智能经济将数据、算法和算力纳入生产要素，催生了数据要素市场、模型即服务、智能体协作等新业态。但这些变革更多集中于已有知识的组织效率与交付速度，解决的是能力应用问题，尚未触及经济体系中最具原创性的环节——科学发现。当人工智能开始系统性介入原创知识的创造，智能经济的价值链便从能力应用端向能力生产端延伸。一场从知识源头发生的上游变革正在展开，而其核心驱动力是AGI for Science（通用人工智能驱动的科学研究，以下简称：AGI4S）。

　　AGI4S是上海人工智能实验室主任周伯文教授提出的科学智能从1.0向2.0迭代演进的方向，核心是推动人工智能从辅助科研的工具向能深度融通专业能力的通用智能体跨越。AGI4S不是对AI4S的简单升级，而是一次质变，AI系统不再仅仅是科学家的“超级计算器”，而是具备跨领域理解力、自主探索能力和专业判断力的“科学伙伴”。

　　一、从AI4S到AGI4S：智能经济的上游变革

　　AI4S是“能”的极致。AI4S首次将人工智能系统性引入科学研究，扮演“革命性工具”的角色。在此阶段，AI主要以深度学习等技术，解决科学中边界清晰、目标明确的特定问题，比如从AlphaFold预测蛋白质三维结构，到分子动力学模拟加速材料筛选，再到天文巡天数据中自动分类星系形态。AI4S的核心价值在于“能”，即以远超人力的速度、精度和规模，高效执行计算、优化与模式识别任务。

　　AI4S显著加速了已知科学规律的应用与验证。传统需要数年完成的晶体结构解析，AI可将周期压缩至小时级；原本依赖科研人员经验积累的实验参数优化，AI通过高通量虚拟筛选可成倍提升效率。然而，AI4S本质上仍处于能力应用层面：其能力通常是“专用”的，一个模型往往只擅长单一任务，缺乏跨领域迁移能力；角色是“被动”的，高度依赖人类科学家提出假设、界定问题和解读结果，无法自主跨越学科边界或产生原创性科学问题。此阶段，科学发现中“研究者—研究工具—研究对象”的三元格局未发生根本改变，AI是功能强大的“工具”，人仍是不可替代的“发现者”和“判断者”。

　　AGI4S是“智”的创生。AGI4S是一次质的飞跃，标志着AI从辅助研究的“工具”升维为驱动发现的“引擎”。2025年，周伯文教授提出“AGI for Science六问”，从边界、预测、语言、交叉、验证与新科学六个维度，系统性审视了这一变革的核心命题。AGI4S的“智”，不在于包揽一切，而在于精准拓展AI的能力边界，并始终以人类的好奇心与价值观为罗盘。AGI4S的变革集中体现在三个层面。

　　一是从“专用”到“通专融合”。AI4S的模型通常受限于单一任务，而AGI4S的核心突破在于打通通用能力与专业深度，在保持跨领域泛化能力的同时，实现特定科学问题的精深推理。这意味着系统既能像领域专家一样解决高难度专业问题，又能进行跨学科的知识关联与迁移。

　　二是从“被动”到“自主探索”。AI4S系统被动等待人类定义问题，而AGI4S系统开始具备自主设定科学问题、规划实验路径并验证假说的能力。2026年3月，由Sakana AI与牛津大学等机构联合开发的“AI科学家”系统，独立完成从假设提出到论文撰写的全流程研究，并发表于Nature，标志着这一能力已从演示阶段步入现实，科学发现活动中“人”的不可替代性遭遇根本性松动。

　　三是从“工具”到“引擎”与“伙伴”。AGI4S从根本上重塑了科学探索的“三元”关系。AI不再只是被使用的“工具”，而是能与研究者、研究对象动态交互、协同演进的“伙伴”，共同推动科学发现从“假设驱动的人类智力游戏”走向“人机协同的未知探索”。AGI4S的核心价值从“能”延伸至“智”，包括判断来源、形成认知依据、进行原创性知识生产的创造力与判断力。

　　从AI4S到AGI4S，是能力应用到能力生产的范式跃迁。智能经济的实质是“能力经济”，其核心不再是产品，而是可调用（像云计算一样按需使用）、可进化（使用越广、数据越多，发现新知识的能力越强）、可迁移（如在生物医药领域锤炼出的分子理解能力可迁移至材料科学、能源催化等）的“能力”。AI4S验证了“能力经济”逻辑在科学领域的可行性，但解决的主要是已知科学规律的应用效率问题。AGI4S则将这一逻辑延伸至知识供给端，其所创造的“智”是一种持续产生新知识的“元能力”，同样具备这三种特征。当AI系统性参与原创知识生产，科学发现的方式、速度与主体将发生结构性改变，进而重塑智能经济的运行根基。

　　二、AGI4S对智能经济知识供给的重构

　　供给能力从稀缺走向丰富。人类科学发现的速度受制于阅读文献、设计实验和代际传承等生物学条件的约束。人工智能在这些环节具有显著的结构性优势，文献处理速度远超人类阅读能力的上限，记忆不会衰减，经验可在不同节点间同步复制。随着AGI4S技术能力的持续提升，科学发现的产出规模将不断接近甚至超越人类科学共同体当前的处理能力及水平。这种变化不是渐进式效率提高，而是数量级的突破。现代经济活动中与知识相关的制度安排，包括知识产权保护期限、研发投入的回报预期、技术转让的定价逻辑，均以科学发现相对稀缺为默认前提。一旦这个前提发生改变，由此建立的制度安排将面临系统性调整的压力。

　　供给主体从人类独占到人机复合。当人工智能从辅助工具变为具有创造性贡献的科学发现者时，现代经济体系中“知识由人类生产、由人类运用、由人类承担后果”的基础前提开始松动。以自然人为中心的发明人制度、以人类署名为单位的科研评价体系，其法理基础均根植于此。前提不再稳固，规则空白将逐步显现。人工智能发现的药物靶点、自主设计的材料配方，其知识产权应归属于模型训练者、数据提供者、算法开发者还是实验运行者，目前无法给出明确答案。人工智能参与甚至主导科学发现的能力已得到验证，其产出规模和渗透速度足以对现有法律主体资格和责任归属框架形成挑战。

　　供给条件从普遍可及到受制于智能化基础设施。知识生产能力的跃迁和生产主体的扩展，并不意味着知识供给的门槛降低。AGI4S所需的高性能算力、高质量科学数据集和模型训练能力构成了新型基础设施，其可及性、可用性与可持续性，将直接影响不同主体在产业创新格局中的起点位置和参与能力。关键基础设施的集中，使知识生产能力在不同主体间出现分化，而基础设施分布的不均衡，则将转化为智能经济发展中的结构性落差。这种落差不仅是经济效率问题，更是智能经济时代的“知识主权”问题。

　　三、AGI4S对智能经济形态的重塑

　　创新活动的时间结构发生变化。从基础研究发现到技术转化再到产业化应用，传统创新链各环节之间存在清晰的时间间隔，为制度适应、标准制定和产业组织调整提供缓冲。AGI4S加快了科学发现的产出节奏，在特定领域，技术研发与成果转化之间的时间距离开始收窄。创新活动原有周期一旦被压缩，建立在此之上的投资决策逻辑、研发组织方式和产业规划方法都将面临系统性重塑。这一变化在不同学科和产业领域中的程度差异显著，但方向一致，AGI4S的加速将逐步改变创新活动组织方式的基本假设。

　　产业竞争的焦点向知识获取能力前移。智能经济中企业的竞争优势长期取决于技术应用效率和市场响应速度。科学发现与知识供给的节奏加快，使得竞争焦点部分前移至对新知识的获取与率先转化。企业不仅需要在已知技术路线上优化执行，还需要在科学发现的前沿保持紧密对接，以便在新知识出现时率先完成从研发到转化应用的跨越。这种前移不是对原有效率竞争的代替，而是在其之上叠加了新的维度。同时具备两种能力的企业将在竞争中获得有利地位。

　　经济的产业结构面临渐进式重组。当特定领域的知识供给速度持续提升，产业的进入门槛、集中度和企业形态都可能随之调整。新知识的快速涌现可能降低部分行业的既有技术壁垒，新进入者有机会从新的知识起点出发，绕开既有企业的积累优势；也可能在某些环节形成新的瓶颈，新型基础设施的拥有者将在产业竞争中获得新的议价权。这种重组以边际变化的累积方式展开，而非断裂式调整。智能经济产业结构调整的方向和程度取决于AGI4S在不同领域的渗透广度和深度，虽然目前难以做出确定性判断，但将此变量纳入观察与分析具有必要性。

　　四、将AGI4S纳入智能经济战略视野

　　科学发现和基础研究的每一次重大调整，都会引起经济组织形态的深层变革。AGI4S之于智能经济的意义，不在于短期经济贡献，而在于它正在改变智能经济长期运行的基础条件。

　　AGI4S将推动智能经济治理体系的适应性重塑。知识产权、科研评价、产业竞争政策等现行制度，均以知识由人类生产为默认前提。当这一前提不再稳固，规则调整便不限于单一法律的修订，而是一组制度安排的协同演进。这一进程跨越的周期较长，不同领域的推进节奏存在差异，但方向明确。建立在传统知识供给模式之上的规则体系，需要逐步适应人机复合型知识生产的新现实。

　　AGI4S将扩展智能经济比较优势的内涵。各经济体在智能经济中的竞争位势，主要体现在底层技术、模型能力、算力规模、数据资源和应用场景等维度，AGI4S的出现使知识生产能力本身可能成为比较优势的新维度。知识生产能力的分布变化，将长期影响不同经济体在技术（知识）密集型产业中的相对位置。我国在AGI4S工程能力上处于全球第一梯队，产业应用场景的规模与多样性提供了独特条件。将这一先发优势转化为规则构建中的话语权，是需要前瞻布局的战略议题。

　　AGI4S将拓展智能经济的分析框架。当前探讨集中于智能产业化和产业智能化两个维度，尚未将知识生产方式的变化纳入视野。为弥补这一不足，既需要在认知层面明确知识供给端的变革可能改变智能经济的长期运行条件，也需要在实证层面建立对这一变化的长期观察能力。观察能力的建设过程，正是将这一议题从学术讨论纳入政策议程的过程。

　　作者信息

　　任媛媛，中国工业互联网政策研究所助理研究员，管理学博士，研究方向为人工智能治理、产业科技创新、智能经济等相关领域。参与多项省部级重点课题，支撑多项国家重大政策文件研究编制。

　　金永花，中国工业互联网研究院政策研究所正高级研究员，经济学博士，研究方向为智能经济、数字化转型、产业链供应链、安全应急产业等，工业和信息化部安全应急装备标准化工作组委员，发表论文30余篇，完成8部专著和合著，牵头20余项部省级课题，参与多项国家重大政策文件起草。

　　张义，中国工业互联网研究院政策研究所所长、正高级工程师、系统分析师。主持10余项自然基金委课题、科技部重点研发计划和工信部高质量专项，支撑工业互联网和人工智能领域多项重大政策文件编制。在人工智能产业、工业互联网、大数据等方面具有丰富的研究经验。

　　交流合作联系方式：

　　010-87901268、18368910986

　　更多相关

　　智能经济深度观察丨智能经济发展特征与成熟度评价体系构建

　　智能经济深度观察丨基于“五层体系架构”的中美智能经济发展比较

　　智能经济深度观察丨智能原生企业的概念、现状与趋势

　　文章来源：点击阅读原文