作者：黃乃靜（中央財經(jīng)大學經(jīng)濟學院教授），洪永淼（中國科學院大學經(jīng)濟與管理學院院長）

　　黨的二十屆四中全會指出，“‘十五五’時期是基本實現(xiàn)社會主義現(xiàn)代化夯實基礎(chǔ)、全面發(fā)力的關(guān)鍵時期，在基本實現(xiàn)社會主義現(xiàn)代化進程中具有承前啟后的重要地位?！逦濉瘯r期我國發(fā)展環(huán)境面臨深刻復(fù)雜變化，我國發(fā)展處于戰(zhàn)略機遇和風險挑戰(zhàn)并存、不確定難預(yù)料因素增多的時期?！眻猿纸y(tǒng)籌發(fā)展和安全是“十五五”時期經(jīng)濟社會發(fā)展必須遵循的原則之一。宏觀經(jīng)濟預(yù)警體系，就是通過對宏觀經(jīng)濟運行的潛在風險與變化趨勢進行監(jiān)測預(yù)測，以有效防范化解風險的重要手段。這一體系不僅包括制度設(shè)計，還涵蓋數(shù)據(jù)采集、模型構(gòu)建、政策決策等多個方面的技術(shù)體系建設(shè)。在數(shù)智時代，人工智能能夠顯著提升宏觀預(yù)警體系的智能化水平，使其更及時捕捉經(jīng)濟運行信號，提升政策制定的前瞻性、可靠性和科學性，防范重大波動和風險，夯實經(jīng)濟安全底座，助力經(jīng)濟高質(zhì)量發(fā)展。

　　人工智能對宏觀經(jīng)濟預(yù)警的賦能作用

　　新時代以來，以習近平同志為核心的黨中央高度重視人工智能的發(fā)展和應(yīng)用。在政策推動、技術(shù)突破和產(chǎn)業(yè)應(yīng)用的共同作用下，我國信息基礎(chǔ)設(shè)施不斷完善，5G基站數(shù)量居世界首位，算力網(wǎng)絡(luò)持續(xù)擴展，為人工智能應(yīng)用奠定了堅實基礎(chǔ)。我國在深度學習、大模型等技術(shù)領(lǐng)域持續(xù)取得突破，在文本理解、多模態(tài)處理等方面達到國際領(lǐng)先水平，已初步形成覆蓋數(shù)據(jù)采集、算法研發(fā)、平臺建設(shè)和場景應(yīng)用的產(chǎn)業(yè)生態(tài)。以DeepSeek為代表的開源大模型快速崛起，進一步提升了我國在人工智能領(lǐng)域的國際影響力。

　　人工智能技術(shù)的發(fā)展與應(yīng)用，為我國的宏觀經(jīng)濟預(yù)警體系建設(shè)提供了新的機遇。在我國超大規(guī)模市場中，海量經(jīng)濟社會大數(shù)據(jù)不斷積累，為人工智能模型的訓練與開發(fā)提供了得天獨厚的條件。隨著經(jīng)濟社會活動數(shù)字化水平不斷提高，各類結(jié)構(gòu)化與非結(jié)構(gòu)化大數(shù)據(jù)持續(xù)產(chǎn)生，這些來源廣泛、類型多樣的大數(shù)據(jù)在數(shù)據(jù)空間中映射出人類經(jīng)濟社會活動完整的動態(tài)圖景。同時，生成式大模型在處理多模態(tài)信息方面的強大能力，反過來極大拓展了經(jīng)濟社會數(shù)據(jù)的應(yīng)用邊界。例如，通過分析衛(wèi)星圖像中的夜間燈光亮度變化，可以構(gòu)建反映地區(qū)經(jīng)濟活躍度的新指標；從企業(yè)年報、季報或新聞報道中提煉出的文本特征變量，為研判企業(yè)經(jīng)營預(yù)期和經(jīng)濟走勢提供了新的信息維度。這些由人工智能生成和挖掘的高頻、多維數(shù)據(jù)，正成為宏觀經(jīng)濟數(shù)據(jù)庫不可或缺的重要組成部分。研究表明，基于文本、圖像等的非結(jié)構(gòu)化數(shù)據(jù)，對預(yù)測經(jīng)濟增長等宏觀經(jīng)濟指標的形成往往具有額外的增量信息?？梢哉f，海量大數(shù)據(jù)的可得性與大模型的廣泛應(yīng)用，極大豐富了宏觀經(jīng)濟預(yù)警體系可利用的數(shù)據(jù)資源。

　　人工智能也深刻推動了宏觀經(jīng)濟預(yù)測方法的變革。在當前國內(nèi)外各種不確定性因素不斷增多的背景下，宏觀經(jīng)濟預(yù)測面臨的挑戰(zhàn)越來越大。而大模型技術(shù)能夠?qū)碜圆煌I(lǐng)域、不同類型的海量數(shù)據(jù)進行綜合集成，系統(tǒng)高效捕捉重要經(jīng)濟變量及其邏輯關(guān)系，實現(xiàn)對宏觀經(jīng)濟更為精準、可靠的預(yù)測。與傳統(tǒng)宏觀經(jīng)濟預(yù)測不同，將海量微觀數(shù)據(jù)信息與大模型技術(shù)相結(jié)合能夠充分利用微觀個體間的異質(zhì)性、聯(lián)動性和交互效應(yīng)等信息，顯著提升經(jīng)濟預(yù)測的精度?？梢哉f，正是大模型時代的到來，使得基于海量微觀動態(tài)數(shù)據(jù)進行預(yù)測成為可能。

　　隨著大模型推理能力的提升，人工智能技術(shù)通過設(shè)計合理的提示語和上下文信息，可以直接生成對未來經(jīng)濟走勢的判斷結(jié)果。研究表明，經(jīng)過大規(guī)模數(shù)據(jù)預(yù)訓練的大模型，目前已具備零樣本預(yù)測能力，在周度和月度時間序列預(yù)測中的表現(xiàn)優(yōu)于傳統(tǒng)統(tǒng)計和機器學習方法。當前，有研究者正在探索將數(shù)值型時間序列轉(zhuǎn)化為“語言形式”，借助大模型的語言理解與知識推理能力識別趨勢性、季節(jié)性與周期性特征。這種語義生成式的預(yù)測范式突破了傳統(tǒng)預(yù)測模型在變量選擇和模型設(shè)定方面的約束，正在推動宏觀經(jīng)濟分析從單一的“數(shù)據(jù)驅(qū)動”邁向“數(shù)據(jù)驅(qū)動”與“智能推理”相結(jié)合的新范式，從而為宏觀經(jīng)濟預(yù)警體系創(chuàng)新提供了新的技術(shù)路徑與方法支撐。

　　隨著算力基礎(chǔ)的持續(xù)增強和人工智能技術(shù)的進一步升級，我國的宏觀經(jīng)濟預(yù)警體系正在加速邁向更加系統(tǒng)集成、智能協(xié)同的新階段，基于大模型的智能體系統(tǒng)將成為宏觀風險預(yù)警與防控的重要發(fā)展方向。智能體不僅是算法模型的集合，更能夠在現(xiàn)實動態(tài)環(huán)境中實現(xiàn)自主感知、學習和反饋。相比單一的預(yù)測模型，智能體更強調(diào)多模型協(xié)同與自主優(yōu)化，可以在宏觀經(jīng)濟監(jiān)測與預(yù)警中實現(xiàn)從信息獲取到模型構(gòu)建、再到?jīng)Q策輔助的全流程閉環(huán)。它既可以利用大模型生成和處理的新型數(shù)據(jù)不斷拓展宏觀監(jiān)測的信息來源，又能夠在多任務(wù)環(huán)境下自主調(diào)用各類相關(guān)數(shù)據(jù)和預(yù)測模型開展分析，綜合政策、市場、產(chǎn)業(yè)等多維信息，生成研判意見，輔助決策部門提前識別風險、制定應(yīng)對方案。隨著運行數(shù)據(jù)和交互經(jīng)驗的積累，智能體還可以通過持續(xù)學習不斷優(yōu)化預(yù)測模型，進一步提升宏觀預(yù)警的及時性、準確性和可靠性。

　　構(gòu)建“人工智能+宏觀預(yù)警”體系的路徑

　　推動“人工智能+宏觀預(yù)警”體系構(gòu)建，是在新一輪科技革命和產(chǎn)業(yè)變革背景下統(tǒng)籌發(fā)展與安全的必然選擇。它不僅是技術(shù)創(chuàng)新的重要體現(xiàn)，更是國家治理能力現(xiàn)代化的重要抓手。我們必須牢牢把握人工智能發(fā)展的歷史機遇，依托大數(shù)據(jù)和大模型技術(shù)，加快構(gòu)建覆蓋全局的宏觀預(yù)警體系，有效防范和化解重大經(jīng)濟金融風險，夯實高質(zhì)量發(fā)展的安全基礎(chǔ)，為全面推進中國式現(xiàn)代化提供有力支撐。

　　在構(gòu)建“人工智能+宏觀預(yù)警”體系過程中，不可避免面臨諸多挑戰(zhàn)。宏觀經(jīng)濟預(yù)警體系涉及經(jīng)濟、金融、產(chǎn)業(yè)等多領(lǐng)域數(shù)據(jù)，關(guān)聯(lián)重大政策決策，對信息的時效性、模型的準確性和結(jié)果的可解釋性都有著極高的要求。必須看到，當前的數(shù)據(jù)質(zhì)量與標準化仍存在一些突出問題。第一，不同部門、行業(yè)和地區(qū)之間的數(shù)據(jù)壁壘尚未打通，數(shù)據(jù)孤島現(xiàn)象依然突出；第二，大模型訓練高度依賴高質(zhì)量的數(shù)據(jù)標注，在宏觀預(yù)警或其他高專業(yè)性領(lǐng)域（如醫(yī)療領(lǐng)域），對標注人員的知識背景和理解能力要求更高，專業(yè)化標注能力不足會影響數(shù)據(jù)質(zhì)量；第三，部分領(lǐng)域的數(shù)據(jù)在不同程度上存在噪聲、失真甚至操縱等問題；第四，人工智能模型的“黑箱”特征也使其可解釋性成為重要挑戰(zhàn)?？山忉屝詫τ诮?jīng)濟政策制定尤為重要，因為政策決策不僅需要準確的預(yù)測，更需要理解背后的因果關(guān)系和影響路徑，以確保政策工具的針對性和有效性。大模型雖然在預(yù)測精度上具有優(yōu)勢，但模型參數(shù)眾多，缺乏透明的因果鏈條，在揭示經(jīng)濟作用機制方面還存在諸多局限。

　　面對上述問題，必須從制度、技術(shù)與治理層面協(xié)同發(fā)力，統(tǒng)籌推進“人工智能+宏觀預(yù)警”體系的建設(shè)。一是完善制度體系，夯實宏觀經(jīng)濟預(yù)警的制度基礎(chǔ)。完善宏觀數(shù)據(jù)治理的頂層設(shè)計，健全統(tǒng)一規(guī)范、權(quán)責明晰的數(shù)據(jù)制度體系，打破部門、行業(yè)、地區(qū)之間的數(shù)據(jù)壁壘，破解數(shù)據(jù)孤島問題。健全人工智能治理與倫理監(jiān)管制度，加強數(shù)據(jù)安全與隱私保護，防范算法歧視、技術(shù)濫用等風險，從制度層面保障“人工智能+宏觀預(yù)警”體系的數(shù)據(jù)質(zhì)量。二是加快算力體系建設(shè)，夯實人工智能發(fā)展的底座。重點推進高性能計算中心和智能算力網(wǎng)絡(luò)建設(shè)，提升算力調(diào)度效率與綠色化水平，強化算力對數(shù)據(jù)挖掘和模型訓練的支撐，為智能化宏觀預(yù)警體系提供堅實保障。三是大力推進政產(chǎn)學研協(xié)同創(chuàng)新，形成政府引導、科研支撐、企業(yè)參與的多層協(xié)作格局，加強制度供給與政策協(xié)調(diào)，推動模型算法與方法創(chuàng)新，依托數(shù)據(jù)積累、技術(shù)開發(fā)和場景應(yīng)用優(yōu)勢，推動科研成果落地轉(zhuǎn)化。