南方财经全国两会报道组记者孔海丽北京报道
今年政府工作报告提出，打造智能经济新形态。京东集团技术委员会主席曹鹏履职全国政协委员以来，多次就算力基建、智能经济建言献策。近日，他就智能经济的发展前景、先进制造业的转型升级、科技创新与产业创新融合、AI赋能千行百业等问题，接受了南方财经21世纪经济报道的专访。
全国政协委员、京东集团技术委员会主席、京东云总裁曹鹏
智能经济处于关键转型阶段，要以效能优先为核心
21世纪：智能经济与以往的数字经济最本质的区别是什么？我们正处于这场变革的什么阶段？
曹鹏：智能经济与数字经济最本质的区别，在于数字经济是实现产业的数字化转型与数据化沉淀，核心是 “效率提升”；而智能经济是以人工智能为核心驱动力，实现从数据到智能决策的跨越，核心是 “价值创造与自主创新”，让技术深度嵌入产业核心流程，解决从 “可用” 到 “好用、实用” 的根本问题。
当前，我国正处于智能经济从技术突破向产业深度融合、从规模扩张向效能提升的关键转型阶段。全球 AI 已迈入价值创造期，我国依托超大规模市场、丰富应用场景形成了应用层先发优势，正迎来将这一优势转化为算力、算法、平台、应用全栈竞争力的历史性机遇，且在 “人工智能 +” 国家战略引领下，智能经济的基础设施建设已初具规模，但基础层支撑、生态协同等深层挑战仍待突破。
21世纪：智能经济的重要目标是“赋能千行百业”。从技术负责人的视角看，你认为目前哪些行业被AI重塑的潜力最大，难点在哪里？
曹鹏：从技术落地与产业融合的角度，物流、零售、制造业、养老、政务几大行业被 AI 重塑的潜力最为突出。物流、零售具备标准化场景多、数据沉淀充分的特点，能快速实现 AI 的规模化落地；制造业是智能经济的核心应用场景，AI 对其生产、供应链的重构将推动工业升级；养老政务则依托 AI 的多模态交互、智能决策能力，实现民生服务与政府治理的智能化升级，是技术红利普惠的关键领域。
当前AI赋能各行业的核心难点集中在三方面：一是技术与产业痛点错配，部分领域在架构创新、场景适配等关键环节投入不足，未能解决产业实际问题；二是协同壁垒突出，数据孤岛、流程重构难、改造成本高，阻碍AI向产业核心环节渗透；三是算力与技术门槛较高，中小主体难以获取低成本、高适配的算力和AI服务，且缺乏既懂算法又懂行业的复合型人才。
21世纪：人工智能技术以前所未有的速度不断迭代。从去年的卷参数到如今的卷应用，你认为智能经济在产业端会呈现出哪些让我们意想不到的新形态？对于大量正焦虑于“如何不被AI时代抛弃”的实体企业管理者，你最想给出的建议是什么？
曹鹏：从“卷参数”到“卷应用”，智能经济在产业端将呈现三大全新形态：一是“云 - 脑 - 端”软硬一体化协同，具身机器人、智能终端等产品将成为产业落地的重要载体，实现从底层算力到上层应用的全链路智能；二是全产业链的智能协同，以数据驱动、智能决策为核心的 “超级供应链” 将成为主流，推动产业从单点智能向全链智能升级；三是普惠化的智能服务体系，算力、AI模型将像水电一样泛在可及，中小企业能以低成本获取智能能力，实现数字化转型的“弯道超车”。
对于实体企业管理者，我有三点建议：一是智能经济以“效能优先”为核心，将AI应用聚焦于企业核心业务的降本增效，不盲目追逐参数规模，而是追求技术与场景的深度适配；二是拥抱生态协同，积极融入链主企业牵头的创新体，借助行业共性解决方案降低转型成本，避免“单打独斗”；三是小步快跑、快速迭代，从企业的核心痛点环节切入，先实现 AI 的单点落地与价值验证，再逐步向全流程推广，比如京东将 AI 先应用于物流分拣、零售理货等标准化环节，再逐步拓展至全供应链。
“超级智能体”不是取代人，而是让人更强大
21世纪：制造业是智能经济落地应用的重要场景。科技创新与产业创新的融合，是制造业升级变革的主要方向，你认为在此过程中要解决哪些问题？工业场景下的AI应用，是应该先追求“炫酷”的黑灯工厂，还是先从供应链协同这类“枯燥”但实效显著的环节做起？
曹鹏：这是一个非常务实的问题。我的观点很明确：从“枯燥”但实效显著的环节做起，先“强身健体”，再“锦上添花”。
以“黑灯工厂”为标杆的完全自动化的工厂，代表制造业的未来方向，但对绝大多数中国企业而言，供应链的数字化协同、生产过程的精细化管理，才是更紧迫、更具实效的突破口。
为什么优先做供应链协同？因为供应链是制造业的“主动脉”，围绕供应链更高效地开展降本工作，已成为整个产业发展的必由之路。而AI恰恰最擅长处理这类问题：通过数据驱动实现智能预测、动态调度、协同决策。京东在供应链领域的实践表明，用AI优化库存周转、提升预测准确率，带来的效益远比“黑灯”本身更实在。
真正的路径应该是“三步走”：第一步，用AI打通供应链数据，实现上下游协同；第二步，用AI优化生产过程，提升效率和质量；第三步，在基础夯实后，再向“黑灯工厂”迈进。其中，采购作为供应链的“第一环节”，是制造等实体产业推进数智化转型的最优切入点。
21世纪：最近“超级智能体”概念兴起，从企业层面说，各类智能体如何实现“人机协同”？又如何建立自身在AI竞争中的核心壁垒？京东的实践可提供哪些启发？
曹鹏：智能体已经成为制造业数智化升级过程中进入小切口，创造扎实价值的重要载体。超级智能体不是取代人，而是让人更强大。人机协同的关键，在于厘清边界、各展所长——AI负责数据处理、规律发现、流程自动化，人类负责创造性决策、情感交互、价值判断。
京东的实践可以提供三点启发：
第一，从“单点辅助”走向“多体协同”。依托JoyAgent平台，智能体在京东内部应用广泛且深入，已超 5万个智能体活跃在零售、物流、金融、工业、健康等众多领域，覆盖智能客服、物流运输、健康问诊、营销推广、研发效能等多个场景。
第二，让AI“附身”终端，实现无处不在的智能交互。在硬件领域，京东打造附身智能品牌JoyInside，已联动40余家品牌落地全场景产品。2026年初，新增社交玩法与八大方言语音功能，联合京造建成国内首个跨品类智能硬件社交网，并开放软硬一体化方案赋能产业。
第三，坚持“场景为王”，让智能体解决实际问题。京东工业推出了40款工业专属智能体，“墨卡托标准商品库”形成了一套定义统一的商品参数及规格；京东健康构建的“专家智能分身”，能协助医生处理基础问诊，将诊疗效率提升50%；在物流调度、智能履约等环节，通过AI智能体与超脑系统协同，进一步提升仓储作业效率、分拣准确率与终端配送时效；在研发方面，JoyCode 已服务京东上万名研发人员，支撑数亿级用户产品研发，生成代码采纳率超 50%，开发周期平均缩短 40%。
建立AI竞争壁垒的核心，不是堆算力、拼参数，而是深耕场景、沉淀数据、积累行业认知。通用大模型可以复制，但“懂行业、懂场景、懂用户”的专有能力，才是真正的护城河。
共创分享，赋能更多中小企业
21世纪：国务院印发的《关于深入实施“人工智能+”行动的意见》提出，加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态。京东宣布将开放物流、健康等产业场景及供应链数据，支撑大模型和具身智能企业进行训练。这种开放是基于怎样的战略考量？你观察到中小企业拥抱AI的心态和大型企业有何不同？
曹鹏：作为新型实体企业，京东有责任发挥链主企业的牵引作用——不是把能力锁在保险箱里，而是开放出来，带动产业链共同升级。
京东宣布开放物流、健康等产业场景及供应链数据，支撑大模型和具身智能企业训练，核心战略考量是：构建共创共享的智能生态，让技术红利惠及更多企业。
为什么这样做？三点考虑：
第一，场景是AI落地的“炼金炉”。中国拥有全球最丰富的应用场景，这是无可替代的优势。但很多创业企业有好技术，却找不到场景验证。京东开放产业场景，就是让这些技术找到“用武之地”，加速从实验室到市场的转化。
第二，数据是AI的“燃料”，但需要共享机制。中央“十五五”规划建议明确提出，“建设开放共享安全的全国一体化数据市场”。京东在保障数据安全和隐私的前提下，开放高质量行业数据，正是落实这一要求的具体实践。
第三，生态繁荣需要“大中小企业融通”。我们观察到，中小企业拥抱AI的心态与大企业不同——他们更渴望“开箱即用”的成熟方案，更关注投入产出比，更担心试错成本。京东开放技术和平台，就是让中小企业能低成本、低风险地拥抱AI，实现“弯道超车”。
21世纪：你曾特别关注过“异构算力”的建设和成本问题。当前高昂且复杂的算力成本被认为是制约中小企业融入智能经济的门槛，这方面您有何建议？我们离“算力如水”的普惠阶段还有多远？
曹鹏：算力是智能经济的“水电煤”，但当前算力资源存在“三不用”困境：中小企业用不上、传统产业用不起、基层农村不会用。一边是国家算力总规模快速增长，另一边却是大量中小主体被算力成本和技术门槛挡在门外——这也是我今年参加十四届全国政协四次会议重点关注的问题。
如何破解？需要政策、技术、产业协同发力：
政策层面，我们建议出台“算力券”“模型服务补贴”等普惠工具。这不是简单的补贴，而是政策定向赋能——通过财政支持，降低中小企业、基层主体获取算力和AI服务的门槛，让他们敢用、愿用、用得起。同时，将补贴延伸到乡村，支撑智慧农业、农村电商、基层治理等场景，让算力红利真正流向有需求的地方。
技术层面，关键是要解决算力资源的“异构化”“孤岛化”问题。
产业层面，需要链主企业发挥牵引作用，我们建议推动链主企业向中小企业开放智算配额，实现产业智算普惠。京东正将沉淀的算力能力对外输出，让更多企业享受到高效、可控的算力服务。
离“算力如水”还有多远？结合国家“十五五”规划纲要，我们对算力普惠的长远发展充满信心。未来需在三个方面重点突破：算力网络的一体化与泛在化、国产算力生态的自主可控、算力服务的普惠化与场景化。这不是一蹴而就的事，但方向已经明确。
万隆优配提示：文章来自网络，不代表本站观点。
