什么是新質生產力

新質生產力是否存在明確的內涵邊界

目前有一些觀點認為，新質生產力沒有明確的內涵邊界，“新質”本身就不可能有明確的內涵和外延，因為“新質”一詞是隨著技術發展而不斷更新的，具有強烈的不確定性。持這種觀點的人認為，設立一個內涵和外延都不明確的具有宏大目標性的概念，在實踐中容易讓人摸不著頭腦，這既容易產生“新質生產力是個筐，什么都能往里裝”的不良后果，也容易讓大家陷入“既要、又要、還要”的思維邏輯。

確實，新質生產力是技術取得革命性突破后催生的、以當時的先進技術和新產業為代表的先進生產力。新質生產力這個概念具有歷史性、階段性和動態性等特點，其內涵和外延是隨著技術變革而變化的。

從技術革命的角度看，生產力的發展可以簡單地概括為“五個力”的演化過程，即“人力→馬力→電力→網力→算力”。每一次技術的重大變革，都對應著不同質態的生產力，帶來新產業，創造新價值，形成新領域、新優勢、新賽道，發展新動能。[2]因此，在社會日漸網絡化、信息化、數字化、智能化的現實條件下，新質生產力就是以智能化技術尤其是以“算力”為代表的新型生產力，它的內涵邊界是可以確定的。

習近平總書記指出，新質生產力“以全要素生產率大幅提升為核心標志”。[3]這就涉及對衡量新質生產力的“效能”的認識。全要素生產率（TFP）是衡量生產效率和技術進步的關鍵指標，它反映了企業在生產過程中，除了勞動和資本投入，技術進步、管理創新、組織變革等因素帶來的生產率提升。

對于全要素生產率的內涵和估算方式，目前理論界還存在一些爭議，大家并沒有形成規范性的共識，因此在實踐中，可能某些地區為了數字好看而操縱或濫用計算方法。其實，這個問題并不難解決。統計上是可以對測量方法進行權威的、標準化規定的，用一把尺子衡量所有地區，就不會存在這些問題。

此外，社會上有人對目前提出加快發展新質生產力的動機存在誤解，認為這是在復雜的國際國內政治經濟背景下，因開放發展受阻，對原有體制機制改革創新難以進行，從而指望依靠科技創新來發展經濟。關于這一點，習近平總書記說得很明白，發展新質生產力，必須進一步全面深化改革，形成與之相適應的新型生產關系。[4]因此，加快改革開放是加快發展新質生產力的主要手段和工具。擴大和深化開放既是改革，也是創新，它可以有效地拓展新質生產力的發展空間。

第四次工業革命與新質生產力

1.工業革命演進中的生產力躍遷

眾所周知，人類社會已經經歷了數次重大的工業革命，并且每一次工業革命都使得生產力發生躍遷，對人類社會生產和生活方式產生了巨大的影響，成為人類社會不斷演進的動力。

第一次工業革命大約從18世紀60年代發軔，以蒸汽機的發明和應用為標志。這場動力變革使得機器生產代替手工勞動，真正意義上的工廠開始出現，勞動生產效率大大提升。第一次工業革命雖然是從英國的紡織工業起步的，但很快就擴散到鋼鐵、運輸及其他工業部門，同時還蔓延至北歐和北美。

第二次工業革命始于19世紀60年代后期，電力技術成為通用技術，這不僅使一些原有的傳統行業出現了新的形式，例如通信業出現了電話、電報，運輸業出現了有軌電車等；同時，內燃機也在第二次工業革命中被發明了出來，由此出現了一些諸如化學、石油等新型的工業部門。第二次工業革命還誕生了大規模生產這種組織方式，極大地推動了生產力的發展。

第三次工業革命始于20世紀中期，其標志性技術主要為信息技術，人類社會進入了信息化和柔性化生產時代。在這一階段，科學和技術之間的聯系變得更加緊密，這不僅使得知識轉變為財富的過程被大大縮短，而且也使得技術被認為是獲得和保持產業領先優勢的最主要因素。

從上述對三次工業革命及其推動生產力進步的簡要回顧中我們可以認識到，科學技術很顯然是第一生產力。

當前，以大數據、物聯網、人工智能等技術為驅動力的第四次工業革命正以前所未有的態勢席卷全球。

德國、美國、日本等發達國家均已經就第四次工業革命進行了戰略布局。例如，德國在2011年提出“工業4.0”戰略，目的就是利用大數據、物聯網等技術促進物與人的深度連接，實現產品制造流程的自動化，從而構成產業鏈上企業合作的信息物理系統（Cyber Physical System，CPS）。

與德國強調的“硬”制造有所差別，美國應對第四次工業革命的戰略措施著眼于工業互聯網等“軟”實力。這一概念最早由通用電氣在2012年提出，通用電氣致力于發展一個“通用藍圖”，使各個廠商設備之間可以實現數據共享。同年，美國政府宣布啟動“國家制造業創新網絡計劃”，集中力量推動數字化制造、新能源以及新材料應用等先進制造業的創新發展。

日本在2015年公布“機器人新戰略”，提出要保持日本的機器人大國的優勢地位，促進信息技術、大數據、人工智能等與機器人的深度融合，引領機器人的發展。[5]值得注意的是，我國也在2015年頒布了《中國制造2025》。《中國制造2025》力爭通過“三步走”實現制造強國的戰略目標，其中第一步目標之一就是制造業數字化、網絡化、智能化取得明顯進展。

世界上各主要國家對第四次工業革命的戰略布局表明，第四次工業革命將極大地賦能工業結構轉型，促進制造業與服務業的深度融合，從而為全產業鏈帶來顛覆性的生產力變革。

正如習近平總書記在2013年十八屆中共中央政治局第九次集體學習時所指出的：“新一輪科技革命和產業變革正在孕育興起，一些重要科學問題和關鍵核心技術已經呈現出革命性突破的先兆，帶動了關鍵技術交叉融合、群體躍進，變革突破的能量正在不斷積累。即將出現的新一輪科技革命和產業變革與我國加快轉變經濟發展方式形成歷史性交匯，為我們實施創新驅動發展戰略提供了難得的重大機遇。”

第四次工業革命下發生變革的生產力，從當前來看，就是以“算力”為代表的新質生產力，表現為勞動者、勞動資料和勞動對象在新的組合或升級下，生產力出現從量變到質變的發展。因此，第四次工業革命下的新質生產力也將表現出一些區別于以往工業革命時期的突出特征。

● 智能化：制造模式智能化，大規模定制的產品制造方式逐漸興起。

● 融合化：產業形態融合化，服務型制造的新業態、新模式不斷涌現。

● 綠色化：生產結構綠色化，環境友好型的生產生活方式日益形成。

2.如何理解第四次工業革命下的新質生產力

為了更加全面地認識和理解第四次工業革命下的新質生產力，接下來我們從以下四個關鍵維度來做進一步的分析。

維度一：質與量的關系。

新質生產力的“新質”，是指質變（生產力飛躍性突破）而非量變（生產力增長過程），因此新質生產力是能夠達到質變級別的生產力。正如前面對工業革命演進中生產力躍遷的分析所表明的，能夠達到質變級別的生產力，一定是發生了動搖產業基礎邏輯的技術革命，即“馬力→電力→網力→算力”的動力變革、效率變革和質量變革，而每一次技術革命都代表質變，都形成了新質生產力。

維度二：時間的接續性。

從歷史的縱向演進來看，每一次工業革命推動形成的新質態的生產力，都有與其相適應的主導產業體系和結構，其具體表現我們可以從不同的時代特征來加以說明。

● “馬力”時代：產業體系和結構以紡織工業等傳統制造業為主導。

● “電力”時代：產業體系和結構以電力工業、石化工業、鋼鐵產業、機械工業等產業為主導。

● “網力”時代：產業體系和結構以電子信息、網絡通信等產業為主導。

● “算力”時代：即當前，大數據、物聯網、人工智能等都是可能主導未來技術路線的新技術。盡管其中有很大的不確定性，但毫無疑問的是，這些技術驅動的戰略性新興產業和未來產業顯然是對過去以“電力”為代表的重化工業的顛覆性變革。

當然，這是一種歷史建構主義下的事后觀察結果。如果我們回到歷史進程中的階段，就不難發現，在每一次工業革命伊始，其實都很難確定主導技術路線和產業體系。在當時，我們都將這些稱為戰略性新興產業或者未來產業。

維度三：核心技術。

當然，并不是所有人都認同當前正在發生的新工業革命是第四次工業革命，也有觀點認為它只是第三次工業革命的延續或者深化。為什么會出現這種分歧呢？這其實就涉及對核心技術的認識和理解。

第三次工業革命是由信息技術推動的，而第四次工業革命則是由智能化技術推動的，兩種技術有著根本性的不同。簡單舉例來說，信息技術下的計算程序在出現原始設定之外的差錯時，需要進行人工編碼干預，否則該計算程序不會做出任何反應。但是在智能化技術下，計算程序將會自行處理異常并不斷進行調整和優化。

當前，人工智能已成為最具變革性的技術力量，它正在深層次地改變著數字世界、物理世界、生物世界。例如，當前生物智能大模型已逐步應用于人體、人腦、醫療機器人等，它們正在通過重構應用生態進而重塑產業格局，與移動互聯時代相比，大模型創造的產業機會至少要再多十倍。

維度四：構成因素。

勞動者、勞動資料和勞動對象是構成生產力概念的三種基本要素，在新質生產力范疇下，這三種要素也會相應發生新的質變。

● “新質”下的勞動者。新質生產力下的勞動者，主要是指熟練掌握網絡數字技術的知識型、技能型勞動者。在傳統的生產體系中，勞動者是最主要的生產要素之一，但隨著人口結構的變化，勞動有效供給逐漸減少，供需矛盾需要引入新的生產方式加以解決。[6]隨著新質生產力的不斷涌現，一方面我們可以用機器替代普通勞動，另一方面新質生產力也將催生大量掌握新知識、新技術、新技能的勞動者，從而徹底改變要素投入結構。

● “新質”下的勞動資料。新質生產力下的勞動資料，是指數字技術賦能的勞動手段，既包括工業機器人、工業母機等硬件形態的實體性勞動手段，也包括數據庫、操作系統等基礎軟件性質的非實體性勞動手段。由此，產業體系中的生產組織方式也將繼機械化、大規模生產、柔性制造之后，出現智能制造這種新的主導范式，并且引致勞動結構新的變化。

● “新質”下的勞動對象。新質生產力下的勞動對象主要體現為伴隨新技術變革而出現的新材料、新要素等。其中，數據資源將逐步成為新質生產力的關鍵要素。以人工智能為例，其核心是算法，而算法需要海量的數據作為前提和支撐，只有通過對數據不斷進行訓練和優化，才能形成真正的“算力”。