2026年，当大模型不再只是“聊天机器”，而是开始替人下单买零食、帮工厂调度机器人、甚至独立完成一笔交易时，一个根本性的问题浮出水面：AI究竟能为经济带来什么？
9月10日，上海黄浦江畔，2026 Inclusion·外滩大会正式开幕。本届主题定为“创造AI新经济”，与往年相比，这个变化意味深长。
过去三年，自从ChatGPT引爆浪潮，业内讨论焦点长期锁定在参数、算力、Scaling Law和模型能力上——谁的模型更强？谁囤的GPU更多？下一个Benchmark又会在哪项任务上超越人类？
但到了2026年，风向已悄然转向。当大模型从“对话”走向“干活”，Agent开始介入真实交易，机器人逐步参与生产流程，问题变成了：AI到底能创造什么新的交易、新的组织、新的生产力，乃至新的经济增长？这恰恰是本届外滩大会最值得关注的底层主线。
台上，经济学家、科学家和企业家们依然在谈论模型、智能体、量子计算和科学发现，但越来越多的讨论落回到经济学最古老的一些追问：生产力从何而来？创新如何变成增长？新技术如何催生新公司和新岗位？技术进步最终又如何转化为社会繁荣？
人工智能，正从技术变量逐渐演变为经济变量。
从“服从”到“行动”
过去几年，大模型给普通人最深的印象是“越来越会说话”——问它答它、让它写邮件它就写、给点素材就能总结。底层逻辑仍是人发指令、AI响应。但在2026年，这一逻辑正在被改写。
源码资本投资合伙人、美国国家工程院外籍院士张宏江在主论坛上概括了一条进化路径：智能体正从“对话到助手、从被动到主动、从个体到群体”。这句话真正的分量在于：AI开始具备“行动能力”。
一个只能回答问题的AI模型，本质上仍是信息工具；但当智能体开始理解任务、调用工具、规划步骤、完成执行，它才首次真正进入到原本由人类劳动力构成的经济过程。更进一步，当不同的智能体开始协作、交换信息，甚至完成交易时，改变的便不只是人机交互，而是经济系统本身的连接方式。
这种变化已经在非常具体的场景中出现。在“当智能体成为交易主体”圆桌讨论中，蚂蚁集团总裁韩歆毅分享了一个小例子：上周他用AI健康应用“阿福”下单买了坚果、海苔等健康零食，花了40多块钱。40块钱当然不是大交易，但值得注意的信号是：智能体已经迈出了从“告诉你买什么”到“帮你买”的第一步。OPPO高级副总裁、首席产品官刘作虎也提到，“小布”相关的消费在几个月内接近翻倍，虽然基数还小，但用户已经开始习惯让智能体帮忙购物。
一旦AI能行动，它必然开始触碰支付、账户、商品、服务。过去互联网商业的基本结构是“人找商品”“人点按钮”“人完成支付”；未来则可能是人设定目标，智能体找方案、比价、调服务、完成交易。因此，整套商业基础设施也必须随之调整——智能体有没有身份？谁授权它花钱？买错了谁负责？机器做的交易如何追责？韩歆毅将这些问题归纳为授权、身份、能力评估、资金安全、可追溯审计。传统互联网熟知KYC（Know Your Customer），而智能体时代一个全新议题浮现：KYA（Know Your Agent）。万事达卡首席产品官Jorn Lambert也强调了商业信任的重要性；阿里集团首席科学家周靖人则认为，只要约束条件、安全执行环境和模型边界清楚，智能体的信任问题并非无解。
当越来越多的机器能完成任务、能进行交易、能形成协作网络，一个真正意义上的“智能体经济”或将浮现。这种“行动能力”也开始从数字世界走向物理世界。同天的具身智能圆桌上，多位机器人创业者形成共识：具身智能不会简单复制大模型的发展路径。真正决定机器人能否走出Demo的，不止是模型能力，而是数据、硬件、系统稳定性以及真实场景ROI构成的综合能力。最终，机器人必须回答的不是“能不能动”，而是“能不能稳定进入工厂、门店和服务场景，真正成为生产力的一部分”。
从“基座”到“增长”
过去几年AI产业最重要的关键词之一是“基座”——更大的模型、更先进的芯片、更多的数据中心、更庞大的资本开支。但回看历次技术革命，改变世界的从来不是铁轨本身，而是货物和人的流通；互联网的价值不在于光纤铺设了多少，而在于电商、搜索、社交、移动支付等新经济形态的涌现。
AI是否也在经历同样的过程？诺贝尔经济学奖得主菲利普·阿吉翁（Philippe Aghion）用增长理论给出了一个直接答案。根据他与合作者的测算，仅考虑AI自动化生产商品和服务任务这一项，未来十年内生产率增速每年可提升约0.68个百分点。如果再考虑AI对“思想生产”过程的促进作用，即创新，还能再增加0.4个百分点。换言之，0.68个百分点甚至可能是下界。
这或许也是理解“AI新经济”最重要的一层：真正值得关注的不是AI产业本身创造了多少营收，而是整个经济的生产函数是否因其改变。过去，一家公司要增加产出，通常意味着增加员工、资本、设备。未来，当更多知识工作可以交给智能体，当公司内部的经验、流程、知识可以被模型化，同等规模的人和资本可能产出完全不同的量级。张宏江认为，在智能体经济中，企业资产的定义也可能被重写——过去企业的核心资产是人才、客户、品牌、专利；未来，算力、专有模型、高质量数据、智能体协作系统、持续迭代的工作流，都将成为新的生产要素。
如果说互联网降低了信息传播和交易的成本，那么智能体正在进一步降低知识劳动、协调和执行的成本。一家创业公司现在可以调用一群智能体完成编程、设计、营销、客服、运营。“一个人+一群智能体”的企业不再只是构想——企业可能变小，能力反而更大。AI第一次真正从企业的成本项变为增长项。
当然，并非所有前沿技术都能立刻转化为生产力。在主论坛上，中国科学技术大学上海研究院执行院长陆朝阳为火热的量子计算泼了冷水：量子计算不是能“加速一切”的超强GPU，目前没有任何公认的算法能加速大模型训练。这实际上为理解“AI新经济”提供了另一个维度：真正重要的从来不是技术听起来多前沿。技术革命最大的价值，从来不是把已有的东西做得更快，而是不断创造此前不存在的供给和需求。蒸汽机创造了铁路，电力创造了现代制造业，互联网创造了平台经济，而AI最终会创造什么？我们当然还没有完整答案，但轮廓已经开始显现。
从“机器”到“人”
每一轮技术革命的终点，都会回到一个根本问题：人怎么办？在主论坛的一场对谈中，作家刘震云与香港大学计算与数据科学学院院长马毅教授聊到了同一个话题——机器越来越聪明时，人真正该抓住什么？
刘震云分享了一个有趣的经历：现在网上有无数视频是他的脸、模仿他的声音发表观点，“95%是假的”。AI甚至可以根据《一堆鸡毛》《一句顶一万句》等作品继续“替他说话”。但在刘震云看来，能模仿不代表能创作。“它可以根据《一堆鸡毛》写《一堆鹅毛》，但我想不到、写不出的作品，AI模仿不了。”马毅将这种差异总结为“共性”和“独特性”。今天的大模型已经掌握了文史哲领域的知识，但这些更多是人类积累的公共常识。而每个人的喜怒哀乐、价值观、人生经历各不相同。当机器越来越擅长掌握共性，人反而更需要找到自己的独特性。
这也为当下最常见的AI焦虑提供了另一视角。面对学生和家长的提问“学什么才不被AI替代”，马毅认为，去寻求一个AI永远学不会的技能，或许是一种旧思维。与其躲避AI，不如学会用AI放大自己的长处。刘震云则用农业机械化来比喻就业焦虑：过去农业靠大量人力，后来拖拉机、收割机进了农村，一个人能种几百亩地，但人并没有不干活。最终，新的生产力会形成新的生产关系。“AI肯定不是洪水猛兽。”真正值得担忧的，或许不是机器越来越像人，而是人用了机器之后越来越不像自己。刘震云说，他去香港，当然可以问AI哪家餐厅好，但他更愿意问马毅：“你什么时候请我吃饭？”AI能推荐餐厅，但没法真的请你吃饭。这个玩笑点出了技术无法逾越的边界：AI能提供知识，却无法完全替代关系；能模拟交流，却无法取代人与人之间的真实连接。马毅也提醒，如果所有知识获取都转向AI，学生或许学得更自由，但也可能变得更孤独。最终，人还是要进入社会，和真实的人打交道。
而更远的地方，AI甚至可能帮人类创造新知识。普林斯顿大学教授王梦迪在同一天提出了另一个问题：AI距离真正的自主发现还有多远？今天的大模型擅长学习概率分布中最常见、最主流的知识，但重要的科学发现往往出现在长尾之外。她和团队正在尝试让AI真正进入实验世界：提出假设、调用实验设备、观察结果、再重新提出假设。如果今天AI创造价值的主要方式还是提升现有工作的效率，那么未来的巨大增量很可能来自第二个层次的能力——创造新知识、新材料、新药物、新工艺，以及今天还不存在的产业。
从代劳到交易，从提效到创新，从替代到共生——AI新经济的轮廓，正随着黄浦江两岸的灯火，一点点清晰起来。
