互联网新数字鸿沟：智能体算力、模型能力差距带来的市场机会不平等问题研究

互联网新数字鸿沟：智能体算力、模型能力差距带来的市场机会不平等问题研究

作者：泷码软件（上海）有限公司、泷码软件研究院、泷码互联网经济网研究部

摘要

在大模型与智能体（AI Agent）产业化落地阶段，传统以网络接入、终端设备为核心的第一代数字鸿沟基本得到缓解，数字不平等的内在结构发生根本性跃迁。本研究提出，新数字鸿沟的核心不再是 “能不能上网”，而是企业主体、中小商户是否具备可负担、可部署、可落地的智能体能力。算力资源分配不均衡、模型能力分层固化、智能体开发与运维成本高企，正在重塑市场准入条件，形成市场参与机会的结构性不平等。头部大型企业凭借自有算力基座、定制化大模型、专业 AI 团队构建智能体能力壁垒；而海量中小企业、个体工商户受限于资金、技术、人才，难以部署业务闭环智能体，仅能使用轻量化、功能受限的通用 AI 工具，在客户运营、供应链管理、营销投放、经营预测等商业决策环节形成能力代差，进而在市场竞争、交易议价、价值分配层面持续处于弱势地位。

本研究采用文献梳理、行业案例分析、小微商户调研数据交叉验证方法，剖析智能时代新数字鸿沟的理论内涵、形成机理、经济传导路径；重点讨论算力资源、模型分层如何转化为市场机会不平等，识别普惠式智能服务供给模式的现实瓶颈；并从公共算力基础设施、轻量化开源模型生态、分层智能体服务、市场竞争规制、公共治理框架等维度，提出系统性对策建议。研究发现，智能体带来的新数字鸿沟具备隐蔽性、内生性、自我强化特征，单纯依靠市场自发供给难以实现普惠，需要政府、云厂商、模型企业、产业平台、行业协会协同构建 “公共底座 + 市场化普惠服务 + 能力培训 + 规则约束” 的多层体系，降低中小市场主体获取智能体能力的门槛，防止 AI 技术红利被少数主体垄断，维护数字市场竞争公平，保障数字经济包容性增长。

关键词：数字鸿沟；智能体；算力；大模型；中小商户；数字包容；市场机会不平等；AI 普惠

一、绪论

1.1 研究背景

数字鸿沟是信息通信技术普及过程中长期存在的经典命题。传统数字鸿沟研究将重心放在网络接入、终端硬件拥有情况，即 “接入鸿沟”；后续研究延伸至数字技能差异，形成第二代数字鸿沟，即 “使用鸿沟”。伴随生成式人工智能、大语言模型、多模态模型与自主智能体技术的规模化商用，AI 从辅助信息检索工具，演变为可以自主拆解经营目标、执行多步骤业务流程、完成客户交互、数据分析、库存预测、合同处理、营销投放的业务智能体。智能体正在成为数字市场的新型生产基础设施。

在国内，我国市场主体包含超 6000 万家中小企业、1.27 亿户个体工商户，构成实体经济和数字消费市场的基础单元。当前头部互联网企业、大型制造业集团、连锁品牌已经开始将业务智能体嵌入经营全链路，实现 7×24 小时自动化客户接待、智能选品、供应链预测、内容批量生产、经营风险预警，显著降低边际运营成本，提升市场响应速度与决策质量。与之对照，大量中小商户、微型企业虽然能够接入互联网、拥有智能手机与电脑，但不具备部署专属业务智能体的能力。智能体的构建依赖算力资源、高质量基础模型、业务数据微调、提示工程、智能体编排、持续运维与安全管控，整套资源成本超出绝大多数小微主体承受范围。

由此产生新的不平等形态：网络接入不再是障碍，但算力、模型、智能体开发运维能力，构成新的市场准入壁垒。这种鸿沟不再体现为 “无法连接网络”，而体现为市场主体获取 AI 自主决策能力的差异，最终转化为商业机会、生产效率、收益分配上的不平等，本研究将其定义为智能体时代新数字鸿沟。

该鸿沟与前两代数字鸿沟存在本质差异：接入鸿沟属于硬件基础设施问题，可以通过宽带普及、终端补贴逐步弥合；使用鸿沟属于个体技能培训问题；而智能体带来的新鸿沟是生产能力鸿沟，直接作用于企业生产经营、市场竞争与价值分配，会放大原有产业差距，甚至形成 “强者越强、弱者越弱” 的马太效应。大型企业利用智能体进一步压缩运营成本、抢占流量、提升预测精度；中小商户缺乏智能体能力，只能依靠人工完成重复性工作，决策依赖经验，试错成本更高，在定价、获客、供应链博弈中持续被动。若该问题长期得不到治理，数字经济红利将集中流向少数具备算力与模型资源的大型主体，破坏市场公平竞争基础，抑制小微市场主体创新活力。

1.2 研究问题与研究重点

本研究核心研究问题：算力资源与模型能力分层如何催生智能体层面的新数字鸿沟，如何影响中小企业、中小商户的市场参与机会，以及应当构建何种普惠智能服务供给模式与公共治理体系，缓解智能体能力不平等带来的市场机会失衡。

研究重点分为三层：
第一，理论层面：梳理数字鸿沟理论演进，界定智能体时代新数字鸿沟的概念、特征、构成维度，区分传统接入鸿沟、使用鸿沟与智能体能力鸿沟的差异，建立 “算力资源 — 模型能力 — 智能体可用度 — 市场参与机会” 的传导分析框架。
第二，机制层面：分析算力供给格局、大模型分层体系、智能体开发成本结构，揭示资源分配差异如何转化为中小商户市场机会不平等，识别鸿沟自我强化的循环机制，评估其对市场竞争、产业结构、就业结构的潜在影响。
第三，对策层面：总结当前普惠 AI 服务实践模式，识别各类供给模式的优势与局限；构建多层次普惠智能体服务供给体系，提出公共治理、市场规制、基础设施建设、生态培育、风险管控一体化对策。

1.3 研究意义

1.3.1 理论意义

现有数字鸿沟研究多聚焦个人用户、城乡居民在网络接入、数字素养层面的差距；近年兴起的智能鸿沟研究，较多关注个人层面 AI 工具使用差距。本研究将研究主体转向企业、中小商户等市场经营主体，将数字不平等从个人信息获取不平等拓展到市场主体生产能力与市场参与机会不平等，把算力、大模型、智能体纳入数字鸿沟分析框架，丰富第三代数字鸿沟（能力鸿沟）理论内涵，为 AI 时代数字包容、数字经济公平竞争研究提供新的分析视角。

1.3.2 现实意义

中小商户与小微企业是吸纳就业、保障市场活力、稳定实体经济的基础。智能体能力的不平等，会持续削弱小微主体市场竞争力，加剧产业集中。本研究识别算力与模型资源分配带来的市场壁垒，探索普惠智能体服务落地路径，为政府制定算力基础设施规划、AI 产业政策、中小微数字化扶持政策提供参考；同时为云服务商、模型厂商、产业平台设计普惠型智能体产品提供实践指引，推动 AI 技术红利普惠覆盖各类市场主体，促进数字经济高质量、包容性发展。

1.4 研究方法与研究框架

1.4.1 研究方法

1. 文献分析法：系统梳理国内外数字鸿沟、智能鸿沟、算力经济学、AI Agent、数字包容相关学术文献、政策文件、行业研究报告，完成理论溯源。

2. 案例分析法：选取电商、餐饮零售、制造业中小配套商户、连锁品牌等不同主体案例，对比头部企业自研智能体、平台提供轻量化 AI 工具、小微商户无智能体能力三种场景下经营绩效差异，分析鸿沟现实表现。

3. 行业数据分析法：整合国内小微经营者调研、中小商户 AI 应用统计、算力产业报告、大模型服务定价数据，量化分析算力成本、模型调用成本对中小商户使用智能体的约束条件。

4. 比较分析法：对比不同普惠 AI 供给模式（公共算力平台、SaaS 化智能体、开源轻量化模型、行业平台封装智能管家）的适用场景、成本结构、治理风险。

1.4.2 研究框架

本文共分为七章。第一章绪论；第二章理论基础与文献综述；第三章智能体时代新数字鸿沟的内涵、表征与形成机制；第四章算力与模型资源分配对市场参与机会的传导效应；第五章普惠式智能服务供给模式现状、类型与瓶颈；第六章弥合智能体新数字鸿沟的公共治理对策；第七章结论、研究局限与未来展望。文末附数据来源、免责声明。

二、理论基础与文献综述

2.1 数字鸿沟理论演进

数字鸿沟理论起源于 “知识沟假说”，随信息通信技术迭代不断拓展内涵，学界普遍将其划分为三个阶段。
第一代数字鸿沟（接入鸿沟）：核心是硬件接入不平等，即是否拥有计算机、智能手机、宽带网络。研究焦点是基础设施覆盖、设备可获得性，衡量指标为互联网普及率、终端保有量。在国内，随着移动互联网普及，城乡宽带、移动网络覆盖持续提升，基础接入鸿沟大幅缓解，但接入质量、带宽稳定性、终端性能差异仍然局部存在。接入鸿沟的底层假设：只要接入网络，主体即可平等获取互联网信息，享受数字化红利。

第二代数字鸿沟（使用鸿沟 / 素养鸿沟）：当网络接入基本普及，研究重心转向使用者数字技能差异。即使同样拥有网络设备，不同群体操作能力、信息检索能力、线上业务运营能力存在差距，导致数字化工具使用深度不同。代表研究区分操作技能、信息技能、战略应用技能。该阶段的政策思路以数字素养培训为主，假设提升技能即可缩小收益差距。

第三代数字鸿沟（能力鸿沟 / 智能鸿沟）：进入大模型与智能体阶段，数字不平等从 “会不会上网” 转向能否调动 AI 算力、模型资源，构建自动化业务智能体，将 AI 能力转化为商业产出。韦路、Van Dijk 等学者提出第三层数字鸿沟，强调使用结果、价值转化层面的不平等，即同等工具接入条件下，不同主体将数字资源转化为经济收益的能力差异。世界互联网大会报告将其定义为智能鸿沟，指出其由算力、算法、数据、人才、组织能力共同决定，相比前两代鸿沟，更隐蔽，具备资本密集特征，容易被 “技术中立” 表象掩盖。

传统两代数字鸿沟研究对象多以个人居民为主；而第三代智能体鸿沟，市场经营主体（企业、商户）成为核心分析对象。对经营主体而言，智能体不再是信息阅读工具，而是生产要素、经营决策系统，算力和模型如同电力、厂房，属于新型生产基础设施。

2.2 算力、大模型与智能体相关研究

算力是 AI 模型训练、推理运行的底层资源。前沿大模型训练需要大规模 GPU 集群，资金投入巨大；即使是推理阶段，高并发、长上下文、多模态智能体持续运行，也会产生稳定算力开销。算力资源天然向头部科技企业集中，形成算力集聚格局。

大模型呈现明显分层：前沿基础大模型能力最强，但训练、推理调用单价高；行业微调模型能力次之；轻量化开源小模型成本低，但复杂任务、多步骤自主执行能力受限。智能体（AI Agent）建立在基础模型之上，通过记忆模块、规划模块、工具调用模块、反馈循环，实现自主拆解目标、调用外部工具、迭代执行业务流程。智能体不是简单对话 AI，而是能够替代大量重复性经营决策与操作的自动化业务系统。

现有国内外研究已经注意到 AI 带来的新不平等。部分海外文献提出生成式 AI 存在学习鸿沟、效用鸿沟，不同主体从 AI 工具中获得的收益并不均等；国内信通院数字包容报告提出，AI 时代数字包容核心从 “能否接入” 转向 “能否应用并受益于 AI”，AI 介入知识生产、资源配置、劳动组织，使不平等从信息层面延伸至生产层面。

但现有研究存在不足：多数文献仍聚焦个人用户，较少专门针对中小商户、小微企业，分析智能体能力差距对市场竞争机会的影响；对算力、模型资源如何转化为市场准入壁垒的传导机制缺少系统拆解；对面向经营主体的普惠智能体供给模式、配套公共治理体系的讨论尚不充分，这也是本研究的创新切入点。

2.3 市场机会不平等理论

市场机会平等，指市场主体拥有平等进入市场、获取生产要素、开展交易、参与竞争的机会，不受要素壁垒、技术壁垒、平台壁垒的不合理限制。传统市场壁垒包含资金壁垒、资质壁垒、渠道壁垒；智能时代新增算力与模型能力壁垒。

要素分配不平等会造成机会不平等。当算力、高质量模型属于稀缺昂贵要素，只有大型企业可以负担，小微商户无法获取，则市场竞争基础条件不再对等。大型企业利用智能体实现自动化运营，降低边际成本，更快迭代产品、响应市场，形成先发优势，并且这种优势会积累：更多业务数据回流模型，持续优化智能体效果，进一步扩大能力差距，形成正反馈循环，固化市场结构，抑制市场竞争活力。

三、智能体时代新数字鸿沟：内涵、表征与形成机制

3.1 新数字鸿沟概念界定

智能体新数字鸿沟：在网络基础接入普遍可得的前提下，不同市场经营主体在算力获取、基础模型调用、智能体搭建、部署运维、业务落地能力上的系统性差距；该差距直接造成主体在市场准入、经营决策、客户服务、供应链运营、营销竞争层面能力分化，最终形成市场参与机会与经营收益的不平等。

该鸿沟的核心判断标准不再是 “有没有网络”，而是是否拥有可用、适配自身业务、成本可承受的业务智能体。

需要区分两个概念：通用 AI 工具与业务智能体。中小商户很多已经使用 AI 绘图、文案生成、简单对话助手，这类属于单点 AI 工具；而业务智能体具备目标拆解、多工具联动、记忆持久化、闭环迭代能力，能够独立完成一整套经营任务，例如自动接单、客户跟进、库存预警、竞品监测、自动生成投放方案并复盘效果。当前绝大多数小微商户仅能使用单点工具，不具备业务智能体能力，这就是鸿沟的现实体现。

3.2 新数字鸿沟多维表征

3.2.1 算力资源获取不平等

算力分为训练算力与推理算力。训练算力用于模型预训练、行业微调，成本极高，中小商户几乎不可能自建；推理算力支撑智能体持续运行、实时调用。算力获取分为自建集群、云租赁、公共算力池三类。头部大型企业自建算力集群，长期成本可控，可保障高并发、低延迟、数据本地存储；中小企业只能按需采购公有云推理算力；小微商户则对算力价格高度敏感，智能体持续运行产生的 token 费用、算力费用构成刚性成本，一旦业务规模波动，算力成本压力会直接抑制使用意愿。算力资源供给的区域差异进一步放大鸿沟，算力中心集中在少数城市，偏远地区商户云算力延迟更高、可选服务商更少。

3.2.2 模型能力分层带来的质量不平等

市场模型形成梯度分层：前沿闭源基础大模型、行业微调模型、开源基础模型、轻量化小模型。模型能力差异直接决定智能体复杂任务执行水平。高能力模型可以处理复杂业务逻辑、多轮长上下文、多模态信息，适合供应链预测、复杂客户纠纷处理、跨平台经营统筹；轻量化小模型成本低，但复杂推理、长任务规划能力弱，搭建的智能体容易出现逻辑断裂、幻觉，难以用于核心经营决策。

模型使用存在许可、数据安全、微调成本约束。闭源大模型 API 调用按 token 计费，业务量大时成本显著抬升；开源模型需要本地部署、调优，需要技术人才，中小商户缺少相关团队。头部企业可以基于自有基础模型，使用自身业务数据做私有化微调，构建高度适配业务场景的专属智能体；中小商户只能使用标准化公共 API，无法基于自有业务数据深度优化，智能体通用性强、行业适配弱，难以进入核心经营流程。

3.2.3 智能体工程化与运维能力不平等

智能体不只是底层模型，还包含提示框架、任务规划引擎、工具插件、向量数据库、记忆模块、安全与权限管控、业务系统对接、持续监控迭代，属于一套复杂工程系统。搭建可用业务智能体，需要 AI 工程师、提示工程师、业务产品、数据运维人员协同。大型企业具备完整技术团队，可自主编排多智能体协作系统；中小企业可外包开发，但定制成本高；绝大多数个体商户没有技术团队，无法将智能体和店铺 ERP、订单系统、客服系统打通，只能使用平台封装好的简化版智能助手，功能边界由平台定义，自主可控性弱。

3.2.4 数据资产与反馈闭环不平等

智能体能力持续提升依赖业务数据。大型企业积累海量交易、客户、供应链数据，数据回流到模型，持续迭代智能体，形成 “智能体运营→产生业务数据→优化模型→更强智能体” 的正向循环。中小商户虽然拥有经营数据，但数据零散、缺少标准化治理，同时缺少技术能力将业务数据接入向量库，无法形成持续迭代闭环。即使购买相同底层模型，缺少业务数据闭环，智能体效果也难以持续提升，进一步拉大差距。

3.2.5 市场机会层面的结果不平等

上述资源差距最终落地为市场机会不平等，具体表现：

1. 获客与营销机会不平等：头部企业智能体自动生成素材、投放、A/B 测试，精准挖掘细分流量；中小商户依赖人工制作内容，投放试错成本高，流量获取效率低。

2. 客户运营机会不平等：智能体 7×24 承接咨询、订单跟进、售后，降低客户流失；小微商户营业时间受限，夜间咨询无法响应，客户流失率更高。

3. 供应链与库存管理机会不平等：智能体预测需求、预警库存，降低滞销与断货风险；中小商户依靠经验订货，库存风险更高。

4. 经营决策机会不平等：智能体实时汇总经营数据、生成经营诊断报告；中小商户缺少自动化分析能力，决策滞后。

5. 交易议价不平等：具备智能体的主体运营成本更低，拥有更大定价空间，在产业链议价环节占据优势。

3.3 新数字鸿沟的形成机制

3.3.1 资本密集型技术的自然集聚机制

大模型与智能体属于资本密集型技术，前期固定投入巨大，具备显著规模效应。投入越大，模型能力越强；使用规模越大，单位推理成本越低。市场自发条件下，资源向资金雄厚大型主体集中，形成天然集聚效应。算力、模型资源不是均等公共品，属于高成本数字生产资料，单纯依靠市场价格机制，小微主体难以负担。

3.3.2 技术人才壁垒的配套约束机制

智能体落地需要复合型人才，兼顾 AI 工程、业务行业知识。中小商户普遍难以高薪招聘 AI 技术人员。即便云厂商提供封装产品，商户依然需要基础能力进行配置、调试、数据接入。人才缺口构成隐性配套壁垒，很多小微商户即便付费购买 API，也无法完成业务落地。

3.3.3 平台生态锁定机制

很多中小商户只能依赖电商、本地生活平台提供的封装式 AI 智能管家。这类智能体服务与平台生态深度绑定，数据存储、功能范围受平台控制。商户跨平台迁移智能体成本极高，形成生态锁定。平台拥有模型、算力资源，决定智能体功能迭代节奏，商户缺少自主选择权。平台出于商业考量，普惠智能体往往只开放营销、客服等非核心功能，供应链、定价等核心决策功能优先向头部连锁商家开放，进一步固化差距。

3.3.4 马太效应与自我强化循环机制

智能体能力差距形成闭环放大：拥有算力与模型→部署业务智能体→运营效率提升、获得更多经营数据→利用数据进一步微调优化模型→智能体能力更强，市场竞争力提升，获得更多业务收入；收入提升后可投入更多资金采购算力、扩充 AI 团队。反之，中小商户缺少智能体，运营效率低，数据零散，收入增长受限，无力投入 AI 基础设施，长期停留在低能力均衡状态。该循环让鸿沟随技术迭代持续扩大，并非一次性静态差距。

3.4 新数字鸿沟的独特特征

1. 隐蔽性：接入层面看起来所有人都可以注册使用 AI 服务，但底层算力、模型深度能力差异隐藏在 API 接口、产品界面之后，商户很难直观感知能力代差，容易被 “人人可用 AI” 的表象掩盖。

2. 内生性：不是外部基础设施缺失，而是市场主体生产要素配置内生差距，嵌入经营业务流程。

3. 生产性：直接影响生产、交易、竞争，而不只是信息获取，直接关联市场收益。

4. 动态迭代性：随模型技术持续升级，能力标准不断抬升，旧的普惠工具快速落后，鸿沟动态演化。

5. 复合风险叠加：除经济不平等之外，附带数据安全、算法黑箱、平台依赖等衍生风险。

四、算力与模型资源分配对市场参与机会的传导效应

4.1 传导链条：资源分配→智能体能力→市场机会

完整传导路径：算力供给格局 + 模型分层→智能体可获得性、成本上限、能力上限→企业经营全链路效率差异→市场准入、获客、供应链、议价机会不平等→产业收益分配不平等。

第一层，资源供给端。算力分为训练算力、推理算力，定价、可用性、延迟、数据隔离条件形成差异化供给；模型分为闭源商用模型、开源模型、行业微调模型，不同模型在推理质量、长任务规划、幻觉控制、许可协议上存在差异。资源供给不是均质产品，存在质量梯度与价格门槛。

第二层，智能体供给转化。资源组合决定智能体的能力边界、部署成本、运维难度。大型企业可以组合高性能算力 + 定制微调模型 + 自研编排引擎，构建全链路业务智能体；中型企业可采购云平台封装智能体，用于部分业务环节；小微商户仅可使用轻量化单点 AI 工具，无法构建闭环业务智能体。

第三层，经营能力分化。智能体嵌入营销、客服、订单、库存、财务等环节，改变边际运营成本。智能体本质是自动化劳动替代，替代大量重复性人力工作，降低单位产出人力成本。具备智能体的主体，经营的固定成本一次性投入，边际成本持续下降；无智能体商户，经营成本随业务量线性增长，人力成本刚性。

第四层，市场机会不平等。成本差异转化为市场竞争优势，体现在获客投放预算、响应速度、库存风险承受能力、新品试错能力。头部主体可以更低成本快速测试新品、挖掘细分市场，抢占增量机会；中小商户试错成本高，不敢参与新赛道竞争，市场选择空间收缩。

第五层，长期产业结构效应。持续的机会不平等，会推动市场份额向少数具备智能体能力的大型企业、平台商家集中，产业集中度上升，小微商户生存空间压缩，市场竞争活力下降。

4.2 成本约束：中小商户智能体落地的经济门槛

根据小微经营者调研，国内 1.9 亿小微经营者中，97.4% 听说过 AI 工具，53.2% 尝试使用 AI，但持续深度使用比例仅 33%，近六成小微经营者因为成本原因放弃 AI 深度应用。这里的成本不只是 API 调用费用，是综合总成本，包含四类：算力推理费用、模型微调成本、系统对接集成成本、运维人力成本。

对于业务智能体，持续运行会产生稳定推理开销。如果需要接入自有业务数据库、向量知识库，还需要向量数据库、存储资源。中小商户营收规模小，对月度固定 AI 支出敏感。当智能体综合成本超过其可承受阈值，即便技术上可用，经济上不可行，也就是技术可接入，但经济不可获得，构成新的要素壁垒。

除直接资金成本，还有隐性交易成本：数据整理、业务流程改造、系统对接、提示词调试、智能体效果监控、幻觉风险管控。这类隐性成本往往被政策和产品设计忽略，是阻碍中小商户落地智能体的重要因素。很多商户尝试通用 AI 工具，但因为无法对接订单系统，只能人工复制粘贴数据，无法形成闭环智能体，只能停留在零散辅助层面。

4.3 差异化风险承受能力带来机会分化

智能体应用存在风险：模型幻觉、智能体错误操作带来订单、报价、库存失误，算法合规、隐私数据泄露风险。大型企业具备风控流程、人工复核机制、风险准备金，可以承受智能体试错；中小商户抗风险能力弱，一次智能体错误就可能造成较大损失，因此不敢把核心经营环节交给智能体，只能用于文案、图片等低风险辅助场景，无法释放智能体最大价值。风险承受能力差异进一步放大机会差距。

4.4 案例对比分析

案例 1：大型连锁零售品牌。自建私有推理算力集群，基于行业微调大模型搭建多智能体系统，覆盖选品预测、智能投放、全渠道客服、库存调度。智能体每日自动分析全国门店销售数据，生成补货建议，自动投放短视频素材，7×24 承接线上咨询，自动复盘投放效果。AI 能力深度嵌入核心决策环节，库存周转效率提升，营销获客单位成本持续下降。

案例 2：中型区域商户。采购云服务商 SaaS 化封装智能体，接入店铺订单系统，使用标准化客服智能体，自动接待客户、查询订单，营销素材自动生成；但供应链预测、定价决策等高风险核心环节，仍然依靠人工，智能体仅承担部分辅助工作，智能体能力局限于标准化场景，无法深度定制。

案例 3：夫妻店小微餐饮商户。仅使用平台免费 AI 文案、图片生成工具，没有业务闭环智能体，订单、库存、客户沟通全部依靠人工。平台提供 “AI 小管家” 轻量化工具，可以查询经营数据、给出简单建议，但不具备自主执行、自动调度的智能体能力。经营决策依靠店主经验，夜间咨询无法自动处理，库存凭经验预估。

三组案例对比清晰展示：同样具备网络接入条件，但算力与模型资源差异，决定智能体能力上限，进而带来市场运营、风险应对、市场拓展机会的显著差距。

4.5 潜在负面经济与社会影响

第一，市场竞争弱化，产业集中度提升。智能体作为新型生产要素，资源优势者持续扩大份额，中小商户退出市场，市场多样性下降，损害消费者长期利益。
第二，收入分配向掌握算力、模型资本的主体倾斜，小微经营主体劳动回报相对下降，扩大数字经济内部收益差距。
第三，区域数字经济发展差距扩大。算力基础设施集中在东部城市，县域、乡镇中小商户获取普惠算力的条件更差，城乡、区域数字经济差距由接入差距转化为 AI 能力差距。
第四，就业结构分化。智能体替代重复性运营岗位，大型企业减少基础运营人力；中小商户缺少智能体，人力负担重，盈利能力承压，新增就业空间收缩。

五、普惠式智能服务供给模式：类型、实践现状与瓶颈

为缓解智能体能力鸿沟，市场与公共部门已经探索多种普惠 AI 供给模式。本部分将模式划分为四类，分别分析运行逻辑、优势、适用主体、内在瓶颈。

5.1 模式一：云厂商 SaaS 封装智能体服务

云厂商、产业平台将底层大模型、算力资源封装为标准化 SaaS 智能体产品，面向中小商户按月订阅。例如本地生活平台推出的 AI 掌柜、电商平台商家智能助手。厂商负责算力运维、模型更新、安全管控；商户无需掌握 AI 技术，简单配置即可使用。

优势：最低使用门槛，不需要自建算力、不需要 AI 团队，按需订阅，前期投入低，开箱即用。适合小微商户单点场景：客服、素材生成、基础经营查询。

瓶颈：功能标准化，定制化能力弱，难以适配细分行业复杂业务流程；高度依赖平台，数据存储于平台，存在数据主权、迁移成本问题；核心经营决策功能受限；长期订阅成本随业务规模上涨；平台拥有产品迭代控制权，商户自主可控程度低。该模式只能解决基础辅助 AI 需求，难以提供全链路业务智能体。

5.2 模式二：公共算力平台 + 开源轻量化模型普惠底座

由地方政府、算力运营商建设公共普惠算力池，提供低价推理算力，配套开源轻量化模型，支持中小企业基于开源模型搭建轻量化智能体。公共算力降低算力租赁单价；开源模型降低模型许可成本，企业可本地部署，保障数据隐私。

优势：降低底层算力与模型许可成本，支持一定程度自主微调，数据可本地部署，减少平台锁定。适合具备少量技术人员的中小企业。

瓶颈：依然需要技术团队完成模型部署、智能体编排、业务系统对接；公共算力资源存在排队、带宽、并发限制；开源轻量化模型能力弱，复杂任务智能体效果不足；政府公共算力可持续运营、资金补贴长期压力大，区域供给不均衡。无法覆盖无技术团队的个体商户。

5.3 模式三：行业联盟共建行业专用普惠智能体

行业协会、产业链龙头企业联合模型厂商，基于行业共性业务流程，开发行业轻量化智能体模板，向行业内中小商户开放。例如餐饮、服装批发、五金加工行业，提炼行业通用任务模板，商户仅填写基础业务参数，快速生成行业智能体。

优势：贴合行业场景，相比通用智能体适配性更强；行业共享开发成本，摊薄研发投入，降低单个商户改造难度；行业协会可配套培训、风险指引。

瓶颈：行业模板只能覆盖共性场景，商户个性化需求难以满足；依赖龙头企业或协会持续投入维护；利益协调难度大，龙头企业可能通过行业智能体进一步巩固产业链支配地位，带来新的锁定风险。

5.4 模式四：公共数字产品模式，开放基础智能体组件库

将智能体基础组件（规划模块、工具调用插件、向量库接口）作为公共数字产品开放，由公共机构维护基础组件，企业基于组件自主组装智能体。属于公共数字基础设施思路。

优势：开放度高，降低基础工程重复开发成本，鼓励生态创新。

瓶颈：技术门槛仍然较高，适合开发者、科技型中小企业；对个体中小商户几乎不直接可用；公共组件的安全、维护、版本迭代需要长期公共资金投入，治理机制复杂。

5.5 当前普惠供给模式的共性瓶颈总结

综合四类模式，当前普惠智能服务供给存在五大共性约束：

1. 分层供给缺口：现有模式两端强、中间弱。面向大型企业的高性能模型算力供给成熟；面向小微商户的轻量化单点工具较多；面向中小企业可负担、可定制、可自主部署的中等能力业务智能体供给不足，这正是鸿沟最集中的区间。

2. 隐性落地成本没有被覆盖：供给大多聚焦算力、模型 API 费用，但业务改造、数据治理、系统对接、调试运维等隐性成本，仍然由商户承担，构成落地障碍。

3. 风险分担机制缺失：智能体幻觉、错误操作的风险责任划分不清。中小商户缺乏风险兜底，不敢在核心业务使用智能体。

4. 平台锁定与数据权益难题：SaaS 模式下商户经营数据存储在平台，跨平台迁移困难，数据资产权益界定模糊。

5. 普惠供给可持续性难题：纯市场模式下普惠产品商业收益低，厂商缺少持续投入动力；纯财政补贴模式长期资金压力大，难以无限扩张，需要市场 + 公共资金混合机制。

总体判断：依靠单一市场化产品，或者单一公共补贴，都不足以弥合智能体新数字鸿沟。需要构建多层级混合供给体系，区分不同市场主体需求，差异化配置公共底座、市场化普惠服务、行业模板、能力培训、风险治理机制。

六、弥合智能体新数字鸿沟的公共治理对策

治理目标不是消除算力与模型能力的所有差距，绝对均等不现实；治理目标是消除不合理的结构性壁垒，保障各类市场主体拥有平等获取基础智能体能力的机会，防止算力、模型资源垄断损害市场公平竞争，构建包容、安全、可持续的普惠 AI 生态，维护数字经济市场机会平等。治理遵循发展与安全并重，市场主导、政府补位，分层供给，多元协同原则。

6.1 建设普惠公共算力基础设施，完善算力资源分配机制

第一，布局区域普惠公共算力节点，面向中小微主体提供优惠推理算力配额。区分训练算力与推理算力，公共算力重点补贴推理算力，支撑轻量化智能体持续运行；训练算力以市场化供给为主，公共资金重点支持行业轻量化模型微调。建立分级定价机制，小微企业、个体商户享受阶梯低价，设置基础免费算力额度，保障基础智能体运行。

第二，推动算力资源标准化、可计量、可跨服务商调度，建设算力交易与调度平台，降低中小商户算力采购的信息成本与交易成本，减少算力服务商锁定。

第三，优化算力区域布局，向县域、乡镇数字经济园区倾斜普惠算力接入节点，缓解区域算力接入质量差距，缩小城乡智能体能力鸿沟。

第四，建立算力资源反垄断监管，防止头部算力服务商利用算力资源实施排他性条款、歧视定价，保障算力要素公平交易。

6.2 培育轻量化开源模型生态，开放行业智能体公共模板库

第一，支持国内开源基础模型、行业轻量化模型研发，公共科研资金支持适合中小商户智能体场景的轻量化模型，降低模型许可成本。建立公共模型评估体系，对开源模型的推理质量、幻觉率、安全风险做标准化测评，为中小商户选型提供客观参考。

第二，由政府联合行业协会、模型厂商，建设行业智能体公共模板库。提炼零售、餐饮、批发、中小制造配套、服务业等行业通用业务流程，开发可配置智能体模板。商户无需编写代码，填入店铺基础信息、对接订单接口，快速生成行业基础业务智能体。模板库作为公共数字产品持续维护更新。

第三，推动模型接口、智能体组件、向量数据库接口标准化，提升不同厂商模型、智能体组件之间互操作性，降低商户跨平台迁移成本，缓解平台生态锁定。

6.3 构建分层普惠智能体供给体系，匹配不同主体需求

按照市场主体规模、技术能力分层供给，避免一刀切：

1. 大型企业：完全市场化供给，自主采购算力、模型，自研或定制智能体，由市场竞争调节。

2. 中小企业：公共普惠算力 + 开源轻量化模型 + 行业智能体模板组合供给，鼓励服务商提供低成本定制集成服务，财政对中小企业智能体改造项目给予数字化转型补贴，补贴重点覆盖系统对接、数据治理、调试等隐性落地成本，而不只是算力费用。

3. 小微商户、个体工商户：以平台封装 SaaS 智能管家为主，引导平台提供基础免费版本，保障基础客服、经营数据分析、素材生成等基础智能体能力；规范平台定价，禁止利用智能体服务实施流量歧视、不合理涨价。

供给体系坚持公共底座托底，市场化产品丰富选择，公共产品解决基础能力，市场产品满足个性化高阶需求。

6.4 完善市场竞争规制，防范算力、模型、智能体领域垄断与歧视行为

算力与模型资源具备规模效应，容易形成集中，需要竞争政策前置干预。
第一，将算力服务、基础大模型 API、平台智能体服务纳入反垄断与公平竞争审查范围。禁止头部平台利用自有智能体能力，对平台内商家实施差异化待遇，不得向头部商家开放高级智能体功能、限制中小商户功能权限，制造平台内机会不平等。
第二，规范数据使用规则，厘清商户经营数据权属。平台 SaaS 智能体服务合同应当明确商户对自有经营数据的所有权、数据导出权，保障商户可完整导出数据，降低迁移成本，遏制数据锁定。
第三，建立算法透明度与智能体风险告知制度。向商户清晰说明智能体能力边界、幻觉风险、适用场景，禁止夸大宣传，引导商户合理划分人工复核与智能体权责，建立人机协同的风控流程。

6.5 建立中小商户 AI 能力培育体系，补齐配套人才短板

算力、模型供给到位，还需要主体具备基础配置、管理、风险识别能力。很多商户的障碍不只是资金，而是不知道如何把智能体嵌入业务。
第一，政府联合行业协会、云服务商，面向中小商户开展普惠培训，培训重点不是大模型底层原理，而是实用内容：智能体适用场景、配置方法、数据整理、幻觉风险识别、人工复核机制、智能体投入产出测算。面向县域商户开展线下数字化培训。
第二，培育第三方 AI 集成服务商生态，专门服务中小商户，承接智能体配置、系统对接、运维外包，形成轻量化外包服务市场，降低商户技术人力门槛。

6.6 建立智能体应用风险治理与风险分担机制

智能体在经营场景使用会带来错误决策、隐私泄露、合规风险，风险顾虑抑制商户使用意愿。
第一，分类划定智能体风险等级。营销素材生成、基础咨询属于低风险场景；自动定价、自动采购、大额订单决策属于高风险场景，强制要求人工复核，不允许智能体独立执行高风险经营动作。
第二，探索多元风险分担机制，鼓励服务商在合同中明确智能体错误造成损失的责任划分；推动普惠 AI 相关商业保险产品，覆盖智能体操作失误带来经营损失，降低小微主体风险敞口。
第三，建立智能体安全评估、合规备案机制，面向面向中小商户使用的行业智能体模板开展安全评估，提前识别幻觉、隐私泄露、合规缺陷，从源头降低风险。

6.7 构建多元协同治理架构

智能体新数字鸿沟治理，不是单一部门职责，需要多元主体协同：政府负责顶层规划、公共算力投入、竞争监管、标准制定；算力与模型企业提供基础设施、开源模型；产业平台提供轻量化 SaaS 智能体；行业协会开发行业模板、组织商户培训；第三方机构开展模型评估、效果监测；商户自身参与能力建设。建立常态化多方对话机制，跟踪普惠智能服务落地情况，动态评估鸿沟演化态势，持续调整政策。

七、结论、研究局限与未来展望

7.1 研究结论

1. 数字鸿沟已经进入智能体能力鸿沟新阶段。传统接入鸿沟、使用鸿沟不能解释当前市场主体的 AI 资源不平等。新数字鸿沟核心是企业、中小商户是否拥有成本可负担、业务可落地的业务智能体能力；算力资源分配、模型能力分层是鸿沟形成底层要素，资源差距转化为市场参与机会不平等。

2. 智能体新数字鸿沟存在自我强化的马太循环，单纯依靠市场自发供给，难以自动弥合，会持续推高产业集中度，压缩小微市场主体竞争空间，损害数字经济包容性。

3. 当前普惠智能服务分为公共算力 + 开源模型、平台 SaaS 智能体、行业模板、公共组件库四类模式，各有适用场景，但普遍存在隐性落地成本高、技术门槛、平台锁定、可持续性不足等瓶颈。单一模式无法覆盖全部市场主体，必须建立分层混合供给体系。

4. 弥合智能体新数字鸿沟，需要 “公共算力底座 + 轻量化开源模型 + 行业智能体公共模板 + 分层市场化普惠服务 + 竞争规制 + 能力培训 + 风险治理” 的综合性公共治理框架。治理目标不是消除所有能力差距，而是破除不合理壁垒，保障市场机会平等，在 AI 创新、产业效率、市场公平之间取得平衡。

7.2 研究局限

本研究以理论机制、案例分析、公开行业调研数据为基础，缺少大规模一手商户面板数据的量化回归分析，对智能体能力差距对商户营收、利润率的量化影响，有待后续大样本实证检验。智能体技术迭代速度快，模型成本、产品形态持续快速变化，普惠供给模式仍处于早期探索阶段，长期实践效果有待持续跟踪。本研究聚焦国内中小商户市场主体，没有深入展开跨国层面算力与模型鸿沟，可作为后续拓展方向。

7.3 未来展望

智能体技术仍处于快速演进阶段，模型轻量化、本地推理、多智能体编排技术持续降低硬件门槛。长期看，随着轻量化模型性能提升、算力成本下降，技术层面的硬壁垒会逐步缓解，但人才、数据、平台生态、市场规则层面的软性壁垒会长期存在。未来数字包容政策重心，需要从硬件基础设施补贴，转向 AI 能力普惠、数据权益保护、算法公平、市场竞争治理。

后续研究可以持续追踪：普惠智能体的投入产出测算、不同行业商户智能体采纳的影响因素、智能体应用带来的产业链分配变化，以及算力与模型市场集中度演变，持续评估新数字鸿沟演化趋势，动态完善治理策略。普惠智能体不是一次性工程，而是伴随 AI 技术迭代长期持续的数字包容建设任务，关系数字经济能否保持市场活力，让各类市场主体平等共享人工智能时代红利。

数据来源

1. 新华网《AI 时代小微经营者观察》2026

2. 世界互联网大会《全球智能鸿沟的演变态势与普惠路径研究》

3. 中国信息通信研究院《数字包容发展研究报告 —— 面向人工智能时代的技术普惠与实践探索（2026）》

4. 中国政府网《人工智能全球治理行动计划》

5. 求是网《弥合数字鸿沟推动数字经济发展》

6. 中新网、新华网关于美团小店 AI、智能掌柜中小商户应用公开报道

7. Van Dijk、Hargittai 等数字鸿沟经典文献；arXiv 生成式 AI 不平等相关学术论文

8. 泷码软件研究院行业访谈与中小商户案例整理资料

免责声明

本报告由泷码软件（上海）有限公司、泷码软件研究院、泷码互联网经济网研究部独立研究撰写，报告内容仅用于学术研究、行业研讨参考，不构成任何商业投资、经营决策、政策落地实施的直接依据。报告中引用的第三方公开数据、文献资料来源均已标注，本机构不对第三方原始数据的真实性、完整性承担保证责任。

报告观点属于研究团队学术分析结论，不代表任何政府部门、平台企业立场。智能体、大模型行业技术迭代迅速，报告中对产业现状、成本、市场格局的判断仅反映报告完成时点的认知，后续技术、市场、政策发生变化时，相关结论需要重新评估。任何主体依据本报告内容开展商业、投资、法律相关行为产生的一切风险与损失，由该主体自行承担，本机构不承担相关法律责任。未经书面许可，不得对本报告内容进行篡改、断章取义传播；引用请完整标注出处。