（问题）随着数字经济持续推进，数字平台不断扩张、企业数字化转型提速，智能技术正从“辅助工具”走向“参与决策”；通用人工智能如何向企业与政府治理领域扩散，并由此影响市场运行秩序、企业行为边界和宏观治理方式，已成为学界与政策层面的共同关切。 （原因）刊载于《学术月刊》2026年第3期的涉及的研究提出，从数字技术谱系来看，通用人工智能可被理解为机器学习、人工神经网络等方法信息通信、互联网与大数据基础上继续融合与升级后的高阶形态。近年来，生成式大模型在文本、图像、音视频等多模态场景加速落地，使“数据—训练—优化—输出”的链条逐步产品化、服务化，为技术外扩提供了可复制的解决方案与标准化接口。另外，平台经济沉淀的数据资源、算力与应用生态，加上企业在降本增效与风险管控上的现实需求，推动智能能力从单点应用走向全流程渗透，构成技术外溢的基础与动力。 （影响）研究认为，通用人工智能技术外溢对经济活动的影响至少体现在四个上：一是企业借助其数据分析与预测能力，可能重塑投资决策方式，推动决策从经验驱动转向模型驱动，从事后评估转向前瞻配置；二是技术将更深度嵌入研发设计、供应链协同、生产组织、营销服务等环节，企业的技术吸收能力与组织重构能力将决定转化效果，并形成新的效率分化；三是当技术被广泛采用，市场调节机制可能出现结构性变化，信息不对称有望缓解，但算法同质化也可能带来“同步决策”和局部波动，使竞争与垄断边界、产业组织形态、定价策略及产品差异化方式面临重新界定；四是政府若将相关技术用于宏观治理，可监测预警、政策评估、公共服务和监管执法诸上提升效率，但必须妥善处理数据安全、责任划分与规则透明等问题，避免在“技术强化治理”与“治理约束技术”之间失衡。 （对策）研究强调，对通用人工智能外溢效应的经济学分析，不应停留在技术构成与流程描述，而应回到企业制度、主体行为与市场结构等核心议题，重点关注企业决策机制、产量与价格形成、竞争政策、产业组织及制度适配。面向实践：一是推动企业完善数据治理与合规体系，打通业务数据链路，提升数据可用性与可解释性，避免“数据多但用不好”；二是引导企业围绕关键岗位与关键流程推进组织再造与人才结构升级，提高对智能能力的吸收与转化水平，避免“技术上线但效率不升”；三是完善竞争政策与平台监管工具，对算法协同、排他性数据壁垒等风险保持警惕，维护公平竞争；四是政府侧加强公共数据治理与跨部门协同，推动政策制定、执行与评估形成闭环，并以制度化方式明确数据边界、审计机制与责任链条。 （前景）研究判断，通用人工智能作为高阶数字技术代表，可能推动数字经济从“连接与平台化”进一步走向“智能化与决策化”。在该过程中，微观经济运行的一些基础假设与分析框架或需重新审视：企业边界、交易成本、信息结构、激励相容与市场均衡等经典命题，可能因技术外溢呈现新的形态。谁能在合规前提下率先实现数据资产化、流程智能化与组织适配，谁就更可能在新一轮产业竞争中占据主动。
通用人工智能技术外溢不只是技术进步的延伸，更是可能牵动企业行为、市场机制与公共治理的系统性变量；理解其规律，既要看到效率提升带来的机会，也要正视竞争格局重塑与治理能力升级的挑战。以更严谨的经济学分析推动制度供给与政策响应，有助于在数字经济新阶段实现创新活力与秩序稳定的动态平衡。