应用生态的丰富度，正成为当前大模型厂商"秀肌肉"的呈现方式。今年以来，随着国产基础大模型加速 向各类场景渗透，南都记者近期在多场头部大模型公司举办的活动现场看到，接入基础模型的外部软硬 件应用开发企业，业已占据展厅的大部分空间。 同时，伴随"百模大战"收缩，基础模型的头部效应愈发显著。海外知名大模型评测榜单Chatbot Arena于 6月16日更新的排名显示，DeepSeek、通义和腾讯混元旗下三款基础模型跻身全球前十。 6月中旬中央财经大学"数字经济思享汇"研讨活动现场。 在中国人民大学应用经济学院副院长黄阳华看来，对于由私人企业提供类公共性质数字基础设施的现 象，反垄断执法应审慎界定监管边界，合理把握干预力度与市场激励之间的平衡。 黄阳华表示，从发展的视角看，只要划定清晰的底线——即不触及国家信息安全、不严重影响个人或小 微企业的基本福利与机会公平——就应给予私人企业在数字基础设施领域最大限度的创新与投资空间。 他建议采取中等偏弱的监管框架，以契合中国数字经济发展的需求。 虽然基础模型及背后的生态体系正迅速扩张，但史宇鹏表示，AI落地效果如果要反映在宏观生产率数 据提升上，还需要一段时间。据其解释，这是 ...

诺贝尔经济学奖得主罗伯特·索洛（Robert Solow）曾说过："你能在各处看到计算机时代，唯独在生产 力数据中看不到。"这一现象如今被称为"索洛悖论"。如今的人工智能（AI）也是如此——我们到处看 到AI的身影，却不见生产力的显著提升。 结果？如今美国的放射科医生数量不降反升。 还有像埃里克·布林约尔松（Erik Brynjolfsson）、安德鲁·麦卡菲（Andrew McAfee）这样的学者，以及 麦肯锡、埃森哲等咨询巨头，过去十年来也都不断发出"AI将大规模取代工作岗位"的警告。 那现实到底是怎样的？利润呢？大型语言模型（LLM）确实有些用处：它们能回答简单事实类问题 （人类可检查其准确性），可以写些简单文本草稿或代码（人类也能检查并调试）。这些功能有用，但 无法带来巨大利润。 根本问题在于：LLM无法生成可靠答案。而在医疗建议、法律论证等可能带来巨大利润的应用场景 中，一旦出错，代价巨大。 更糟糕的是，我们也看不到显著的收入，而收入通常应该在生产力提升之前就能显现。计算机行业的收 入从上世纪50年代至80年代持续增长，直到90年代初才出现生产力的跃升。至于AI，显著的收入尚未 出现，生产力的提升可 ...

第三， 每一轮技术革命可进一步划分为导入期（Installation Period）和展开期（Deployment Period）。导入期又进一步包括爆发阶段与狂热阶段。在爆发阶 段，新技术初步出现并引发投资热潮，金融资本主导，技术创新与投机泡沫并存；至狂热阶段，技术应用快速扩散，但市场泡沫逐步退潮。展开期进一步包括协同 阶段与成熟阶段。协同阶段的特点是技术逐渐成熟，开始与实体经济深度融合，社会制度（如政策、法规）开始适应新技术，形成稳定的"技术-经济范式"；至成 熟阶段，技术已经全面普及，并开始相对稳定地助力经济增长 。 第四， 关于技术革命对经济增长的影响，经典的理论主要是卢卡斯和罗默的"内生增长理论"、熊彼特的"创造性破坏理论"。内生增长理论把技术进步视为内生变 量，通过人力资本积累、研发投入、知识溢出等因素推动，技术是一种可积累的公共品，会不断地作用于经济。创造性破坏理论则认为技术创新的本质是结构性变 革，是新技术对旧技术的替代，以及它带来的市场垄断权的更迭和产业结构的重组。简单来看二者区别，内生增长理论之下，技术革命是线性的、连续的；创造性 破坏理论之下，技术革命是非连续的、跳跃性的。从"创造性破坏 ...