要理解智能时代所带来的变革，我们需要一套新的“经济学语法”。在《词元经济研究的三个基础》中，我们论证了人工智能使知识变得“可见、可量、可联”，为经济学分析找到了“词元”这一新概念。在《传统理论对智能时代经济运行解释力如何》中，我们提出需要一种综合的经济学方法对智能时代的经济运行逻辑进行分析。在《基于词元的智能时代生产关系分析》中，我们深刻剖析了知识成为直接生产资料，同时又具有社会性所引发的一系列思考。
　　基于此，《智能时代微观主体经济行为分析概论》对企业、大模型厂商、个体、平台四类微观主体的经济行为进行了分析。现在，我们用词元可近似替代知识、可计量、已被广泛当作计价单位的特殊经济属性，研究智能时代的国家长期经济增长逻辑有何新的变化。为此，我们丰富了传统经济增长理论，把“智能服务”作为一种投入，与劳动力、资本等传统投入一起，服务于经济增长。我们研究发现了富有启发性，同时引发深思的结论。我们认为，更好地理解智能时代全新的增长逻辑，可能不仅是学术课题，更是关乎国家未来的认知问题。
　　增长中的“双重知识增强循环”
　　在智能时代的增长中，不仅有劳动力和资本投入，还有“有效知识服务”的投入。有效知识服务由全社会调用词元总量、企业私有知识资本总量、社会公共智慧基础设施总量所决定。智能时代的经济增长，不再是一个线性累积的过程，而是一个由两个紧密咬合、相互驱动的增强循环所构成的复杂生态系统。理解这两个循环及其连接点，是把握新增长逻辑的关键。
　　企业私有知识资本累积是这个生态系统的第一个循环。想象一下，智能大模型提供的通用能力如同强大的“电能”，而企业是消耗电能、生产产品的“工厂”。然而，相同的电力输入，不同工厂的产出天差地别。核心差异在于工厂的“生产线”和“工程师”，即企业的私有知识资本。这并非简单的软件或硬件清单，而是一个组织弥足珍贵的“内功”。它至少包括企业独有的、高质量的结构化数据；为特定业务场景深度优化甚至从头训练的专用模型；将AI能力无缝嵌入核心业务流程的自动化程序；以及最重要的员工具备的人机协同素养，即精准提出问题、批判性评估结果、创造性整合解决方案的高阶能力。这些构成了企业将通用智能转化为自身竞争优势的转换器。企业对数据、模型、流程和人才的投资，提高其利用外部智能服务的效率与价值产出，产生了更高的利润和资源，为下一轮更深入的投资提供了动力。这是一个自我强化的企业增强循环。它解释了为何在相同行业，那些早早布局数字化、深耕数据资产、大力培训员工AI技能的企业，能更快、更深刻地享受到技术红利，并与竞争对手拉开代际差距。
　　社会公共智慧基础设施汇集知识并“发酵”是这个生态系统的第二个循环。再想象一下，当千万家企业使用智能服务、解决实际问题时，它们不仅在创造产品，也在持续生成宝贵的副产品——优化的算法思路、处理特定难题的新方法、标注好的高质量数据以及暴露出的共性技术瓶颈。在健康的制度与文化环境下，这些私有知识，能够通过开源代码、学术论文、技术社区分享、专利交叉许可、人才流动等多种渠道，持续汇入一个全社会共享的公共智慧基础设施，它如同一个“发酵池”吸收转化着各种原材料。广泛的企业应用产生海量知识与数据反馈，在一定开放机制下反哺并壮大公共知识基础，从而形成更强大的公共基础反过来赋能所有企业（包括新生企业），进而激发更多的应用与创新，又产生新的知识反馈。这是一个强大的网络效应驱动的社会增强循环。
　　环境制度是两个循环发生关系的关键连接点。两个循环并非自动高效运转。连接它们、决定其运行效率的核心枢纽，是环境制度。环境制度的质量如同一套复杂的“阀门”与“管道”系统，调节着知识的流动方向与速度。一方面，它塑造企业内功修炼的效率。一个鼓励终身学习、拥有健全职业培训体系、保护数据资产权益的社会，其企业的学习与吸收能力更强，能更快地将技术转化为资本。另一方面，它决定知识外溢的顺畅程度。知识产权制度、开源文化、公共数据安全有序开放、产学研之间贯通，这些制度安排直接决定了企业私有知识汇入公共知识公地的意愿与效率，是社会增强循环能否启动和加速的关键。
　　因此，智能时代的长期经济增长，可以视为一个制度调节下的双重知识增强循环的产物。国家的竞争力，越来越取决于其培育这两个循环特别是优化其连接制度的能力。
　　“智慧鸿沟”是必须面对的风险
　　用双重知识循环的透镜审视全球，我们发现一个严峻而清晰的图景。国家间的发展路径，如果不能采取合适的政策措施，国家发展非但不会自然趋同，反而可能加速分化，形成一道深不见底的“智慧鸿沟”。这是新增长逻辑下的动态必然。
　　“智慧鸿沟”的产生是三个相互叠加、彼此强化的差距所构成的系统性结果。一是公共知识底座的存量差距。这体现在开源模型生态的繁荣度、高质量公共数据集的规模与可及性、基础科研的积累上。领先国家凭借先发优势，其知识公地如同沃土，滋养万物；而后发国家的公地可能尚是贫瘠之地，难以支撑高水平的创新萌芽。二是企业能力基底的效率差距。这体现在企业集群的整体数字化成熟度、数据驱动决策的普及率，以及劳动力整体的人机协同素养上。领先国家拥有大量已成功完成或正在深化数字化转型的企业，其私有知识资本雄厚；后发国家则可能大量企业仍处于数字化门槛之外，两个循环在企业端就难以启动。三是制度生态效能的机制差距。这是最深刻也最关键的差距。它体现在知识产权体系的适应性、对开源创新的激励程度、数据治理的智慧水平，以及教育体系对未来技能的响应速度上。领先国家往往拥有更能促进知识创造与流动的制度，而后发国家可能受制于不合时宜的旧规则，或缺乏构建新规则的能力。
　　“智慧鸿沟”具有自我强化与锁定效应。这三重差距会形成死循环。如果一个国家起点低，公共基础薄弱，企业能力不足；增速慢，制度僵化抑制企业学习效率、阻碍知识社会性溢出，导致两个循环运转速度较低，这种低水平、低增速的组合会使差距呈指数级扩大。面对这种情况，后发国家面临的不是简单的技术封锁，而是更深层次的生态隔绝。这可能意味着，全球竞争正在进入一个新时代。未来的国家分化，不仅是GDP总量的差距，更是国家创新能力的差距。在智能时代，全球不平等需要在更高层次、更新维度进行制度创新才能有效避免快速扩大。
　　政策需要从“产业扶持”到“循环培育”
　　面对全新的增长逻辑与严峻的分化风险，国家的经济与创新政策至关重要。
　　1.夯实循环基础的政策工具箱。
　　面对企业，提供面向AI软件、算力租赁、数据治理服务的税收抵免；探索数据资产的确权与价值评估体系，激活其金融属性；通过创新券直接补贴中小企业首次使用AI服务，降低启动门槛。
　　面对社会，大幅增加对人工智能基础理论、安全伦理和下一代架构的长期稳定研发投入；像建设交通、通信网络一样，投资建设国家级高质量公共数据集、开放普惠的AI算力平台，将其作为数字时代的关键基础设施运营。
　　2.激活循环动能的政策工具箱。
　　针对企业，发起国家层面的鼓励计划，将人机协同、批判性思维教育深度融入国民教育体系与职业培训；建立行业数字化转型促进中心，推广最佳实践，降低企业试错成本。
　　针对社会，改革科研评价体系，将开源贡献、数据集发布的影响力与论文同等对待；牵头建立敏捷、前瞻的AI治理框架，明确伦理、安全与合规标准，以清晰的规则降低社会风险，稳定创新预期。
　　3.打通循环经络的政策工具箱。
　　设计分层知识产权制度，对基础性AI模型和算法鼓励开源，对应用创新给予强保护但设置合理互操作性要求，防止平台垄断锁死生态。积极参与并主导国际开源协议、数据接口标准的制定，抢占规则基础设施的制高点。设立专项资金，以数字公共事业模式长期资助关键开源项目与安全审计工具的维护。
　　4.维护循环健康的政策工具箱。
　　实施针对偏远地区、传统行业工人、小微企业的数字包容计划，防止形成能力鸿沟。设计适配灵活就业与新工作形态的社会保障网。
　　通过立法确保关键公共AI服务普惠接入，防止其被私有垄断；强化反垄断监管，警惕大型平台通过控制核心模型、数据与开发生态将知识公地变为私人领地，损害生态的多样性与健康。
　　为未来做好“初始设定”
　　智能革命绝非一次可供静观其变的技术浪潮，而是一场正在重新定义生产要素、重塑增长逻辑、重构全球力量格局的文明级变迁。它带来的，既是生产力跃升的历史机遇，也内含了差距固化、社会撕裂的深刻风险。
　　双重知识增强循环的模型冷静地揭示，我们正站在一个系统性拐点。各国增长的故事，将由此分道扬镳。是任由那个强大的增强闭环在缺乏约束的条件下，将世界导向经济权力超级集中、社会流动性板结、技术生态阵营对立的鸿沟，还是运用人类独有的理性、远见与合作精神，通过主动的政策设计与制度创新，为这个刚刚启动的智能增长系统，注入开放、共享、普惠、安全的“初始设定”？
　　这不仅仅是经济学家或技术专家的课题，更是关乎所有国家决策者、企业家、教育者和每一位劳动者的共同抉择。未来增长的样貌，就埋藏在我们今天对“循环”的理解与对“鸿沟”的应对之中。
　　（《中国经济时报》2026年5月12日，钟时）