大模型驱动的社会认知
基础设施与生产关系重构
○ 米加宁 吴佳正
作者简介
米加宁，北京邮电大学经济与管理学院教授、博士生导师。
吴佳正（通讯作者），哈尔滨工业大学经济与管理学院博士研究生。
邮箱：wujiazheng01@163.com。
摘要
y
“十五五”时期是新质生产力由蓄势培育迈向壮大成势的关键阶段，也是全球人工智能竞争格局重塑的历史窗口期。在这一进程中，生成式人工智能不应仅被视为技术层面的工具革新，而应被确立为支撑数字文明发展的社会认知基础设施。该基础设施建立在全国一体化算力网的物理底座之上，通过对全域知识的向量化表征与生成式调用，缓解了隐性知识难以编码与规模化传递的问题，推动科研范式向人工智能驱动转变，为全要素生产率的质变提供核心动力。研究表明，新质生产力的认知跃迁引发了生产关系的系统性重构：不仅劳动者演进为存在主体性异化风险的“增强主体”，数据要素转化为具备自增殖能力的“生成性资产”，更推动了生产组织向“核心平台+超级个体”的去中心化形态演变。通过比较全球主要治理模式，文章提出中国应坚持基础设施主导型发展路径，构建自主可控的主权级认知底座以捍卫认知主权，在推进认知服务普惠化以促进共同富裕的同时，建立统筹发展与安全的适应性治理范式，并探索基于数字孪生的生成式规划新体制，以确立适应智能时代的国家治理现代化新路径。
关键词
y
新质生产力；社会认知基础设施；十五五规划；全要素生产率；生产关系重构
一、新质生产力的认知维度与时代命题
《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》将发展新质生产力确立为推动高质量发展的内在要求与重要着力点，并明确提出实施“人工智能+”行动。这一宏观战略部署不仅标定了中国未来经济社会发展的技术坐标，更在理论层面提出了一个亟待破解的时代命题：在数字技术向智能技术全面跃迁的历史语境下，生产力的内涵正在经历何种质态的变革？
依据马克思主义政治经济学基本原理，生产力是人类改造自然、获取物质生活资料的能力。传统的生产力理论多聚焦于物理能量的转换与信息要素的传递，然而，随着大语言模型等生成式人工智能技术的突破性进展，生产力的发展前沿已从“算力”向“智力”延伸。新质生产力作为一种以全要素生产率大幅提升为核心标志的先进生产力质态，其核心驱动要素正在发生根本性位移。一种基于认知能力规模化供给的全新形态，展现出新质生产力在认知维度的深刻跃迁。本文旨在从政治经济学的视域出发，论证大模型正在演变为继物理基础设施、数字基础设施之后的第三类关键基础设施，即社会认知基础设施，并深入探讨其如何推动生产关系的深层重构。
人类社会生产力的演进史，本质上是一部人类利用技术工具不断突破自身生物局限性的历史。在农业文明向工业文明转型的过程中，蒸汽机与电力技术的发明突破了人类体能的物理极限，构建了以能源网与交通网为核心的物理基础设施，极大地提升了物质产品的生产效率。在工业文明向数字文明转型的初期，互联网与通信技术的普及突破了人类感知与交流的时空极限，构建了以宽带网与数据中心为核心的数字基础设施，显著降低了信息传递的边际成本。然而，在当前的数智化新阶段，尽管数据资源呈现指数级增长，但将数据转化为有效决策知识的能力却受限于人类个体的认知带宽与有限理性。这种“数据海量”与“认知稀缺”之间的矛盾，成为了制约全要素生产率进一步跃升的关键瓶颈。新质生产力向认知维度的拓展，正是为了回应这一核心矛盾。它通过算法、算力与数据要素的深度耦合，将人类高阶的认知能力转化为一种可工业化生产、可通用化调用且边际成本趋近于零的社会化生产要素，从而在根本上突破了人类认知的生物学极限，为经济社会的智能化转型提供了源源不断的内生动力。
承载新质生产力认知演进的核心载体是社会认知基础设施。这是一个区别于传统物理基础设施与数字基础设施的全新概念。依据《建议》关于“适度超前建设新型基础设施”的精神，如果说全国一体化算力网解决的是计算能力的物理供给问题，那么社会认知基础设施解决的则是智能服务的价值转化问题。它基于超大规模参数模型，利用高维向量化表征技术，将人类社会积累的显性知识与隐性经验进行集约化封装与模型化部署。在这一设施的支持下，知识不再是离散存储于书本或人脑中的静态资源，而是演变为一种能够根据需求实时生成、动态交互的流体智慧。这种基础设施具有显著的非竞争性与强外部性，能够像电力赋能各行各业一样，为制造、医疗、教育、科研等领域提供标准化的认知服务。这标志着人类社会的基础设施建设正在从“连接”走向“赋能”，从“信息传输通道”升级为“智慧生成中枢”，这正是落实国家关于加快建设网络强国、数字中国战略部署的最高级形态。
从生产关系的维度审视，随着新质生产力向认知维度的纵深发展，必然引发劳动者、劳动资料与劳动对象及其结合方式的深刻变革。在劳动者层面，随着认知基础设施的普及，单一的知识记忆与复现技能逐渐贬值，而人机协同、跨域整合与价值判断能力成为新的劳动价值高地，劳动者正从生物学意义上的“单体人”向接入智能系统的“增强人”演进。在劳动资料层面，大模型成为了数据要素价值释放的“核心熔炉”，数据不再仅仅是生产过程的记录，而是变成了直接参与价值创造的活跃资本。在生产组织层面，认知能力的普惠化供给降低了复杂任务的管理成本与协作门槛，推动企业组织形态向去中心化、平台化与生态化方向演进。这一系列变革客观上要求我们重新审视现有的所有制实现形式、分配机制以及治理体系，构建适应智能时代新质生产力发展的新型生产关系，以释放社会创造活力，防止技术进步可能带来的新的不平等与异化。
综上所述，以大模型为代表的智能技术跃迁，深刻揭示了新质生产力在数字文明高级阶段的演进规律。这种演进不再局限于单一的技术工具革新，而是以社会认知基础设施为载体，以全域数据的深度学习与生成为机制，将“智力”转化为可工业化供给的通用要素，从而推动全要素生产率实现质的飞跃。这标志着新质生产力的核心驱动要素正从“物理能量”与“离散信息”升维为“通用智力”，深刻重塑了人类社会的知识生产逻辑与经济运行方式。因此，准确把握新质生产力这一认知维度的变革特征，不仅是深化生产力理论研究的内在要求，更是指导“十五五”时期经济社会发展实践的逻辑起点。面对这一历史性机遇，必须摒弃传统的线性思维，从底层逻辑出发，加快构建适应新质生产力发展要求的新型生产关系与制度环境，从而为推动高质量发展提供最具穿透力的学理支撑与实践路径。
二、社会认知基础设施的本质属性
新质生产力的形成逻辑，不仅体现在技术工具迭代，更体现在社会基础支撑体系的代际跃迁。《建议》提出适度超前建设新型基础设施、推进全国一体化算力网建设，其战略意涵已超越单一算力供给，指向更高层次的认知赋能。因而，有必要界定大模型驱动系统作为“社会认知基础设施”的本体地位，并厘清其与算力基础设施的层级关系。
（一）从“算力底座”到“认知中枢”的阶梯式演进
基础设施的演进史即人类社会能力的延展史。工业时代以交通网与能源网解决物质与能量的跨时空配置问题，信息时代以互联网与宽带网解决数据的传输与连接问题。进入智能时代，基础设施的演进方向正由单纯的“算力供给”迈向高阶的“智力生成”。在此演进序列中，全国一体化算力网与社会认知基础设施并非并列或替代关系，而是构成了“物理底座”与“操作系统”的辩证统一。为了更直观地呈现从“算力底座”向“认知中枢”演进的阶段性规律，表1 详细对比了不同文明时期基础设施在核心载体、功能定位及主权形态等维度的核心差异。
表1 人类社会基础设施的三次代际跃迁与特征比较
全国一体化算力网作为数字经济的物理底座，核心解决的是计算资源的集约化供给与跨区域调度问题，其产出是标准化的计算势能。然而，单纯的算力资源若缺乏高级认知模型的引导，仅能完成离散的数据处理，难以直接转化为解决复杂社会问题的现实能力。社会认知基础设施则是建立在算力网之上的价值转化层，它利用深度学习算法与高维向量化表征技术，将算力网提供的计算势能转化为通用的认知服务动能。若将数字中国建设比作人体系统，全国一体化算力网构成了支撑躯体的骨骼与肌肉，而社会认知基础设施则不仅是大脑，更是流淌于神经网络中的智慧与意识。
从信息处理范式审视，这一跃迁实现了从离散符号计算向连续向量生成的根本性转变。传统信息基础设施基于确定性规则处理结构化数据，而社会认知基础设施面对的是蕴含复杂语义与逻辑的非结构化全域知识。通过注意力机制与自监督学习，认知基础设施将离散的语言符号映射为高维数学空间中的连续向量，使得机器首次具备了理解语义关联、捕捉隐含逻辑并进行生成式推理的能力。因此，社会认知基础设施本质上是算力底座之上的认知操作系统，它通过对全网语料的吞吐与消化，将硬件层的算力转化为应用层的智力，实现了基础设施功能从“被动传输”向“主动生成”的质变。
（二）社会认知基础设施的内涵界定与认知主权的内涵阐释
基于从算力底座到认知中枢的范式跃迁，社会认知基础设施可被界定为：依托全国一体化算力网，基于超大规模参数模型与海量多模态数据训练，能够将社会全域知识进行高维向量化封装与结构化重组，并以极低边际成本向全社会提供通用语言理解、逻辑推理与任务生成服务的战略性公共技术系统。其内涵在具备全域性、生成性与通用性三大技术特征的同时，更内嵌着关乎国家前途命运的认知主权属性。
从技术内涵的维度审视，全域性体现在其打破了传统知识库的学科边界与模态壁垒。通过语义对齐与多模态融合技术，社会认知基础设施构建起一个涵盖自然科学、社会科学及人文艺术等领域的全息语义空间，使得跨领域的知识能够在统一的数学表征中进行交互与印证。生成性是其区别于传统检索型基础设施的根本属性，它不再局限于对既有信息的静态复现，而是基于概率预测机制，在已有的知识网络中动态组合出全新的解决方案与决策建议，从而赋予了基础设施以“能动性”。通用性则决定了其作为基础设施的广泛赋能潜力，大语言模型所习得的是人类语言的深层结构与通用逻辑，这种“一基多能”的迁移学习能力，使其能够如电力般无缝渗透至千行百业，成为驱动社会各领域智能化转型的通用底座。
在当前国际地缘政治格局下，认知主权构成了社会认知基础设施的核心政治属性。依据总体国家安全观与《建议》关于“加强人工智能等新兴领域国家安全能力建设”的要求，认知主权不仅是一个抽象的政治概念，更应操作化为三个具体的治理维度：
一是数据治权与文化定义权。训练数据构成了人工智能认知世界的“底层语料”，某种程度上，“数据即世界观”。若缺乏对训练语料的筛选、清洗与管辖权力，任由西方中心主义的数据充斥模型底层，必将导致“历史虚无主义”等错误思潮的隐性渗透。因此，数据治权的核心在于确保内生的知识图谱与价值逻辑符合本国历史文化传统与社会主义核心价值观，防范算法层面的文化殖民。
二是算法自主权与技术发展权。社会认知基础设施的稳健运行不能建立在外部依赖的流沙之上。算法自主权要求掌握从底层芯片指令集、深度学习框架、模型架构到推理机制的完整技术闭环。这不仅是为了避免关键核心技术面临“卡脖子”风险，更是为了确保在未来的技术迭代中拥有定义下一代人工智能标准的话语权，保障国家在数字空间的独立发展意志。
三是解释归责权与伦理裁判权。面对“算法黑箱”可能带来的决策不透明与责任主体缺位，解释归责权意味着国家拥有对人工智能生成内容的最终解释权与伦理审查权。这要求建立可解释的人工智能治理体系，能够对算法决策的逻辑链条进行追溯与审计，明确算法设计者、使用者与部署者的法律责任，防止算法权力对社会伦理秩序与法律公平正义的无序侵蚀。
（三）战略性公共品属性与安全外部性
作为一种新型的社会公共设施，社会认知基础设施超越了经典经济学关于公共品的定义范畴，兼具了显著的边际收益递增特征与深刻的政治安全外部性，必须上升为国家战略性资产进行统筹治理。
从经济属性来看，社会认知基础设施展现出独特的“反熵增”与非竞争性特征。区别于传统物理基础设施在使用中面临的折旧与损耗，认知基础设施具有“越用越强”的规模效应。基于“人类反馈强化学习”机制，每一次用户调用与交互，本质上都是对模型参数的一次微调与优化。这种内生的累积创新机制，使得基础设施在服务全社会的过程中，能够不断吸收新的领域知识与反馈信息，实现认知能力的自我进化与迭代。由此，其边际成本随着用户规模的扩大而趋近于零，而边际收益则呈现指数级增长。这一规律决定了只有通过社会化的大规模普及应用，才能最大程度地释放其作为全要素生产率核心引擎的经济价值。
然而，强外部性亦意味着系统性风险的扩散效应。社会认知基础设施并非服务于单一行业的专用工具，而是广泛渗透至金融运行、电网调度、医疗诊断、政务决策等国民经济核心单元的通用目的技术。其一旦发生算法失控、数据投毒或被恶意利用，将不再局限于局部的技术故障，而是可能引发跨系统的连锁反应与共振失效，直接威胁国家政治安全与社会稳定。例如，金融领域的算法同质化可能诱发系统性金融风险，舆论领域的深度伪造可能引发社会信任危机。
鉴于这种极强的正负外部性，社会认知基础设施的建设与运营不能简单套用纯粹的市场化逻辑。如果完全任由私人资本主导，极易形成数据垄断与算法黑箱，导致公共利益的缺位与监管的失灵。因此，必须构建政府统筹规划、多元主体参与、市场化运作与公益性服务相结合的新型建设模式。一方面，需通过新型举国体制保障算力底座的集约供给与核心算法的自主攻关，确保基础设施的安全性与可控性；另一方面，需建立普惠化的服务机制与敏捷的风险防御体系，防止因资本垄断导致“智能鸿沟”与阶层分化，确保这一战略性公共品的红利能够公平、安全地惠及全体人民，从而在根本上契合“十五五”时期推进共同富裕与实现高质量发展的时代要求。
三、新质生产力的认知驱动机制与动力演进
新质生产力对经济社会发展的驱动，并非简单的要素叠加或线性效率改进，而是通过社会认知基础设施介入知识创造、传播与应用全过程，重构增长动力机制。其关键在于改变信息处理成本与知识扩散结构，使认知能力得以持续转化为现实生产力。
（一）科研范式重塑与原始创新策源
科学研究作为知识生产的最前沿，是新质生产力的源头活水。在传统的科研范式中，无论是经验归纳、模型推演还是数据密集型计算，其核心瓶颈始终在于人类科学家有限的认知带宽与物理实验漫长的验证周期。面对日益复杂的自然系统与宏大的科学命题，传统范式下的试错成本高昂，创新效率受制于人类直觉的局限性。社会认知基础设施的构建，标志着科学研究正在加速迈向以人工智能为驱动的第五范式。在这一新范式中，大模型不再仅仅是辅助计算的工具，而是演变为具备假设生成、实验设计乃至理论构建能力的科研协同主体。
大模型驱动的科研范式重塑，首先体现在对高维假设空间的遍历与压缩。在材料科学、药物研发等领域，潜在的分子结构或材料配方组合是一个天文数字般的巨大空间，依靠人类科学家的直觉或传统的高通量筛选，往往如同大海捞针。而基于深度学习的认知模型，通过学习海量的科学文献与实验数据，构建起物质结构的深层分布规律，能够在高维向量空间中快速锁定具有特定性质的候选区域，从而将搜索范围呈指数级压缩。这种“生成-验证”的闭环机制，使得原本需要数年甚至数十年才能完成的基础研究工作，能够在数周乃至数天内取得突破。例如，在蛋白质结构预测领域，人工智能已经展现出了超越人类预测效率与知识发现能力的潜力，这正是新质生产力在基础科学领域实现认知跃迁的具象化体现。
进而言之，认知基础设施通过打破学科壁垒，催生了跨学科的原始创新策源能力。现代科学的分科体系在深化专业研究的同时，也人为地切割了自然现象的内在统一性。许多重大科学突破往往孕育于学科交叉的边缘地带。社会认知基础设施通过将不同学科的知识体系统一映射为通用的数学表征，消弭了术语与范式的隔阂。物理学的守恒定律、生物学的演化机制与信息论的熵增原理，在模型的认知空间中可以自由碰撞与融合。这种跨域知识的自动化关联与重组，极易触发颠覆性的创新灵感，使得“他山之石”能够精准地雕琢“此山之玉”。因此，新质生产力不仅加速了既有科学路径的延伸，更具备了开辟全新科学疆域、定义新科学问题的元创新能力，成为国家战略科技力量中不可或缺的认知增量。
（二）隐性知识显性化与生产率跃升
如果说科研范式的重塑解决了知识“从无到有”的创造问题，那么全要素生产率的提升则核心解决知识“从有到用”的扩散效率问题。长期以来，全要素生产率的增长受制于波兰尼悖论，即人类所掌握的知识远多于其所能言说的知识。大量的工艺诀窍、管理经验、临床直觉等隐性知识，深深嵌入于专家的个体经验之中，难以编码、难以传输、难以规模化复制。这导致了优质生产力资源始终处于稀缺状态，普通劳动者与顶尖专家之间存在着巨大的技能鸿沟，制约了社会整体生产效率的均值提升。
社会认知基础设施通过强大的多模态理解与生成能力，构建了一套高效的隐性知识解码与分发机制。一方面，大模型能够通过对专家工作过程的持续观察、对话记录乃至操作视频的学习，捕捉那些无法用规则语言描述的微操细节与决策逻辑，将其转化为可计算的算法模型。这种过程实际上完成了隐性知识的数字化提取与显性化重构，使得原本依附于特定主体的经验资本转化为社会共享的数字资本。另一方面，通过人机协同的交互界面，这些被显性化的知识能够以极低的门槛赋能给普通劳动者。一个初级工程师借助搭载了行业大模型的智能助手，可以迅速调用资深专家的知识库进行故障诊断或方案设计，从而在极短时间内达到行业资深水平。
这种“技能整平”效应，构成了全要素生产率非线性跃升的核心动力。在传统的资本深化模式中，增加机器设备的投入往往面临资本边际报酬递减的规律。而在认知赋能模式下，知识作为生产要素具有非竞争性与累积效应，随着使用范围的扩大，其价值非但不会稀释，反而会因反馈数据的增加而自我增强。当社会中绝大多数劳动者都能够借助认知基础设施获得“专家级”的能力加持时，社会的生产函数将发生质的改变。生产率的差异不再取决于个体经验积累的时间长短，而取决于调用认知基础设施的能力强弱。这种机制极大地缩短了人才培养周期，降低了高技能劳动的供给成本，从而在宏观层面推动经济增长从主要依靠要素投入量的增加，转向主要依靠资源配置效率与人力资本效能的质的提升，实现了真正意义上的集约式发展。
（三）产业数智化赋能与价值链重构
新质生产力对实体经济的渗透，不仅仅是技术的局部应用，而是对产业价值链生成逻辑的根本性重构。在工业经济时代，价值链的构建遵循着标准化、规模化的线性逻辑，追求的是成本极致与效率最优。而在数字文明时代，随着消费者需求的日益个性化与市场环境的瞬息万变，产业竞争的焦点转向了敏捷性、定制化与服务化。社会认知基础设施以其强大的通用泛化能力与实时生成能力，为产业数智化转型提供了从自动化向自主化跨越的关键支撑。
在制造业领域，新质生产力的认知赋能推动了生产方式从刚性制造向柔性智造的转变。传统的自动化产线虽然实现了机器换人，但其控制逻辑依然是基于预设规则的，缺乏应对非结构化环境与突发干扰的适应能力。融入了认知大模型的具身智能机器人，具备了理解自然语言指令、感知复杂环境并自主规划作业路径的能力。它们不再是被动执行程序的机械臂，而是具备了初级认知能力的智能工匠。这种变化使得生产系统能够根据订单需求实时调整工艺流程，实现“千人千面”的规模化定制。更重要的是，认知模型能够打通研发、制造、供应链与营销的全数据链路，通过全局优化算法实现产业链上下游的动态协同，极大地降低了产业链的摩擦成本与库存风险，提升了产业链的韧性与安全水平。
在服务业领域，认知驱动的新质生产力正在攻克长期困扰服务经济的“鲍莫尔成本病”。教育、医疗、法律、咨询等高端服务业，长期以来依赖高素质专业人员的时间投入，属于典型的劳动密集型行业，难以通过技术手段实现大规模的降本增效。认知基础设施的介入，使得这些领域的核心服务环节——即基于知识的诊断、分析与交互——实现了智能化替代或增强。AI 医生助手可以辅助完成病历梳理与初步诊断，AI 教育系统可以提供个性化的学情分析与辅导，AI 法律顾问可以自动生成合同与诉讼文书。这不仅打破了优质服务资源的供给约束，使得高品质服务能够以低成本惠及大众，同时也推动了服务业向价值链高端攀升。服务人员得以从繁琐的基础性工作中解脱出来，专注于提供情感抚慰、复杂判断与伦理关怀等机器无法替代的高价值服务。由此，产业价值链的构成从“制造+服务”的物理拼接，演变为“认知+行动”的有机融合，推动了现代服务业与先进制造业的深度耦合，为构建具有国际竞争力的现代化产业体系奠定了坚实基础。
综上，认知驱动并非单一技术增效，而是科研范式重塑、隐性知识显性化与产业数智化赋能协同作用的系统过程。其共同结果在于提升原始创新能力、促进生产率跃升并推动价值链重构，从而为高质量发展提供持续动能。
图1 新质生产力的认知驱动与动力演化机制
四、人机协同视角下的生产关系重构
马克思主义政治经济学揭示，生产力决定生产关系，生产力的每一次重大跃迁必然要求生产关系进行相应的调整与变革，以适应并推动新的生产力发展。新质生产力作为一种通过社会认知基础设施赋能的高级生产力形态，其颠覆性不仅在于技术层面的效率提升，更在于其从根本上改变了劳动者与劳动资料的结合方式，重塑了数据要素的价值实现形态，并解构了传统的企业组织边界与分配逻辑。在“十五五”时期乃至更长远的未来，构建适应新质生产力认知演进的新型生产关系，是释放社会创造活力、实现高质量发展的制度保障。
（一）劳动主体性的演变与人机共生体的形成
在传统的工业生产关系中，劳动者被定义为体力和一般脑力的提供者，其主体性体现为对机器的驾驭或对标准化流程的执行。机器作为死劳动，是被动服从于人的工具。然而，随着社会认知基础设施的普及，劳动者的定义与存在形态正在经历一场从“生物个体”向“人机共生体”的本体论跃迁。这一跃迁的核心特征在于，人工智能不再仅仅是客体化的工具，而是具备了某种程度的“准主体性”，能够作为认知合作伙伴深度介入人类的劳动过程。
首先，劳动者的核心技能范式发生了根本性转移。在知识匮乏与检索成本高昂的时代，记忆力与对既有知识的复现能力是衡量人才价值的标尺。但在认知基础设施能够实时调用全域知识的情境下，单纯的知识储备已不再构成核心竞争力。劳动价值的高地转向了“提问能力”“价值判断能力”与“跨域整合能力”。劳动者必须具备将模糊的业务需求转化为精准的提示工程能力，以及在机器生成的众多概率性方案中进行伦理审视与美学判断的能力。这种转变意味着，教育与人才培养体系必须从标准化的知识灌输转向批判性思维与人机协作素养的培育，以适应“人脑指挥+外脑生成”的新型劳动模式。
其次，人机协同改变了劳动的异化状态与创造性解放的辩证关系。新质生产力在赋予劳动者“增强”属性的同时，也带来了更为隐蔽的“主体性异化”风险。一方面，是劳动过程的“算法规训”。当认知基础设施深度介入生产流程，劳动者可能从机器的驾驭者退化为算法指令的执行端。智能系统基于最优效率逻辑生成的决策方案，往往剥夺了劳动者在微观层面的自主裁量权，使得“人”在生产中逐渐被客体化为系统的一个“生物接口”。这种新型的从属关系，使得劳动者面临着比传统流水线更为严苛、却又无形的数字控制。但另一方面，是“认知懒惰”导致的思维退化。生成式人工智能的即时满足特性，极易诱导劳动者形成“路径依赖”，即习惯于直接获取现成的知识结论而放弃了艰苦的批判性思考与逻辑推演过程。长此以往，人类独有的直觉、顿悟与深层价值判断能力可能面临“用进废退”的生物学危机，导致劳动者在脱离智能辅助后陷入“认知依赖”。因此，在重构生产关系时，必须警惕这种“去技能化”倾向，确保技术进步是指向人的全面发展，而非人的片面化工具化。
此外，这种演变催生了“超级个体”的崛起。借助强大的社会认知基础设施，个体劳动者的能力边界被极大地延展。一个具备高超人机协同能力的个体，可以独立完成过去需要一个团队才能完成的复杂任务，如独立开发一款软件、制作一部电影或完成一项系统性研究。这种“单兵作战”能力的质变，使得劳动者在劳动力市场中的议价能力与独立性显著增强，从而对传统的雇佣关系与依附型劳动体制构成了挑战，推动了灵活就业与自主创业成为新的主流劳动形态。
（二）数据要素的资本化与智能化质变
在新质生产力向智能形态演进的视域下，生产资料的内涵发生了质的变化。作为第五大生产要素的数据，正在经历从静态资源向动态资产、从被动记录向主动生成的形态演进。在传统数字经济阶段，数据主要作为决策的参考依据或流程的记录载体，其价值实现依赖于特定场景的挖掘，往往呈现出碎片化与孤岛化的特征。而大模型的介入，使得数据要素获得了一种全新的存在方式——模型化生存。
第一，大模型成为了数据要素价值释放的“核心熔炉”。未经加工的原始语料与行业数据，在经过清洗、标注并投入大模型预训练后，被转化为高维向量空间中的参数权重。这一过程不仅实现了数据的标准化与结构化，更完成了数据的资本化增值。原本沉睡的历史数据、文档档案、操作日志，通过模型的“炼化”，转变为具有通用推理能力与生成能力的智能资产。这种资产不再随着使用而消耗，反而具有非竞争性与边际成本递减的特性。因此，掌握高质量数据并拥有将其转化为模型参数的能力，成为了新生产关系中决定竞争优势的关键变量。
第二，生产资料表现出显著的“生成性”特征。传统的生产资料如土地、设备是存量固定的，而基于认知基础设施的数据要素能够通过生成式算法创造出新的数据与知识。例如，利用合成数据技术，模型可以生成足以乱真的训练样本以弥补现实数据的不足；利用代码生成模型，可以自动产出新的数字工具。这种“数据生数据”“知识生知识”的自增殖机制，打破了传统资源约束的线性逻辑，为经济增长提供了海量的要素供给。这意味着，在新的生产关系中，对生产资料的占有不再局限于对物理实体的控制，而更多体现为对数据生成权与模型定义权的争夺。
第三，数据要素的权属界定与流通机制面临重构。在大模型驱动的生产力体系中，数据的价值链条被极度拉长且复杂化，涉及数据提供者、模型训练者、算力提供者与应用开发者等多方主体。传统的“谁持有谁所有”的产权界定方式已难以适应模型训练对海量数据聚合的需求。为了促进数据要素的高效配置，必须建立数据所有权、加工使用权与产品经营权分置的产权运行机制。同时，鉴于大模型对公共数据的依赖性，数据应当被视为一种兼具私有属性与公共属性的特殊混合资产。在制度设计上，既要保护数据来源者的隐私与权益，激励高质量数据的供给，又要防止数据垄断阻碍认知基础设施的普惠性接入，确保数据红利能够被社会广泛共享。
（三）生产组织的平台化与去中心化重构
科斯的企业理论认为，企业的边界由内部管理成本与外部交易成本的比较优势决定。新质生产力的广泛应用，同时显著降低了这两类成本，从而对现代企业的组织形态与社会生产的协作方式产生了强大的离心力与重构力。
其一，企业内部科层制的扁平化与算法化。社会认知基础设施的应用，使得企业内部的信息传递、沟通协调与绩效评估效率大幅提升。原本用于传递指令与监控执行的中层管理层级，面临着被智能管理系统替代的趋势。决策指令可以直接穿透至末端执行单元，而执行反馈亦可实时汇聚至决策中枢。这使得企业组织结构日益扁平化，管理幅度不再受限于人的精力瓶颈。同时，算法管理成为常态，任务分配、进度追踪与质量检测越来越多地由智能系统自动完成。这种变化在提升组织效率的同时，也需警惕算法管理演变为对劳动者主体性的过度规训，其风险已在前文劳动主体性部分详加论述。
其二，社会分工的颗粒度细化与去中心化协作。由于认知基础设施降低了专业知识的获取门槛与复杂任务的执行难度，企业倾向于将非核心业务外包给外部的专业团队或“超级个体”，自身则聚焦于核心战略与品牌运营。这种趋势推动了企业边界的模糊化与虚化，传统的巨型纵向一体化企业逐渐解体，取而代之的是“核心平台+海量生态”的新型产业组织形态。在这一生态中，大大小小的经济主体通过API接口调用公共认知能力，以灵活契约的方式组成临时性的项目共同体。这种敏捷、弹性的协作网络，能够更快地响应市场变化，实现资源的动态最优配置。
其三，平台型组织成为资源配置的主导力量。在新质生产力深入发展的阶段，拥有基础大模型与算力底座的平台型企业，实际上掌握了社会生产的基础设施。它们不再仅仅是市场参与者，更演变为市场规则的制定者与生态系统的运营者。这种“既做裁判员又做运动员”的双重身份，使得传统的反垄断监管框架面临挑战。新的生产关系要求在鼓励平台创新的同时，必须对其权力进行必要的规制，防止其利用算法优势进行歧视性定价、自我优待或阻碍创新，确保数字生态的开放性与竞争性。
（四）认知智能时代的分配机制变革
生产资料所有制形式与人们在生产过程中的地位，最终决定了产品的分配形式。新质生产力带来的要素贡献变化，必然要求收入分配机制进行适应性变革，以体现效率与公平的统一，扎实推进全体人民共同富裕。
首先，初次分配中需确立数据与认知贡献的价值尺度。在人机协同的生产模式下，价值创造的源泉不仅来自于直接劳动，更来自于数据要素的投入与算法模型的推理。因此，分配制度必须承认并量化数据要素与技术要素的贡献，允许数据所有者、算法开发者与算力提供者参与剩余价值的分配。然而，难点在于如何从最终产出中剥离出各要素的具体贡献率。这要求建立科学的数据资产评估体系与算法价值测度模型，探索基于区块链等技术的智能合约分配机制，实现贡献与收益的精准匹配。
其次，必须正视新质生产力可能引发的劳动力市场结构性极化风险。认知基础设施的替代效应，正以前所未有的速度从体力劳动向初级、中级脑力劳动蔓延。这不仅可能导致“技术性失业”规模的扩大，更可能切断传统中产阶层的上升通道，形成“高认知精英”与“从属型劳动者”之间的巨大鸿沟。这种“认知贫困”与“数字资本积累”的叠加，若无强有力的制度干预，将导致社会财富分配的“马太效应”呈指数级加剧，与共同富裕的目标背道而驰。因此，适应数字时代的再分配机制，必须超越传统的税收调节，向生产要素的产权源头延伸。除了加大对全民数字素养教育与转岗技能培训的公共投入外，更应探索建立数据要素的全民所有权实现形式，让作为数据生产者的大众能够通过“社会分红”等机制，直接分享认知基础设施产生的超额级差地租，从制度根源上规避技术进步可能带来的社会撕裂。
最后，探索适应数字时代的第三次分配与共享机制。鉴于认知基础设施具有极强的社会公共属性，其产生的部分收益理应回馈社会。应鼓励掌握核心认知技术的领军企业通过开源模型、开放API、设立公益基金等方式，向中小企业与非营利组织输出低成本的认知能力。同时，探索建立数据要素社会分红制度，让作为数据生产者的大众能够分享数字经济发展的红利。通过构建初次分配讲效率、再分配讲公平、三次分配讲责任的立体化分配格局，确保新质生产力的发展成果更多更公平地惠及全体人民，从根本上规避技术进步可能带来的极化效应。表2 从劳动者、劳动资料到分配机制等五个关键维度，总结了这一深刻的重构过程。
表2 新质生产力认知视域下生产关系的深层重构
综上所述，人机协同下的生产关系重构是一个涉及劳动主体重塑、要素产权变革、组织形态演进与分配制度调整的系统工程。这一重构过程既是适应新质生产力认知演进的客观要求，也是推动国家治理体系和治理能力现代化的重要场域。只有主动适应并引领这一变革，破除阻碍新质生产力发展的体制机制障碍，才能激发出全社会澎湃的创新活力，为中国式现代化的实现提供源源不断的制度动能。
五、“十五五”时期的战略构建与治理路径
“十五五”时期是我国推进现代化建设的重要阶段，也是人工智能由点状突破转向系统渗透的关键时期。面对新质生产力在认知维度的深刻变革，必须从国家战略高度统筹推进社会认知基础设施建设，在强化自主可控能力的同时，通过制度创新将认知红利转化为高质量发展与共同富裕的现实增量。
（一）全球竞合视域下的路径选择与主权基座构建
当前，以大模型为代表的通用人工智能正在重塑全球经济版图与政治秩序。纵观全球，2024年至2025 年间，主要经济体在人工智能治理上的路径分化日益显著，这为中国制定“十五五”战略提供了重要的参照系。
美国采取资本主导、去监管化路径，虽激发创新活力但加剧社会极化与算法伦理风险；欧盟选择规则主导型路径，严密的风险分级监管虽树立伦理标杆，却因过高合规成本抑制了基础创新能力（见表3）。
表3 全球主要经济体人工智能发展模式与治理路径比较
面对“效率与公平”“创新与安全”的二律背反，中国必须发挥社会主义市场经济的体制优势，探索出“国家主导、多元参与、普惠共享”的第三条道路。即依据《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》中关于“适度超前建设新型基础设施”与“深化‘人工智能+’行动”的战略部署，将基础大模型与智力网定义为“战略性公共品”，纳入国家基础设施体系进行统筹建设。这一路径的优越性在于，它既能利用新型举国体制集中力量攻克底层根技术，确保基础设施的非竞争性与公共属性，又能通过市场化应用激发海量场景的创新活力，从而实现技术主权、发展效率与社会公平的有机统一。
在确立了基础设施型发展路径后，构建自主可控的主权级认知底座成为首要的战略任务。认知基础设施作为数字时代的神经中枢，其安全性直接关系到国家政治安全与经济命脉。在当前逆全球化寒流与技术封锁加剧的背景下，关键核心技术必须牢牢掌握在自己手中。
首先，必须确立主权级基础大模型的本体地位。基础大模型是承载全域知识的容器，其价值观直接决定了上层应用的伦理取向。应整合国家战略科技力量，集中攻关超大规模预训练模型的底层架构与训练算法，建立符合中国国情与中华文明特征的国家级高质量语料库，对中文互联网数据、学术文献及典籍档案进行系统性清洗与汇聚，确保模型内生的知识图谱与价值逻辑不被西方话语体系所殖民，牢牢掌握数字空间的定义权与解释权。
其次，推动全栈式软硬件生态的国产化替代。认知基础设施的稳健运行不能建立在沙滩之上，必须构建从AI芯片、异构计算架构、深度学习框架到操作系统的完整技术闭环。重点突破高端智能芯片的制造工艺与指令集架构，推广国产开源深度学习框架的生态应用，避免在硬件层遭受断供制约或在软件层面临后门植入风险。只有当认知基础设施运行在完全自主可控的物理载体与逻辑环境之上，数字中国的发展才能拥有坚不可摧的安全屏障。
（二）认知服务的普惠化与共同富裕的数字支撑
共同富裕是中国式现代化的本质要求，而基本公共服务的均等化是实现共同富裕的重要保障。进入智能时代，社会不平等的根源正在发生深刻位移，从传统的资本差距、信息差距演变为更为隐蔽且难以逾越的“认知差距”。若社会认知基础设施仅服务于少数精英群体或发达地区，势必会制造出新的“智能鸿沟”，导致弱势群体在数智化浪潮中沦为“边缘群体”。因此，“十五五”时期必须将认知普惠作为社会建设的核心议题，推动优质认知服务像普惠金融、义务教育一样，无差别、低成本地覆盖全体社会成员。
在教育领域，应推动人工智能从“辅助教学”向“重塑教育生态”转变。利用认知基础设施打破优质教育资源的物理围墙与师资瓶颈，通过部署具备高阶认知能力的智能助教系统，使得边远地区与薄弱学校的学生也能享受到顶尖的个性化辅导与苏格拉底式的启发教学。这不仅是知识传授方式的变革，更是教育起点的实质公平，旨在通过提升全民数字素养与人机协同能力，阻断贫困的代际传递。
在乡村振兴战略中，认知基础设施应当成为填补城乡数字鸿沟的桥梁。利用生成式人工智能简化涉农技术获取、农产品营销与乡村治理的复杂度，让农民能够通过自然语言交互便捷地获取农业科技指导、市场供需信息与法律咨询服务。这有助于提升农业生产的精细化与智能化水平，增强乡村社会的自我发展能力。政府应当承担起认知基础设施“兜底供给者”的责任，通过财政转移支付与政府采购服务，降低公共部门与弱势群体接入认知服务的门槛，确保没有任何一个群体被遗忘在智能时代的列车之外。
（三）适应性治理范式与深层风险防御
发展与安全是一体之两翼、驱动之双轮。新质生产力在释放巨大发展动能的同时，也带来了前所未有的深度安全挑战。这种挑战不仅体现在深度伪造、网络攻击等显性层面，更深刻地体现在技术对人的主体性异化、社会结构的剧烈震荡以及意识形态的隐性渗透等隐性层面。面对生成式人工智能这一复杂巨系统，必须摒弃传统的静态监管模式，依据总体国家安全观，建立统筹发展与安全的适应性治理范式。
第一，警惕并防范“算法异化”对人的主体性侵蚀。马克思主义政治经济学认为，机器的使用应当减轻劳动的负荷，但在资本逻辑的主导下，往往异化为机器对人的统治。在智能时代，这种异化风险表现为“数字泰勒主义”的极致化，即算法通过毫秒级的监控与调度，将劳动者规训为系统的附庸，剥夺了劳动过程中的自主性与创造性。同时，过度依赖认知基础设施可能导致人类批判性思维的萎缩与“认知懒惰”，使得人类在离开智能辅助后丧失基本的判断能力。因此，治理体系必须确立“以人为本”的伦理基准，在人机协同中坚持人的主体地位，通过立法限制算法在劳动管理中的过度监控权，并在教育中强化人类独有的价值判断与审美能力的培养。
第二，积极应对人工智能对就业结构的冲击与重构。认知基础设施将对重复性、规则性脑力劳动产生替代效应，并可能扩大不同技能群体之间的收入差距。对此，应完善职业转换支持体系，强化数字素养教育、技能培训和社会保障，推动劳动者由“单一技能型”向“人机协作型”平稳转型，并通过合理的收益调节机制促进技术红利更广泛共享。
第三，筑牢意识形态安全与政治安全的数字防线。认知基础设施具有强大的舆论生成与动员能力，若被错误价值观渗透，将对国家政治安全构成严峻挑战。必须将社会主义核心价值观深度融入模型预训练语料的筛选标准与强化学习的反馈机制之中，确保人工智能生成的知识图谱与价值逻辑符合国家法律法规与社会公序良俗。加强对生成式内容的源头治理，建立算法备案、安全评估与全流程追溯机制，利用人工智能技术反制人工智能威胁，构建能够实时监测、自动研判与快速阻断有害信息的智能防御体系，坚决维护网络空间的意识形态主权。
第四，推动敏捷治理与社会共治的制度创新。认知技术的迭代速度远超法律法规的更新周期，这要求治理体系具备高度的敏捷性。应建立“监管沙盒”机制，在受控环境中进行政策试错与制度创新，及时总结经验并转化为法律规范。构建政府主导、企业履责、行业自律与社会监督相结合的多元共治格局，压实平台企业在算法解释、数据保护等方面的主体责任，形成全社会共同参与的智能治理生态。
（四）迈向生成式规划：规划体制的数字化重塑
五年规划是中国之治的重要制度密码。然而，面对新质生产力带来的高频迭代与非线性变化，传统的五年规划编制与实施机制面临着信息滞后与刚性过强的挑战。《建议》中关于“强化规划实施监测评估和监督”的要求，指明了规划体制改革的方向。在“十五五”时期，应当利用社会认知基础设施，探索“生成式规划”的新模式，实现宏观调控的科学化与精准化。
生成式规划并非否定中长期战略目标的稳定性，而是强调实施路径的动态优化与策略生成的智能化。通过接入经济社会运行的全域实时数据，认知基础设施可以构建一个与现实社会平行的“数字孪生”推演系统。在这一系统中，政策制定者可以利用大模型的仿真能力，对不同的政策组合进行沙盘推演，预判财政政策、货币政策或产业政策可能产生的链式反应与边际效应。这种基于反事实推理的决策辅助，能够大幅减少政策制定的盲目性，提高宏观调控的前瞻性。
更进一步，生成式规划强调规划实施过程中的实时反馈与自动修正。大模型能够全天候监测规划指标的执行情况，敏锐捕捉外部环境（如国际市场波动、突发公共事件、技术突破）的微弱信号，并自动生成应对预案或调整建议供决策者参考。这使得五年规划不再是一个静态的文本文件，而是一个具备感知、判断与进化能力的智能生命体。这种规划体制的重塑，将极大地提升国家战略执行的韧性与适应力，确保中国式现代化巨轮在不确定的时代浪潮中始终沿着正确的航向破浪前行。
综上所述，“十五五”时期不仅是物理世界的建设期，更是数字认知世界的奠基期。将大模型确立为社会认知基础设施，并以此为核心构建新质生产力的认知跃迁，是贯通技术逻辑、经济逻辑与政治逻辑的战略枢纽。通过构建自主可控的主权级认知底座，我们夯实了发展的安全根基；通过推进认知服务的普惠化，我们践行了共同富裕的价值承诺；通过确立适应性治理范式与探索生成式规划，我们提升了国家治理的现代化水平。这一系列战略举措的有机组合，将释放出前所未有的生产力潜能，推动中国经济社会实现从要素驱动向创新驱动、从数量增长向高质量发展的历史性跨越。具备认知智能的新质生产力，必将成为中国式现代化进程中最具革命性的引擎，引领中华民族在智能时代实现伟大的复兴。
六、结 语
历史唯物主义认为，生产力是社会发展的最终决定力量，而基础设施作为生产力的物质载体，其形态演变构成了人类文明跃迁的物理刻度。纵观从农业文明、工业文明到数字文明的演进历程，每一次社会形态的根本性变革，皆以关键基础设施的代际更替为先导。在“十五五”时期，随着数字技术向智能技术的全面渗透，我国正处于新旧动能转换的历史临界点。本文所探讨的新质生产力在认知维度的深刻演变，并非对技术现象的简单描述，而是对当前生产力发展从物理能量主导、信息传递主导向认知智能主导这一历史性转变的理论概括。社会认知基础设施的构建，作为建立在全国一体化算力网这一物理底座之上的认知中枢”，其战略意义远超单纯的技术系统升级，而是关乎中华民族在智能时代能否掌握发展主动权、能否有效破解发展不平衡不充分问题、能否实现中国式现代化宏伟蓝图的命门所在。
展望未来，构建自主可控、普惠包容、安全可靠的社会认知基础设施，应当成为落实国家中长期发展战略的核心任务之一。面对全球科技竞争的新格局，我们必须保持战略定力，以新型举国体制攻克底层根技术，确保数字空间的认知主权不被旁落；必须坚持以人民为中心的发展思想，通过技术普惠消除智能鸿沟，防止认知分层演变为新的社会阶层固化，让亿万人民共享智能时代的红利；必须统筹发展与安全，建立适应性治理范式，在防范化解算法偏见、伦理异化等重大风险中激发出蓬勃的创新活力。
新质生产力向认知维度的拓展，呼唤着我们超越传统的线性增长思维，确立以认知为核心要素的全新发展观。这不仅要求在技术层面实现从跟跑到领跑的跨越，更要求在制度层面进行深层次的改革与创新，以适应人机协同生产方式对所有制形式、分配机制及社会治理体系提出的新挑战。历史的经验表明，谁掌握了基础设施的定义权与建设权，谁就掌握了时代的解释权与发展权。通过系统性地布局与建设社会认知基础设施，中国必将在全球智能化的赛道上跑出加速度，为人类文明探索出一条通往智能繁荣的中国道路，在人机协同的辉煌新纪元中书写中国式现代化的壮丽篇章。
［基金项目］国家社会科学基金重大项目“因地制宜发展新质生产力的案例比较研究”（项目编号：25&ZD091）。
