作者：黄乃静（中央财经大学经济学院教授），洪永淼（中国科学院大学经济与管理学院院长）

　　党的二十届四中全会指出，“‘十五五’时期是基本实现社会主义现代化夯实基础、全面发力的关键时期，在基本实现社会主义现代化进程中具有承前启后的重要地位。‘十五五’时期我国发展环境面临深刻复杂变化，我国发展处于战略机遇和风险挑战并存、不确定难预料因素增多的时期。”坚持统筹发展和安全是“十五五”时期经济社会发展必须遵循的原则之一。宏观经济预警体系，就是通过对宏观经济运行的潜在风险与变化趋势进行监测预测，以有效防范化解风险的重要手段。这一体系不仅包括制度设计，还涵盖数据采集、模型构建、政策决策等多个方面的技术体系建设。在数智时代，人工智能能够显著提升宏观预警体系的智能化水平，使其更及时捕捉经济运行信号，提升政策制定的前瞻性、可靠性和科学性，防范重大波动和风险，夯实经济安全底座，助力经济高质量发展。

　　人工智能对宏观经济预警的赋能作用

　　新时代以来，以习近平同志为核心的党中央高度重视人工智能的发展和应用。在政策推动、技术突破和产业应用的共同作用下，我国信息基础设施不断完善，5G基站数量居世界首位，算力网络持续扩展，为人工智能应用奠定了坚实基础。我国在深度学习、大模型等技术领域持续取得突破，在文本理解、多模态处理等方面达到国际领先水平，已初步形成覆盖数据采集、算法研发、平台建设和场景应用的产业生态。以DeepSeek为代表的开源大模型快速崛起，进一步提升了我国在人工智能领域的国际影响力。

　　人工智能技术的发展与应用，为我国的宏观经济预警体系建设提供了新的机遇。在我国超大规模市场中，海量经济社会大数据不断积累，为人工智能模型的训练与开发提供了得天独厚的条件。随着经济社会活动数字化水平不断提高，各类结构化与非结构化大数据持续产生，这些来源广泛、类型多样的大数据在数据空间中映射出人类经济社会活动完整的动态图景。同时，生成式大模型在处理多模态信息方面的强大能力，反过来极大拓展了经济社会数据的应用边界。例如，通过分析卫星图像中的夜间灯光亮度变化，可以构建反映地区经济活跃度的新指标；从企业年报、季报或新闻报道中提炼出的文本特征变量，为研判企业经营预期和经济走势提供了新的信息维度。这些由人工智能生成和挖掘的高频、多维数据，正成为宏观经济数据库不可或缺的重要组成部分。研究表明，基于文本、图像等的非结构化数据，对预测经济增长等宏观经济指标的形成往往具有额外的增量信息。可以说，海量大数据的可得性与大模型的广泛应用，极大丰富了宏观经济预警体系可利用的数据资源。

　　人工智能也深刻推动了宏观经济预测方法的变革。在当前国内外各种不确定性因素不断增多的背景下，宏观经济预测面临的挑战越来越大。而大模型技术能够对来自不同领域、不同类型的海量数据进行综合集成，系统高效捕捉重要经济变量及其逻辑关系，实现对宏观经济更为精准、可靠的预测。与传统宏观经济预测不同，将海量微观数据信息与大模型技术相结合能够充分利用微观个体间的异质性、联动性和交互效应等信息，显著提升经济预测的精度。可以说，正是大模型时代的到来，使得基于海量微观动态数据进行预测成为可能。

　　随着大模型推理能力的提升，人工智能技术通过设计合理的提示语和上下文信息，可以直接生成对未来经济走势的判断结果。研究表明，经过大规模数据预训练的大模型，目前已具备零样本预测能力，在周度和月度时间序列预测中的表现优于传统统计和机器学习方法。当前，有研究者正在探索将数值型时间序列转化为“语言形式”，借助大模型的语言理解与知识推理能力识别趋势性、季节性与周期性特征。这种语义生成式的预测范式突破了传统预测模型在变量选择和模型设定方面的约束，正在推动宏观经济分析从单一的“数据驱动”迈向“数据驱动”与“智能推理”相结合的新范式，从而为宏观经济预警体系创新提供了新的技术路径与方法支撑。

　　随着算力基础的持续增强和人工智能技术的进一步升级，我国的宏观经济预警体系正在加速迈向更加系统集成、智能协同的新阶段，基于大模型的智能体系统将成为宏观风险预警与防控的重要发展方向。智能体不仅是算法模型的集合，更能够在现实动态环境中实现自主感知、学习和反馈。相比单一的预测模型，智能体更强调多模型协同与自主优化，可以在宏观经济监测与预警中实现从信息获取到模型构建、再到决策辅助的全流程闭环。它既可以利用大模型生成和处理的新型数据不断拓展宏观监测的信息来源，又能够在多任务环境下自主调用各类相关数据和预测模型开展分析，综合政策、市场、产业等多维信息，生成研判意见，辅助决策部门提前识别风险、制定应对方案。随着运行数据和交互经验的积累，智能体还可以通过持续学习不断优化预测模型，进一步提升宏观预警的及时性、准确性和可靠性。

　　构建“人工智能+宏观预警”体系的路径

　　推动“人工智能+宏观预警”体系构建，是在新一轮科技革命和产业变革背景下统筹发展与安全的必然选择。它不仅是技术创新的重要体现，更是国家治理能力现代化的重要抓手。我们必须牢牢把握人工智能发展的历史机遇，依托大数据和大模型技术，加快构建覆盖全局的宏观预警体系，有效防范和化解重大经济金融风险，夯实高质量发展的安全基础，为全面推进中国式现代化提供有力支撑。

　　在构建“人工智能+宏观预警”体系过程中，不可避免面临诸多挑战。宏观经济预警体系涉及经济、金融、产业等多领域数据，关联重大政策决策，对信息的时效性、模型的准确性和结果的可解释性都有着极高的要求。必须看到，当前的数据质量与标准化仍存在一些突出问题。第一，不同部门、行业和地区之间的数据壁垒尚未打通，数据孤岛现象依然突出；第二，大模型训练高度依赖高质量的数据标注，在宏观预警或其他高专业性领域（如医疗领域），对标注人员的知识背景和理解能力要求更高，专业化标注能力不足会影响数据质量；第三，部分领域的数据在不同程度上存在噪声、失真甚至操纵等问题；第四，人工智能模型的“黑箱”特征也使其可解释性成为重要挑战。可解释性对于经济政策制定尤为重要，因为政策决策不仅需要准确的预测，更需要理解背后的因果关系和影响路径，以确保政策工具的针对性和有效性。大模型虽然在预测精度上具有优势，但模型参数众多，缺乏透明的因果链条，在揭示经济作用机制方面还存在诸多局限。

　　面对上述问题，必须从制度、技术与治理层面协同发力，统筹推进“人工智能+宏观预警”体系的建设。一是完善制度体系，夯实宏观经济预警的制度基础。完善宏观数据治理的顶层设计，健全统一规范、权责明晰的数据制度体系，打破部门、行业、地区之间的数据壁垒，破解数据孤岛问题。健全人工智能治理与伦理监管制度，加强数据安全与隐私保护，防范算法歧视、技术滥用等风险，从制度层面保障“人工智能+宏观预警”体系的数据质量。二是加快算力体系建设，夯实人工智能发展的底座。重点推进高性能计算中心和智能算力网络建设，提升算力调度效率与绿色化水平，强化算力对数据挖掘和模型训练的支撑，为智能化宏观预警体系提供坚实保障。三是大力推进政产学研协同创新，形成政府引导、科研支撑、企业参与的多层协作格局，加强制度供给与政策协调，推动模型算法与方法创新，依托数据积累、技术开发和场景应用优势，推动科研成果落地转化。