不时需要由企业自己，而不是等待大学等机构，去开展所谓的基础研究。而且，企业的这些基础研究，比大学等机构的基础研究更加能够与应用研发交织、融合在一起，更有利于创新效率的提高，并可以通过巨大商业回报的获得而在基础研究和应用研发之间形成良性循环。

　　现在，基础研究转化为应用研发的节奏不断加快、时间不断缩短，也使得这两者之间的界线变得更模糊。在数字智能领域，基础研究转化为应用研发的时间正在变得越来越短。华为创始人任正非就曾公开表示，现在科学和技术的边界越来越接近，科学转化为技术的时间越来越短，如果等到大学把理论完全研究明白，企业再去进行技术开发，企业就不能建立先发优势，就没有竞争力。下一步的数字智能领域创新，更需要将基础研究与应用研发结合在一起，譬如所谓的世界模型、物理模型的开发，将无法以过去的神经网络学习领域的基础研究来开展，而且像量子计算、量子通信等领域创新将在很大程度上由基础研究与应用研发交叉融合所推动。因此，只有建立基础研究与应用研发的交叉融合机制，才可以避免在创新中落伍。

　　由于数字智能产业的美好前景，使得许多企业可以进行巨额融资，这样的资金实力有助于建立基础研究与应用研发交叉融合机制。资金投入量，在数字智能领域的前沿创新中占有非常重要的地位。数字智能领域的创新竞争，在某种程度上就是创新资金投入竞争，尽管投入资金最多并不能锁定最终创新赢家。虽然我国深度求索公司以小得多的资金投入量，以蒸馏技术路线，成功地开发了性能相当强大的大语言模型，但这并没有真正全面地改变了数字智能创新高度依赖资金投入的事实。美国的Open AI，过去数年从资本市场和外部企业获得成百亿美元的资金支持，从而使其可以将应用研发与一些基础领域的研究有机融合在一起。而在2025年夏天，美国人工智能企业xAI，预计可以从市场上融资100亿美元左右，这样的资金量，无疑有利于强化基础研究与应用研发的交叉融合机制。

　　需要指出的是，融资额基于企业估值，而企业估值在较大程度上基于创新突破及其商业化应用，这就存在一个闭环：融资增加——基础研究和应用研发投入增多——创新突破——估值上升——融资进一步增加。因而容易理解，创新突破和创新资金投入之间如何形成良性循环，也是数字智能产业创新的重要机制。美国数字智能企业比较善于构建和利用这种机制。美国企业Anthropic AI，在2025年夏天的估值达到约1000亿美元，以此估值的融资额达到35亿美元，要知道这个企业在2021年才成立。由美国著名企业家马斯克设立的人工智能企业xAI，成立时间不过两年，其在2024年5月的估值仅为180亿美元，那时让出大量股份得以融资60亿美元；而在2025年夏天的估值达到约2000亿美元，让出少量股份即可融资约100亿美元。巨额融资虽然也可能带来资金挥霍等问题，但无疑有助于创新推进，并有利于形成闭环，譬如xAI推出的功能强大、性能优异的大模型Grok系列，就是这个闭环的关键环节。当然，一旦良性循环的闭环中断，或者一旦某条创新路线被颠覆，不但创新企业难以翻身，而且投资者也会蒙受巨大损失。但是，资本市场自有分散风险和分担损失的机制，这里不再赘述。

　　还需提及数字智能产业的创新扩散与商业化机制。我国政府强调，要推进科技创新与产业创新的深度融合。对于数字智能产业的创新而言，这种融合更为重要，因为数字智能领域的许多科技创新都属于前沿创新，创新成果能否实现商业化应用和产业化发展，不但决定了产业版图的结构与走向，也决定了科技创新成果的未来命运。

　　不过需要指出的是，即便在其他产业，创新成果是否快速和广泛扩散，在许多时候并不由创新的科技含量是否高、科技水平是否先进所决定。数字智能产业的创新机制，在产品扩散和商业化方面，可能更加复杂，最需要的是尝试，而非定论。初步来看，数字智能创新成果的扩散和产业化，在较大程度上由商业化意识和路径、方式所决定。困难的是，这个领域创新的商业化，并没有现成路线可以借鉴，譬如在数字经济早期时代，从事一些高大上业务的企业反而失败了，而从事电商，实际上就是把集贸市场和商场搬到互联网上，却成功了。数字智能经济各项产业，都处于寻找商业化路线的进程中，未来一定会有新的失败者和新的成功者。譬如大语言模型目前的商业化路径是否可持续并继续成为主流，不得而知。具身智能的发展，譬如全自动驾驶的普及，也需要继续探索商业化路径。特别是智能合约等领域，商业化对于创新的扩散起着至关重要的作用，而目前的商业路线如何与安全、合规结合起来，仍面临挑战；而克服这些挑战，不但需要更多的科技创新、产业创新，也需要更多的治理创新。

　　总而言之，数字智能产业的创新一方面已频现突破，另一方面也需要建立和把握重要的创新机制，以促进产业繁荣并向上向善。

　　在数字智能产业体系中，有各行各业、大大小小的企业，它们在市场竞争中求生存、求发展。值得注意的是，数字智能企业的竞争手段、竞争方式，与一般的工业企业既有共同之处也有显著的不同之处，从而需要建立和维护的竞争规则也应具有针对性。否则，我们不但会继续面临所谓内卷式竞争等议题的困扰而又难以认清问题的实质，并且可能采取不正确的政策而伤害优胜劣汰的市场机制。

　　若干年前，在互联网平台作为绝对主角的数字经济体系中，自我优待、拒绝交易、拒绝互操作性，以及杀熟型定价和低价竞争、杀手型并购，等等，就引发了广泛讨论，并且成为数字经济领域的焦点问题。许多专家和官员都认为，这些行为基本上属于不正当竞争，或者涉嫌垄断企图。尤其是非理性的竞相降价竞争，现在被很多人称为内卷式竞争。随着时间推移，更多人认识到，数字平台诸多不正当竞争行为或争议性竞争行为，主要由数据和算法所驱动。这一点，与传统工业企业长期以来的竞争行为，有着显著不同。同时，由于数字平台一般具有双边市场特征，从而定价策略即使向一边倾斜，可能也是合理的，这也增加了问题的复杂性。

　　如果抓住了数据和算法驱动这条主线，对许多竞争行为的判断，就会有新颖的答案，而且反垄断、反不正当竞争政策也可以更加科学合理。譬如，大数据杀熟类的歧视性定价，要害和危害并不在于杀熟和差别化定价，而在于大数据，即不当地广泛采集用户数据，反过来利用用户的特点和弱点来杀熟、来收割。低价竞争的本质，也不在于价格是否一时低于成本，事实上对单项服务的边际成本极难测算，而在于构筑数据和算法方面的优势，以获得未来竞争利器。而基于数据和算法的精准推送、反复推荐，不但可能对用户带来很大干扰，而且可能侵犯用户的隐私权和宁静权、自主选择权，并可以导致一些用户出现注意力障碍和上瘾沉迷等问题。

　　当数字经济延伸和跃升为数字智能经济，数据和算法在竞争中的重要性更加凸显。人工智能（AI）本身就以算法模型为主要基础，以数据和词元（token，或译为通证）为主要原料。智能模型不仅可以对数据进行分析而作出判断、形成推理，而且智能体（AI Agent）和智能机器人还可形成自主性执行能力和应变能力。此外，智能模型对于数据本身的采集、加工和使用的能力，也远比过去的互联网平台强大。也就是说，具有数据和智能算法方面优势的企业，可以极大地依靠数据和智能算法，来强化自己的地位、排斥对手的竞争。在数字经济中，数据正在成为新通用资产，智能算法正在成为新通用技术，而对数据和智能算法应该建立怎样的规则，决定了数字智能企业的竞争规则。

　　智能算力在数字智能企业竞争中的重要性不言而喻。如果算力不足，再多的数据，再好的算法模型，也只能望洋兴叹。算力越强大，就越能充分运用数据，越能充分发挥算法模型的功能。因此我们看到，许多数字智能企业，都在竞相争购最先进、最强大的算力芯片，因为它们十分清楚，算力芯片的多少，决定着它们在竞争格局中的位置。像英伟达这样先进的智能芯片研发设计企业，以及像台积电这样先进的智能芯片生产企业，的确就像淘金时代生产和销售挖金铲子的企业，一方面决定着淘金者的竞争地位，另一方面赚得比淘金者还多。

　　不过，很难对算力竞争建立什么约束性规则，因为算力本身只是给数据和算法提供工具。重要的要建立数据和智能算法规则。而毫无疑问，数据是算法的基础，因为无论有多么大的算力，无论有多么新的算法，都需要大数据作原料，都是对大数据进行挖掘、开发、利用。而关于数据规则，已经有许多研究和探讨，中国的许多专家都把焦点放在数据确权上，或者欲对数据估值并放入企业资产负债表。但这两方面的思路，很可能并无确切的通路。而最现实，也最迫切需要的规则，应该是建立健全一套关于数据采集、流转、开发、利用的规则。至今为止，已经有不少国家和国际组织建立这方面的规则框架，并在不断健全和努力实施。

　　而对智能算法应该建立怎样的规则，以及如何实施这类规则，目前的政策实践已经远远跟不上数字智能产业的发展步伐。这并不奇怪，因为数字智能技术的发展步伐超出了许多人的预料，也超出了政策制定者的准备。但是，如何规定智能算法的透明度，如何确立推理模型的披露要求，如何提高自动化程序的可解释性，以及如何梳理问责链条、构建问责机制，将是焦点问题。也许，还可以秉持“以子之矛攻子之盾”思路，即有意识地开发某种能够识别不良算法和模型的AI系统，或者开发有效的红队测试（red-teaming）系统，来加强我们的建立规则的技术能力。

　　从长远来看，在数字智能经济中，可能需要建立一个数权（data rights）体系，就如过去几百年里，在工业革命浪潮中，建立了一个包括物权、债权、股权等权利主张的产权（property rights）体系一样。同时，可能还需要建立一个算责（algorithmic responsibilities）制度。尽管这不可能一蹴而就，但朝着这个方向进步，就有助于数字智能时代竞争规则的合理化、清晰化。

　　目前的数字智能技术仍处于创新早期阶段，数字智能产业的发展也远未到位、远未定型，因此可能在相当长时期里，许多数字智能企业都要经历投入大于产出、收入难以覆盖成本的过程，甚至不少企业会退出竞争、关闭破产。至今为止，除了一些商业模式已经定型、市场地位得到巩固的数字平台，以及一些先进的芯片企业，数字智能产业中的盈利企业屈指可数。但是，这些企业仍然要找市场、抢市场，仍然要参与竞争，这就需要持续的资金投入。事实上，创新压力逼迫数字智能企业不断投入巨量资金。因此，从外部融资，获得资本加持，就是数字智能企业的重要竞争方式。

　　更重要的是，足够的资本加持，有助于数字智能企业实施排斥性竞争，即意图将竞争对手排挤出去。对于一个数字智能企业而言，资本不断加持和创新频现突破，有较大可能形成良性循环，并且在获得更多客户、占有更大份额市场方面，具有优势；譬如凭借强大的资金实力，不但可以持续地对创新亏损进行补贴，更可以以低价格乃至零价格争抢用户，从而逼退竞争对手。这就属于现在所谓的内卷式竞争，实际上可以看出，外部资本加持驱动了内卷式竞争。尽管发动此种内卷式竞争的企业，可能也是入不敷出，甚至积累巨额亏损，但只要自己的用户数量不断增多而对手的用户数量不断减少，或者自己的创新超越对手，就很有可能继续获得资本加持，而对手却因受到资本冷遇而走向衰亡。这种内卷式竞争，其实就是位置军备竞赛（positional arms race），旨在使自己成为排在最高位置的“头部企业”。对于数字智能企业而言，位置军备竞赛更加重要，也更加普遍，这是因为，它们自己和它们的投资者，并不过多注重现在的收入和利润，都倾向于赌未来，也即通过企业在竞争中的位置来揣摩企业的未来价值，因为许多数字智能企业并没有美好的现在，但可能有美好的未来。在数字智能经济中，赢家通吃的现象更加严重，这也会极大地刺激位置军备竞赛，以尽量争取成为剩者为王的最后赢家。

　　事实上，本世纪前十几年的数字平台间的竞争，资本加持和位置军备竞赛在很大程度上定义了今天的企业格局，同时也呈现了一些问题，譬如若干年前，我国几个共享单车企业之间的投放数量战和价格战，恶果就非常清楚；一些电商平台之间的价格战，即使在企业亏损的情况下仍然以巨额补贴来杀价竞争，至今仍然存在并没有得到确切的官方结论。当前AI企业间的竞争，则把资本加持和位置军备竞赛演绎得更加淋漓尽致。譬如美国大模型开发企业Open AI，尽管仍处严重亏损状态，但累计融资以百亿美元计，这无疑有助于它不断“烧钱”推进创新和争抢用户；Open AI的竞争对手AnthropicAI，尽管成立时间只有短短四年，但已累计获得近百亿美元融资，而且它的盈利更加遥遥无期；Open AI的另一个竞争对手xAI，尽管2023年夏天才成立，但到2025年夏天，一次性融资预计达到100亿美元。除了大模型企业，其他AI企业通过资本加持而开展竞争，也非常寻常，譬如美国数据标注公司Scale AI，不过是数字智能领域细分行业的一家小企业，但从资本市场的融资额动辄数亿美元。这些数字智能企业获得资本加持，开展位置军备竞赛，的确提升了它们的竞争实力，或许还阻遏了不少潜在的进入者。

　　不过，令人警醒的是，一些研究结果表明，利用资金实力、争取资本加持而开展的位置军备竞争，在多数情形，实际上难以达到发动者预想的结果，也即竞争对手立竿见影地走向衰亡、退出竞争。因此，很可能这种位置军备竞赛会走向资金消耗比赛。对于这种可能性，遗憾的是目前并无多少研究文献给予剖析和判断。更遗憾的是，目前还缺乏成熟可信的分析框架来研究此类问题，因为主流经济学对竞争的分析集中于产品市场，而难以将产品市场竞争和在资本市场竞争进行有效的关联分析。在资本市场竞争，与在产品市场竞争有着显著不同；理论框架中的完全竞争产品市场，有无数同质化厂商，它们基于成本——收益原则进行定价、开展竞争、确定行为策略，但资本市场没有这样的理论框架，而是基于利率、未来现金流、时间贴现、资产定价和估值等概念和模型来作决策。现实中的资本市场，尤其是追逐数字智能等领域创新活动的风险资本市场，强烈地倾向于产品市场上相对地位更高，或者预期寿命更长的竞争者，而且这种倾向在较大程度上可以自我实现，也即被资本挑中的竞争者，在获得足够资本加持后，就有更多的资源来强化自己在产品市场的相对地位，并设法削弱其他竞争者的市场力量，最终真的成为产品市场的赢家，尽管其在被资本挑中之时并不一定是产品市场最强的竞争者。也就是说，资本会深刻地影响这场竞赛。

　　资本加持当然意在获得丰厚的投资回报。获得丰厚回报需要多长时间？在数字智能领域很难找到确定答案。因此，时间因素在资本加持的位置军备竞赛中成为重大的不确定因素。主流经济学并不对这种性质的时间因素开展分析。不过在反垄断和反不正当竞争的实践中，还是有一些专家认识到，时间错位是一个不容忽视的政策难题，也即不能理想化地认为产品市场的长期竞争必将让具有最高性价比、真正实现有价值创新的企业成为最终胜出者，而是要看到企业获得当下竞争优势，甚至保障短期存活的极大重要性，因为从时间上来看，活一天才算一天，多活一天则多赚一天，因此资金加持的短期竞争当然重要，更何况持续的短期优势自然就是长期优势。总而言之，资本加持的排斥性竞争和位置军备竞赛问题，在数字智能企业竞争中所呈现的挑战，一点也不亚于数据和算法导致的竞争问题。

　　应对这个挑战，应该建立怎样的规则，目前并无共识或较为恰当的办法。但考虑到，资本加持的最后目标主要还是上市退出，因此也许可以对这类企业上市提出额外的披露和解释要求。设立额外披露要求，或许有利于证券市场的投资者判断风险，并有利于让风险投资家预先判断目标企业在未来上市可能会遇到的难题，从而采取更理性的投资行为。

　　数字智能企业比传统工业企业更容易构筑生态圈，这是一个非常有趣的现象。更进一步，它们通过构筑生态圈来建立竞争优势，或者开展不正当的或有争议的竞争，则更值得关注。因此，关于生态圈竞争，应该有怎样的规则，实在是数字智能企业竞争中的一大未受重视但又极为重要的事情。

　　生态圈在数字平台领域已经非常普遍，不管是美国的元宇宙（Meta）、谷歌、亚马逊，还是中国的阿里、腾讯、百度，等等，都是如此。随着移动互联技术的普及，全球范围内数以千万计和数以亿计、数以十几亿计的个人和单位，在前沿创新和前卫应用的刺激下，以及在网红和其他所谓IP的带动下，或者在其他数智化手段的带动引领下，企业的生态圈更加复杂且更具影响力和竞争力。实际上，一些受生态圈强烈影响的行业，正在成为影响者市场（influencer market），一些具有极大流量的影响者或者顶流网红，对于争夺市场份额、排挤竞争对手，发挥了不可忽视的重要作用。而数据采集和加工、使用的重要性日益凸显，进一步提升了生态圈竞争的重要性，一些数字智能企业就借助于数据优势而构建生态圈，甚至可以通过构建生态圈而筑起了竞争护城河，譬如智能芯片企业英伟达，就通过CUDA架构建立了强大的生态圈和护城河。

　　数字智能企业通过技术创新、平台、IP和数据等方式，来构筑自己的生态圈，并使其成为竞争利器。而从现有的重大原则来审视，这本身应属正常竞争范畴。但是，一个企业的生态圈一旦形成并足够强大，潜在进入者能够生存的机会就比较小，即使成功进入和得以生存，开展生态圈竞争要开展比产品的价格、质量、性能、品类竞争，困难得多。对于这样的情形，目前并不能作出是否形成排斥性竞争的判断；顶多，只能从获得和使用数据的手段、影响者和网红的行为、商业模式的规范性，等等方面，来进行分析和作出判断。即使从现有的法律条款出发，有足够证据判断一家数字智能企业利用生态圈开展了不正当竞争，或者构筑了垄断，但令人困惑的是，生态圈不可能像被定性为垄断的大企业那样，可以被分拆、被肢解。譬如美国的微软曾一度被美国反垄断法庭责令分拆，而英伟达在2024年也由美国司法部进行了是否涉嫌垄断的初步评估。不过，像当今英伟达这样企业的生态圈和护城河，很难通过强制肢解的方式，或强制出售某些业务的方式来攻破；更何况，英伟达基于创新的生态圈和护城河，到底存在哪些有违竞争规制的行为，更确切地说，应该给这类竞争行为确定怎样的规则，并非几月甚至几年就能理清。当然，数字智能产业的一些生态圈，也存在误导甚至欺诈，而这属于另一种性质的事情。

　　但不容轻视的是，生态圈往往具有亚社会的性质，并且有自己的亚文化。譬如所谓的粉丝群，不少就是由亚文化维系的亚社会。因此，一些生态圈具有较强的粘性好韧性，并且容易影响其中人们的认知，从而催生认知竞争。数字智能技术，可以刺激和放大认知竞争，从而从人们的认知层面，把市场竞争引导到有利于自己、不利于对手的方向。数字智能领域的认知竞争，已经延伸到人的分析判断能力、情感倾向性、知识储备等层次，以及延伸到人的世界观、人生观、价值观等方面，因而具有较强的引导性。通过利用数字智能技术，还可以操纵认知竞争，主譬如通过大数据分析和智能化创作与推送，就可以实行操纵。受到此种操纵的认知竞争，容易滑向智能化的认知战，美国智库特别竞争研究机构（Special Competitive Studies Project,SCSP）2024年发布的一份研究报告就指出，由人工智能驱动的算法认知战（algorithmic cognitive warfare），极有可能改变认知竞争的规则和格局。

　　而数字技术和人工智能科技还在不断发展，将使得认知市场的竞争手段更加丰富也更加凌厉，譬如脑机接口等技术的发展，以及人形机器人技术的发展、元宇宙技术的发展，等等，都有可能进一步推进认知竞争的烈度和深度。尤其是智能模型，如果忽视所谓的对齐（alignment），就有可能有意识地将认知竞争，引向到背离人类社会一些基本价值的方向。这当然值得关注和警惕，不过好在越来越多的人已经认识到这个问题的重要性。

　　如何建立生态圈和认知竞争的规则，是一项非常困难的工作。也许，在鼓励数字智能企业开展竞争的基础上，乐见及鼓励竞争性生态圈的建立，是可行的进路。譬如针对英伟达利用其独有的智能芯片连接技术建立的NVLink生态体系，微软、谷歌、英特尔等八家数字智能企业于2024年建立了一个UALink联盟，这是一个保持开放标准的超级加速器连接联盟，英特尔就宣称要推动此联盟成为一个开放的、有活力的AI生态系统。尽管我们无法预测生态圈竞争的未来格局，但存在不同的、可竞争的生态圈，对于树立良好的数字智能产业竞争规则，的确十分重要。而对于认知竞争，应该如何建立规则和建立怎样的规则，还需要开展更多的调查研究，但树立这方面的意识是第一步。

　　数字智能企业的竞争规则，不仅影响它们自身的发展和命运，也会影响整个社会，因为整个社会将被数字智能浪潮所包裹、所渗透。但是，数字智能企业的竞争行为和方式、手段，与传统的工商企业有着诸多显著不同。譬如一些典型的双边市场平台，所采取的“仅退款”竞争方式，实质上是把购买者这一边应该支付的正常价格，转移到供应商这一边被迫承担，这种方式可称为“转边定价”，与传统贸易中的转移定价有着重大区别，也是传统企业难以采用的方式；更何况，基于算法诱导的差异化定价，以及由AI实施的构陷对手的行为，过去闻所未闻。因此，过去的竞争规则，以及相应的法律法规，在许多方面都无所适从，甚至过去的主流经济学也没有深入触及这些诸多不同。但是，政府和社会不能阻碍数字智能产业的发展，也不应该对一些显而易见的不良竞争和不当竞争熟视无睹。正确的态度，应该是加强对实际情况的跟踪调查，同时开展深入研究和细致分析，“亦步亦趋”地建立数字智能企业的合理竞争规则。

　　最后需要强调，在规则的底座，应该是AI领域所谓的对齐。下一步，不但应该鼓励数字智能企业积极树立对齐理念、建立对齐、履行对齐原则，而且有关政府部门和社会机构也应开展对齐研究、强化对齐监督。而整个数字智能产业体系，都应该开展良好实践竞赛，而非一味沉溺于内卷式竞争和位置军备竞赛。沿着这样的方向，数字智能企业竞争规则就有可能更加良性。■