AI如何嵌入企业研发、加速创新进程？生产要素视角提供了一个清晰而务实的观察窗口。
10月4日，白宫科技政策顾问迈克尔·克拉西奥斯专程赴京都宣布一项由美国主导、17个国家参与的倡议，旨在更好地利用AI加速科学研究。克拉西奥斯描绘了AI驱动科研的图景：在工业规模运营的自动化云端实验室中，机器人系统将同步开展数百项平行实验，实时生成数据并反馈用于分析与假设优化。软银CEO孙正义也在此会上发言称，2027年起AI服务将进入第三阶段，将协助机器人及其他设备与物理世界进行交互。
稍早前的9月22日，在广州举行的第二届广东省人工智能应用对接大会上，商汤科技联合创始人杨帆提出一个鲜明判断：token（词元）经济需从“消耗计量”走向“结果价值”。在他看来，人工智能2.0时代，词元经济必须深度绑定业务价值，人工智能的长期竞争力，根植于真实场景的数据价值。此前的2026中国国际大数据产业博览会上，国家数据局局长刘烈宏表示，词元正成为智能经济时代重要的基础计量单位与价值锚点；腾讯集团副总裁、腾讯研究院院长司晓则形容，词元是智能时代最显性的脉搏。刚刚落幕的2026智能经济论坛上，与会嘉宾也有一个共识：人工智能正从“会回答”走向“能交付”。
这些话指向同一个正在发生的变化：人工智能已不满足于当“问答机器”，而是走进车间、实验室与办公室，从企业降本增效的普通工具，成长为改写生产函数的新型生产要素。它如何嵌入企业研发、加速创新进程？生产要素视角提供了一个清晰而务实的观察窗口。
智能要素，正在改写“生产函数”
回望生产要素体系的演进轨迹，一部经济发展史，也是一部要素组合不断升级的历史。农业经济时代，土地与劳动构成核心组合，生产呈现规模报酬递减；工业经济时代，组合转向“资本+技术”，机器取代体力成为效率源泉；数字经济时代，数据成为关键要素，凭借非竞争性、低成本复用、越用越好的特性，打破了传统要素的有限供给约束，形成规模报酬递增的发展模式。如今，人工智能的深度嵌入，使要素体系再次发生质变——算力、算法与数据共同支撑起“智能”这一新型要素形态，智能经济、词元经济由此而生。
人工智能的特殊之处，在于它的双重身份。一方面，它是新质劳动资料，以大模型、智能体形态出现的“新质生产工具”，替代和延展了人的认知与决策劳动，让“机器会思考、会设计、会实验”成为现实；另一方面，它是新型要素组织者，通过算法与算力对数据、资本、劳动进行重新组合与优化配置，犹如要素调度中枢。有研究指出，人工智能引致生产力质变与生产关系调整，其作用正是经由数据要素这一中介展开；人工智能投入生产活动的本质，是从要素重构走向要素创新。因此，简单把它归入资本或技术的范畴已不充分，人工智能更宜被视为智能经济条件下独立的新型生产要素。
与传统要素相比，人工智能有三个突出属性。第一，边际收益递增。模型能力随训练数据与算力投入的累积而增强，智能体运行中沉淀的知识又可反哺模型迭代，形成“越用越强”的正反馈。第二，强复用性与跨场景外溢。训练好的模型可以低成本复制到不同业务场景，词元作为计量单位实现了可定价、可流通，创新成果的推广不再是“另起炉灶”。第三，以数据为“燃料”的耦合性。人工智能的价值实现高度依赖高质量数据集，数据要素的乘数效应经由它被进一步放大——这恰恰解释了为什么国家数据局要求“人工智能发展到哪里，就把高质量数据集建设到哪里”。
一个标志性细节是计量的统一。2026年3月，国家数据局正式确定token的中文译名为“词元”。据统计，我国日均词元调用量已从2024年初的约1000亿次增至2026年3月的140万亿次以上，两年增长超千倍；截至2026年6月，全国已建成高质量数据集超12万个、总量超1565拍字节（PB），覆盖科学研究、工业制造、农业农村、具身智能、低空经济等领域。从“字节”到“词元”，计量单位的更替，正是智能要素从概念走向配置、从技术走向经济的生动注脚。
三条路径，看懂创新的“加速密码”
人工智能加速企业创新，并非自动发生，而是经由要素层面的传导机制实现。归纳起来，主要有三条路径。
其一是要素重构，让研发范式从人工试错转向数据与智能双驱动。传统研发依赖专家经验，成本高、周期长、风险大；人工智能的嵌入，使研发呈现“数据—算法—实验”闭环：数据为模型提供燃料，算法驱动假设生成与方案筛选，机器自动执行实验验证。中国科学技术大学研制的“机器化学家”阅读16000篇催化论文，推荐5种金属组合，经25426次理论模拟与100次机器实验，将原本需要约1400年的试错搜索压缩到5周。研发不再是“大海捞针”，而是“按图索骥”，甚至“自动寻宝”。这种范式变革的意义在于，企业可以在更短时间内探索更大空间，把有限的人力从重复试错中解放出来，投入到真正的创造性工作。
其二是要素配置，让创新要素流向效率更高的企业。南京大学沈坤荣、金童谣等基于国家新一代人工智能创新发展试验区的实证研究发现，试验区政策通过人才赋能、知识多样化与技术驱动机制，促进关键生产要素的创新性配置，显著提升企业技术创新水平，对缺乏“超级明星发明家”、具备知识积累优势及规模较大的企业作用更强。也有研究者利用数据交易平台设立事件提供的证据表明，数据要素市场化显著促进企业人工智能创新。政策引导与市场机制“双轮驱动”，正在为创新注入更充足的“燃料”。
其三是要素协同，让全要素生产率与新质生产力同步跃升。温州大学任宗强等的研究显示，人工智能推动生产模式向“轻资产”转型并强化资本与劳动协同，显著提升企业全要素生产率，该效应在劳动密集型企业中更为突出。安徽财经大学黄晶等基于2011~2022年沪深A股上市公司的实证检验则发现，人工智能通过数字化转型、高技能劳动力占比提升与科技创新能力提高三条渠道，显著促进企业新质生产力发展。智能要素的价值，正在于它不替代其他要素，而是让每一份投入都能产出更多。
三条路径相互交织：要素重构解决“创新怎么做”的范式问题，要素配置解决“要素流向何处”的效率问题，要素协同解决“要素如何组合”的绩效问题。它们共同构成人工智能嵌入企业创新的完整链条，其效应强度又受企业禀赋、行业特征与制度环境的调节——这正是政策需要精准发力的空间。
走进车间与实验室的“新质生产力”
理论上的机制，正在车间与实验室里变成看得见的数字。
在制造业，潍柴动力依托120TB高质量数据与大模型技术，突破传统研发参数优化瓶颈，新品研发周期缩短22%，核心零部件合格率提升至97%，库存成本降低10%。研发周期缩短近四分之一，意味着同样的时间可以推出更多新品，也可以把更多迭代留给市场验证；合格率逼近百分百，则让“从设计到良品”的链条更加顺畅。
在传统企业，青岛海益塑业这家拥有70年历史的制造企业，将人工智能融入战略规划与业务流程，上线“垂直领域AI知识库1.0”，以通用大模型构建企业级知识中枢，打通系统壁垒、整合全域知识。老企业长期沉淀的隐性知识与业务数据被盘活，转化为可检索、可复用的智能资产，创新能力实现“二次激活”。它说明，智能化不是新兴企业的专利，传统企业同样能借“数智”获得新生。
在产业链生态，温州可信数据空间面向鞋服产业链提供AI设计工具，把创意过程转变为数据驱动的智能生成，设计效率提升167倍、研发命中率提升超20%。当“选款式、出图样”从几天压缩到几分钟，产业集群的试错成本大幅下降，小企业也能共享智能设计能力，创新速度自然成倍提升。
支撑这些场景的，是词元经济基础设施的加速成形。2025年“数据要素×”大赛吸引11.7万人报名、参赛项目超2.3万个；2026年6月，国家数据局发布的《关于推进行业高质量数据集建设行动的实施方案》首次将“词元交易”写入顶层设计，提出构建以词元为基础、可量化可定价的数据价值体系。国家数据局负责人表示，将围绕国民经济重大场景，研究探索词元增值订阅、按效付费等商业模式。这意味着，机器“智力产出”正在获得像电力千瓦时、石油桶数一样的计量与定价方式，数据要素的价值，只有在流通与使用中才能充分释放。要素市场的成熟，将使人工智能驱动的创新由企业内闭环走向产业链协同开放，加速创新要素跨企业流动与重组。
让“智能要素”跑起来
把人工智能从“工具”变成“要素”，从个案创新变成普遍动能，关键在制度环境与市场基础的协同发力。
一是完善数据要素市场制度。高质量数据集是智能要素的“燃料”，要加快高质量数据集建设，探索词元增值订阅、按效付费等交易规则，让企业以更低成本获得合规、可用的数据供给，缓解“数据饥渴”。词元交易规则越清晰，企业越敢投入、越敢创新。
二是深化“人工智能+”行动。支持龙头企业建设垂直领域大模型与智能体平台，推动人工智能与制造业、科研、服务业深度融合，培育要素重构的示范场景，让更多企业“用得上、用得起、用得好”。从“大而全”的通用模型，到“懂行”的行业模型，正是人工智能落地的关键一跃。
三是优化创新要素配置政策。发挥试验区与数据交易平台的要素配置功能，引导人才、数据、算力向高创新效率企业集聚，同时关注中小企业与劳动密集型企业的差异化需求，避免“智能鸿沟”演变为“创新鸿沟”。创新不能只属于少数头部企业，要素配置的公平性，决定创新红利的覆盖面。
四是健全创新治理体系。人工智能嵌入研发，也带来数据安全、算法治理与劳动者转型等新课题。要引导企业在创新加速与风险防控之间实现动态平衡，重视劳动者技能升级与主体地位保障，让创新红利更公平地惠及各类主体。
从“消耗计量”走向“结果价值”，从“会回答”走向“能交付”，人工智能作为新型生产要素的定位日益清晰。当词元成为新的度量衡，当数据、算法、算力与人才在研发一线实现深度协同，企业创新的边界将被重新定义。让智能要素流动起来、配置好、用到位，我们迎来的将不仅是一批企业研发周期的缩短，更是一整套创新范式的跃迁。衡量这场变革成效的标尺，最终要看企业研发账本上的数字、实验室里的成果和车间里的良品率。
（作者供职于福州外语外贸学院）
