智能经济时代生产力的质变与生产关系的重构
习近平总书记明确指出：“生产关系必须与生产力发展要求相适应。发展新质生产力，必须进一步全面深化改革，形成与之相适应的新型生产关系。”从数字经济到智能经济，其发展过程并非简单的技术突破，而是经济增长模式、生产力发展路径的颠覆性革命。数字经济通过信息的高效连接提升生产效率，智能经济则把算法模型深度嵌入生产过程，数字技术、智能技术从辅助性生产工具升级为影响社会生产的核心力量。
一、智能经济时代生产力的质变
智能经济时代，生产力的质变不仅仅表现为效率的提升，更表现为生产力运行底层逻辑的革命。
（一）功能结构跃迁：从信息处理到知识生成
数字经济形态下，技术进步的核心是信息处理能力的大幅提升。互联网与大数据的广泛应用，使市场主体依托信息实现更为精准的匹配，推动资源配置效率进一步提升。在这一阶段，信息数据虽被纳入生产函数，但其作用表现为对既有经济过程的优化，并未打破现有经济运行的底层逻辑。
生成式人工智能的发展改变了经济运行的底层逻辑。大模型能够在深度学习的基础上创造新内容，技术系统具备了理解、生成与优化的能力。生产者与消费者的行为不断地被编码并融入技术体系，知识生产不再仅仅依靠人的脑力劳动，而是更多地依靠人机协同。模型也不再只是执行工具，而是成为连接各主体、各要素的中介。智能经济正在推动生产力从“人使用工具改造自然”的被动模式，演进为“技术系统自主生成知识、方案和产品”的主动创造模式。生产力的功能边界被进一步拓展，它不只是对既有信息的回应，还能依托人工智能技术进行持续的知识创造。智能技术在一定程度上承担了认知主体的功能，这是智能经济区别于数字经济的重要特征。
（二）运行逻辑重构：从经验依赖到算法主导
工业经济时代，技术的进步、生产效率的提升更多依赖劳动者在长期实践中积累的经验。经验往往与具体情境、人员和工序紧密相连，不易完整表述，也很难大规模复制或跨场景移植。社会生产效率的提高更多依靠劳动者能力的提升，生产组织也更强调维持稳定工艺和固定分工。工业经济时期生产条件相对稳定，这种经验依赖尚能适应，但在智能时代，生产体系更为复杂多变，经验更新慢、传递损耗大等局限性便显现出来。
随着人工智能技术越来越多地介入生产体系，生产环节的信息被持续采集，转为结构化数据，并不断地被算法训练和模型优化，这就使原先依附于个体的默会经验被部分转化为可编码、可计算的规则，并能在技术系统内反复迭代。市场主体的决策过程随之调整，不再主要依靠个人的主观判断，而是更依赖数据分析和模型推演。这种从经验逻辑向算法逻辑的转变，有赖于数据、算力和算法之间的协同。数据提供信息输入，算力支撑复杂计算，算法则把输入转化为组织、预测和调度生产的规则，三者相互支撑，使信息获取从离散的经验片段转向连续数据流，决策依据更多来自模型推演，生产过程实现了实时预测和动态调整，生产运行由此减少了对个体经验的依赖，技术系统将发挥越来越重要的作用。算法不仅承担技术工具的角色，还能够参与生产治理，影响任务分配、节奏控制和质量评价。
（三）技术属性变革：从工具性存在到认知性存在
生产体系的功能结构与运行逻辑变化，尚不足以说明人工智能技术对经济社会运行的全部影响。更加重要的问题是，技术在生产过程中所处的位置发生了改变，它不再只是被劳动者使用的手段，而是能够介入判断与决策的全过程。
工业经济时代，技术通常被理解为劳动资料，可以固化为机器、工具或工艺流程。机器延伸体力，工具延伸技能，工艺流程固定经验，但生产中的判断与取舍仍由劳动者掌握。技术只服务于既定目标，本身不参与目标确立，也不参与对生产过程的持续解释与优化。因此，工业时代的生产力结构是以人与工具的分工为前提的，人提供目的和判断，工具提供手段和动力。
人工智能改变了人与工具的这种明确分工。技术系统经过数据训练，能够进行预测和一定范围内的决策，部分人的认知活动被纳入机器运行之中。生产力的运行不再只靠劳动者的经验输入来维持，而是在相当程度上依赖技术系统的数据处理和模型推演。技术系统不再只是生产的外部条件，它开始进入生产组织内部，甚至是中枢位置，参与任务分配、过程控制和结果评估。
从资本积累的视角看，智能技术越深入地介入认知活动，资本对数据、算法和算力的占有，就不只是对物质资料的占有，更是对认知过程的控制。谁掌握模型、平台和数据入口，谁就能够在一定程度上影响信息呈现、行为引导与决策生成。因此，智能时代对劳动的支配不再只是通过对工厂、机器和原料的占有来实现，而是从劳动过程延伸到认知过程。
技术的智能化与个性化，在资本逻辑下转化为平台对认知空间和社会行为的组织能力，这正是新型生产关系的核心矛盾。
二、生产力质变推动算法权力与认知依附的形成
生产力的质变必然要求生产关系的相应调整，但在资本逻辑仍然起支配作用的情况下，这种调整往往表现为控制方式与权力结构的重组，而不是制度本身的自然改良。
（一）算法权力的形成及其支配逻辑
算法进入资源配置和劳动组织过程后，算法权力逐渐成形。这里所说的算法权力，并不是指算法像国家主权那样发号施令，而是指平台借助技术规则，对生产过程和交易过程进行自动治理与隐性规制。传统管理权力多依赖组织命令、科层约束和制度规范，算法权力则把规则写进系统，通过参数、排序、匹配和评分来发挥作用。平台掌握海量数据，能够实时分析交易行为、劳动节奏和消费偏好，再借助算法定价、调度与分配等机制，持续影响市场运行。表面上劳动者可以自由选择是否接单、何时工作，但实际上接单机会、工作强度和收入水平越来越由模型决定。消费者接触到的信息和商品排序，也已在平台规则中被事先安排。
算法权力的扩张与数据资本的集中相互关联。在平台经济中，数据不只是生产要素，也是资本积累的重要基础。平台通过持续提取海量用户行为、交易信息和社会关系等数据，把分散的数据资源集中起来，不断优化算法推荐和供需匹配，并借助网络效应强化市场优势。平台获取的数据规模越大，其模型训练能力就越强，技术优势就越明显，市场支配地位也就越稳固，由此形成一种自强化循环，数据积累推动算法优化，算法优化又反过来推动市场扩张。
算法权力运行还呈现出隐蔽化特征。传统工业经济主要依靠工厂纪律和层级管理来控制劳动，智能经济则把技术规则嵌入生产过程本身。劳动者和用户看似拥有较高自由度，实际上其行为路径、信息获取和决策选择都受到算法系统的持续引导。平台的评分体系、推荐机制和⾏为画像，共同形成一套严格的规训机制。算法权力不是以“可见”的命令出现，而是通过技术系统来塑造劳动者和用户的行为逻辑和认知方式，资本对劳动和社会行为的支配也由此获得了更隐蔽的形式。
（二）新型依附关系的生成
随着算法权力的扩展，个体与平台和模型之间形成了一种新的认知依附关系。这里说的认知依附，不是指人完全丧失判断能力，而是指在平台化和智能化条件下，信息筛选、路径判断和行为决策越来越多地借助算法推荐、智能助手和模型系统来完成。个人消费偏好的形成、知识的获取等都会在一定程度上受到算法机制的影响。可见，技术系统一方面提高了生产与消费的效率和便利，另一方面也通过信息过滤、行为引导和反馈强化，参与对主体认知的持续塑造。这种认知依附在生产领域表现得更为突出。平台劳动者名义上有更多的选择空间可以决定上线时间和接单数量，但实际上其劳动过程已经深度嵌入平台系统，其工作内容、节奏安排和报酬分配，受数据指标和算法规则的直接影响，带有明显的去人格化色彩。技术系统带来的效率提高并没有改变劳资关系中的结构性差异，只是使这种差异以更隐蔽的方式存在，并且在认知层面进一步加深劳动者对平台的依赖，使其不得不按算法规则和模型逻辑调整自己的行为。
（三）资本积累逻辑的当代转型
算法权力的扩张与认知依附的形成，并不是孤立现象，其与资本积累方式的变化相互交织。工业经济时代，价值增值主要依靠对物质生产资料和劳动时间的占有。智能经济时代，积累的重心逐渐移向数据资源、算法模型和平台结构。生产关系的运行空间也不再局限于生产环节，而是延伸到生产、交换、流通、消费等社会再生产的全部环节。
从资本有机构成看，算力基础设施、数据中心、大模型训练和算法系统等不变资本投入增长很快，资本积累对技术设备和数据资源的依赖上升，活劳动在社会生产中的比重则相对下降。技术进步固然提高了生产效率，但活劳动的减少必然会压缩剩余价值的来源，利润率下降的压力随之加大。平台资本于是更多依靠数据垄断、平台抽佣和技术租金来维持资本增殖能力，技术食利也就成为积累的一种重要形式。
价值实现方式同样在发生变化。智能经济中的价值创造，不再只发生在直接生产领域，还进一步延伸到数据生成、信息处理和平台交互等环节。用户的浏览、点击、内容生成和社交互动被纳入数据生产过程，成为平台价值的重要来源。生产活动已经超出企业物理边界，扩展到社会生产其他环节，生产与消费、劳动与生活的界限日趋模糊。不过，这并不意味着劳动消失或获得解放，而是剩余价值生产采取了更隐蔽、更分散的形式。
三、生产关系变革的现实梗阻
生产力的质变引发的算法权力与认知依附，大体上指明了生产关系变革的方向，但变革仍面临多重障碍。
（一）数据产权模糊与要素配置的制度困境
智能经济形态下，数据为算法权力运行提供了基础条件，但数据权属的制度安排尚未理顺，影响了算法权力的运行效率。数据的生成与流转牵涉多方主体，个人、企业、公共机构之间的权利（力）边界很难清晰界定，头部平台往往凭借技术手段和平台规则，形成对数据资产事实上的独占，而数据最初提供者的权益难以得到有效保障。而且，平台资本还会将对数据资产的独占纳入资本积累过程，形成事实上的数据垄断。在智能经济运行中，数据资产的权属模糊与其事实垄断相互叠加，使数据资源难以实现优化配置，数据要素的价值释放也因此受到限制，同时在制度层面为算法权力的过度扩张留下了空间。
（二）认知能力分化与劳动主体地位的结构性弱化
智能技术在提高生产效率的同时，也使劳动者产生新的分化。按照智能技术发展的规律，常规性、重复性劳动更容易被替代，而高技能岗位被替代的可能性明显偏低，但这类岗位对劳动者的认知水平和数字素质往往要求更高。因此，智能经济的发展会引发就业结构性矛盾突显，一方面，既懂技术又熟悉行业发展规律的人才供给不足，另一方面，传统产业劳动者又受年龄、教育和地域条件限制转岗困难，技能错配矛盾突出。任务分配、节奏控制和绩效评价被纳入算法模型后，这种就业结构性矛盾会更为复杂。从形式上看，劳动者可以自由接单、选择工作时间，实际上却不得不服从平台规则和算法调度。劳动者的议价能力明显下降，劳动自主性进一步收窄，在生产过程中的主体地位也随之弱化。这一矛盾的关键诱因不只是劳动者的技能差距，更重要的是技能差距与算法控制的相互强化。
（三）平台权力集中与竞争生态的封闭
平台是智能经济重要的产业组织形式，在整合资源、协调供需方面发挥着重要作用，但如果缺少有效治理，其发展容易走向权力集中和生态封闭。头部平台的先发优势往往被网络效应和规模经济进一步强化，不断提高后来者的进入门槛和生存难度。头部平台掌握数字基础设施、数据资源和开发工具，不仅扮演着服务提供者的角色，还是规则的制定者。为强化自身竞争优势，平台往往倾向于把数据、用户和业务锁定在自身生态内部，限制与其他平台的数据互操作和业务协同。这就导致数据要素难以在更大范围内流动，产业生态也因此从开放协作转向封闭排他，市场公平竞争的基础被削弱。
（四）收益分配失衡与社会共享基础的侵蚀
从分配环节看，智能经济的发展并不会自动推动发展成果的共享。人工智能对常规劳动的替代，会进一步提高资本在收入分配中的相对份额。平台劳动者多以灵活就业身份进入生产过程，组织程度低、议价能力弱，在分配中往往处于弱势地位。人工智能技术的快速迭代，使高技能群体与低技能群体之间的收入差距快速拉大，从而产生智能鸿沟。而且，智能鸿沟产生的诱因已不仅局限于个体网络接入的差异，更重要的体现在不同主体运用智能技术获取信息、就业机会和经济收益的能力差异上。由此产生新的收益分配失衡问题，数据红利高度集中于少数头部平台，知识技术的垄断越来越成为新的不平等来源。
四、推进生产关系有序重构的制度路径
生产关系重构面临的深层挑战与多重梗阻不会在发展中自动消解，必须推动多元制度创新。
（一）完善数据产权制度，夯实要素配置的制度基础
数据流通的制度障碍，与数据产权界定不清直接相关。数据要素不同于传统资产，其生成、流转和使用往往同时涉及多个主体，产权制度因而难以简单套用既有物权框架。我国的探索是在“数据资源持有权、数据加工使用权、数据产品经营权”“三权分置”的基础上，按数据类型和应用场景分类分层设定规则，并建立全国统一的数据产权登记制度。 2026年7⽉， 国家数据局印发《数据产权登记工作指引（试行）》，对登记主体、登记对象、登记程序和登记效力等作了明确规定。该指引明确指出，登记凭证可作为数据权属和内容的可信证明，在数据流通交易、数据资产入表、融资担保、作价入股和司法实践等场景中使用。这一探索是推动数据要素市场化配置的前提，未来还应在培育开放、共享、安全的全国一体化数据市场上下功夫，制定覆盖数据资产登记、质量评估和价值确定的标准规范以及操作指南。在此基础之上，应明确数据生产者、加工者和使用者之间的收益分成规则，可考虑将数据收益权作为单独权利加以规范，使数据贡献者获得相应激励。
（二）规制算法权力，保障劳动者的认知自主与权益
算法权力会影响竞争效率和劳动者权益，必须纳入治理框架。应推进人工智能及算法治理相关立法，明确算法部署者和应用者的主体责任和禁止性行为，对基于算法的评价和问责机制进行规范。在现有算法推荐、个人信息保护等制度基础上，建立以风险程度为基础的算法分级分类管理制度。对可能显著影响公共安全、就业机会、劳动报酬、职业安全健康、金融信贷、教育医疗、社会保障等基本权益的高风险算法，必须实行强制备案、第三方审计和持续监测。
劳动领域的算法尤其需要明确规制。实践中，一些用人单位利用算法进行任务分配、绩效评价、工时管理、惩戒解雇，表面看是用工管理，实际上是在制定涉及劳动者切身利益的规则，对此必须履行民主程序和公示告知义务，对影响劳动过程与收益分配的关键算法规则，劳动者应享有可操作的知情权、解释请求权、异议权和申诉权。工会或职工代表应有权参与算法规则的制定、调整和监督。算法劳动争议处理机制也需进一步完善，应将算法歧视、算法不当惩戒、算法规则不透明等纳入劳动争议受理范围。在劳动争议受理过程中，应合理分配举证责任，加强劳动监察与仲裁、诉讼的衔接。
（三）治理平台垄断，重建开放协同的产业生态
治理平台垄断不能简单地靠压减平台规模或强制平台开放，而是需要反垄断监管与互操作治理相互配合。对数据接入壁垒、算法合谋、扼杀式并购等垄断行为，应建立完善的识别与规章制度，并严格依法依规查处，防止平台利用数据、流量和算法优势限制竞争。对于具有必需设施属性或对竞争有显著影响的平台接口和基础能力，可以在保障国家安全、数据安全和个人信息安全的前提下，按照分级分类、公平合理等原则推动互操作，但不能一刀切地强制开放。同时，应建立数据授权运营和合规流通机制，在明确个人信息、商业秘密和重要数据保护边界的基础上，促进中小企业依法获取可流通的数据资源。在制造业、农业、服务业等重点领域， 以满足市场需求和风险可控为前提，推进“人工智能+”场景开放与规模化应用。
（四）调节分配结构，促进智能红利的公平共享
缓解智能经济带来的收益分配失衡，需通过完善初次分配、再分配与公共服务供给等体制机制。初次分配仍应坚持按劳分配为主体、多种分配方式并存，在数据确权、隐私保护、公平竞争和合规流通的前提下，健全知识、技术、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。对劳动者应分类保障劳动报酬，符合劳动关系认定标准的，严格执行最低工资、工时、社会保险等制度；不完全符合劳动关系认定标准的，可以依法探索行业性、区域性集体协商，就报酬底线、抽成比例、计价规则、支付周期等形成规范，并保障劳动者的知情、协商和争议解决权利，以提升劳动者在收益分配中的议价能力。再分配方面，应完善适应智能经济特点的税收征管和调节机制，落实税收法定和量能课税，防止税基侵蚀和利润转移，依法规范垄断租金和不当超额收益。同时，应协同使用反垄断、公平竞争审查、价格监管等工具。数据资产带来的公共收入宜统筹用于社会保障、技能培训、基本公共服务等领域，不能简单指定用于数字基础设施建设。公共服务供给能力直接影响分配结果的可及性，应推进基本公共服务均等化、可及性和兜底保障。在保留线下和人工服务渠道的前提下，稳妥推动教育、医疗、文化等公共服务数字化、智能化，推进数字基础设施适老化和无障碍改造，并面向老年人、残疾人、低收入群体、农村居民等开展数字技能普及。通过制度保障和服务创新，确保智能经济发展成果更多更公平地惠及全体人民。
【作者：陈轶丽，中共河南省委党校副教授 本文是河南省软科学项目《新质生产力赋能河南出口韧性提升的效应与路径研究》 （252400410362）的阶段性研究成果】
编辑：付婷 审核：姜秋霞