一、中国人工智能经济学的特色定位

2018年中共中央政治局第九次集体学习会上，习近平总书记明确指出：“我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，迫切需要新一代人工智能等重大创新添薪续力。”要全面理解党和国家高度重视人工智能的动因、切实提高中国人工智能学术话语权，就需要探究中国人工智能经济学理论的建构问题。基于此，本文首先阐述人工智能作为通用目的技术进入经济活动后经济学理论创新的必要性，并指出中国人工智能经济学应具备的理论特色；其次，扎根马克思主义科技哲学，构建“技术—经济—制度”的三维耦合分析框架；再次，结合当前人工智能经济学研究的主要方向，进一步指出已有研究中的盲点与局限；最后，指出中国人工智能经济学回答好中国现实问题的具体途径。

(一) 人工智能经济学的研究意义

从经济思想的演进过程来看，生产力革命性跃升往往催生出与之相适应的经济理论。第一次工业革命后，诞生了如亚当·斯密、李嘉图、凯恩斯等一大批经济学家，其经济思想至今仍对经济研究、政策制定产生重要影响。第二次世界大战后，随着美国逐渐成为引领人类科技创新的高地，出现了货币主义、理性预期等影响深远的经济学流派。随着AI席卷人类社会，也需要创新发展与其相适应的经济学理论和思想（何大安，2021）。

从当前经济实践来看，人工智能可以多层次嵌入现代经济生活，对经济社会活动进行改造升级。目前，人工智能是26种通用目的技术（General purpose technology）中的一种，拥有GPTs的一般性质。根据Bresnahan和Trajtenberg（1995）的定义，GPTs 具备三个核心特征：广泛使用性、持续的技术改进能力、在应用行业中引发互补式创新。简而言之，人工智能最重要的性质是能够大大提升其他科学技术的发展速度，促使新质生产力大幅提高。习近平总书记指出，“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应。”因此，相较于传统生产力，人工智能对全行业高级化的带动作用及辅助创新作用更加重要，可通过“AI应用—技术进步—AI发展”的正反馈实现国民经济发展的高质量变革和增长动力变革。

我们认为，人工智能通过多种方式作用于经济活动，既可以通过提升劳动生产力，以生产工具的形式存在，也可以通过赋能原有生产要素，以高技术要素形式存在，还可以通过直接取代劳动力，以更加高级的类人劳动力形式存在，更可以通过刺激原有制度、组织形态变革形成新业态以及催生新的生产方式实现生产效率的提高。因此，本文认为应把人工智能经济学定位为一门研究人工智能技术与经济系统之间相互作用的交叉学科，其核心在于分析AI如何改变生产过程、资源配置方式、产业格局以及收入分配结构等问题，并探讨其对经济增长、政策制定和制度演进的影响。这门学科不仅应关注AI作为新质生产力对经济效率的提升作用，更要试图构建一套理论框架来阐释AI技术变革带来的结构性影响。

(二) 中国人工智能经济学应具备的特色定位

经济学理论以解释经济活动、调节现实经济、引导政策制定为核心目标，对因果关系的推断尤为重视。人工智能经济学与计量经济学在因果推断上存在显著差异，人工智能依赖数据驱动与形式化建模，难以脱离相关性底层逻辑，易陷入因果误判、泛化失效 ¹与伦理失序的困境。与此不同，传统计量经济学基于先验假设与识别策略进行因果参数无偏估计，但也面临模型设定僵化、对复杂系统适应性不足等问题。中国人工智能经济学需立足丰富的社会实践，构建兼具普遍性与特殊性的因果推断框架，以马克思主义经济学为理论根基，以中国文化基因与话语体系为表达载体，以中国现实场景为实践场域，通过技术、经济与制度三维耦合的动态分析框架，构建以人民共享为价值归宿的理论体系。其关键特色在于突破传统经济学理论驱动与AI数据驱动的对立，形成理论引导、数据增强、价值约束的三元协同，实现从相关性识别到因果性解释、从效率优先到公平可持续的转型。

第一，中国人工智能经济学研究必须充分体现实践场景的独特性，即依托中国超大规模市场提供的独特实践场景开展研究。具体而言，超大规模人口带来的数据规模优势，为人工智能模型训练提供了丰富素材，在消费领域，不同地域、年龄、消费习惯的群体产生海量数据，人工智能可通过分析这些数据精准洞察消费需求，为企业生产和市场调控提供依据。与此同时，超大规模市场也带来了挑战，如区域发展不平衡导致的数据分布差异，可能使人工智能模型在跨区域应用时出现泛化失效，而中国人工智能经济学可利用反事实推理，模拟不同区域政策干预下的经济效果，为实现区域协调发展提供理论支持。不仅如此，超大规模市场还催生了丰富的应用场景，从智慧城市建设到乡村振兴，从工业互联网到智慧医疗，人工智能在各领域的深度应用为经济学研究提供了鲜活案例。比如，在智慧城市建设中，人工智能可通过分析交通流量、能源消耗等数据优化城市资源配置，中国人工智能经济学可研究如何通过制度设计，保障人工智能在城市治理中的应用符合公共利益，避免技术滥用。

第二，中国人工智能经济学必须体现制度优势的鲜明性，即以中国特色社会主义市场经济体制下有效市场与有为政府的有机结合为独特制度支撑。作为最大的发展中国家，中国在人工智能技术研发初期，政府通过产业政策引导、财政资金支持等方式，推动关键技术突破。与此同时，市场在资源配置中发挥决定性作用，通过竞争机制筛选出优质的人工智能企业和产品，推动技术迭代升级。中国人工智能经济学应着重研究如何更好地发挥有效市场与有为政府的作用，构建适合人工智能发展的制度环境。例如，在数据要素市场建设方面，政府可制定数据产权保护、数据交易规则等制度，保障数据要素的有序流动和合理配置，市场则通过价格机制引导数据要素向高效益领域集聚。在人工智能伦理治理方面，政府可出台相关法律法规，规范人工智能的应用，市场则通过行业自律和消费者监督，推动企业履行社会责任。

第三，中国人工智能经济学必须彰显价值导向的人民性，即以全体人民共享发展成果为价值归宿，牢牢坚持数字劳动价值论的基本立场。 ²这一价值导向要求人工智能技术的发展必须服务于人民福祉，避免技术异化，在数据要素分配中，要通过反事实推理识别不同群体对数据资源的差异化需求，防止数据垄断加剧数字鸿沟。具体来说，在农村地区，可通过政策倾斜，保障农民能够平等获取和利用数据资源，推动农业数字化转型，提高农民收入水平。在算法设计中，要嵌入公平性原则，确保模型对多元人群的包容性。在就业领域，人工智能可能会对传统就业岗位产生冲击，中国人工智能经济学可研究如何通过政策引导，促进人工智能与就业的协同发展，为劳动者提供更多的就业机会和职业培训，确保技术红利惠及全体人民。在制度构建中，要建立伦理治理框架，通过人在回路的机制 ³设计，让人类在关键决策中能够审查和干预人工智能的判断，以保障人工智能的应用符合社会主义核心价值观。

第四，中国人工智能经济学必须实现分析架构的创新性，即可以运用“技术—经济—制度”三维耦合的动态分析架构，突破传统技术—增长的线性解释逻辑。其中，技术维度聚焦反事实推理能力的提升，通过模拟不同技术路径对经济系统的长期影响，为技术创新提供理论指导。经济维度强化结构模型的应用，处理非线性交互效应与高维数据的挑战，提高经济预测的准确性。制度维度嵌入伦理治理框架，确保人工智能的发展符合社会公共利益。在应用时，这一动态分析框架可用于研究人工智能对传统产业转型的影响，通过反事实模拟，分析引入人工智能技术前后产业效率的变化，识别技术驱动的真实效应；运用结构模型，构建数据要素、生产效率、市场结构之间的关联，为产业政策的制定提供依据；通过伦理治理框架，保障人工智能在产业转型中的应用不会引发社会问题。

总之，中国人工智能经济学不仅应为人工智能经济学发展提供科学严谨的方法论支撑，更要将中国国情因素全面融入其中。通过突出超大规模市场、有效市场与有为政府、社会主义价值导向等特色，构建起具有主体性、原创性和实践引领性的新型理论体系，为全球人工智能治理贡献中国方案，推动人工智能技术更好地服务于经济社会的发展和人民福祉的提升。

二、中国人工智能经济学的分析架构

建构中国人工智能经济学理论体系，必须植根于中国化的马克思主义科技哲学，这一哲学体系将技术视为社会存在的核心要素，强调技术与社会的辩证互动关系。其核心逻辑体现为三个维度：一是在技术本体论上，人工智能不仅是技术工具，更是重构生产关系的社会存在，它通过改变生产要素配置推动经济形态变革；二是在技术认识论上，使用人工智能需兼顾效率与公平，必须避免陷入技术决定论误区，要求技术进步必须服务于社会整体福祉；三是在技术伦理上，人工智能的应用必须符合以人民为中心的发展思想，防止算法歧视与数据垄断，确保技术红利惠及全体人民。基于此，本文认为中国人工智能经济学理论应以技术冲击为研究起点，以制度适配为分析路径，以促进经济转型为最终目标，阐释并完善独特的“技术—制度—社会”协同分析框架，既要回应人工智能技术对生产关系的重构需求，又要凸显中国在制度创新中的自主性，为全球提供非西方模式的理论范式。

(一) 确立理论自立：根植中国国情与回应全球发展的双重使命

在理论特色方面，中国人工智能经济学研究必须实现理论自立，这意味着在全球人工智能发展浪潮中，经济学研究必须摆脱对西方经济学理论的路径依赖，构建一套根植于中国国情、服务于中国式现代化的自主人工智能经济学理论体系，只有这样才能回答好一系列具有普遍性和特殊性的中国问题。这包括：如何以马克思主义经济学为理论根基，吸收西方经济学的合理成分，解析人工智能经济学的基础函数和基本概念；如何立足中国丰富的社会实践，结合中国文化基因，推动AI 技术经济范式变革，解决中国式现代化实践中的各类矛盾，达成服务全球经济学理论发展和中国式现代化进程的目的；如何应对AI引发的制度与治理的创新挑战，构思AI 国家治理范式与全球治理新架构，为全球人工智能经济学的发展提供中国方案；如何通过技术、经济与制度耦合的动态分析框架，为中国产业升级提供理论支持，确保人工智能的发展始终以人民共享为价值归宿；如何在AI推动中国式现代化进程中进行政策再设计，重新审视AI 时代的国家创新体系与创新模式，探究 AI 技术在中国创新体系建设中的角色和作用；等等。

(二) 应对技术冲击：阐释效率提升与公平挑战的双重效应

人工智能技术通过数据驱动与算法优化，深刻改变了生产要素配置方式，推动制造业与服务业从劳动密集型向技术密集型转型，促使企业组织从层级式向扁平化转变。这种技术冲击不仅体现在效率的提升上，更通过改变生产要素配置重构了企业组织形式与市场结构。对中国而言，这一冲击主要体现在就业市场的结构性错配。

从供给结构来看，中国劳动力市场存在规模大、低技能劳动力占比较高、区域分布不均等问题，这使得在推动人工智能转型过程中要支付较高的劳动力转型成本。与此同时，由于人口老龄化，就业市场对技术冲击的承受能力比较有限，劳动力市场转型也需要较长的时间窗口。从需求侧来看，人工智能的大规模运用，一方面会替代我国劳动密集型产业中的大部分流水线岗位；另一方面在我国超大市场规模的作用下，会对算法工程师、数据科学家、人工智能训练师等高技能员工产生大量需求。这种结构性冲击如果处理不当，将会在中国超大市场规模的作用下，放大结构性失业、收入差距以及区域发展不平衡等负面效应，不利于社会主义现代化建设与共同富裕的实现。因此，中国的特殊国情决定了中国人工智能经济学必须在就业市场平稳转型的条件下，兼顾效率与公平双重目标。

(三) 加强制度适配：探索场景驱动的创新路径

中国拥有极其丰富的场景，必须不断通过场景驱动实现制度适配，从而形成独特的创新路径。与西方基础研究驱动的线性模式不同，中国依托电商、移动支付等高频应用场景，可推动人工智能技术快速商业化。例如，电商平台利用人工智能优化供应链管理，显著降低物流成本；移动支付通过AI风控系统，提升交易安全性。这种模式不仅缩短了技术从实验室到市场的转化周期，更通过场景反馈反哺技术研发，形成“应用—创新—再应用”的有序循环，充分证明了场景驱动模式的高效性与适应性。同时，中国因开源生态、低成本算力 ⁴、海量场景数据三重优势，使中国AI技术进步具有多重动力来源。这种优势也是我国公有制为主体、多种所有制经济共同发展基本经济制度的内生结果。其中，国有经济通过推动数字关键基础设施建设与重大科技攻关，为民营企业在应用创新、商业模式探索等方面提供高质量公共品服务。民营企业又通过实践经验反馈与对经济的正向作用，促使国有经济更新完善数字技术与基础设施，充分展现了新型举国体制的巨大优势，为场景驱动的创新路径提供了坚实的制度保障，这也意味着中国人工智能经济学的分析要格外重视我国基本经济制度所带来的重要影响。

与此同时，在法治层面，中国政府正通过《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法规，规范数据流动与算法应用，既保障了企业创新活力，又防止了数据垄断与算法歧视。例如，某电商平台通过人工智能推荐系统提升用户购物体验，同时严格遵守数据隐私保护规定，避免用户信息泄露。这种技术与制度协同的创新模式，使中国人工智能发展既保持了技术领先，又维护了社会公平，为全球提供了非西方模式的范例。

(四) 推动经济转型：寻求人机共生的动态平衡

中国人工智能经济学的创新点在于推动人机共生而非人机替代的发展理念。这一理念的形成，源于中国制造业全球第一的雄厚产业基础。目前，中国作为全球唯一拥有联合国产业分类中全部工业门类的国家 ⁵，强大的工业体系和稳定的供应链网络，为人工智能提供了全球最丰富的实践场景。同时，超大规模市场为人工智能企业提供了全球最大的互联网用户群体，全球领先的法律制度为人工智能提供了活跃健康的数字经济生态。理论上，人机共生理念可以通过技术适配性、制度响应力和社会包容性三重路径实现技术进步与社会发展的动态平衡，有望大力推进中国式现代化进程。由此来说，完整的产业体系与超大规模市场的优势叠加，能够促进场景驱动的技术适配性突破，为打通双循环卡点、堵点和构建国内统一大市场提供可能，也将奠定应用创新反哺技术创新、以市场需求转型带动产业结构转型的发展模式。在此基础上，可以凭借制度响应力推动技术进步、制度适配与社会公平的良性循环，制定社会包容性发展政策以实现劳动市场人机共生的动态平衡目标，为后发优势与制度响应的协同提供聚焦的理论素材，这也为中国人工智能经济学“人机共生”理论框架的确立提供了绝佳的实践佐证。

需要强调的是，中国人工智能经济学认为人机共生是经济社会文化等多方面的动态平衡机制。与西方技术决定论不同，中国注重技术与社会辩证互动，强调通过制度适配实现经济与社会双转型。在这个过程中，人机共生动态的演化结果通过政策反馈，反向刺激制度改革，推动政策制度寻找“效率”与“公平”之间的平衡点。在双向动态机制中，制度适配为人机共生提供实践政策空间与风险缓冲区间，人工智能则为制度创新提供实践依据和调整方向，二者互动形成螺旋式上升的稳定进步，从而使理论框架更具解释能力。

总而言之，建构中国人工智能经济学理论，必须牢牢坚持以人民为中心的发展思想，确保技术进步服务于社会整体福祉，而非少数人的利益。这种价值导向将确保中国人工智能发展在全球科技竞争中独树一帜，可以为构建人类命运共同体贡献中国智慧。而且，与西方技术决定论不同，中国人工智能经济学的理论特色不仅是对中国人工智能与经济高质量发展有机关系的理论验证与概括，更为全球提供人工智能发展的非西方模式的理论参考，能够证明人工智能技术可以通过制度适配实现经济与社会的和谐共生。

三、当前中国人工智能经济学的理论观点

经过数年实践总结，当前人工智能经济学已经形成了众多有参考意义的研究成果，本节内容则是根据已有文献，分析人工智能对经济学研究的重塑，以及由此带来的研究对象及其表现形式的根本变化。基于经济学的研究主题分类，我们认为人工智能对市场主体、就业数量和经济增长等关键问题的研究产生深远影响。

(一) 研究方法及数据来源

本文利用6.4.1版本CiteSpace软件的“TimeLine View”功能对人工智能经济学研究文献进行热点分析。中文文献的数据来源为中国知网（CNKI）数据库，题目包含“人工智能”或“AI”的CSSCI期刊文章。本文使用中国知网自带的学科分类系统，限定文献属于“信息经济与邮政经济”“企业经济”“宏观经济管理与可持续发展”“经济体制改革”“金融”“工业经济”六个学科，共得到文献1 892篇；通过人工筛选，删去不符合经济学学科分类如国际政治、传播等学科的文献以及动态、短评会议综述等文章，得到有效文献1 429篇。英文文献数据来源为Web of Science（WoS）数据库，题目包含“artificial intelligence”或“AI”的SSCI期刊文章。本文利用WoS自带的学科分类系统，限定文献属于“Economics”学科，共得到文献582篇；通过人工筛选，删去不符合经济学学科分类如国际政治、传播等学科的文献以及期刊动态、短评会议综述等文章，得到有效文献514篇。在热点分析时，设置CiteSpace分析图谱节点类型为“关键词”，节点筛选方式选择“g-index”模式，参数k=25，利用“Pathfinder”算法精简图谱网络，范围设定为“各个时间段”“综合网络整体”，最后使用“TimeLine View”功能、依据“Keyword” 进行图谱展示，得到人工智能经济学研究热点变化图1和图2。

(二) 人工智能经济学的范式演进与中外比较

2015年之前国内外研究 ⁶普遍将人工智能视为一种先进技术工具，主要围绕数据分析、辅助决策、降低投资风险等问题展开研究。国外学者更偏向经济学建模，如Paliés和Mayer （1989）、Varetto（1998）、Benaroch（1996）等学者研究了如何利用人工智能模型，提高计量模型、神经网络模型的准确度。国内学者则更倾向实证检验，如冯静（1999）、吴建卫（2003）、谢冰等（2011）等研究了人工智能在医疗保险、物流成本方面的应用。这一阶段的研究特点在于，学界开始逐渐重视人工智能对经济决策的影响，但受限于人工智能技术水平的影响，人工智能只是改变了经济决策模式，并未对经济活动产生更广泛的影响。然而，从当今人工智能发展与应用来看，这些研究事实上为 “人工智能改变经济决策主体”提供了一定的理论基础。

2015年以后，由于人工智能技术的突破所带来的广泛现实应用 ，经济学界的研究重点也随之转向对经济生产活动影响的研究（见图1和图2）。在微观层面，经济学研究对象逐渐从“理性人”扩展到“算法主体”。Calvano等（2020）证明了AI自主定价代理存在串通合谋行为，合谋程度随竞争者数量的增加而降低。Asker等（2024）发现AI算法影响定价行为，同步学习导致竞争性定价，异步学习可能导致垄断定价。宋晓兵和何夏楠（2020）构建AI定价对消费者价格公平感知影响模型，并提出了营销沟通和服务补救策略。这些研究揭示了人工智能经济学相对传统经济学的一点重要变化：市场竞争主体不再仅是企业本身，企业基于算法的定价行为事实上使算法本身必须被独立分析，而传统经济学理论以企业为单位研究市场竞争、定价行为的分析框架需要重新被界定，算法的合谋、自主学习等特点，仅靠AI作为生产要素引入传统模型，难以解释市场结构、竞争行为的变化。换言之，市场不再以单纯的价格变化为资源配置信号，而是在人工智能的影响下转向由价格、数据和算法等多维因素共同作用的资源配置体系。

在宏观层面，随着人工智能技术的进步，传统宏观经济问题可在微观层面以极低的成本进行推演，事实上模糊了微观与宏观经济学的界限。在对经济增长问题的研究中，Brynjolfsson等（2021）发现AI对生产率的影响存在类似“索洛悖论”的情况，即微观层面AI使企业效率明显提升，但在宏观层面整个社会的经济增长速度却并不理想，为此设计包含无形资本的生产函数，推导出生产率增长率J形曲线，为研究时间滞后效应提供依据。陈楠和蔡跃洲（2022）基于省域面板数据发现，AI对我国经济增长存在新“索洛悖论”。这些研究均表明，过去传统经济学中以投资带动经济增长的线性思维已不再适合人工智能经济学的研究，经济增长的实现路径逐渐非线性化，更加依赖于无形资本积累及商业模式、生产模式的转型，解释经济增长要通过区分多元因素在经济增长中的差异性作用、确定不同因素的作用大小，才能为实践提供理论指导。

宏观、微观界限的模糊在就业问题的研究中同样有所体现。从已有研究来看，这种模糊是技术变革所推动的研究方法进步。经典研究如Acemoglu和Restrepo（2018）所构建的任务模型，该研究指出自动化对劳动力的替代会被新任务创造等四种效应抵消，长期收入份额和技能差距趋于稳定。Hémous和Olsen（2022）则指出技术外生时，自动化对低技能工资影响不显著，但会增加技能溢价、降低劳动力份额；创新内生化后，低技能工资短期下降，长期经济走向稳定。这些研究从理论上验证了人工智能的技术冲击对不同任务存在差异性影响，意味着相关经济学问题难以直接通过总量分析来阐释，从而推动后续相关研究向微观层面拓展。国内研究则进一步印证了这种微观化研究的趋势。郭凯明（2019）认为研究AI对劳动收入份额的影响，需考虑产业间AI产出弹性和替代弹性的差异，这种研究结论实际上启发学者在研究时进一步将宏观经济信息细化出产业、企业信息来进行研究。同时国内聚焦于就业极化、技能极化的研究，如钞小静和周文慧（2021）、黄志和程翔（2023）等，也通过在不同任务层级、不同技能群体间的比较，进一步推动了宏观研究微观化的进程。总体来看，这些文献的共同点就在于，AI时代的就业问题研究，已经从过去对就业总量的关注，细化到对行业乃至行业内部不同任务的研究，即对任务结构、技能溢价与收入分配演化的分析。这种研究重心的转移，根植于人工智能革命的技术底色，过去经济学对就业的分析之所以关注总量，是因为服务于工业革命的标准化生产流水线劳动力本身同质化严重，对劳动力判别标准也较为统一，这就导致了就业总量的变化往往能反映整个社会的经济水平。但人工智能革命后，一方面，就业数量本身在智能化影响下进一步缩减；另一方面，人工智能时代的零工经济、跨专业就业以及柔性生产等问题，使劳动力的就业方式更加灵活、劳动力转移更加频繁，因此研究只有从更细化的生产任务种类、任务技能要求方面入手，才能真正实现经济学理论对现实经济问题的合理解释。

对比国内外研究主题、内容和方法可以发现，二者在研究起点、问题导向与价值锚点上存在显著差异。国外研究从技术冲击与市场均衡的视角切入，早期聚焦AI对劳动力市场的替代效应，后期逐渐拓展至宏观经济影响，但始终围绕“效率优先”的核心逻辑，更关注技术创新与市场竞争的互动，政策建议大多聚焦于市场机制完善与技术创新激励。国内研究则更强调技术、经济与制度的协同演化，从一开始就关注AI对经济转型、收入分配和共同富裕的影响，问题导向更贴近中国经济发展的现实需求，政策建议更强调政府引导与市场调节的协同，关注如何通过制度创新破解AI发展中的体制、机制障碍。

不可否认的是，现有研究为中国式现代化实践提供了重要的理论支撑与经验参考。国内一些研究结合中国场景对经典模型进行修正，引入劳动市场结构、经济发展阶段等特殊因素，得出了具有中国特色的研究结论，丰富了人工智能经济学的理论体系。围绕AI与生产效率（韩永辉等，2023；Kopka和Fornahl，2024）、劳动就业（Agrawal等，2019；程承坪和彭欢，2018）、经济增长（Aghion等，2017；潘珊等，2025）等议题展开的实证分析，为中国制定AI发展战略、产业政策和就业政策提供了数据支撑与决策参考。然而，现有研究仍存在一定局限性，难以完全匹配中国式现代化的实践需求：一是理论体系尚不完善，尚未形成系统的中国人工智能经济学理论框架，并且对AI与中国式现代化的内在逻辑、AI在共同富裕、乡村振兴等场景中的作用机制研究不足。二是研究方法还有待创新，现有研究大多借鉴国外模型与方法，缺乏针对中国场景的原创性研究方法，对AI与制度、文化等非经济因素的互动机制分析不够深入。三是政策研究的针对性不足，现有政策建议大多聚焦于技术创新与产业发展，对AI发展中的伦理风险、数据安全和就业保障等问题的研究不够系统，难以有效应对AI带来的复杂挑战。因此，要使我国人工智能经济学的理论能够深入中国场景，给出充分体现理论自立的科学答案，亟需学者进一步确立理论根基，并以此构建技术评价体系，推动治理范式与产业的主动转型，以技术创新带动经济学理论创新，让中国人工智能经济学真正从实践中来、到实践中去。

四、中国人工智能经济学研究应突破的研究局限 (一) AI时代中国经济面临的三大问题

立足中国国情，从中国情境与中国式现代化实践的视角来看，中国特色的人工智能经济学需要回应传统经济学难以很好地回答的“政策框架不适应”“新型制度建设难”“发展目标相冲突”三个根本问题。具体而言，一是政策框架不适应，即传统经济政策框架在AI时代的适配性面临困境。当前，中国正处于从工业文明向智能文明转型的关键期，传统以劳动价值为核心的经济运行模式与智能革命催生的新发展形态存在结构性错配。一方面，生产力的飞跃式进步并未同步带来劳动岗位的净增长和劳动者议价能力的提升，反而导致劳动在经济价值创造中的权重持续下降，出现劳动价值不断虚化的现象。另一方面，传统逆周期调节手段在应对智能革命引发的经济结构变化时效果有限，政策传导阻滞、就业与增长脱钩等问题凸显，适合AI时代的经济政策该如何设计是亟需学术界研究的问题。

二是新型制度建设难，即在构建以AI为核心生产要素的制度、治理体系时所面对的复杂挑战。中国式现代化对AI发展的制度与治理提出了特殊要求，中国人工智能经济学需要突破传统经济学技术中性的理论假设，构建起以AI为核心生产要素的制度体系，将从技术研发、数据流通、产业应用到收益分配的全链条纳入制度框架，为智能经济新生态提供系统性保障。与此同时，中国的AI经济学理论应根植于人民共享的价值导向，从技术效率与社会公平的动态平衡视角回应技术创新与价值约束的适配性冲突，要大胆引入伦理治理、法律完善与经济发展的多重因素协同理念，推动中国特色人工智能经济学理论的发展。

三是发展目标相冲突，即AI发展与人口大国社会目标之间的结构性冲突。中国作为人口大国，AI发展面临人口规模与共同富裕的双重压力。一方面，AI可能加剧结构性失业，对低技能劳动力的替代效应更为明显，如何在AI时代保障庞大劳动力群体的就业权益、提升劳动力技能水平，是实现共同富裕的关键挑战。另一方面，AI带来的新型收入分配机制可能从按劳分配转向按算法所有权分配，资本与数据掌控者获取新型租金，这种现象极有可能进一步扩大收入差距，对共同富裕目标的实现构成挑战。

(二) 既有AI问题研究的四大局限

当前学界虽然对以上问题开展了一定研究，在内生增长理论、全要素生产率和产业链价值链增值等方面也形成具有启示意义的结论和政策建议，但从中国情境与中国式现代化实践的要求出发，现有研究未能触及AI时代中国的特殊问题。既有研究主要存在以下四方面的局限：

局限一：人工智能定义与度量中存在自动化关联倾向及数据表征困境。在AI技术发展进程中，AI被视为数字技术的一种，是能够执行需要人类智能任务的系统和模型，具有模拟人类智能的机器感知、自主学习、推理决策和创造生成等能力，所以AI的核心表现是赋予机器“类人”的学习和推理能力。一些研究也指出，AI技术是在技术自动化过程中与数字技术融合成长起来的高阶技术，是硬件、软件和网络技术长期共同演化的结果，与许多现代计算形式相关，只有在计算能力强大、数据资源充分的基础上，AI算法才能发挥效用。在多种新理论新技术的驱动下，人工智能加速发展，呈现出诸多新特征，且正从弱人工智能向通用人工智能水平发展，数据成为核心生产要素，推动经济社会向智能化迈进。正是因此，经济学界认为AI同时具备通用目的技术和发明方法的特性，具有从根本上改变经济结构和整个社会的潜力。

然而，既有研究存在将人工智能与自动化高度关联的倾向，特别是理论推理逻辑也建立在自动化概念上，这显然不符合AI可能构成催生全新独立范式核心技术的判断。虽然我们不否认人工智能是自动化学科分类下的一个分支，但过去几十年延续至今的生产流程自动化更偏向机械自动化、电子自动化等传统自动化，此类自动化参与经济活动方式单一，学界将其归入资本生产要素并建立经济模型。但考虑到人工智能的自动化对人类经济活动产生全方位作用的特殊机制，改良原有以自动化为核心的AI经济模型甚至开展创新十分必要。还要指出的是，在使用数据表征AI时，数据适配性不足的缺陷更为明显。从实际应用场景看，一方面，AI以极低的交易成本嵌入第一、二产业，实现自动化生产流程；另一方面，AI在高度个性化的第三产业生产活动中渗透。但既有研究普遍选用企业机器人使用密度来度量人工智能渗透程度，而工业机器人属于传统自动化生产要素，机器人使用密度与人工智能应用水平是否存在正相关关系存疑。即便假设存在正相关关系，在既定自动化生产流程中，人工智能自我学习引致生产率提高的能力以及在高度个性化服务业中人工智能对产业个性化的塑造程度都难以用数据表征。

局限二：现有技术经济范式与研究范式视角下的 AI 研究局限。在AI经济学研究中，大多是探究技术冲击问题，常见如 AI 与经济增长、AI 与生产效率、AI 与产业结构升级、AI 与就业和收入份额等，这些均属于典型的技术经济范式探讨的范畴。此处需要明确的是，技术经济范式与研究范式是两个不同的概念。技术经济范式是一套占支配地位的通用技术体系和相关的经济组织模式，为长期经济增长提供范式或技术样式。当一组技术渗透经济系统的众多产品和工艺中，显著降低成本且长期无限供给时，便有望成为引领下一代技术经济范式的催化剂（Perez，1983）。AI通过数据、算力、算法的动态协同配置，能够对生产要素组合方式、全链条生产模式、产业组织形态乃至整个经济社会的底层运行逻辑进行系统性重塑，最终推动新一轮技术经济范式的深度变革。然而，现有经济学的研究已经陷入“为了让模型成立而忽略现实”或者“为了让方法成立而牺牲问题”的困境‌（陆铭，2026）。当前人工智能的产业落地与深度应用，正通过重塑经济学的研究边界、分析工具、科研流程与底层研究逻辑，从微观机制、中观产业、宏观治理多个层次全面推动经济学研究范式的革新与跃迁。

事实上，立足技术冲击视角的研究仅仅对数据呈现的结果及其原因进行简单陈述和解读，难以构建出具有实践指导性的 AI 经济学理论。这是因为，研究者往往忽视了在不同情境下 AI 作用的现实异质性问题。从产业层面来看，已有观点认为，对于劳动密集型产业，人工智能的作用表现为直接替代低素质劳动力；对于技术密集型产业，人工智能则作为技术工具辅助高素质劳动，且这种替代与赋能的差异会促使产业结构、组织结构发生显著变化。然而，经济学界更具代表性的研究并不直接以产业属性作为判断依据。Acemoglu和Restrepo（2019）强调技术冲击通过任务结构作用于劳动需求与技能回报。在任务导向框架下，人工智能既可能通过自动化特定任务产生替代效应，也可能通过创造或重组任务产生新的劳动需求，其净效应取决于替代效应与新任务生成之间的相对强度，并由此引致工资结构与技能回报的分化（Acemoglu和Restrepo, 2022）。最新关于生成式人工智能的微观证据表明，人工智能的赋能效应并非必然偏向高技能或高素质劳动，在若干情境下反而更显著地提升了低经验或中等技能劳动者的绩效（Brynjolfsson等, 2025）。进一步从地区层面来看，中西部与东部地区人工智能技术边际效率的影响因素可能完全不同，地区间产业结构和资源配置的差异也使得人工智能渗透能力和应用模式存在显著差异。而且，当技术对实际发展和相关变量产生影响时，各国国情和发展目标也会引导 AI 功能的变化。即便撇开国情和目标等非经济因素，AI 在不同地区、不同行业也会产生不同的作用效果。这意味着，仅聚焦技术经济范式的AI冲击和影响问题，难以构建适配复杂现实的理论体系。因为，这类研究大多停留在对数据表象的解读，未充分考量不同场景下AI作用的异质性，既忽视了产业属性、地区差异对AI效能的影响，也未将各国国情与发展目标纳入分析框架，导致研究成果缺乏对实践的精准指导性。若要突破这一局限，就必须跳出单一技术经济范式的束缚，从多方面构建更具包容性的研究范式：一是将产业真实异质性纳入核心分析框架，区分劳动密集型、技术密集型等不同产业中AI的替代效应与赋能逻辑；二是强化区域维度的差异化研究，结合各地产业结构、资源配置特征，剖析AI渗透的路径与效率；三是嵌入国情与发展目标变量，结合不同国家的发展阶段与政策导向，探究AI功能的适配性演变。唯有如此，才能构建出兼具理论深度与实践价值的中国人工智能经济学理论体系，为AI技术的落地应用与政策制定提供科学支撑。

局限三：以赋能为中心的研究思路难以全面揭示 AI 对生产力和生产关系的重塑机理。在人工智能技术深刻重塑经济形态的大背景下，传统以技术赋能为中心的研究思路在揭示 AI 影响经济活动的理论机制方面逐渐显露出一定的局限性。虽然我们不否认这种研究思路为理解 AI 对经济的作用提供了基础视角，但在深入剖析 AI 对生产力和生产关系重塑的复杂机理时，尚存在可完善之处。比如，现有研究在把握 AI 驱动下新质生产力与新型生产关系的匹配关系上还需加强，而这恰恰是理解 AI 经济传导机理的关键所在。具体而言，经典研究中有两个重要推论：一是高技术劳动力利用人工智能来降低信息不完全性，从而更准确地作出相应的决策行为；二是通过取代低技术劳动力来降低生产过程中由于人类生理特征所带来的不确定性影响。不过，这些推论主要聚焦于 AI 对劳动力决策和劳动力结构替代的层面。实际上，国内已有关于 AI 与技能/就业极化的研究（王林辉等，2022），从更丰富的维度揭示了 AI 对劳动力市场的影响。但即便如此，对新质生产力与新型生产关系互动逻辑的挖掘仍不够深入。例如，AI 赋能下智能生产系统如何重构劳动力技能结构？新的生产函数形式是怎样的？算法主导的资源配置如何影响收入分配格局？平台经济中的新型雇佣关系如何改变劳动契约形态？这些问题指向一个核心命题：AI 对经济的影响本质上是新质生产力跃迁与生产关系适应性调整的协同过程，而劳动力作为核心生产要素，正是这一协同过程的起点与终点。

关于AI 对生产力和生产关系研究的薄弱环节还有如下三方面的表现：一是缺乏对 AI 驱动下以数据要素驱动、智能算法提升和人机协同为特征的新质生产力与表现为平台协作、共享经济等特征的新型生产关系之间的匹配关系的系统性研究；二是未很好地结合中国劳动力市场特征，如技能结构转型、灵活就业兴起、社会保障重构等问题构建闭环传导框架；三是忽视 AI 对生产关系适应性调整的倒逼机制，如数据垄断对市场结构的重塑等。这些缺失导致现有理论难以解释中国实践中 AI 引发的生产力跃迁与生产关系滞后的矛盾，如智能制造升级与劳动力技能错配、平台经济繁荣与劳动者权益保障不足等问题。因此，构建中国人工智能经济学理论的关键之一在于，以劳动力为纽带、从新质生产力与新型生产关系的匹配关系切入，形成生产力跃迁、生产关系调整、制度创新互动联系的框架。这一方向不仅可以填补现有研究的空白，更能够为应对 AI 时代的经济社会转型提供理论支撑。

局限四：以单一领域为对象的研究内容难以适配 AI 引发的动态变革。从构建中国人工智能经济学理论的角度来看，现有研究的不足不能简单概括为忽视一般均衡原理的问题指向。因为，一般均衡分析作为西方经济学在特定制度与技术相对稳定条件下形成的理论工具，有其自身的适用背景和范围。而人工智能的作用，更显著地体现在对任务结构、组织形态、产业体系和治理方式的持续重塑上，并非在既定框架内追求多市场配置的一致性。即便西方演化经济学也对一般均衡分析的局限性进行了批判。正是因此，我们需要认识到，经济和社会是一个相互联系、有机统一的整体，各子系统及构成要素之间存在显著的相互作用关系。若以一般均衡完备性作为理论建构目标，容易不自觉地陷入以西方范式为中心的分析路径，这与构建中国人工智能经济学理论的目标并不完全契合。因此，我们需要突破传统研究思路，构建更符合人工智能发展特点和中国实际的理论框架。

需要指出的是，我们对一般均衡分析的反思，并非完全否定其理论价值，而是要在新的时代背景下赋予其更丰富的内涵。传统一般均衡分析虽聚焦于市场供给与需求的均衡，却往往忽视了技术变革带来的社会结构变迁与伦理挑战。在人工智能时代，经济系统的运行不仅需要实现资源配置的效率均衡，更要达成伦理治理、法律完善与经济发展的多重协同，也就是社会规制与经济规制的双重均衡。这意味着，中国人工智能经济学的理论框架，既要关注人工智能对生产效率、产业结构等经济变量的影响，也要将伦理准则、法律规范等社会规制要素纳入分析范畴，实现经济效率与社会公平、技术创新与伦理约束的动态平衡。唯有如此，我们才能构建出既符合人工智能发展规律，又能满足中国式现代化需求的经济学理论体系，为全球人工智能经济学的发展贡献中国智慧。

五、中国人工智能经济学亟须聚焦的重大问题

中国拥有人工智能发展的丰富场景和实践经验，但也有许多现实问题有待学者研究、总结并上升至理论：如何基于中外价值观取向差异解读中国政府应对人工智能冲击的政策；如何基于中外经济成分差异发挥国有经济发展人工智能产业的独到优势；如何基于中外劳动市场差异探究中国在面临人工智能革命时的就业前景，等等。回答好这些问题不仅是推动中国经济高质量发展的需要，更是构建中国AI学术话语体系、掌握AI国际交流与合作话语权的核心工作。在中国式现代化实践与 AI 技术经济范式变革的双重背景下，中国人工智能经济学面临着独特的研究情境与使命，这需要在深度融入中国场景的理论构思中，给出足以体现理论自立、科学且具有针对性的答案。

第一，聚焦马克思主义经济学理论和西方经济学的合理成分，构建AI 技术的影响机制与生产函数和福利函数。中国作为社会主义国家，以按劳分配为主体、多种分配方式并存是我国的基本分配制度。随着 AI 技术的持续发展演化，数据集成定义人工智能、训练学习驱动信息生成和信息扩张的作用愈发凸显，这意味着，中国人工智能经济学的研究必须要强调劳动者的主体地位，要重视劳动者对经济发展的贡献。因此，研究者要基于 AI 技术本质特征，以马克思主义劳动价值论为理论基础，从人工智能对劳动形态、劳动过程以及生产关系重塑的角度出发，批判性地吸收西方经济学的最新研究成果，构建嵌入AI技术的生产函数与社会福利函数，科学衡量AI技术与劳动力间的贡献程度，实现AI技术与劳动力的均衡发展。从中国式现代化的实践来看，正是由于基本国情与社会制度的差异，AI 技术的影响在我国表现出特殊形式。例如，在 AI 技术赋能下，中国制造的生产模式正发生深刻变化，也面临劳动力技能转型等挑战。因此，需要在共性机制的研究中细化出 AI 对中国经济发展和社会发展的差异化影响机制。从技术经济范式变革来看，相关研究还要从人类本体立场出发，立足经济活动中劳动者的主体地位，识别 AI 对经济社会发展影响的知识边界（即可知和不可知）和控制边界（即可控和不可控）的组合性质及其内容，深刻理解 AI 对经济社会的具体影响机理。在微观层面，研究者可以把原本只适用于总量指标的 Hulten 定理 ⁷拓展升级，让它能适配技术迥异却动态变化的复杂环境。具体而言，将其放置到中国特有的社会结构和收入分配情景下，以研究AI技术变革究竟是如何引起消费偏好的变化和居民收入的变动，进而计算出集体和个人福利在短期、长期分别会达到怎样的平衡状态，最终为制定保障社会公平政策提供扎实的理论支撑。

第二，聚焦中国丰富的社会实践，结合中国价值立场，完善AI 技术综合评估体系与目标平衡。西方技术评估体系中往往将效率优先作为核心目标，追求较高的资本回报率与短期的经济增长速度，这使得AI技术的社会影响常让位于经济发展的目标。而中国作为社会主义国家，以人民为中心的发展思想意味着，在技术评估过程中要兼顾效率、福利与安全等多重因素，更加追求包容性发展。因此，中国人工智能经济学需要设计出符合中国国情的可行统计方法和科学研究步骤，准确预测和评估 AI 技术的社会经济影响，以更加系统、全面地提炼、概括和理论化 AI 技术变革下的各种目标冲突，确保AI发展始终服务于人民的价值归宿。为此，研究必须从生产力与生产关系、经济基础与上层建筑之间的辩证关系出发，科学回答 AI 技术变革下“安全—效率—福利”三者的兼顾条件，充分体现中国的价值立场，这是应对 AI 技术经济范式变革和中国式现代化实践中各类矛盾的关键问题。还要注意到，AI 技术变革对经济和社会发展的影响具有不确定性和非线性特征，且从不同目标看可能具有互斥性。这是因为中国的空间和行业异质性较大，对 AI 技术的需求和承受能力也各不相同。与此同时，在设计AI 技术综合评估体系时，还要处理好工具主义、社会建构主义和发展主义的技术治理模式在人工智能发展中的矛盾，并且通过将这些矛盾还原至中国式现代化实践进程，思考如何平衡好三种冲突理念，找到破解技术变革多元目标冲突困境的办法，达成科技善治目的，充分体现政策集成和执行调节的灵活应变能力。

第三，在确立AI 国家治理范式与全球治理架构基础上，构建与西方范式对话的桥梁。中国人工智能经济学需要基于独特的文化传统和社会价值观，阐释并提出具有中国特色的AI 国家治理的“目标—行为—绩效”（ACP）范式，构造全球 AI 治理结构性冲突的包容性架构，这是中国在 AI 技术经济范式变革和全球治理格局变化中的重要任务。事实上，中国有着独特的文化传统和社会价值观，这必然会影响 AI 国家治理的目标和方式。例如，中国强调以人民为中心的发展思想，在 AI 治理中会更注重保障人民的权益和福祉。从全球看，AI 技术的发展变革具有较强的全局性与不确定性，国家间竞争优势的相对变化加剧了其在 AI 治理领域的目标冲突与政策差异。中国作为全球重要的经济体，需积极参与全球AI治理，因此必须构建能够有效协调各国利益冲突并兼顾竞争合作的包容性 AI 治理架构，形成一个兼顾效率、公平、安全且符合中国价值观和全球发展需求的全方位治理架构。在此基础上，客观看待西方治理范式，即西方制度设计通常强调自由市场、竞争中立、个人权利优先等原则，中国治理范式虽然在价值起点和制度设计上存在差异，但在应对AI带来的全球性挑战时，与西方国家面临共同的现实问题。通过对西方AI治理范式中安全、伦理价值和数据治理等问题的研究，批判性吸纳西方的合理措施，形成互补性认知，从而进一步完善中国的治理范式。更重要的是，在保持中国价值观与社会制度底色的同时，积极寻求与西方范式的对话空间与合作可能，为全球人工智能经济学的发展提供能与西方治理范式互鉴互通的中国方案。

第四，聚焦技术、经济与制度耦合的动态分析框架，探索AI 技术对平台经济与产业转型的影响。中国人工智能经济学需聚焦 AI 技术对平台资本形态、功能以及市场竞争结构的影响，明确 AI 发展与我国制造业数智化转型之间的耦合机制与联动模式，从而对中国推动产业数智化转型成功实践进行理论化总结。当前中西方平台经济的主要差别在于服务对象与发展路径的不同，西方国家受过去十几年产业空心化的影响，平台经济的服务对象大多聚焦于个人商户、生活服务等领域，形成了以消费端为核心的商业模式，追求短期回报率与用户流量最大化。相对而言，中国作为当今世界第一的制造业国家，完善的工业体系要求我国平台企业必须将服务工业体系作为重要战略使命。因此，如何构建服务于完整工业体系的平台经济模式，是中国人工智能经济学要回答的核心问题。结合中国平台经济发展的实际情况，理论化探讨制约我国产业数智化转型的瓶颈及解决方案。比如，针对中国数字平台在发展过程中出现的垄断现象，应研究这种结果对市场竞争和消费者权益的影响。为此，必须聚焦并回答数字平台主导下资源集中与分散配置、数据权利的泛化与保护、创新激励与反垄断规制等悖论难题。更为重要的是，要在分领域、分产业对“大模型+”应用的生命周期进行系统梳理和归纳的基础上，提炼大模型时代 AI 创新与产业数智化转型在智能、融合和绿色三个维度上符合中国产业发展需求的协同互促机理。此外，还要注意从人工智能主导、赋能和驱动三个层面提炼人工智能创新体系与现代化产业体系升级之间可能产生的联动模式，为中国产业升级提供理论支持。

第五，聚焦AI推动中国式现代化进程中的政策再设计，探究 AI 技术在中国创新体系建设中的角色和作用。AI 广泛应用在加速创新的同时，由于数据、算法设定等因素表现出对人类创新的抑制作用，在一定程度上替代了人类对技术的深度思考。以人工智能为主体驱动的创新尽管在本质上依然是以知识驱动创新，但与传统以人为主体驱动的创新路径和创新模式相比，在创新效率、创新方法和创新价值上都具有显著差异性。需要特别注意的是，在中国式现代化实践中，创新是推动经济发展的重要动力。过去我国整体的创新模式主要是，国有经济推动基础科学与关系国计民生领域的技术进步，民营企业在市场化创新、场景创新等创新活动中积极探索。在AI 嵌入国家创新体系之际，中国人工智能经济学要基于中国在科技创新方面的优势和不足，重新审视创新体系与创新模式，并考虑AI 技术在新型举国体制中的角色和作用。例如，能否利用AI技术提高关键技术攻关方向的识别准确率，准确评估技术路线的风险情况。当前中国在部分领域已经取得了显著的科技创新成果，但整体创新能力仍有待提升，能否在未来创新与 AI 深度融合的趋势下，结合中国的国情和发展需求，进一步激发新型举国体制在创新活动中的战略导向作用，激发公有制经济与民营经济在创新链中的协同作用，提高中国在全球创新格局中的竞争力，是中国人工智能经济学应当研究的重点问题。

总的来说，只有将技术经济范式变革与中国式现代化实践问题深度交融，从中国实际出发，深入研究这五个关键问题，才能使得中国人工智能经济学理论取得实质性突破，为中国 AI 技术发展和经济社会进步提供有力的理论支撑，以避免滑向西方理论追随路径。

1所谓泛化失效，特指数据分布偏移时模型崩溃，即AI模型的稳定性高度依赖训练数据的代表性。一旦现实环境发生变化，原有相关性可能瓦解，导致模型失效。比如，疫情期间口罩销量的上升与感染人数的增加呈强相关关系，但疫情结束后该关联消失。若AI据此建立预警系统，则将产生大量误报。

2关于数字劳动价值论的论证可参考胡晓鹏、魏春雷的《数字劳动价值论的拓展：基于数字劳动特性的分析》一文，详见《学术月刊》2025年第12期。

3所谓人在回路（Human-in-the-Loop, HITL）机制，是一种将人类判断、监督或干预嵌入人工智能系统运行闭环中的协同模式，核心在于让人与AI形成持续反馈的互动循环，确保关键决策始终掌握在人类手中。

4根据人工智能分析网站的统计，Qwen3和DeepSeek-R1大模型的使用价格大体分别在1.23~2.63美元/百万Token和0.81~0.96美元/百万Token的水平，与性能参数相近的模型相比在使用成本上具有显著优势。https：//llm-stats.com/；https：//artificialanalysis.ai/leaderboards/models。

5参见央视财经：全景展现我国产业链硬实力！这些领域已拿下“全球第一”，https://news.cctv.com/2025/11/19/ ARTIGCWRjwVv6fXFh2qfj0Nc251119.shtml。

62015年之前国内外发表的文献均不超过有效文献数据的2%，且主题高度相似，无法形成有参考意义的研究热点图，不再单独展示，如有需要请与作者联系。

7Hulten定理由经济学家Hulten于1978年提出，主要用于描述生产率的变化如何与技术进步和资源配置的变化相联系。在完全竞争的市场中，Hulten定理表明，总生产率的变化可以通过各个部门的技术变化和资源配置的变化来解释。这一理论为理解经济增长和生产率变化提供了重要的理论框架。