问题—— 人工智能等新技术的快速发展正改变创新主体结构：产业部门不再仅作为科研成果的转化方，而是逐渐成为前沿创新的重要推动者。此外，技术扩散带来的治理挑战和分配效应日益突出。当前各类治理倡议层出不穷，但缺乏可操作的评价体系和执行路径；智能化在创造新职业的同时，也导致财富向少数创新者和平台机构集中，这些问题亟待解决。 原因—— 江小涓指出，传统创新链条较为线性：从科学发现到技术研发，再到产业应用。产业主要扮演"应用与扩散"角色。但在数字时代，数据、算法、算力、平台和海量场景成为创新要素，技术突破更依赖资源整合、持续投入和多场景验证。资源整合能力强的平台型企业能够形成从基础研究到工程落地的闭环，从而在创新中占据优势地位。 以大模型研发为例，早期突破多来自高校和科研机构，但近年来领先模型主要由大型平台企业主导。这是因为前沿AI技术的训练和迭代高度依赖数据治理能力、工程体系和算力资源，这些正是大型企业的优势所在。这种结构性转变凸显了"科技创新与产业创新融合"的重要性。 治理落地难也有其深层原因。虽然国际组织和国家层面不断强调安全、透明、可控等原则，但大多停留在理念层面。如何界定关键概念、建立可验证的指标体系、将原则转化为具体标准和责任机制，仍存在不足。特别是AI的跨境流动和供应链协同，使得治理需要在创新与风险防控间取得平衡。 影响—— 创新重心向产业端转移，将推动国家创新体系的组织方式、投入结构和人才培养机制调整。企业深度参与研发有助于缩短技术转化周期，提升创新效率和国际竞争力；但资源向头部平台集中也可能加剧市场垄断，增加中小企业参与难度。 在就业和分配上，智能化正在重塑就业结构：新职业不断涌现，但财富分配更倾向于掌握核心技术和平台资源的创新主体。缺乏相应制度安排可能加剧财富集中，影响创新生态的可持续性。 治理层面，若原则不能转化为可执行规则，将导致治理失效。一旦出现安全风险或算法歧视等问题，责任不清将损害公众信任，制约产业发展。 对策—— 江小涓提出"合理、合用、合意"三标准： 1）"合理"关注资源配置效率和公平分配； 2）"合用"强调技术的可用性、安全性和可追责性； 3）"合意"重视公众接受度和社会信任。 具体建议： 1）将原则转化为可执行标准，建立评测和合规流程； 2）完善产学研协同机制，通过公共平台降低中小企业参与门槛； 3）运用税收、培训等政策工具，提高劳动者适应能力，缓解财富集中问题。 前景—— 数字时代的竞争是技术、产业能力和治理水平的综合较量。未来企业创新地位将继续提升，但需要与科研机构紧密协作：基础研究提供源头支持，产业体系提供应用场景，政策体系提供规则保障。随着AI深入医疗、金融等关键领域，对可解释性、责任划分的需求将更迫切，治理规则有望从理念走向实践。
人工智能不仅带来技术变革，更重塑了组织方式、治理体系和分配格局；既要重视产业在创新中的新角色，也要建立可执行的规则来应对安全和公平挑战，才能让技术进步真正推动高质量发展和人的全面发展。