当前，以人工智能为核心驱动力的新一轮科技革命正在深刻重塑生产方式和产业结构。大模型技术的突破性进展、生成式人工智能的广泛应用，使得技术创新呈现出前所未有的速度和广度。然而，在技术供给日益充沛的同时，我们也观察到一种值得警惕的现象：市场对新技术体系的吸收和转化往往滞后于技术本身的发展，大量潜在的生产力被阻滞于经济系统的“最后一公里”。本文认为，这一现象背后存在一个被长期忽视但至关重要的机制——“适应惯性”，即市场主体因长期适应既有技术模式和资源配置方式而形成的路径依赖和行为固化。在人工智能时代，深入理解适应惯性的形成机理与作用机制，对于推动技术红利充分释放、实现高质量发展具有重要的理论和现实意义。
一、适应惯性：概念界定与分析框架
适应惯性是指市场主体因长期与特定事物保持稳定联系而形成的决策依赖和行为固化现象。作为市场资源配置的决策主体，理性人由于信息获取和处理能力有限，其决策对象总是集中于自身熟悉的领域，并与这些决策对象保持相对持久的联系，这种联系使得理性人具有适应惯性特征。
从结构维度看，适应惯性可分为认知惯性和环境惯性两个层面。认知惯性指市场参与者关于市场的既有知识体系在一段时期内持续主导其决策行为；环境惯性指市场在一定时期内呈现的相对稳定的结构特征，它会引导市场参与者在短期内形成一致性的决策模式。认知与环境之间存在类似于理论与实践的逻辑关联：认知来源于对环境的思考和总结，进而形成指导决策的知识框架；大量市场参与者的共同决策又会对市场环境进行有效改造，推动环境演变；新的环境催生新的认知，形成认知与环境的螺旋式演进。在这一过程中，每个阶段都存在相对稳定的行为模式，这便是适应惯性的本质特征。
从作用领域看，适应惯性广泛存在于资源配置的三大维度：跨部门配置、跨期配置和跨状态配置。在跨部门配置中，环境惯性起主导作用，市场主体深度嵌入既有的生产消费网络；在跨期配置中，认知惯性和环境惯性共同发挥作用，主导金融从业者的投资决策；在跨状态配置中，认知惯性主导市场参与者的风险判断和保险决策。
二、人工智能时代适应惯性的新特征
人工智能技术的深度渗透，使得适应惯性呈现出与传统工业时代截然不同的新特征。
第一，技术迭代加速与认知更新滞后的矛盾日益凸显。 人工智能技术的演进速度远超以往任何技术革命。大模型参数从亿级跃升至万亿级仅用了短短数年，技术范式的转换周期从十年缩短至数月。然而，市场主体的认知更新却难以同步加速。企业管理者的决策框架仍停留于上一代技术逻辑，金融机构的风险评估模型仍基于历史数据的线性外推，劳动者的技能结构仍固化于传统岗位要求。技术迭代速度与认知更新速度之间的剪刀差不断扩大，成为阻碍技术红利释放的核心瓶颈。
第二，平台经济的崛起强化了市场主体的环境惯性。 以大型互联网平台为核心的商业生态系统，通过算法推荐、信用评价、交易撮合等机制，深度塑造了商家和消费者的行为模式。商家习惯于依赖平台的流量分配，消费者习惯于接受算法的消费引导，双方在享受便利的同时，也对平台形成了强烈的适应惯性。这种惯性使得平台能够从交易中获取类似于剩余价值的超额收益，同时也使得商家和消费者被锁定在既有的交易模式中，难以转向新的技术应用。
第三，智能决策系统的应用催生新型认知惯性。 越来越多的企业开始依赖人工智能系统进行辅助决策，从供应链管理到客户关系维护，从风险控制到投资分析。这些系统基于历史数据进行训练和优化，其决策逻辑天然倾向于复制和强化既有模式。当市场主体将决策权部分让渡给智能系统，也就意味着将自身的适应惯性内嵌于算法之中，形成一种新型的、更具隐蔽性的认知惯性。当技术环境发生变化时，这些基于历史数据训练的智能系统反而成为阻碍变革的力量。
三、适应惯性对人工智能时代资源配置的影响
适应惯性对资源配置的影响具有双重性：一方面，它在一定程度上维系了资源配置结构的稳定性，降低了市场运行的交易成本和不确定性；另一方面，它阻碍了资源配置方式的革新，延缓了新技术的应用和扩散，导致资源配置效率无法持续提升。
在资源跨部门配置领域， 适应惯性体现为生产消费网络的固化。在人工智能技术的冲击下，大量传统产业面临数字化转型的压力，但由于既有供应链体系的惯性，企业往往倾向于沿用传统的采购和销售渠道，而非主动拥抱数字技术。中间品市场的垄断格局因此得以维持，潜在进入者不仅需要在技术上进行创新，还需要投入巨大成本来打破原有的交易结构。当前，人工智能领域的创新高度集中于少数头部平台企业，而广大中小企业仍游离于数字生态系统之外，这正是适应惯性阻碍资源跨部门流动的典型表现。
在资源跨期配置领域， 适应惯性体现为金融资源配置的结构性扭曲。银行业对借款企业的风险评估仍高度依赖于传统的财务指标和抵押品要求，这使得资金持续流向已经运行良好的大型企业，而亟需资金支持的创新型中小企业却面临融资困境。与此同时，投资者对人工智能等新兴领域的认知存在明显的“信任放大”效应：当某项技术被市场追捧，后续投资者普遍认为自己介入也将获利，导致资金过度集中涌入少数热门赛道，形成金融资源的错配和泡沫风险。
在资源跨状态配置领域， 适应惯性体现为风险识别和定价机制的僵化。保险公司对新兴技术应用场景的风险评估仍沿用传统的统计模型，难以准确刻画人工智能带来的新型风险。这使得保险产品的供给与新兴产业的保障需求之间存在明显错位，制约了市场主体参与技术创新的积极性。再保险机构的风险对冲策略也往往聚焦于单一风险事件的再定价，而非对基础保险方案提供者的行为风险进行综合评价，进一步加剧了保险资源的错配。
四、突破适应惯性的政策路径
面对人工智能时代适应惯性的新特征和新挑战，需要从认知和环境两个维度入手，构建系统性的政策应对框架。
第一，推动认知更新，培育适应技术变革的市场主体。 建立常态化的企业管理者人工智能素养提升机制，通过培训、研讨、案例分享等多种形式，帮助企业家和管理者及时更新对人工智能技术发展趋势和应用前景的认知。将人工智能通识教育纳入国民教育体系和职业培训体系，提升全社会对新技术的认知水平和适应能力。鼓励高校和研究机构开展人工智能与经济社会的交叉研究，为政策制定和企业决策提供理论支撑。
第二，优化市场环境，降低资源跨部门流动的交易成本。 加快建设全国统一的数据要素市场，打破数据壁垒和平台垄断，降低市场主体获取和应用数据的门槛。推动制定人工智能技术接口标准和数据格式标准，增强不同技术系统之间的兼容性，降低企业转换技术路线的成本。完善反垄断监管框架，防止头部平台利用适应惯性攫取超额收益，维护公平竞争的市场环境。
第三，创新金融工具，促进资源向创新领域有效配置。 建立适应人工智能时代特征的信用评价体系，将企业的技术能力、数据资产、知识产权等纳入风险评估框架，降低创新型中小企业的融资门槛。发展投贷联动、知识产权质押融资等创新金融产品，拓宽技术型企业的融资渠道。引导设立人工智能产业投资基金，发挥政府资金的引导和撬动作用，带动社会资本投向关键核心技术领域。
第四，完善保险机制，为技术应用提供风险保障。 支持保险机构开发适应人工智能应用场景的创新型保险产品，为企业的数字化转型提供风险保障。建立政府引导、市场化运作的再保险机制，分散新兴技术领域的系统性风险。推动建立基于虚拟交易平台的模拟风险评估机制，将包含未来价值信息的引导机制纳入风险定价体系，降低因预测偏差而产生的定价误差。
第五，培育风险意识，提升市场主体对认知惯性的警惕。 广泛宣传“投资有风险、入市需谨慎”理念，引导投资者理性看待人工智能等新兴领域的投资机会和风险。建立投资者适当性管理制度，要求投资者在进入市场前接受必要的风险教育和避险方案培训。鼓励企业在引入人工智能决策系统时，保留必要的“人在回路”机制，防止算法决策的固化导致组织认知僵化。
五、结语
适应惯性是市场资源配置中普遍存在的现象，是量变到质变过程中的阶段性稳定。在人工智能时代，技术迭代的速度空前加快，而市场主体认知更新和环境演变的节奏相对滞后，二者之间的张力日益凸显。如何有效识别适应惯性在不同领域的表现形态，准确把握其对资源配置的阻滞作用，并设计有针对性的政策予以突破，是释放人工智能技术红利、推动高质量发展的关键所在。
需要强调的是，突破适应惯性并不意味着否定稳定性的价值。正如认知来源于环境又改造环境，认知与环境的良性互动是经济系统持续演进的动力。在人工智能时代，我们需要的不是彻底打破所有惯性，而是建立一种更具韧性的动态适应能力——既能从历史经验中汲取智慧，又能对未来想象保持开放；既能利用既有结构的稳定性降低交易成本，又能及时调整结构以适应技术变革。唯有如此，才能真正驾驭人工智能这一革命性技术的力量，让技术进步的红利充分涌流，为高质量发展注入源源不断的动力。
作者：
赵晓军
北京大学经济学院副教授，主要研究领域为宏观经济学、产业经济学、公共财政领域。
马思程
北京大学经济学院博士研究生，主要研究领域为政治经济学在当代的应用。
供稿：科研与博士后办公室
美编：初夏
责编：度量、雨禾、雨田
