杨健：人工智能正在重塑全球价值链

全球产业链和价值链正在经历新一轮深刻调整。

进入人工智能时代，算力、数据和模型等新型生产要素加速进入产业体系，正在改变全球产业分工、价值创造与利润分配的基本逻辑。

在中国出海企业协作联盟（CEGA）认为，理解人工智能带来的全球价值链变化，不仅关系到中国企业如何参与新一轮产业竞争，也关系到企业如何在全球产业链中寻找新的价值定位。

上海财经大学数字经济研究院执行副院长、实践教授杨健日前在上海出席CEGA策划的进博会专题研讨会时指出，进入21世纪以来，全球产业链分工和价值链分配出现了两个标志性变化：一是中国制造业成为全球第一大制造业力量，持续推动全球制造业格局调整；二是人工智能产业迅速发展，美国与韩国凭借在人工智能芯片、大模型和存储芯片等领域的优势，占据了全球人工智能产业利润的较大份额。

两个变化分别代表了中国制造业崛起和人工智能技术革命对全球产业格局的影响。尤其是后者，正在改变传统全球产业分工和价值分配方式。

一、价值创造重心：从产品分工走向任务分工

传统全球制造业分工主要围绕产品展开。

从概念创意、产品设计、生产制造，到产品销售和迭代升级，再到整机制造与零部件配套，全球产业链围绕产品的不同环节形成专业化分工。企业根据自身的成本、技术和资源优势参与其中，形成相应的价值创造和利益分配体系。

随着“人工智能+制造”深入推进，人工智能逐步渗透产业链各个环节，算力供给、高质量数据建设、算法开发等新型任务开始成为价值创造的重要组成部分。

杨健认为，产业价值创造正在从以“产品”为中心，转向以“任务”为中心。

与价值创造方式的变化相对应，传统制造业的微笑曲线也正在出现新的分层。

在传统价值链中，研发设计和品牌销售通常处于价值链两端，生产加工环节的附加值相对较低。人工智能的加入，使算力、数据、模型等新型生产要素开始参与价值创造，并寻求相应的价值回报。

当前人工智能产业仍处于数智基础设施安装期。先进人工智能芯片、高带宽存储芯片等基础设施供给方，凭借稀缺性和技术优势获得了较高收益。英伟达、美光、三星、海力士等企业从中受益，算力服务商成为现阶段产业利润分配的重要参与者。与此同时，数据服务商、模型服务商、应用服务商乃至电力服务商，也在这一产业链中寻找各自的价值空间。

随着人工智能进入规模化应用阶段，产业利润分配有望逐步趋于均衡。

二、人工智能重塑全球价值链的三重逻辑

杨健认为，人工智能正在通过三个方面改变全球产业链分工和价值分配。

第一，新型生产要素参与价值分配。

传统经济活动中，劳动力、设备、能源、资本等生产要素参与价值创造，并获得相应回报。进入人工智能时代，数据、算力、模型等新型要素成为价值创造的重要组成部分，也必然要求在价值分配中获得相应回报。

这意味着，未来企业参与全球产业链竞争，除了传统的资本、技术、劳动力和制造能力，还需要关注数字要素的获取、积累与运用能力。

第二，全球比较优势正在发生变化。

过去，全球产业分工很大程度上由成本因素驱动，生产成本较低的地区更容易承接相应产业环节。中国过去几十年依靠人口、资源、土地等综合成本优势，逐步成长为全球制造业的重要力量。

随着人工智能技术加速渗透，先进算力、高质量数据和能够实现产业落地的模型，正在成为影响产业分工、产业转移和产业集聚的新因素。

未来不同经济体之间比较优势的形成，以及全球贸易格局的演变，将越来越多地取决于这些数字要素。

第三，“模型税”可能成为新的价值分配方式。

互联网时代，平台通过连接消费者、供应商和服务商，发挥产业枢纽作用，并通过交易佣金、服务费用等方式获得收益，这种现象通常被称为“平台税”。

人工智能时代，企业和个人获取人工智能服务，越来越依赖API接口、云服务，以及算力、推理、词元和私有化部署等服务。模型服务商在连接用户、汇聚资金流和信息流、提供技术服务方面具有枢纽作用。

杨健提出，未来商业模式中，“模型税”可能成为一个绕不开的话题。其具体形式，取决于服务费用向谁收取、如何收取以及收取多少。

三、人工智能全球化面临的六重壁垒

人工智能正在重塑全球价值链，但这一过程并非没有障碍。杨健将其概括为六道需要跨越的壁垒。

算力壁垒。先进算力决定人工智能创新高度和应用水平。目前全球先进算力芯片供给和算力设施建设存在不平衡，成为制约产业数智化转型的重要因素。

数据壁垒。行业大模型训练需要大量高质量行业数据，数据质量直接影响模型能力。随着人工智能服务跨境应用，数据跨境流动及其合规要求成为企业必须面对的问题。美国《云法案》、欧盟《通用数据保护条例》以及中国《数据安全法》等相关规定，都需要纳入企业全球化运营的考量。

标准壁垒。人工智能领域尚未形成统一的技术标准体系，应用层面的规则更加复杂。以词元为例，不同模型厂商在词元化工具、词汇表、计量和计费方式等方面存在差异，行业、国家和全球层面的标准建设仍有较长的路要走。

人才壁垒。推进“人工智能+制造”和“人工智能+产业”，需要相应的人工智能专业人才。制造业企业不仅需要建立新的专业人才梯队，也需要面对人力资源总成本控制的挑战。

成本壁垒。模型开发、训练和部署投入巨大。随着万亿参数、十万亿参数模型出现，从高质量数据准备到模型预训练、训练控制，都需要高额资金投入。制造企业需要结合自身业务需求，选择合适的模型部署策略，控制智能化转型成本，避免陷入“不用模型会死、用模型死得更快”的困境。

安全壁垒。算法偏见、内容安全、数据泄露、个人隐私保护以及人工智能伦理等问题，都是企业部署人工智能应用时必须考虑的因素。

这六重约束表明，人工智能产业全球化不仅涉及技术和产品竞争，也涉及算力资源、数据治理、标准体系、人才储备、成本控制与安全治理等综合能力。

四、全球价值链重构的四个趋势

基于上述变化，杨健对人工智能时代全球价值链的演变提出了四个判断。

一是多极并存。

美国、欧盟、日韩和中国将凭借各自在人工智能领域的优势，在全球人工智能产业发展和“AI+产业”应用中形成不同定位。

美国在人工智能芯片和基础模型领域具有领先优势，欧盟更加重视应用与治理，中国依托超大规模市场，在人工智能产业链基础层持续追赶并推动应用落地。

二是分层竞争。

未来人工智能产业竞争将呈现明显的层次性，涵盖上游芯片和基础模型、中游数字中间品以及下游应用等不同环节。

上游基础层技术门槛高，参与者相对有限；下游应用市场则具有更大的发展空间，将呈现更加多元的竞争格局。

三是规则双轨。

人工智能产业发展和“人工智能+”应用，将同时受到市场商业规则与地缘政治约束规则的影响。两套规则并行存在，其中，地缘约束规则往往成为企业开展市场商业活动必须首先考虑的前提。

四是收益分化。

在数智基础设施安装期，围绕基础设施提供软硬件支撑的企业以及大模型企业，更容易获得超额利润。

随着人工智能进入规模化应用期，算力、数据、模型、应用乃至绿色电力等不同服务商的收益分配有望趋于均衡。

五、中国企业需要重新审视全球价值链定位

从中国制造业崛起，到人工智能成为全球产业竞争的新变量，全球价值链正在进入新的调整周期。

杨健的分析揭示了一个重要变化：人工智能不仅带来生产效率的提升，也正在改变全球产业链的价值创造方式、比较优势和利润分配机制。

对于中国企业而言，未来参与全球产业竞争，需要更加关注算力、数据、模型等新型生产要素，理解不同经济体在人工智能产业链中的优势与定位，同时充分考虑数据跨境、技术标准、市场规则和安全合规等现实约束。

人工智能时代的全球化竞争，将进一步延伸至技术、基础设施、数字要素和产业应用等多个层面。

如何在新的价值链分工中形成竞争优势，如何将制造能力与人工智能能力结合，如何在不同市场和规则体系下实现产业落地，将成为中国企业全球化发展需要持续研究的重要课题。