21世纪经济报道记者冉黎黎

机器人、人工智能与创新药，在我国产业升级“换挡”提速的关键阶段，陆续接棒昔日以新能源汽车、锂电池、光伏为代表的“新三样”，成为产业创新发展的强劲力量。

新“新三样”与“新三样”在产业逻辑上有何本质不同，尤其是Token（词元）如何重塑对人工智能产业的估值模型和增长曲线？未来产业的发展依赖“耐心资本”，对于其中存在的结构性矛盾，有哪些可能的解决方向？

放到更大叙事框架下，各地都非常重视新“新三样”和未来产业发展，但对于地方布局，并非每个地方都能成为源头创新策源地。

在此背景下，地方政府、产业方、投资方等不同类型主体，又该如何发展布局新“新三样”和未来产业？

针对该系列问题，21世纪经济报道本期“聊懂新‘新三样’”邀请中国银河证券新发展研究院数字经济研究员彭雅哲作为对话嘉宾。

本期对话嘉宾21世纪经济报道记者冉黎黎、中国银河证券新发展研究院数字经济研究员彭雅哲

机器人、人工智能将从产品竞争迈向生态竞争

《21世纪》：近期新“新三样”被广泛讨论，这与上一轮“新三样”在产业逻辑上有何本质不同？

彭雅哲：上一轮“新三样”，其产业逻辑的本质是制造业逻辑。当时在全球绿色转型的大背景下，全球对新能源相关产品有非常旺盛的需求，并且相关产业经过一段时间发展，技术路线已经相对成熟。在此情形下，全球各个经济体中，谁能实现规模化制造，谁能把成本压得更低，谁能把供应链组织得更好，谁就更能在产业竞争中胜出。而我国正是凭借这些条件，在产业出海中获得领先优势。所以上一轮“新三样”价值创造的核心，更多是传统要素投入，价值来源是规模扩张和制造升级。

而这一轮新“新三样”，是完全不同的产业逻辑。当下我们正处于全球新一轮科技革命和大国科技博弈当中，可以说，谁能在关键核心技术上实现突破，谁就更有可能在本轮全球竞争中抢占科技制高点。新“新三样”是当下科技创新的前沿领域，是完全的知识密集型、技术密集型产业。所以，各经济体不再是像传统的“新三样”那样，凭借把产业规模做大来取胜，而是依靠高强度的研发投入和技术的持续迭代创造比较优势。这也意味着，当下的价值创造的核心，已经不再是由传统要素投入驱动的，而是转向创新驱动增长的方式。

《21世纪》：在当前阶段，人工智能不再仅仅被视为提升效率的技术工具，而是逐步成为推动经济运行和价值创造的重要源动力。Token不仅是智能时代的价值锚点，更是连接技术供给与商业需求的“结算单位”，为商业模式的落地提供了可量化的可能。这种变革将如何重塑对人工智能产业的估值模型和增长曲线？

彭雅哲：Token这个概念最近非常火，它是大模型技术体系中的一个底层术语，指的是模型在处理文本、图像和多模态信息时候的最小计量单位。目前随着AI逐渐从技术验证阶段进入真实生产生活应用当中，Token的经济含义也发生了明显外溢，它成为用户在采购AI服务时的一个通用的计费单位。可以说，当我们形容消耗了多少Token的时候，一方面，它对应着背后消耗了多少算力、多少电力；另一方面，它也对应着生成了多少AI相关的智能服务和产品。所以有了Token这样一个被大家广泛认可的结算单位之后，人工智能的商业模式落地有望被更好地量化。

以前，人工智能产业估值更多是侧重于技术视角，我们关注AI模型的能力有多强、参数有多大、企业的研发投入有多高，然后给予一个比较大的想象空间，并且投资者愿意为了这种对未来的期望而支付高估值。但这种估值方式毕竟距离真实的商业落地还有一段距离。现在有了Token这样一种可以计量、可以结算、可以定价的基本单位之后，我们能够清晰地观察到企业的相对成本和收益，更好地衡量企业是否形成了商业闭环，进而更加直观地给予企业一个相对科学和合理的估值。

至于人工智能产业的增长曲线，我认为它更有可能以一种非线性的方式加速增长。以前在互联网时期，产业规模扩张更多取决于用户规模的增长。但AI时代，除了用户规模之外，用户使用的深度也在持续提升。特别是未来随着AI模型的能力持续提高，智能体日益成熟，以及AI在各行各业的垂直应用领域不断落地，Token的消耗有望成倍增长，进而使整个AI产业的增长曲线呈现出一种指数型扩张的态势。

《21世纪》：随着AI向空天网络、电力系统等基础设施渗透，机器人、人工智能将不再局限于消费端、服务端的场景应用，而是深度嵌入工业生产、能源调度、国防安全、城市治理等国家战略性领域，这种变化会怎样重塑新“新三样”产业的竞争格局？对于机器人和人工智能产业而言，面临的是什么样的新机遇？又有哪些新风险？

彭雅哲：以前，AI、机器人等技术更多应用在消费端，未来随着技术逐渐应用于能源、电力、城市治理等关键基础设施场景，在产业竞争格局方面主要会产生两点影响。

一是行业门槛被显著抬高。在传统的互联网消费场景下，一个产品即使有小的不足，也可以边上线边优化。比如，如果AI只作为个人日常生活中的AI问答助手，那我们对它的容错率会相对较高，即使回答有一些小瑕疵，也可以接受。但如果我们把AI应用在整个城市建设中，比如道路交通规划、电力系统调度等关键环节，那我们对它的容错率会大大降低，必须先确保安全可控，才能投入到应用当中。

二是产业竞争从单纯的产品竞争，迈向未来整个生态系统的竞争。比如，机器人进入工业生产，不只是单纯地卖机器，还要配合背后的控制系统、工业软件等。所以，未来真正有竞争力的企业，是那些能够整合上下游资源、能够提供一套完整生态系统的企业。

最大的机遇或在于市场空间的扩张。以前的人工智能、机器人等技术，更多被作为效率提升的工具，是“可做可不做”的“附加分”。但后续，如果把这些技术应用到基础设施领域，那它就变成了一种刚性的需求，意味着整个产业空间会大幅扩张。

风险方面，我认为主要有两点。一是安全风险，一旦这些技术进入关键基础设施，那么相关的网络风险、数据风险等，影响的就不只是一部分消费者群体，而是可能影响整个国家的安全系统。二是对企业而言，合规成本明显上升。在企业产品研发生产出来后，可能会需要经过很长的时间去审查、测试、认证等，这会拉长企业的商业周期。

要加快标准制定缓解治理碎片化问题

《21世纪》：如果说上一代“新三样”的出海更多是产能和产品的输出，那么以机器人、人工智能、创新药为代表的新“新三样”，其全球扩张在本质上可能呈现出哪些不同的结构性特征？

彭雅哲：这一轮新“新三样”，全球扩张的本质已经不是简单地把产品卖到海外，而是有三点更重要的输出模式。

一是技术能力输出。对于新“新三样”而言，海外客户真正看重的不再是单纯的价格是否便宜，而是技术能力够不够强、效果是不是可靠，以及是否具备不可替代性。所以，这一轮产业竞争不再单单依靠成本优势，而是从“成本竞争”转向“技术溢价竞争”。

二是生态输出。我国的新“新三样”出海，不只是把一个产品交付给海外客户，更要把我国产业和企业嵌入到当地的产业生态中去。以人工智能为例，我们出海一个AI模型，不是单纯的模型部署完成即可，而是要去适应当地语言、行业场景和监管要求等。目前我国在AI生态输出领域表现优异，这主要得益于我们在开源模型领域的领先优势。过去一年，中国开源大模型的全球下载量和采用量位居世界第一，把更加普惠的AI产品输出到更多海外国家。

三是规则输出。新“新三样”走向全球的过程中，会深度进入到海外国家的数据治理、隐私保护、算法监管等一整套制度体系中。所谓规则输出，不是我国简单地把自己的制度照搬出去，而是中国的产业和企业要在国际市场中形成被广泛接受的标准和流程，从而提升我国在全球规则形成过程中的参与度和影响力。

《21世纪》：在全球AI治理规则尚未定型的时期，我国AI产业发展面临着怎样的不确定性？我国应如何参与甚至引领全球AI治理规则的制定，构建与自身产业实力相匹配的国际话语权？

彭雅哲：我国AI产业发展面临的不确定性主要体现在两个方面。

一是技术路线的不确定性。目前很多技术的关键路径并没有完全稳定下来，也就是说，今天企业大量投入资金的方向，未来一旦技术路径发生变化，有可能被颠覆和重构。例如，当下全球AI发展大多沿着Transformer架构推进，后续假如出现了更具颠覆性的理论和路径，可能整个AI技术范式和产业范式都会发生巨大的变化。

二是国际规则分化的不确定性。当前全球AI治理规则尚未定型，美国、欧盟等很多主要经济体都在出台各自不尽相同的法律法规。没有在AI治理上形成统一的框架，导致中国AI企业在出海时，面对的不是一个统一的全球市场，而是多个规则并存，甚至有可能彼此分化的市场。在这种情况下，企业出海的制度成本和合规成本会明显提升，也会面临更多的挑战。

在此背景下，中国要参与甚至引领全球AI治理规则的制定，可以从三个角度出发。

一是先在国内形成高质量发展和高水平治理的实践样板。我国有着超大规模市场和丰富的应用场景，相关治理规则首先在国内顺利实践后，再把它向全球推广将更有说服力。

二是国家层面，要通过多边平台、产业合作等多种形式，提升规则参与度。特别是在此过程中承担中国负责任大国的责任，积极参与和推动AI治理规则落地，为“全球南方”国家和更多发展中国家发声。

三是产业层面，要加快标准制定，推动企业、高校、科研机构深度参与到技术标准、接口规范等的制定当中。在全球地缘政治风险高企、各国利益分歧明显的背景下，短期内达成具有法律约束力的全球统一规则较为困难。而技术标准具有相对中立、可操作性强的特点，更容易在专业层面形成共识，从而在一定程度上缓解治理碎片化的问题。

《21世纪》：在新“新三样”的发展中，数据要素扮演着重要驱动角色。你认为当前在打通“数据孤岛”、建立“可信数据空间”方面，最大的堵点是什么？特别是对于创新药研发和高端机器人训练所需的高质量数据集，应如何构建有效的市场化配置机制？

彭雅哲：新“新三样”都是非常典型的数据密集型产业。在这些产业中，高质量数据本身是非常稀缺的，同时这些数据又非常分散，比如，创新药的数据很多来自临床和病理，人工智能和高端机器人的数据很多来自工业现场和生产车间，所以这些数据天然容易形成孤岛。

在此基础上，进一步加剧数据孤岛问题的最大堵点，我认为是在数据要素市场化配置机制没有完全打通的情况下，绝大多数企业是不敢共享、不愿共享数据的。一方面，企业不敢共享的原因在于，很多数据是高度敏感的，如果不能做到绝对的脱敏处理和安全保障，那数据泄露可能会对企业造成较大的负面冲击。另一方面，企业不愿共享的原因在于，差异化、特色化的高质量数据是企业获得收益的重要来源。而数据天然具有非竞争性和非排他性，一旦把这些数据共享给他人，其他人就能够共享数据收益，同时导致原本拥有数据的企业利益相对受损。

对此，我们解决这一堵点的方式在于构建有效的数据要素市场化配置机制，明确数据如何定价、如何分责、如何获益。事实上，我国在过去几年密集出台了一系列相关政策，比如“数据二十条”等顶层设计，正在持续建立健全数据要素体制机制。未来我们要做的，一是进一步细化和明确数据的来源、使用权和收益分配规则，使数据要素市场从政策顶层设计走向全面落地运行。二是通过隐私计算、联邦学习等技术，给数据脱敏，在保障安全和合规的前提下释放数据要素价值。三是建立行业统一的数据标准，推动各个行业搭建专属的高质量数据集。四是建设专业化的数据运营平台，培育专业数据服务商，让数据在供给、定价、交易、监管等各环节形成闭环。

优化绩效考核和容错机制引导长线资金入市

《21世纪》：未来产业的发展依赖“耐心资本”，但未来产业存在长周期、高投入、高风险特征。如何解析其中存在的结构性矛盾？又存在哪些更为细分的突出问题？

彭雅哲：未来产业目前大多处在技术突破、场景探索和产业化验证的早期阶段。这些产业从实验室研发到最终的商业化落地，中间会经历很长的链条，并且失败的概率比较高，投资回报兑现比较慢。所以，相比其他产业，未来产业更需要长期资本、耐心资本的支持。而我国耐心资本的发展，近年来也持续强调要投早、投小、投硬科技，契合未来产业主题。

但在实践中，我们发现，耐心资本在支持未来产业过程中还存在一些矛盾。

首先，在资金规模方面，我国资本市场中真正落实到位的中长期、稳定的资金来源还有待拓宽。一方面，由于激励机制、绩效考核等一系列原因，一部分资金更加追求短期回报。另一方面，政府引导基金和国有企业出资的投资基金是耐心资本的主力军，但在当下宏观经济不确定性风险增加的背景下，这些资金的投资态度趋于谨慎，可能会存在“宁可错过，不可投错”的避险心理。

其次，在投资结构方面，尽管未来产业整体都处于偏早期阶段，但是相比于美国等发达资本市场，我国的股权投资基金更倾向于投资成长期企业，而处于更早阶段的种子期、初创期企业，还面临资金不足困境。

最后，“科技—产业—金融”之间的良性循环还不畅通。一边是不少科研成果停留在实验室，缺乏资金投入；另一边是一些资本想投，却找不到足够成熟的高质量项目。资本和技术之间的对接效率相对较低，在一定程度上抑制了科技成果转化的速度。

《21世纪》：对于前述结构性矛盾，有哪些可能的解决方向？“十五五”规划纲要提出了建立未来产业投入增长和风险分担机制，对此如何理解？

彭雅哲：一是进一步优化绩效考核和容错机制，通过制度设计引导更多长线资金入市。这方面，我国政策已经在持续优化中。2025年以来，我国对于耐心资本的长周期考核机制、政府投资基金的评价体系和考核机制等都进行了优化和更新，后续有望逐渐观察到相关成效。

二是加速金融工具创新，开发适配未来产业不同发展阶段风险收益特征的金融工具，提升风险对冲和风险补偿能力，缓解结构性错配。

另外，今年“十五五”规划纲要中提出要“建立未来产业投入增长和风险分担机制”。这意味着，后续我国将进一步推动财政、金融与社会资本协同发力，实现投入规模持续增长和配置效率精准提升。同时，我们将持续完善覆盖“种子期—初创期—成长期—成熟期”全周期的资本支持链条，建立政府、银行、保险、担保、创投等多元联动的风险共担机制，共同破解科技成果转化堵点。

《21世纪》：人才是未来产业的核心要素，但目前复合型人才十分短缺。从未来产业发展的角度看，我们应如何构建人才培养和引进机制，以打破学科壁垒，满足未来产业跨界融合的需求？

彭雅哲：未来产业的竞争，表面上是技术之争，但背后还蕴含着很多深层次因素，比如人才作为核心要素之一，其竞争也十分关键。尤其是未来产业，最大的特点就是跨学科、跨技术、跨场景融合，这意味着，未来产业发展需要的不仅仅是单一学科的人才，而是能够在不同知识体系之间形成连接和转化的复合型人才。目前来看，产业对复合型人才的需求在持续增加，但人才供给是相对短缺的。

背后的原因和解决方法，可以从两个层面考虑。

一是人才培养，这一点更多是要优化高校的人才培养体系。传统的高校人才培养，很大程度上是按照学科、按照专业进行划分，培养出来的人才，熟悉的领域相对单一。而现在，各大高校已经认识到复合型人才的重要性，绝大多数学校都在进行培养机制的改革。对此，我们的建议，一方面是设置交叉型学科，并且确保有熟知相关交叉领域的师资力量来授课，把相关专业知识串联起来，而不是割裂地去给学生分别讲两个领域的课程。另一方面是打通校企合作机制，比如由高校、科研院所、企业联合培养，从真实产业需求的角度出发，给人才提供专业指导和实践机会。

二是人才培训，这一点更多要完善企业对员工的再培训机制。员工进入企业后，企业要尽可能做到打通不同部门之间的壁垒，使员工可以同时懂业务、懂数据、懂技术，从而在工作中进一步把复合能力培养出来。

不是每个地方都要争做源头创新策源地

《21世纪》：当前，全国各地在推动未来产业发展上呈现怎样的特点和格局？在这个过程中，可能呈现出了哪些突出的问题？

彭雅哲：全国各地的未来产业发展格局，可以从三个方面进行概括。

首先，各省都非常重视未来产业发展，在政策层面已经呈现出“积极布局、普遍加码”的态势。特别是进入“十五五”时期，未来产业已经不只是个别地区的前瞻议题，而是全国各地共同关注的战略方向。我们梳理了目前已经出台的各省“十五五”规划纲要，看到几乎所有省份都把未来产业写入纲要中。并且政策工具日益丰富，各地对未来产业的理解和部署持续深化。

其次，大部分省份在部署未来产业的过程中都比较注重因地制宜。在这一原则指引下，目前已经有一些代表性省份打造出了鲜明的优势和特色。比如北京的具身智能、上海的生物制造、安徽的量子科技等等。各省市结合自身产业发展优势与特色应用场景，探索自身未来产业发展突破口。

最后，我们也看到，还有部分省份在部署未来产业时，存在着一定的追逐概念热点、同质化布局、与本地经济发展水平不匹配等情况。如果脱离自身科研土壤和产业基础去追逐热点，最后有可能变成一种财政资源的低效投入甚至浪费。我们要避免在未来产业领域诱发低水平内卷式竞争。

《21世纪》：展望2026年乃至“十五五”时期，你对新“新三样”和未来产业的发展面临的系统性风险有何预判？

彭雅哲：展望“十五五”时期，新“新三样”以及未来产业一定会成为中国经济高质量发展的重要增长引擎。我们在保持积极态度的同时，也需要提示几类风险。

一是资本和产业资源过度追逐热点，可能会带来泡沫化风险。如果一些赛道短期过热，大量资金、地方资源和社会预期集中涌入，但底层技术、商业模式和场景验证还不充分，无法形成商业闭环，就容易形成估值泡沫和后续的产业出清压力。

二是低水平重复建设和结构性过剩的风险。近年来，我国持续强调“反内卷”，其实“内卷式竞争”不只存在于传统产业，很多新兴产业也出现了这样的苗头，如同此前的光伏产能过剩。目前，以人工智能产业为例，我国在算力方面就面临着结构性难题。例如，通用算力相对过剩而高端算力相对紧缺，西部地区算力利用率低而东部地区算力不足，等等。如果未来产业发展过程中差异化不足，各地为抢占概念热点而重复进行低水平建设，则有可能重演结构性过剩的现象。

三是关键要素受约束带来的卡点、堵点风险。例如，高端芯片、核心软件、关键设备、高质量数据等，一旦这些环节没有跟上，整个产业链的推进就可能受到限制。

《21世纪》：对于地方政府发展布局新“新三样”和未来产业，你有哪些建议？

彭雅哲：地方政府布局新“新三样”和未来产业，最重要的不是追求全面开花，而是寻找本地最适合做什么、真正能做成什么，以及自身在全国创新版图中的位置在哪里。

对此我们提出四点建议：

首先，坚持因地制宜，做差异化布局。不同地区在科研资源、产业基础、应用场景、能源禀赋、人才结构等方方面面的差距都很大，未来产业布局也要有差异性。不是每个地方都要争做源头创新策源地，但每个地方都可以在全国未来产业分工中找到自己的角色，有的地区适合做前沿基础研究，有的地区适合做中试放大，有的地区适合做工程化落地或绿色能源建设，等等。各地要立足自身优势，构建自己独特的能力。

其次，在全国统一大市场中形成协同分工。各地区因地制宜的同时，在全国层面要形成紧密配合与协作，避免产业链各环节相互割裂。通过纵深推进全国统一大市场建设，发挥我国超大规模市场优势，进一步助力未来产业发展。

第三，夯实底层基础能力。未来产业的发展不是只停留在概念层面，各地政府要重点强化自己在研究平台、中试平台、公共数据平台等方面的底座能力。

第四，在政策引导方面，要从传统的规模扩张型，转向功能培育型。未来产业重要的是营造创新土壤，比如提供耐心资本支持、加强知识产权保护、完善人才培养和风险分担机制等。不再是用简单的建园区、上项目、拼投资额这样的思路去发展，而是构建一个鼓励原始创新的制度环境。