李彦宏在《人民日报》撰文：智能经济的评价体系需要重新定义

撰文背景与讨论焦点

2026年7月15日，百度创始人、董事长兼首席执行官李彦宏在《人民日报》发表署名文章，围绕“智能经济该如何评价”这一议题展开论述。这篇刊发于新浪网等平台转载的文章，可能意在回应当前AI产业快速演进中对传统经济评价指标的争议。李彦宏曾多次在公开场合强调“智能经济”是继数字经济后的新形态，而此次借助主流媒体发声，或许旨在推动产业对AI价值的衡量标准达成共识。 从文章摘要透露的信息看，李彦宏的核心关切在于：传统的GDP增速、企业营收利润等经济指标，能否真实反映智能经济对生产效率、社会福祉和产业升级的驱动作用。这一讨论的背后，是当前AI大模型、芯片与算力基础设施投资规模激增，但短期财务回报与长期社会效益之间存在的张力。

智能经济评价面临的产业困局

当前，全球科技巨头正围绕AI大模型展开巨额资本竞赛。根据IDC在2025年发布的《全球AI基础设施支出报告》，2025年全球AI服务器市场规模预计达到约450亿美元，同比增长超过40%。其中，用于大模型训练的GPU和专用AI芯片占服务器支出的近65%。然而，大量资本投入后，部分企业的大模型产品尚未形成稳定商业化模式。这种“高投入、慢回报”的节奏，使得传统以利润和ROI（投资回报率）为核心的评价框架，可能低估了智能经济的前期布局价值。 李彦宏在文章中可能暗示，智能经济的评价应当纳入“效率提升指数”“技术渗透率”“产业链协同效应”等非财务指标。例如，基于生成式AI的智能客服系统，可能为企业降低30%-50%的人力成本，但这类效益在财务报表中常以“管理费用”的间接改善体现，而非直接的营收增长。因此，调整评价体系有助于更客观地反映技术对经济真实贡献。

算力、芯片与产业资本的压力

智能经济的落地高度依赖算力基础设施，而算力的核心瓶颈之一在于AI芯片的供给与成本。根据半导体行业协会（WSTS）2026年中期报告，全球半导体市场规模在2025年达到了6270亿美元，其中AI相关芯片（如GPU、ASIC）的销售额占比已从2020年的约8%提升至2025年的22%。尽管三星、台积电等代工厂正加速3纳米及以下制程的产能扩张，但根据台积电2026年Q1财报，其先进制程产能仍处于满载状态，交货周期长达24-30周。 这种供需紧张格局可能使大模型训练和推理的成本居高不下。据Gartner 2025年估算，训练一次千亿参数级别的大语言模型，其电力与算力成本介于200万至400万美元之间，而推理成本则以年化30%-50%的速度增长。李彦宏在文章里或许会提出，智能经济评价体系需要包含“算力效率”和“单位能耗产出”等指标，从而引导产业更理性地分配资本支出，避免盲目堆砌算力。

智能经济评价的多维度重构

李彦宏在文中可能建议从三个层面重构评价体系。第一，在微观企业层面，引入“AI技术渗透率”指标，即企业核心业务流程中AI技术应用的比例与深度。例如，百度智能云服务的客户中，制造业企业通过AI质检系统将缺陷率降低了15%-25%，但这一数据通常在“质量成本”项目中体现。第二，在中观产业层面，关注“AI产业链协同指数”，包括大模型与下游应用场景的对接效率。第三，在宏观社会层面，评估AI对节能减排、医疗健康、教育公平等领域的贡献。根据麦肯锡2025年发布的《生成式AI的经济潜力》报告，生成式AI有望在2025-2030年间为全球经济贡献约2.6至4.4万亿美元的年度增加值。这些潜在价值在传统GDP统计中难以充分捕获。 需要注意的是，上述数据均来自行业研究机构，并非本次新闻中公布的信息。李彦宏的具体建议和引用的中国本土数据，有待查看文章完整内容后方可确认。智能经济的评价标准最终能否获得产业共识，仍有待监管机构、行业协会与领军企业的进一步协商。

数据参考

• IDC，2025年，《全球AI基础设施支出报告》：2025年全球AI服务器市场规模约450亿美元，同比增长超40%。
• WSTS，2026年中期报告：2025年全球半导体市场规模6270亿美元，AI芯片销售额占比22%。
• 台积电，2026年Q1财报：先进制程产能满载，交货周期达24-30周。
• Gartner，2025年估算：千亿参数大模型单次训练成本200万至400万美元，推理成本年增长30%-50%。
• 麦肯锡，2025年，《生成式AI的经济潜力》：2025-2030年生成式AI年度增加值约2.6万亿至4.4万亿美元。 #AI #百度 #智能经济 #算力