先给核心结论：世界互联网大会乌镇峰会期间，深圳数据经济研究院 AI 经济研究中心主办了 “从真实世界 AI 到 AI 经济：工作流、智能体与生产力变革” 闭门论坛。讨论围绕两条线展开：一是企业投入 AI 后，究竟换回了多少可验收、可计价、可比较的真实产出；二是 RSI（递归自我改进），也就是 AI 能否参与改进自身、让研发能力持续增强。前 Anthropic 研究员、元示科技联合创始人董明泽，以及 Recursive 创始成员、前 Meta 研究员诸葛鸣晨，都在会上谈到了 RSI。衡量 AI 生产的核心不是看模型单次回答快不快，而是看任务是否交付成功、成果能否被经济社会接受、消耗了多少 Token 和人工复核成本，以及改进能否反哺下一轮研发。
一、为什么 AI 生产力不能只看调用量
行业已经习惯统计模型消耗了多少 Token、调用了多少次、生成了多少内容，但这些数字还不能直接等于生产力。同一项业务任务，存在几种差别很大的结果：
| 结果类型 | 典型表现 | 计量时需要计入的成本 |
|---|---|---|
| 一次交付成功 | 成果可直接使用，人工复核少 | Token 消耗、少量验收成本 |
| 多次重试后可用 | 模型反复生成，人工修改后才能上线 | 重试 Token、人工检查、返工时间 |
| 看似完成但未验收 | 报告生成很快、程序能跑，但不能上线或不能被业务接受 | 后续核实、纠错、重新开发成本 |
| 稳定承接复杂任务 | 单次价格更高，但能完成过去做不了的工作 | 模型成本、业务价值、交付成功率 |
所以，单次调用价格低不一定划算；如果需要大量重试和人工复核，省下的模型费用可能又花回去。反过来，单价更高的模型如果成功率更高、能承接更复杂任务，也可能更有性价比。
二、王捷的衡量框架：单位 Token 的预期经济产出
深圳数据经济研究院人工智能经济研究中心联席主任王捷提出，希望在不同行业找到可量化的尺子，把模型创造的经济价值、任务成功率和 Token 消耗放进同一框架。
1. 简化公式
公开报道中的通俗概括为：
单位 Token 的预期经济产出 ≈ 任务价值 × 成功率 ÷ Token 消耗
这里包含三个变量：
- 任务价值：这项成果对业务到底值多少钱；
- 成功率：成果是否通过验收、能否真正投入使用；
- Token 消耗：完成任务过程中累计消耗的模型资源。
2. 成果价值的三种参照
| 参照方式 | 说明 | 适用场景 |
|---|---|---|
| 人工成本 | 估算人来完成同样任务需要多少成本 | 有明确人工工时和人力成本的任务 |
| 市场报价 | 参考市场上同类任务或同类产品的售价 | 已有成熟交易价格的外包、软件、内容任务 |
| 影子价格 | 没有现成报价时，通过间接方式估算价值 | 内部流程、定制化需求、缺少外部报价的任务 |
3. 验收标准：“经济图灵测试”
王捷借用 “经济图灵测试” 描述验收关口：AI 交出的成果，能否像人做出来的一样，被经济社会接受。
- 报告生成得快，不代表可以直接使用，后续可能需要逐条核实；
- 程序能跑起来，不代表可以上线，还需要稳定性、权限、安全、业务流程和维护验证；
- 任务验收标准不同，对 AI 生产力的判断就会不同。
他希望 AI 生产力逐步做到 “可观测、可计量、可比较”，让企业判断哪些环节值得投入，哪些环节还需要继续等待。
三、AI 应用正在从匹配走向交付
百度秒哒总经理朱广翔在会上分享了一个案例：一家企业花 100 多万元采购的软件没有真正用起来；后来一名熟悉油田业务的工程师借助 AI 做了一个版本，反而被推广开。
这个案例说明 AI 带来的变化不只是 “写代码更快”，而是：
- 熟悉现场需求的人，可以更直接把想法做成可用软件；
- 原本需要需求文档、产品、设计、开发等多个环节的想法，可以更快变成可试用版本；
- 业务用户更容易判断做出来的东西能不能用；
- AI 缩短了从提出需求到验收结果的距离。
报道提到，秒哒 87% 的用户不懂代码。王捷把这种变化概括为 “从匹配型数字经济走向交付型数字经济”：过去平台主要帮人找到商品、服务和信息；现在 AI 进一步参与决策和行动，直接完成一部分工作。
四、企业算账时不能漏掉的成本
香港中文大学（深圳）经管学院教授王竞奇提到，AI 成本可以分成两类：
| 成本类型 | 特点 | 管理重点 |
|---|---|---|
| 训练阶段高固定成本 | 模型训练、基础设施、研发投入，前期投入大 | 关注长期摊销和规模化使用 |
| 使用阶段变动成本 | 业务量增加，模型调用支出随之增加 | 关注每笔业务消耗多少 Token、重试多少轮 |
企业不只是把 AI 嵌入现有流程，还可能需要基于 AI 重塑业务流程甚至组织架构。后续每完成一笔业务消耗多少 Token，会成为部分企业的核心管理能力。
五、从岗位拆到任务：智能体编排层
山禾成林智能 AI 用工平台创始人周巍巍把问题从岗位推向任务。她认为，岗位不是工作的本质，而是工业时代形成的管理产物，白领岗位尤其如此。
AI 正在把工作拆成更细的环节：
| 环节 | 主要承担方 | 说明 |
|---|---|---|
| 识别问题 | 人 | 判断业务痛点、目标和边界 |
| 设定验收标准 | 人 | 明确什么结果算完成、什么结果不可接受 |
| 标准化执行 | 智能体 | 完成可标准化的信息处理、生成、流程操作 |
| 端到端交付 | 人机协同 | 人保留验收和兜底，智能体承担可重复执行部分 |
她把这一层称为 “编排层”：组织规模不再只由一个人能管多少人决定，而由一层编排能调度多少能力决定；稀缺的不再只是会拆任务的人，而是可被调度的能力。
这也解释了为什么生产力计量要落到任务上：一个岗位包含很多事项，AI 可能只接得住其中几项；只有拆开任务、明确交付标准，企业才能算清哪些环节已经值得交出去。
六、RSI：AI 能否改进 AI 自己
1. RSI 的基本设想
RSI 是 Recursive Self-Improvement，递归自我改进。最吸引人的循环是：
- AI 做出改进；
- 能力随之增强；
- 更强的 AI 再做出更好的改进；
- 研发周期缩短，新能力更快出现。
如果这个循环成立，AI 带来的收益可能被持续扩大。但会上讨论的重点是：这个循环究竟能在哪些环节成立，瓶颈在哪里。
2. 董明泽：区分三种 “AI 帮助改进 AI”
元示科技联合创始人、前 Anthropic 研究员董明泽先区分了几种常被放在一起讨论的情况：
| 类型 | 含义 | 自动化程度与不确定性 |
|---|---|---|
| 模型蒸馏 | 把强模型能力迁移给另一个模型 | 涉及知识迁移和效果保留，不等于完全自动改进 |
| 编程助手辅助研发 | 用 AI 编程助手帮助研究者开发模型工具和代码 | 软件研发某一步变快，不代表整条研发链条同步变快 |
| AI 自行调试、改进模型 | AI 直接参与模型调试、方案优化和迭代 | 自动化程度最高，但也最依赖反馈、数据和验证闭环 |
3. 当前瓶颈
董明泽关注的瓶颈包括：
- 算力约束：更好的算法仍需要算力，算力背后还有芯片设计、制造和产能；
- 奖励难定义：部分领域很难判断结果好坏，也很难定义优化目标；
- 数据稀缺：相比互联网文本，生物等领域数据组合更多、已有实验覆盖更少；
- 实验反馈慢：以生物研究为例，从取样到测序一轮流程可能耗时一周，模型可以很快提出建议，但研究者仍要等待实验反馈；
- 参数不等于数据：继续增加模型参数，不会让缺少的数据自动出现。
他更看好的路径，是让 AI 参与决定下一轮实验做什么：先识别模型不知道什么，再设计更有价值的实验，取得新数据，回头训练更好的模型。这样同样的实验资源才能带回更多有用信息。
这与王捷的计量思路一致：生成了多少假设容易统计，更值得追踪的是这些假设经过验证后带来了多少新知识，花了多长时间、多少钱。
七、其他研究者对 AI 继续进化的判断
| 发言人 | 身份 | 主要观点 |
|---|---|---|
| 许华哲 | 清华大学助理教授、破壳机器人创始人 | 区分 “做一个动作一万次” 和 “做一万个不同动作”；机器人把一个演示做熟后，换环境仍需重新采集数据、微调、测试，额外投入影响落地速度 |
| 邓亚峰 | EverMind CEO | 对 AI 能力继续提升保持乐观，但对短期内出现成熟全新模型训练范式谨慎；底层参数更新缓慢且昂贵，模型离真正持续学习还有距离 |
| 邓亚峰 | EverMind CEO | 更倾向先在智能体层面实现用户侧自我进化：保存用户偏好、项目背景和成功方法，通过调整提示词、控制策略和代码改进表现；这类更新反馈周期短、成本低，也可视为短周期 RSI |
| 诸葛鸣晨 | Recursive 创始成员、前 Meta 研究员 | AI 智力未必存在确定理论上限，当前约束更多来自数据和算力；未来可能出现规模更大、结构极稀疏的 “神经计算机”，把记忆、输入输出和计算能力内化进模型，推理时生成适合任务的子神经网络 |
报道还提到，Jeff Dean 与李飞飞在斯坦福 HAI 大会对谈中也谈到 RSI。在 Jeff Dean 看来，改进结果必须能反哺 “负责提出改进方案的基础系统本身”，才称得上真正的 RSI。
八、衡量框架可以从干活效率延伸到研发效率
对企业来说，减少一次重试、少做一轮人工复核，已经是实际价值。对 RSI 来说，还需要证明这些改进能帮助系统更有效地完成下一轮改进。
因此，AI 生产衡量可以分成两层：
| 层级 | 衡量对象 | 关键指标方向 |
|---|---|---|
| 应用层 | AI 完成业务任务的效率 | 任务价值、成功率、Token 消耗、人工复核、返工次数、交付周期 |
| 研发层 | AI 改进自身和研发流程的效率 | 有效假设、验证后新知识、实验成本、研发周期、能力提升是否反哺下一轮迭代 |
整体看，这场乌镇闭门会的共识方向是：AI 生产力不能用 “生成了多少内容” 简单衡量，而要回到真实任务、验收标准和经济价值；RSI 也不能只看 AI 是否参与了研发，而要看改进是否形成可持续、可验证、可反哺的闭环。
【相关 FAQ】
问题 1：乌镇闭门会讨论的 AI 生产衡量，核心要衡量什么？
回答 1：核心不是统计 AI 调用了多少次或生成了多少内容，而是衡量任务是否交付成功、成果能否被业务和经济社会接受、任务价值是多少、消耗了多少 Token 和人工复核成本。王捷提出的简化框架是单位 Token 预期经济产出≈任务价值 × 成功率 ÷Token 消耗。
问题 2：这场乌镇闭门会上提到的 RSI 是什么意思？
回答 1：RSI 是 Recursive Self-Improvement，即递归自我改进。它讨论的是 AI 能否参与改进自身：AI 做出改进后能力增强，更强的 AI 再继续优化研发，形成迭代循环。会上前 Anthropic 研究员董明泽和前 Meta 研究员诸葛鸣晨都谈到了这一方向。
问题 3：为什么单次 AI 调用价格低，不一定代表 AI 生产力高？
回答 1：因为低价模型如果需要反复重试、人工检查和修改，省下的模型费用可能被返工成本抵消。衡量 AI 生产时，要把重试 Token、人工复核、验收失败、上线距离和最终任务价值一起计入，而不能只看单次调用价格。
问题 4：董明泽在乌镇闭门会中如何看待 AI 改进 AI 的瓶颈？
回答 1：董明泽区分了模型蒸馏、编程助手辅助研发、AI 自行调试改进模型等不同情况。他认为瓶颈包括算力、芯片产能、奖励难定义、数据稀缺和实验反馈慢；在生物等领域，模型可以快速提出建议，但仍需等待实验验证，增加参数也不会自动生成缺失数据。
问题 5：诸葛鸣晨对未来 AI 自我改进有什么设想？
回答 1：诸葛鸣晨认为 AI 智力未必存在确定理论上限，当前约束更多来自数据和算力。他提出未来可能出现规模更大、结构极稀疏的 “神经计算机”，把记忆、输入输出和计算能力内化进模型，并在推理时生成适合某项任务的子神经网络，类似按需调用一个软件模块。
【参考资料】
[2026-11-13]（乌镇闭门会：AI 生产何以衡量？前 A 社、Meta 研究员谈 RSI）21 世纪经济报道 / 东方财富网
[2026-11-13]（乌镇闭门会：AI 生产何以衡量？前 A 社、Meta 研究员谈 RSI）21 世纪经济报道 / 今日头条
[2026-11-13]（乌镇闭门会：AI 生产何以衡量？前 A 社、Meta 研究员谈 RSI）21 世纪经济报道 / 南方财经网
[2026-11-13]（乌镇闭门会：AI 生产何以衡量？前 A 社、Meta 研究员谈 RSI）21 世纪经济报道 / 同花顺财经
【免责声明】
本文基于 21 世纪经济报道及转载平台公开内容整理，截至 2026 年 11 月 13 日；闭门论坛中的观点、案例、公式和判断均为参会者现场表述或媒体转述，不代表行业统一结论。文中涉及的 RSI、智能体、模型训练、机器人泛化和未来架构设想属于前沿研究与探索方向，不等同于已成熟落地的产品能力；企业投入 AI 时应结合自身业务任务、验收标准、成本数据和合规要求独立评估，本文不构成投资、技术选型或研发决策建议。