AI新經濟，在這裏看見丨2026外灘大會首日觀察

當 AI 真的開始工作，它究竟能夠爲經濟帶來什麼?

9月10日，上海黃浦江畔，2026Inclusion· 外灘大會正式開幕。今年大會的主題是“共創 AI 新經濟”。

和過去幾年相比，這是一個頗有意味的變化。

從 ChatGPT 橫空出世開始，人工智能的討論長期圍繞參數、算力、Scaling Law 和模型能力展開。人們關心誰的模型更強，誰擁有更多 GPU，下一代模型又會在哪個 benchmark 上超過人類。

但三年之後，當大模型開始從聊天走向辦事，智能體開始進入真實交易，機器人開始走上一線生產環節，問題已經悄然變化:我們不再只討論 AI 能夠做什麼，而開始討論 AI 究竟能夠創造什麼 —— 新的交易、新的組織、新的生產率，以及新的經濟增量。

這也構成了今年外灘大會最值得關注的一條暗線。

臺上的經濟學家、科學家和企業家當然仍在談模型、智能體、量子計算和科學發現，但越來越多的討論，已經落到了經濟學最古老的幾個問題上:生產率從哪裏來?創新怎樣變成增長?新的技術如何創造新的企業和工作?技術進步又怎樣最終轉化爲整個社會的繁榮?

人工智能，正在從一個技術變量，逐漸變成一個經濟變量。

從聽話到行動

過去幾年，大模型給普通人留下的最深印象，是它越來越“會說話”。

問一個問題，它給出答案;讓它寫封郵件，它生成郵件;給它一份材料，它完成總結。背後的邏輯仍然是人發出指令，AI 響應指令。

但2026年，這套邏輯正在改變。

源碼資本投資合夥人、美國國家工程院外籍院士張宏江在主論壇上總結了一條演進路徑:Agent 正在“從對話到助手、從被動到主動、從個體到羣體”。

這句話真正重要的地方，是 AI 開始擁有“行動能力”。

一個只會回答問題的大模型，本質上仍然是一種信息工具;但當 Agent 開始理解任務、調用工具、制定步驟並完成任務，它第一次真正進入了原本由人的勞動構成的經濟流程。更進一步，當不同 Agent 之間開始協作、交換信息甚至完成交易，它改變的就不只是人機交互，而是經濟系統本身的連接方式。

這種變化，已經出現在非常具體的場景中。

在“當 Agent 成爲交易主體”的圓桌上，螞蟻集團 CEO 韓歆毅講了一個小例子:此前一週，他用 AI 健康應用“阿福”買了一些堅果、海苔這類健康零食，從尋找商品到下單，花了40多元。

40元當然算不上什麼鉅額交易。值得關注的是，一個 Agent 第一次從“告訴你該買什麼”，向“替你把東西買回來”跨出了一步。

OPPO 高級副總裁、首席產品官劉作虎也提到，“小布”相關消費幾個月內接近翻倍。雖然基數仍不大，但用戶已經開始習慣讓 Agent 幫助自己購物。

一旦 AI 能夠行動，它就不可避免地開始接觸支付、賬戶、商品和服務。過去互聯網商業的基本結構，是“人找商品”“人點按鈕”“人完成支付”;未來則可能變成人提出目標，Agent 尋找方案、比較價格、調用服務，再完成交易。

於是，一整套商業基礎設施也必須跟着改變。

Agent 有沒有身份?誰授權它花錢?買錯東西誰負責?一筆機器完成的交易如何追溯?

韓歆毅把它概括爲授權、身份、能力評估、資金安全和可追溯審計。在傳統互聯網裏，人們熟悉 KYC——Know Your Customer;智能體時代，一個新的問題正在出現:KYA，Know Your Agent。

萬事達卡首席產品官 Jorn Lambert 也提到了這種商業信任的重要性。阿里巴巴集團首席科學家周靖人則認爲，只要約束條件、安全執行環境和模型邊界能夠被清晰定義，智能體的信任問題並非無解。

當越來越多的機器能夠自主完成任務、發生交易和形成協作網絡，一個真正意義上的智能體經濟，也就有可能由此出現。

而這種“行動能力”，也開始從數字世界進入物理世界。在當天的具身智能圓桌上，幾位機器人創業者形成了一個共同判斷:具身智能不會簡單複製大模型的發展路徑，真正決定機器人能否走出 Demo 的，也不只是模型能力，而是數據、硬件、系統穩定性和真實場景 ROI 共同構成的完整能力。

機器人最終要回答的，也不是“能不能動起來”，而是能不能穩定地進入工廠、門店和服務場景，真正成爲生產力的一部分。

從底座到增長

過去幾年，AI 產業最重要的關鍵詞之一，是“底座”:更大的模型、更先進的芯片、更多的數據中心和更龐大的資本開支。

但回看歷次技術革命，鐵路真正改變世界的，不是鋼軌本身，而是商品和人口由此重新流動;互聯網的價值也不在鋪設了多少光纖，而在電商、搜索、社交網絡和移動支付等新經濟形態從中生長出來。

AI 是不是也正在經歷同樣的過程?

諾貝爾經濟學獎得主菲利普 · 阿吉翁用經濟增長理論給出了一個直接答案。

根據他與合作者的測算，僅考慮 AI 自動化商品和服務生產中的任務，未來十年就可能令生產率增速每年額外提高約0.68個百分點;如果進一步考慮 AI 對“想法生產”、也就是創新過程本身的促進作用，還可能再提高約0.4個百分點。

換句話說，0.68個百分點甚至可能只是下限。

這可能也是理解“AI 新經濟”最重要的一層:真正值得關注的，不是 AI 產業本身多創造了多少收入，而是整個經濟的生產函數是否因此發生變化。

過去，一個企業擴大產出，往往意味着增加員工、資本和設備;未來，當越來越多的知識工作可以交給 Agent，當企業內部的經驗、流程和知識能夠被模型化，同樣規模的人和資本，可能產生完全不同數量級的產出。

張宏江認爲，在智能體經濟裏，企業資產的定義本身也可能被重新書寫。過去企業的核心資產是人才、客戶、品牌和專利;未來，算力、專有模型、高質量數據、Agent 協作體系和持續迭代的工作流，也會成爲新的生產資料。

如果說互聯網降低的是信息傳播和交易成本，那麼智能體正在進一步降低知識勞動、協調和執行的成本。

一個創業者可以調用一羣 Agent 完成編程、設計、營銷、客服和運營，“一個人 + 一羣 Agent”的企業就不再只是想象。企業可能變小，但能力反而變大。

也正是在這裏，AI 第一次真正從一個企業的成本項，開始變成增長項。

當然，並不是所有前沿技術都會立刻變成生產率。中國科學技術大學上海研究院執行院長陸朝陽在主論壇上就給火熱的量子計算“降了降溫”:量子計算不是一臺能夠“加速一切”的超級 GPU，目前也沒有公認算法能夠加速大模型訓練。

這其實提供了理解“AI 新經濟”的另一重尺度:真正重要的從來不是技術聽起來有多前沿。而技術革命最大的價值，也從來不是把已有的事情做得更快，而是不斷創造此前不存在的供給和需求。蒸汽機創造鐵路，電力創造現代製造業，互聯網創造平臺經濟，而 AI 最終能夠創造什麼，今天當然還沒有完整答案。

但輪廓已經開始出現。

從機器到人

所有技術革命走到最後，都會重新回到一個最基本的問題:人怎麼辦?

在當天主論壇的一場對話裏，作家劉震雲和香港大學計算與數據科學學院院長馬毅，一個從文學出發，一個從人工智能出發，卻談到了同一個問題 —— 當機器越來越聰明，人真正應該守住什麼?

劉震雲講了一個很有意思的經歷。今天網上有大量頂着他的臉、模仿他的聲音發表觀點的視頻，“95% 都是假的”。AI 甚至可以藉着《一地雞毛》《一句頂一萬句》繼續“替他發言”。

但在他看來，模仿得像，並不等於創造。

“它可以模仿《一地雞毛》寫《一地鵝毛》，但我還沒想到、沒寫出來的作品，AI 肯定模仿不了。”

馬毅把這種差別概括成“共性”與“個性”。今天的大模型已經能夠很好地掌握文學、歷史和科學知識，但這些更多是人類積累下來的共性知識。而每個人的喜怒哀樂、價值判斷和人生經驗都不同。

機器越來越擅長掌握共性，人反而更需要找到自己的個性。

這也給今天最常見的 AI 焦慮提供了另一個視角。

面對學生和家長關於“學什麼纔不會被 AI 替代”的問題，馬毅認爲，尋找一種 AI 永遠學不會的技能，本身可能就是舊時代的思路。與其躲開 AI，不如學會藉助 AI，把自己原本擁有的能力放大。

劉震雲則用農村機械化解釋就業焦慮。過去農業依賴大量人力，後來拖拉機和收割機進入農村，一個人可以種幾百畝地，但人並沒有因此停止工作，新的生產力最終會形成新的生產關係。

“AI 一點都不是洪水猛獸。”

真正值得警惕的，或許不是機器變得越來越像人，而是人在使用機器之後，越來越不像自己。

劉震雲說，去香港時，他當然可以問 AI 哪家飯館好吃，但他更願意問馬毅:“你什麼時候請我吃飯?”AI 能夠推薦飯館，卻不會真的請你吃飯。

一句玩笑，點出了技術始終無法繞開的邊界。

AI 可以提供知識，卻不能完全替代關係;可以模擬交流，卻不能替代人與人真實的連接。馬毅也提醒，如果所有知識獲取都轉向 AI，學生固然可以更自由地學習，卻也可能變得更加孤立。人最終還是要進入社會，與真實的人打交道。

而在更遠的地方，AI 甚至可能幫助人創造新的知識。

普林斯頓大學教授王夢迪當天提出了另一個問題:AI 距離真正的自主發現還有多遠?

今天的大模型善於學習概率分佈中最常見、最主流的知識，但真正重要的科學發現，往往恰恰發生在長尾之外。她和團隊正在嘗試讓 AI 真正接入實驗世界:提出假設、調用實驗設備、觀察結果，再重新提出假設。

如果今天 AI 創造價值的主要方式仍然是提高已有工作的效率，那麼未來真正巨大的增量，很可能來自第二層能力 —— 創造新的知識、新的材料、新的藥物、新的生產流程，以及今天還不存在的產業。

這也是阿吉翁所謂“創造性破壞”的意義。

創新一邊淘汰舊技術、舊企業和舊工作，另一邊不斷創造新的企業、新的需求和新的就業。AI 會加速這個過程。

所以，真正的問題或許從來不是“AI 會不會替代人”，而是我們能不能讓創造的速度，最終超過破壞的速度;能不能在機器變得越來越強之後，讓每個人仍然找到自己的位置。

這也意味着，“AI 新經濟”絕不只是技術公司的事情。它需要新的支付和身份體系，需要適應技術變化的競爭政策，需要教育體系幫助人持續學習，也需要人與機器重新找到相處的邊界。

去年站在外灘大會，我們還在尋找 AI 從前沿想象走向現實世界的路徑。一年之後，問題已經再次改變。

AI 當然仍是一項高速進化的技術，但它已經不再只是技術本身。它開始買東西、完成工作、進入企業，也開始重新定義資產、知識和人的價值。

黃浦江水繼續向東流去。每一次技術革命真正到來的時候，人們往往已經身處其中，卻很難準確說出歷史究竟從哪一天開始轉向。

但至少在2026年的外灘大會上，一個變化已經足夠清晰:

AI 新經濟，正在從技術的故事，變成經濟和人的故事。