全球数字化与智能化指数-全球数智化指数（GDII） 2026：发展智能经济的路径参考

智能经济时代的五大核心趋势

当前，全球正处于新一轮科技革命与产业变革的关键时期，人工智能技术正深刻重塑传统经济形态与社会运行方式。一个由数据和智能共同定义的经济周期加速到来，智能化正系统性地嵌入生产、分配与流通各环节，推动全球进入智能经济新时代。

在技术创新层面，全球AI知识产权布局加速扩张。生成式AI公开专利家族从2014年的733个增至2025年的3.78万个，增长约51.6倍；仅2024至2025年，生成式AI专利公开数量已超此前十年的总和。智能体作为智能经济时代最具代表性的生产工具，预计到2030年全球个人智能体数量将接近100亿，到2035年全球约90亿人口将由约9000亿个智能体提供服务。

在生产要素层面，数据全面渗透到生产、分配、流通与消费各环节，成为继土地、劳动力、资本、技术之后的新型生产要素。2025年全球数据生成总量约213.6ZB，预计到2029年将达到约527.5ZB，复合年均增长率约25.4%。同时，全网流量结构正在发生显著变化，预计到2030年，全球IP流量中AI占比将超过60%，全球Token日调用量将超过6000万亿。未来十年全球Token单位成本预计每年下降60%，成本的快速回落将持续推动千行百业智能化转型。

在基础设施革新方面，全球数智基础设施年度投资将从2025年的1.69万亿美元增长至2030年超4万亿美元，复合增长率19.14%。全球数智基础设施累计总需求将由2025年的6万亿美元提升至2030年的13万亿美元。随着数智基础设施大规模建设，能源供给已成为关键约束。据国际能源署测算，2024年全球数据中心耗电量约415太瓦时，预计2030年增至约945太瓦时。面向中长期发展，绿色能源将成为支撑AI基础设施持续扩容的重要底座，至2030年全球数据中心新增用电需求中将有约一半由可再生能源供给。

在经济增长转变方面，未来五年人工智能将累计创造超过27万亿美元经济规模，2030年智能经济贡献规模将相当于当年全球GDP的7%。2026至2030年智能经济相关产业增加值年均增速超46%，增长速度实现量级式跃升。预计到2030年，全球行业加权AI渗透率将超过12%，互联网（OTT）、政务服务、金融、医疗、教育、制造等十大行业正依托自身产业规模优势，持续释放多元经济价值。

在组织形式革新方面，人工智能一方面催生全新就业岗位，另一方面推动现有岗位职能迭代升级。至2030年，人工智能将创造约1100万个新增岗位，机器与算法辅助的工作占比将提升至67%。AI辅助已使客服人员生产率提高约14%至15%、软件开发提高约26%，市场营销提高约50%。

智能经济发展的三大战略支点与新生产函数

当人工智能从多点技术突破走向规模化应用，数智基础设施、高质量数据和人才生态构成智能经济时代三大关键生产要素体系。基于古典经济学家萨伊的生产三要素理论映射至数智世界，清华大学经济学研究所结合柯布-道格拉斯生产函数，简化构建了智能经济新生产函数：Y = AT^αD^βL^γ。其中，A为索洛余量，T为数智基础设施存量，D为高质量数据存量，L为满足人才生态中的掌握智能经济生产工具的劳动力存量，α、β、γ则为各生产要素产出弹性。

数智基础设施是智能经济的“黑土地”。智能能力的形成遵循规模扩展定律，算力、运力、存力一体化协同调度是保障该规律有效发挥作用的基础。依托高速运力实现跨域算力调度、大容量存力完成海量数据集管理，配套充足算力执行训练与推理，三者协同释放智能能力持续提升的空间。若任一环节形成短板，规模扩展效应将被显著抑制。各国政策制定不能孤立建设算力中心，必须同步布局高速互联网络与大容量智能存储体系。

高质量数据是智能经济的“金种子”。前沿大模型训练语料正由千亿Token量级向万亿Token级别演进，四年间主流基座模型训练数据规模提升约50倍。经过严格筛选的小规模高质量数据集，训练所得模型的泛化性能优于体量更大的原始数据集。数据Token化对多源异构数据完成统一语义编码与归一化表达，构建可量化、可定价的数据价值衡量体系。Token不仅是智能时代的价值锚点，更是连接技术供给与商业需求的核心结算单位。凭借标准化、颗粒化的计量特征，Token为智能服务构建按量计费的新型商业模式。具备标准规范化、高知识密度、强专业属性等特质的行业高质量数据集，是决定Token经济效益的核心基础要素，形成全球结构性稀缺。

智能人才是智能经济的“耕耘者”。掌握专业AI技能的劳动者占比仅约1%，大多数劳动者更需具备AI基础素养以及数据应用、批判性思维、创新创造与协同协作能力。到2030年，每100名劳动者中有59人需要接受技能提升或再培训。前沿研发人才决定智能技术发展上限，而智能经济规模化价值释放依赖体量更大的复合型应用人才。本地人才生态呈现需求牵引、供给加速的双螺旋正向循环机制，在供给侧通过教育改革、职业培训扩充人才供给，在需求侧通过超前布局数智基础设施、普及公共服务场景创造规模化AI岗位与应用需求。

适度超前建设数智基础设施的投资逻辑

人工智能规模化应用正推动数智基础设施需求超线性增长。前沿AI模型训练计算量长期保持每年约4至5倍的增长速度，远超通用计算能力增长速度。短短数年间，头部模型的估计训练计算量增长超过三个数量级。个人用户侧与企业用户侧的应用需求快速扩张，生成式人工智能实现部分或全面规模化部署的企业比例由2023年的6%提升至2025年的30%。预计到2030年，全球数据规模将正式超越700ZB，全球AI相关的基础设施投资将一路攀升至1.21万亿美元，年复合增长率约30%。

通用目的技术理论指出“投入先行、价值随后”的发展规律，基础设施先达到一定规模化水平，经济价值随着技术扩散逐步得到释放。基于基础设施投资和经济价值释放的S型规律，适度超前的基础设施投资能够加速技术扩散，打开市场空间并持续释放巨大的经济价值。全球数智基础设施投资目前正处于J型的加速扩张阶段，2020至2025年数智基础设施投资年均增速为9.82%，2025至2030年的年均增速提升至19.14%，2030至2035年的年均增速仍将维持在20.47%高位。

基于大推进理论逻辑，数智基础设施投资可以识别两个关键节点：基准线和标杆线。当国家数智基础设施投资达到基准线时，智能经济迎来加速发展；当国家数智基础设施投资达到标杆线时，智能经济迎来领跑式发展。智能经济发展基准模式下，数智基础设施投资强度在2030年建议应达到1.76%，并逐年增加至3.05%（到2035年），满足人工智能应用、智能产业发展的基本需求；智能经济发展标杆模式下，数智基础设施投资强度在2030年建议应达到3.23%，并逐年增加至6.34%（到2035年），支撑国家构建起全球领先的智能经济产业。

没有网络的AI是信息孤岛。智能体重构流量模型，到2030年近三分之二的网络流量将涉及AI。多模态实时交互带来20M以上上行刚性需求，具身智能走向多机协同对带宽、时延和可靠性提出更高要求。在算力层面，Scaling Law仍在继续，模型规模将扩大到10T、100T级别，后训练的算力消耗极有可能超越预训练，中心推理和边缘推理的规模快速增长。传统集群通过服务器堆叠模式提升算力规模存在显著的系统效率损失，超节点架构通过高速互联可将通信带宽提升至TB级，把系统平稳运行时间从天级提升到月级。在存力层面，大量曾被视为冷数据的资源因频繁参与模型迭代与实时推理转变为温数据甚至热数据，未来的存储范式需要直接存储已经计算好的关联，直接管理智能体的记忆流。

全球数智基础设施发展的阶段分布与路径参考

基于GDII指标体系，90个样本国家的数智基础设施协同能力被归纳为三个阶段：潜能阶段有28个国家，占31%；加速阶段有52个国家，占58%；领跑阶段有10个国家，占11%。阶段判定同时考虑数智基础设施协同能力及运力、算力、存力最低可用条件。

潜能阶段国家正处于信息化基础持续完善、数字化条件开始起步的发展阶段。联接能力是当前最需要优先夯实的环节，其固定宽带渗透不足、国际带宽明显偏低、光纤入户水平差距较大、5G覆盖尚处早期。计算、云和存储能力刚刚起步，人均算力约为0.0012TFLOPS，公有云投资约占GDP的0.08%。从经济发展看，2015至2024年潜能阶段国家实际GDP年均增速约为2.94%，ICT投资占比GDP的均值仅为1.46%。

加速阶段已经进入数字化规模发展期，联接从提升覆盖范围向提升用户体验发展，计算能力也成为进一步提升的重点。运力水平实现整体跃升，5G连接数占SIM卡比例平均达31%，较潜能阶段提升5.6倍；骨干网络大幅扩容，国家骨干网互联带宽平均达7.55Tbps，较潜能阶段提升近6倍。但算力与存力仍是突出短板，人均算力约为领跑国家的十二分之一，人均存储容量约为领跑国家的七分之一。2015至2024年间，加速阶段国家名义GDP总量增加约21.96万亿美元，ICT投资占GDP比重均值达2.81%。

领跑阶段已形成网络、计算、存储高水平的协同能力，基础设施开始面向下一代技术演进。5G连接数占SIM卡比例平均达57.9%，国家骨干互联带宽达到约46.02Tbps。计算与存储能力提升尤为明显，人均算力平均达到约0.17TFLOPS，约为加速阶段的11.5倍；公有云投资约占GDP的0.81%；人均存储容量达到约1057GB，约为加速阶段的7.1倍。基础设施建设已开始更多地面向加快布局5G-A/5.5G、高速全光网络、智能算力等下一代技术演进。

各国所处数智化发展阶段不同，迈向智能化的建设路径各具特色。从“潜能”到“加速”跃迁的路径，需优先完善网络基础覆盖，重点聚焦光纤宽带与5G网络，轻量化布局算力、云与存储资源，避免超前重资产投入，并持续稳定提升ICT投资占比。从“加速”到“领跑”跃迁的路径，需运力、算力、存力高质量发展，持续优化全域高质量网络能力，加大算力、公有云、先进存储与绿色数据中心布局，推进网络、算力、存储协同规划。对于持续领先的国家，重点在于发展面向未来的技术，实现全面智能化，推动基础设施从被动供给向自主编排、自适应运行和动态重构转变。此外，发展中国家也可依托大推进理论，在较短周期内同步扩容网络、算力与存储能力，实现跨越式发展。

ICT投资、产业政策与人才生态的协同价值

一个国家的数智化发展水平，不仅取决于技术应用的广度与深度，还需要持续的资金投入、积极的产业政策引导和健全的人才生态体系。从GDII研究分析来看，处在加速阶段的国家的ICT投资是潜力国家的1.9倍，领跑国家的ICT投资是加速国家的2.1倍。过去五年，领跑、加速和潜能阶段国家实际GDP年均增速分别约为2.0%、2.5%和2.4%。持续的ICT投资正是在为下一轮生产率跃升提前积累基础。

积极的产业政策引导是智能经济发展的催化剂。全球已有通过顶层设计牵引产业发展的共识。处于加速阶段的国家，产业政策得分仅比领跑国家低1.9分，比潜能国家高5.4分。哈萨克斯坦、巴西、沙特阿拉伯等国均发布了国家级人工智能发展理念或计划，涵盖数据处理中心建设、投资规划及包容性发展等主题。产业政策已成为各国缩小差距、实现跃迁的关键杠杆。

健全的人才生态体系的价值在于构建一个能够持续催生创新动能、加速知识溢出的有机系统。GDII数据显示，领跑国家的人均专利拥有量是加速国家的3.2倍，是潜力国家的38倍；在开源社区参与度方面，领跑国家在GitHub上的活跃用户数是加速国家的近2倍。然而，潜力国家和加速国家在本地人才培养上的差距相对较小，领跑国家的STEM毕业生占比仅为加速国家的1.3倍，说明后发国家在人才供给端具备追赶基础，真正的差距更多体现在创新转化和知识溢出环节。人才生态的价值释放必须与数智基础设施和产业政策形成深度协同，强大的基础设施为人才提供实践场景，积极的产业政策为人才指明创新方向，三者协同共振方能释放智能经济发展的红利。