近日，商务部等9部门印发《关于加快推进科技兴商的意见》，推出18项举措布局商贸四大板块，推动商贸领域智能化、绿色化、融合化转型，鼓励脑机接口、具身智能等前沿技术落地，培育商业智能体新业态，配套分级治理、沙盒试点等监管方式。本期专家圆桌围绕政策核心与行业痛点设置议题，邀请专家探讨全链条落地优先打通路径、前沿技术入场的战略判断、未来商业场景框架属性、商业智能体培育与治理及沙盒试点验证方向。

专家圆桌

浙江工商大学商业技术应用创新中心副主任 教授 邱 毅

天津商业大学科研处副处长、老字号协同创新中心（天津商业大学）副秘书长、天津市中国特色社会主义理论体系研究中心天津商业大学基地研究员 教授 张 阳

北京工商大学经济学院副教授 周 珺

（排名不分先后）

问题一：《意见》将科技从“辅助工具”定位为“系统性重构力量”，18项举措横跨商品消费、服务消费、流通链条、未来场景四大板块——这种“全链条覆盖”在落地时，最先需要打通的是哪一段衔接？

邱 毅：把科技从“辅助工具”重新定位为“系统性重构力量”，是《意见》的一项根本性变化。辅助工具意味着科技只是在既有商业流程上做加法，而系统性重构力量则意味着科技要改变商业的组织方式本身，不再是让企业用一套新工具，而是要重构技术供给与企业之间的连接方式。基于此，我认为科技成果在“全链条覆盖”落地时，最先需要打通的是科技成果如何从大学的实验室、大企业的内部研发，走向数量最广大的中小企业。我国科技成果存量并不小，技术供给相对活跃，问题在于不少成果在实验室里“走不出去”，到了企业手里“用不起来”。18项举措横跨四大板块，最终都要落在企业身上。据第五次全国经济普查，仅批发零售、住宿餐饮领域的个体经营户就将近5600万个，他们恰恰是最缺技术识别能力、最缺试错资本的一群人。头部企业有研发能力和试错冗余，中小企业投错一次可能就是生死问题。这一段不打通，“全链条覆盖”就容易变成“头部企业的全链条覆盖”。

《意见》对此已有针对性部署。例如第十六条提出通过“培育建设商业技术应用创新中心”等方式加强科技研发和转化应用。第七条提出“培育一批数智供应链领军企业，赋能链上中小企业”。只有形成全行业共同参与的“大合唱”，“科技兴商”政策才能更好惠及广大中小企业。

张 阳：科技的全链条覆盖，是让技术贯穿从研发到消费的每一个环节，而非在若干环节分头铺开：赋能商品研发与服务供给，回答“造不造得出”；作用于商贸流通，回答“送不送得到”；融入消费场景，回答“用不用得上”。其中最先要打通的，是需求与供给之间的数据回流——需求端的变化能否准确传回供给端，是商品消费提质与服务消费扩容的前提。

而这一回流，靠的是商业数据，包括消费行为数据、商品数据、交易数据、流通数据、研发数据等。但商品端与流通端目前分属两套口径、两套接口，同一件商品的编码、批次、退换理由在两处对不上，回流便在半途断开。究其原因，一是判定的依据尚未统一；二是数据的归属、链接、通路各有断点；三是共享之后的担责规则未定。可见，卡住回流的不在技术，而在标准与数据这一层同场景之间的衔接。

为此，提出四条建议。一是把归属说清，给出数据分类分级与授权使用指引，明确哪些数据可共享、共享到何种颗粒度、脱敏之后能否二次使用，让企业清楚数据共享的边界。二是把标准定下。接口、字段、编码一类标准先行，性能、分级、评价一类后置，先解决“接不接得上”，再解决“谁更好”。标准定得过早，等于替市场选定了技术路线。三是把通路打开。一方面出台跨区域互认清单，将已成熟的验收结论、检测报告列入目录，成熟一批、公布一批；另一方面由链主企业先行贯通，向链上中小企业开放数据接口与验收规则，用商业契约在一条链上跑通，再上升为行业标准。四是把责任划清。数据交出之后的偏差由谁认定、按什么分担，宜先出一份指引，写明采集方、使用方与平台方在何种情形下各担何责，并与数据授权协议一并签订。

周 珺：首先需要打通的是流通链条板块对生产领域与消费领域的有效衔接。流通环节汇集商流、物流和信息流，是打通全链条数据闭环的关键枢纽，发挥着承上启下的作用。上游商品消费板块的智能商品供给和柔性制造，服务消费板块的智慧家政、养老托育和特色文旅，最终都要经由批发、零售、物流等流通环节才能触达终端消费者，依靠流通实现更加高效、精准的供需匹配。下游商业智能体、绿色消费、融合消费等未来场景，本身也落脚在流通环节上，其塑造很大程度依托对流通链条的数智化改造，所积累的数据将进一步反哺生产领域的品质供给。因此，打通流通链条的衔接作用，将为技术和数据能力在生产与消费领域的传导提供先行条件，是实现科技重构商业、促进消费端创新和场景端突破的重要前提。

问题二：脑机接口、具身智能被明确写入“商贸成果转化方向”——政策选择让前沿技术“直接入场”，而非等待成熟后再纳入商贸体系，这一决策隐含了怎样的路径判断？

邱 毅：这一决策隐含的路径判断，可以概括为从“跟随发展”转向“敢为人先”。以往我们科技应用大多是“跟随”策略。一项新技术在欧美等发达国家先用，技术不确定性和市场验证成本由先行者承担，我们引进即可规避试错风险。这在追赶阶段是理性的，但代价是长期处在价值链后端，标准和规则跟着别人走；而当技术领先者开始构筑壁垒时，这条路也会越走越窄。

今天条件变了。一方面，随着科研实力的增强，我国越来越多技术领域实现了从跟跑、并跑向领跑的关键跨越，客观需要我们以“勇攀高峰、敢为人先”的创新精神开展先行先试。这次《意见》出台是我们在“科技兴商”领域的前沿部署，未来形成的商业领域新场景、新业态、新模式也将为全球其他地区商业发展提供借鉴。

更关键的是，中国有全球人口规模最大的市场，任何前沿技术都能在这里找到足够大、足够多样的应用场景。这样的超大规模市场本身就是得天独厚的战略资源，可以摊薄技术试错成本，加速新型商业模式的形成。谁先在真实市场上跑通“技术—场景—商业模式”的闭环，谁就能更好占据产业发展的制高点。

张 阳：其一，技术迭代速度已经快于标准制定速度，若等技术完全成熟再纳入商贸体系，等于永远滞后。其二，前沿技术在商业场景应用层的比较优势不在底层技术，而在场景密度与数据规模，“以场景换技术”是理性选择。其三，“直接入场”不等于“直接商用”。《意见》采用“加速成果转化”“培育”等表达，说明政策把入场定位为试验性入场，商业闭环仍待验证。

为降低前沿技术“直接入场”的风险，技术转移转化机构的功能定位必须调整。它的核心职能不仅是“撮合”，更是“转译”。主要卡点实则是技术在具体场景里能不能用、用了值不值。“转译”是将前沿技术与使用情境向对接双方进行转化互译，把商业场景的消费需求，翻译成技术方可以承接的规格书，并给出投入产出测算，从而解决“技术方讲不清商业价值，商贸方说不清技术需求”的问题。

周 珺：商贸场景本身就提供了前沿技术应用的天然“试验场”。脑机接口、具身智能等前沿技术的迭代高度依赖真实环境的持续反馈，这种反馈只有在大量、高频且真实的交易活动中才能不断产生。而我国的商贸体系具备超大规模市场、高频交易和贴近终端用户的有利条件，承担的正是这一角色。《意见》第十六条在部署成果转化时要求聚焦消费品领域培育技术转移转化机构，第十条把具身智能的落地场景具体指向家庭服务和商贸物流，为技术进入真实环境提供了可能性。政策选择让前沿技术“直接入场”的安排实质上是把超大规模市场优势转化为前沿技术的迭代优势，这也是落实成果转化部署时需要把握的关键所在。

问题三：《意见》在“未来商业场景”中并列部署了智能化、绿色化、融合化三类场景，但三者的技术依赖和政策工具明显不同——这种“场景三分法”是分析框架，还是操作框架？

周 珺：“场景三分法”兼具认识与施策两重功能，重心落在施策上。《意见》不只给出三个塑造未来商业场景的政策方向，更据此配置了不同的推进方式和评价口径。智能化、绿色化、融合化的技术路径存在差异：智能化依托人工智能与具身智能，重在培育商业智能体这类新业态；绿色化依托区块链碳足迹核算，重在建立核算体系并培育绿色商场、绿色物流园区等标杆主体；融合化依托虚拟现实与数字孪生的集成应用，重在依托试点推进商圈、步行街、景区的数实融合。更深一层看，三者要解决的问题性质也不相同，智能化创造效率与新供给，企业自身有投入动力；绿色化带有正外部性，私人收益低于社会收益，需要核算约束与标杆引导；融合化的红利来自跨界重组，涉及多个业态，难以靠单一主体推动。正因为此，《意见》从这三个维度提出相应的政策目标，为落实未来商业场景部署时的差异化施策提供直接依据。

张 阳：“场景三分法”承接了现代化产业体系构建坚持智能化、绿色化、融合化方向的先进理念，是这一理念在商业领域的具体体现。就性质而言，“场景三分法”首先是操作框架，其次才是分析框架。判断的依据在于三者的技术依赖与政策工具明显不同，智能化依赖算力、数据与模型，绿色化依赖计量、认证与可追溯，融合化依赖授权、场地与跨部门协调。技术依赖不同，一套工具就推不动三类场景，只能分类施策、各配工具，这是操作框架的用法。也正因不同，三者不能互为标尺，此时三分法才多出一重分析功能，即用来判断一个场景该归入哪一类、该配哪一类工具。三者分属技术、价值与组织三个维度，分别对应生产力变革、价值导向与组织形态，互为条件、相互赋能，共同构成未来商业场景塑造的核心动力、发展底色与结构特征。

作为操作框架，它的用法可归为三步。一是归类，判断一个场景主要依靠哪一类技术支撑，归入智能、绿色、融合之一。各类商业主体可结合自身业务基础与资源禀赋，在智能化技术落地、绿色化转型、融合化布局的细分方向上找准切入点，既可以聚焦单一场景做深做精，也可以推动多场景协同联动，形成适配不同发展阶段的商业落地方案，避免盲目布局与资源错配。二是配工具，围绕前沿技术应用与新业态培育、绿色低碳与可持续约束、组织跨界重构，分别搭配科技工具，为各类商业主体精准切入不同场景赛道、协同推进“三化”融合落地提供可参照的实践指引。三是定指标，各类场景与自身历史相较，不与其他两类比，智能化看技术渗透率，绿色化看认证覆盖率，融合化看跨业态客流与连带比例。

邱 毅：“场景三分法”既是分析框架，也是操作框架。作为分析框架，它对现有科技应用与商业场景之间的关系做了分类。例如，智能化对应技术对商业流程的改造，回答“怎么更高效”的问题；绿色化对应技术对商业外部性的矫正，回答“怎么更可持续”的问题；融合化对应技术对行业边界的打通，回答“怎么创造新体验”的问题。

更重要的是，《意见》提出的指导性建议能够直接转化为可操作的政策工具，因此这一分析框架在落地阶段可以转化为操作框架。例如，在智能化场景方面，第十条培育商业智能体、推动具身智能落地，配套第十三条推广《人工智能终端智能化分级》国家标准、第十五条分级治理，形成了“标准+分级监管”政策工具包。在绿色化场景方面，第十一条部署区块链碳足迹核算、绿色商场绿色餐厅绿色物流园区培育，可以转化为“核算方式+认定标杆”的成效评估工具。在融合化场景方面，第十二条提到要推动新技术在文娱、旅游、健康、体育等领域集成应用，在步行街、商圈、旅游景区形成融合场景，体现了跨部门协同的工作逻辑。因此，相关主体既可以通过“场景三分法”提高对科技兴商的认识和把握，又能在落实中加快形成可操作工具，推动《意见》各项措施落地见效。

问题四：《意见》对商业智能体同时部署了“培育新业态”与“分级治理”，并明确“科技向善”原则——在操作层面，“培育”与“治理”的时序关系应当如何设定，沙盒试点最适合承载哪一类规则验证？

邱 毅：前沿科技应用的培育和治理是一项世界性难题，没有现成答案。我的基本观点是，规则不可能靠事前设计出来，只能通过“试”出来，要允许其产生一定的负面影响，但必须把影响在前期控制在最小范围内。为什么沙盒必不可少？因为商业智能体的风险只在真实运行、真实交易中才会暴露，办公室里推演不出来。事前严管扼杀创新，事后补救代价高昂，沙盒正是两者之间的受控试验空间。

尤其是智能化场景和脑机接口这类前沿技术领域，沙盒试点非常必要。因为在智能化场景中，商业智能体自主决策的背后是“算法黑箱”，人们很难事先预料到全部可能的风险；而脑机接口本身技术复杂性较高，且触及人的神经数据与人格尊严，一旦造成伤害，结果往往是不可逆的。这类技术在应用端又都以海量普通消费者为对象，扩散快、影响面广，若在开放市场试错，等于把全社会当试验场，将会面临失控风险。因此越是侵入性强、不确定性高的技术，越要先在受控环境里把规则试出来，再走向大市场，而沙盒试点正好提供了这样一个空间。最后需要强调的是，虽然沙盒试点“允许一定负面影响”，但必须控制在一定限度内，例如限定在知情同意的参与者范围内、可补偿的规模内、可随时中止的窗口内等，防止沙盒自身风险外溢。

张 阳：“培育商业智能体新业态”，意味着商业智能体不仅是一种新工具，更是一个新的交易参与者。作为工具，商业智能体可以完成智能导购、智慧运营、智能物流决策等任务，可以提升运营效率、降低搜寻与决策成本。一旦参与商贸交易，便成为代理主体，替消费者筛选、议价，替使用者作分析、给决策建议。参与者的身份意味着责任必须落到具体的人，智能体本身不具备担责资格，责任由其开发者、部署商家与平台按环节分担。时序上，培育与治理并行推进，但节奏不同。培育可以逐步推进，治理进度视风险而动。据此，建议责任规则先行到位，技术准入同步放开，业态监管逐级后置。责任规则必须先立，因为它是代理关系得以成立的前提，而且智能体一旦出错，外部性由消费者与同行业企业共同承担；准入可以同步放开，因试错成本主要由企业自担；业态监管可以后置，因业态形态尚未定型，过早设门槛会抑制创新。

分级治理的依据，以可观察的自主智能行为为宜，不以技术先进程度划分。以智能导购为例，按自主性可分三档：只做信息推荐与导购的，能够直接下单与支付的，能够修改交易条件与定价的。三档对应逐级加重的告知、留痕与复核义务，也应逐级提高部署方的举证与赔付责任。另有一条界线与三档并用，而非并列，即是否收费、向谁收费。向商家收取佣金、排名费或数据服务费的，无论自主性高低，均应纳入披露义务；尚未收费的，以备案观察为宜。

商业智能体新业态的沙盒试点，最适合承载的是行为边界与操作权限一类规则。这类规则的验证结果能直接写成条款：智能体可以调用哪些外部接口、能否直接下单与支付、能否变更交易条件、单笔限额多少、越权操作能否被即时拦截、留痕能否支撑事后还原——都是可观察、可计数、试点周期内能得出结论的事项。

周 珺：“培育新业态”与“分级治理”应同步推进、按场景分级配比。《意见》第十条把商业智能体分为智能导购、智能运营、智能物流三个方向，第六条涉及机器人、虚拟数字人陪伴，不同场景的损害性质并不相同。例如，导购影响消费选择且后果可逆，运营介入经营决策，物流连接实体运转，陪伴类则关系到弱势群体的情感依赖。正因如此，第十五条强调根据不同应用场景审慎稳妥开展分级治理，分级依据是场景风险而非时间先后。落到操作上，数据收集使用的边界、数据应用负面清单、风险监测预警这些底线要求自培育之日起同步确立，治理强度则按场景分级配比。陪伴类直接关乎弱势群体，需从一开始就从严治理，这也是第六条在陪伴业态中提出科技向善的用意所在。对于沙盒试点，在可控范围内应致力于提升监管精细化水平、动态校准规则尺度，适合承载验证的是事前难定尺度、试错后果可隔离可回撤的规则，如智能体自主决策致损时平台、商家与技术提供方的责任划分等。这种依场景分级的精细化治理，将在给创新留出空间的同时守住弱势群体与数据安全的红线。