研究分享丨行业大模型的构建:从企业知识创造到行业知识积累

肖静华，盛君叶，罗婷予^*

中山大学管理学院， 广州

知识积累的讨论随着内生经济增长理论的发展完善而兴起。20世纪80年代，以保罗·罗默和罗伯特·卢卡斯为代表的经济学家突破了传统新古典增长理论的局限，将技术进步和知识积累内生化，由此催生了内生经济增长理论。这一理论系统地论证了知识作为生产要素的特殊性——部分排他性和非竞争性，使知识积累能够产生规模报酬递增效应，进而推动经济持续增长。在此基础上，学术界开始探讨知识积累的微观机制（如研发投入、干中学）和宏观影响（如知识溢出效应、产业集群），并逐渐形成了涵盖人力资本投资、创新系统构建等不同维度的研究议题。

当前，人工智能（AI）作为一种新的知识表现形式和学习主体，正通过改变知识的创造和积累方式影响经济增长。一方面，AI不仅能提高研发效率、启发研发方向，还能不断复用，产生溢出效应，以数据驱动学习成长的AI在数字经济时代具有强大的知识创造和积累潜力。以医疗健康大数据为例，杨善林等结合 AI的学习能力，开发了基于通用知识、案例知识和推理知识的知识发现与知识服务推荐方法。另一方面，AI凭借超越人类的计算能力和强大的语义理解能力，加速显性知识的规模化积累，并结合数据挖掘能力突破隐性知识滞后性积累的瓶颈。肯普等还指出，AI本身也表现为一种显性知识形式，以它为载体的知识转移及扩散速度更快。此外，AI包含多种情境化的知识整合算法逻辑，改变了以往线性的知识积累过程，释放了知识积累的价值空间。举例来说，不同于以往的专家系统，AI可以将庞大且复杂的海量知识进行关联以产生新知识，并将其应用于诸如金融行业的股权知识大图和医疗行业的疫情知识大图等各类具体场景中。因此，AI不仅提升了知识作为生产要素的经济价值，还放大了知识的溢出效应，从而以内生方式促进长期经济增长。

不仅如此，AI也逐步成为人类新的协作伙伴，创造出新型人机复合资本，扩展人力资本专用性所创造的知识生产可能性边界。米加宁等系统梳理了大语言模型带来的知识生产方式变革，关注到这一变革对决策范式的重构，指出人机协同的决策结构缓解了哈耶克难题中“知识分散—决策集中”的矛盾。具体而言，AI通过构建围绕知识的高维语义空间，正在创新知识表征范式、知识映射机制、知识生产模式及认知建模路径。

可见，AI作为一种知识的表现形式及生产知识的学习主体，正在影响企业层面的创新和行业层面的发展。要了解和分析AI如何改变知识积累，需要深入到开展人与AI协同实践的企业当中，通过观察其中的微观机制及宏观影响，探究AI区别于以往技术进步的独特之处。基于此，本文聚焦行业大模型这一AI类型，尝试弥合微观组织知识创造与宏观行业知识积累之间的研究断层，为理解AI在知识积累中所发挥的作用提供从微观机制到宏观影响的解释。具体而言，本文通过剖析领先企业构建行业大模型的实践，探究从知识创造到知识积累的过程及规律，提出行业大模型是企业知识创造推动行业知识积累的关键桥梁。

本文通过分析行业大模型从企业知识创造到行业知识积累的内生发展过程，提炼出“聚合—深化—迭代”的三阶段发展框架。首先，行业大模型的构建依赖领先企业基于通用大模型、专业算法和专家判断的三层机制，实现知识的集中聚合；其次，以场景价值为牵引的知识重点深化通过数据认知积累、学习时间压缩和搜索空间扩展三大认知变革，实现从技术储备到商业价值的质变飞跃；最后，行业大模型突破企业边界，从多用户反馈、多主体合作和跨行业交互三个维度形成开放的知识生态，实现行业知识的交互迭代。这一框架不仅揭示了行业大模型发展的内在规律，也为领先企业引领大量中小企业实现行业的智能化转型升级提供了实践路径。

图1 行业大模型从企业知识创造到行业知识积累的“聚合—深化—迭代”三阶段发展框架

当前，行业大模型作为培育新质生产力的核心引擎，在助力行业知识积累、推动产业转型升级中发挥着越来越重要的作用。因此，各级政府需要采取多方位的推进策略，强化领先企业的带动作用，扶持中小企业的创新发展，聚焦特色产业的差异建设，以有效推动行业大模型的发展。

一是鼓励领先企业牵头开发行业大模型，搭建多主体协同与创新平台。

第一，强化领先企业的引领地位，提升其持续开发行业大模型的动力。例如，官方机构或权威行业协会可设立“行业大模型领军者”评估体系，对通过评估的企业给予表彰和认证。这一机制不仅有助于筛选出参与智能创新标准制定的企业，还能通过无形资产的加持，激励企业攻克开发难题。同时，通过提升领先企业的曝光度，增加其市场估值和合作伙伴数量，形成对多维价值的预期，进一步吸引更多领先企业投入行业大模型的开发。

第二，搭建产学研协同平台，加速行业大模型的前沿技术应用。以发展行业大模型为核心目标的产学研协同平台，应重点聚焦三个方面：技术对接中心，负责匹配企业需求与科研供给；联合实验室，承担核心技术攻关任务；成果转化基金，提供商业化支持。基于此，协同平台在推动行业大模型发展过程中，要逐渐形成“工业场景定义问题、科学研究突破瓶颈、产业转化创造价值”的良性循环，以实际业务需求驱动知识积累与验证，以前沿科学成果驱动业务创新，实现技术应用的有效衔接。

第三，设立创新扩散平台，促进行业大模型的生态价值溢出。创新扩散平台可以通过垂直行业大模型创新中心、自发性行业交流平台、众包式行业创新社区等形式实现，重点提供三类服务：技术路演服务，举办行业大模型解决方案对接会，推动技术展示与需求对接；知识共享服务，建立开源模块交易市场，支持企业有偿共享非核心算法；标准共建服务，组织跨企业工作组，联合制定适配智能化的行业规范。此外，政府还可鼓励领先企业开源部分知识图谱，缩短行业学习周期，加速创新扩散。

二是扶持中小企业参与行业大模型建设，发挥其在行业大模型发展中的价值。

第一，打造生态协同网络，释放长尾场景价值。长尾场景价值的挖掘与释放重点在于开发行业大模型的“知识需求—数据共享”智能匹配系统。领先企业需要通过行业大模型识别知识盲区，向适配区域的中小企业发起定向数据采集任务。任务完成后，基于评价机制为中小企业提供行业大模型的增值服务。例如，行业大模型可结合地域覆盖性、场景完备性、时效差异性等维度，定期生成场景知识缺口分析报告，并通过多目标优化算法匹配知识需求与中小企业能力。

第二，构建普惠接入机制，降低参与门槛。重点可从以下三个方面考虑：一是分层共享模式，领先企业可提供“基础能力开放+增值服务定制”的梯度服务体系，让中小企业先用起来，为其提供一定的业务创新探索空间；二是成本补贴方案，根据中小企业的知识贡献程度，领先企业可提供免费API调用额度或折扣算力方案，减轻其算力负担；三是轻量化部署支持，领先企业可开发边缘计算适配技术，支持中小企业通过普通服务器实现本地化部署，降低硬件投入门槛。

第三，设计多维激励机制，激发创新活力。中小企业由于资源有限，往往难以承担行业大模型的开发任务，但凭借其灵活性和多样性，可创造众多利基市场的业务创新，开发具有复用价值的轻量化AI应用方案，这些方案对行业大模型的深度和广度发展至关重要。重点可采取以下机制：知识共享机制，将中小企业贡献的方案纳入行业大模型，推广至其他企业进行应用及开发，并通过知识共享，帮助中小企业提升智能化能力；创新促进机制，如通过“数据信托+沙盒监管”机制，降低中小企业数据泄露的风险；通过“税收优惠+信贷支持”机制，降低中小企业参与创新的成本；价值共创机制，通过显性化知识价值，让贡献知识的中小企业既能获得相关收益，还能参与产业智能化升级的进程。

三是结合区域重点行业差异化建设行业大模型，推动转型升级。

行业大模型的发展需立足区域产业禀赋，通过差异化路径实现技术突破与产业升级的深度融合。其核心生命力不在于“大而全”，而在于“深且准”，因此，需将区域产业独特性作为大模型的关键差异。不同区域应基于本地产业结构的特征，聚焦最具竞争优势的细分领域，构建垂类大模型技术体系。这种定位既能充分发挥区域产业集群的数据积累优势，又能精准解决特定产业转型升级中的关键痛点，实现技术供给与产业需求的高效匹配。例如，长三角地区可聚焦高端装备制造，开发预测性维护大模型；珠三角地区可依托智能家居产业集群，构建针对智能家居的大模型。通过差异化布局，实现技术突破与产业升级的双重优势。

同时，区域重点行业是行业大模型迈向规模经济的最小可行单元。这些行业兼具产业规模优势、场景密度优势和数据汇聚优势，为大模型从技术可行迈向经济可行提供了天然试验场。通过重点行业的应用，可进一步形成以下优势：产业配套扩散，在区域重点行业率先突破的大模型，可沿产业链向上下游配套企业渗透，带动产业链整体智能化水平提升；数据资产沉淀，通过区域公共数据与行业数据的融合，可沉淀高复用的数据资产，为模型迭代提供高质量数据；人才生态反哺，行业大模型训练、部署、运维过程中培育的AI技术及应用人才可反哺区域创新创业生态，形成“技术应用—人才培育—产业发展”的良性循环。

文章来源：原文发表于《经济纵横》，2026年第1期。如需获取原文，请扫码或点击“阅读原文”跳转至中国知网下载全文。

扫码下载原文

引用参考：肖静华, 盛君叶, 罗婷予. 行业大模型的构建：从企业知识创造到行业知识积累[J]. 经济纵横, 2026, (01): 70-80+137.

编辑｜陈昕彤

初审｜武沛琦

终审｜肖静华