2026全球OPC发展研究报告

政策、产业、社区全球OPC发展研究报告GlobalOPCDevelopmentResearchReport上海市大数据社会应用研究会2026

年

4

月课题团队首席专家吴力波

上海市大数据社会应用研究会会长，复旦大学校长助理、经济学院教授，上海创智学院副院长，上海科学智能研究院理事长。高奇琦

上海市大数据社会应用研究会副会长、秘书长，复旦大学国际关系与公共事务学院教授，国家新一代人工智能治理委员会委员。课题策划与统筹李

阳

上海市大数据社会应用研究会副秘书长，博士。严

江

上海市大数据社会应用研究会副秘书长。课题组核心成员金

华

上海市大数据社会应用研究会特约研究员，博士。陈志豪

上海市大数据社会应用研究会特约研究员，博士。黄逸祺

上海市大数据社会应用研究会特约研究员。李

阳

上海市大数据社会应用研究会副秘书长，博士。严

江

上海市大数据社会应用研究会副秘书长。2摘

要OPC是一种由具备

AI应用开发与整合能力的人才或微型团队创办，以大模型为基础，利用

AI

编程、智能体等核心工具，在研发、生产、运营全流程实现效率超线性放大的新型创业实体。其核心特征在于“单人成军

”，即“超级个体”在

AI协同下即可完成从产品设计到市场投放的全链路闭环。报告围绕“全球视野—中国坐标—未来方位

”的逻辑脉络展开，旨在实现三重价值：第一，理论价值，从全球视野出发厘清

OPC

的概念演进、组织特征与商业逻辑，回应“OPC

究竟是什么、为何重要、将走向何方

”这一根本问题；第二，政策价值，构建首个系统化的“

中国城市

OPC

发展指数”，从政策端、产业端、社区端三个维度对

GDP

百强城市进行量化测度，为各级政府优化顶层设计、精准施策提供参照工具；第三，实践价值，帮助

OPC

创业者、投资人、服务机构识别最具友好度与承载力的城市，推动人才、资本、场景、算力在全国范围内的高效匹配。全球层面，报告梳理了全球

OPC

的发展格局，重点分析美国、英国与新加坡三个典型样本，并与中国现状进行横向比较，最终提出面向开发者、投资人与政策制定者的差异化建议。美国依托单一成员有限责任公司等公司结构，结合OpenAI、Anthropic等

AI平台提供的标准化

API，形成了法律灵活性与技术杠杆驱动的市场创新模式；英国在《公司法案

2006》框架下以私人有限公司为载体，通过《人工智能机遇行动计划》推动国家级算力基础设施建设，并结合市场资本支持，形成了政府与市场共同推动

AI

创新的生态体系；新加坡则以豁免私人公司制度为基础，依托《国家人工智能战略2.0》与

Startup

SG体系，构建了政府支持与市场风险投资相结合的创新支持生态，促进

AI

创业与技术发展。相比之下，中国在注册便利度与政策入口方面已有显著进展，但在国家级

OPC

专项战略、跨部门政策协同、配套金融服务整合以及全球生态连接能力上仍存在差距，整体处于从“制度入口开放

”向“生态规模化

”过渡的关键阶段。国内层面，报告构建了由政策端、产业端、社区端

3个维度、10个二级指标组成的“中国城市

OPC发展指数”，对国内

GDP

百强城市的OPC发展状况进行测度。结果显示，第一梯队为头部引领型，包括上海、深圳、南京、苏州、北京3等10

个城市；第二梯队为快速跟进型，包括无锡、济南、重庆、西安、温州等18个城市；第三梯队为稳步培育型，包括宁波、福州、东莞、廊坊等

32个城市；第四梯队为起步探索型，包括兰州、昆明、赣州、邯郸等

40

个城市。百强城市OPC

发展呈现显著的金字塔结构，第一梯队与第四梯队差距较大。TOP10

城市在政策、产业、载体三个维度均表现均衡。政策维度上，百强城市中有

37个城市出台了实质性

OPC政策。规划嵌入度均分仅

1.08分，成为突出短板；工具完备性相对最强但高度同质化，89%的城市依赖算力补贴，仅

22%建立了真正的场景开放机制。区域格局上，长三角形成“系统构建型

”模式，以上海为核心实现全维度均衡发展；珠三角呈现“市场响应型

”特征，市场活力充分但缺乏战略支撑；京津冀呈现“

中心驱动型

”，规划嵌入度存在明显缺失；中西部为“追赶突破型

”，内容质量突出但工具体系尚不完善。产业维度上，研究识别出99,038家类

OPC企业，呈现典型的三层金字塔结构：76.3%集中于基础服务层，18.6%构成科技商务层，约

5%为高登记复杂度企业组。城市间呈现两种分化模式：广州、东莞等传统商贸城市形成“产业协同型

”生态，产业协同匹配度高达

81.4%；深圳、北京等数字经济城市形成“平台赋能型

”生态，依托腾讯、华为等平台企业构建创新网络。OPC企业构成区域经济的“毛细血管网络

”，与大企业主干网络形成共生关系。社区维度上，百强城市

OPC社区建设尚未进入普遍化阶段，仅

42座城市拥有社区实体，空间资源高度集中于少数先发城市。龙头科技企业的参与是社区端分化的关键变量：有大厂

OPC

的城市平均工位数是无大厂城市的

13.4倍，平均综合得分是后者的

4.4倍。上海、

深圳采取“大单体、深嵌入

”集约路径，苏州、南京选择“多节点、广覆盖

”网络路径，南京“训创一体+订单牵引

”模式则代表了以能力而非空间为核心竞争力的创新方向。未来趋势与建议方面，报告判断，首家“一人独角兽

”有望在

2026—2028年出现；OPC将从单点创业走向网络协作；主流形态将是“

1+小

N+AI

”精益微团队；产业将向硬科技、智能制造等重赛道渗透；OPC

与大企业走向共生互补；城市竞争从“发政策+挂牌子

”转向“硬支撑+软生态

”。报告建议，头部城市应从“政策先行

”转向“生态引领

”，打造国际化

OPC城市品牌；腰部城市应错位竞争、聚焦本地特色产业；中西部城市以低成本生活与特色场景破局；县域和乡村4则可探索乡村

OPC

与乡村振兴的深度结合。制度层面，应制定专项行动计划，从补贴竞争转向“场景+数据+监管

”组合工具箱，构建适配

OPC特征的专属信用与法律合规服务体系，强化“大厂+OPC

”协同生态建设。OPC

的兴起是一个

AI

时代关于“个体

”与“组织

”关系重构的时代命题。报告希望以扎实的数据与严谨的分析，为这场正在发生的深刻变革留下一份有据可查的观察与记录，并为所有正在关注、投身或服务于

OPC

生态的城市、机构与个体，提供一份有价值的参照与指引。5目

录前言

7第一章全球

OPC

发展状况及其经验启示

12第二章“

中国城市

OPC

发展指数

”的构建与测度26第三章政策维度分析

38第四章产业维度分析

48第五章社区维度分析

65未来展望与发展建议

80附录886前

言人类历史上，每一次生产力的重大跃迁，都伴随着组织形态的深刻重构。蒸汽机催生了工厂制度，电气化推动了大企业的规模扩张，互联网造就了平台经济的崛起。而今，人工智能正在开启又一轮历史性变革——它所重塑的，不仅是生产工具，更是企业的最小有效规模与创新的基本单元。一、报告背景当人类社会跨入

2026年，以大语言模型、AI

智能体、多模态生成为核心的人工智能技术已经进入规模化部署的黄金窗口。技术红利不仅改变了巨型企业的生产函数，更深刻地重塑了商业组织的最小有效单元。在此背景下，一种被称为OPC（OnePersonCompany

，一人公司）的新型创业形态正在全球范围内加速涌现：一位核心创始人，搭配一套

AI

智能体集群和极少量辅助人员，就能够完成过去需要几十人甚至上百人团队才能驱动的全链路业务闭环。Anthropic首席执行官

Dario

Amodei在

2025年表示，首个由一人创立且市值达十亿美元的公司最早可能在

2026年诞生。Carta数据显示，2025年上半年，由单一创始人创办的美国初创企业占比已升至36.3%

，而2019年这一数字仅为

23.7%。全球范围内，印度早在

2013

年《公司法》中就专门增设

OPC

条款，英国、新加坡、阿联酋等经济体也相继在公司法、税法层面为

OPC

提供便利。这些信号叠加在一起，构成了OPC从“生活方式型小生意

”向“亿元级独立公司

”跃迁的现实背景。对中国而言，这一议题具有特殊的战略意义。中国拥有全球最完整的产业链、最庞大的开发者基数与全球第二大

AI风险投资市场，同时具备良好的OPC制度基础和政策势能。一方面，新修订的《中华人民共和国公司法》

自

2024

年

7

月

1

日起实施，取消了“一个自然人只能投资设立一家一人有限责任公司

”的限制，并给予五年认缴实缴缓冲期；另一方面，针对小微企业与个体工商户的普惠性税费减免政策已延期执行至

2027年

12

月

31日，为

OPC提供了低税率护城河。在法律与财税双重松绑之下，OPC在中国呈现爆发式增长。中关村人才协会《中国OPC

发展趋势报告（2025—2030

年）》显示，截至

2025

年

6

月，全国一人有限7责任公司已突破1600

万家，2025

年上半年全国新注册

OPC

达

286

万户，同比激增

47%

，

占全部新注册企业的

23.8%。自

2025年

11月江苏省在首届人工智能

OPC大会上系统性提出OPC创业范式以来，上海、北京、深圳、苏州、杭州、扬州、无锡、青岛、福州等城市密集出台专项政策或将其纳入“十五五

”规划。OPC

由此正式从一个边缘概念，跃升为城市产业政策、人才政策、营商环境改革的新赛道。然而，与国际先行者相比，中国

OPC

发展仍面临政策碎片化、生态系统性不足、跨部门协同缺位以及全球生态连接能力薄弱等结构性制约。如何将政策势能转化为生态动能，如何在“十五五

”的关键窗口期实现从“制度入口开放

”到“生态规模化

”的跨越，是摆在政府、产业与研究者面前的共同课题。二、报告意义在“百模大战”“All-in

AI

”的宏大叙事背后，真正决定人工智能能否转化为可持续经济增长的，是微观主体层面的组织创新。OPC

正是这场组织创新中最具颠覆性的样本：它把过去只有大企业才能拥有的职能分工、人才杠杆、全球化通路，压缩到“一个人+一台电脑+一组智能体

”的最小单元之中，极大降低了创新创业的门槛和试错成本，让科研人员、独立开发者、数字游民、跨境运营者、内容创作者都能以接近零的边际成本参与到全球价值链的分工当中。对于政府、园区、投资机构、金融机构和高校而言，谁能率先理解

OPC、服务

OPC、布局

OPC

，谁就有可能在下一轮产业竞争中占据先发优势。然而，当前

OPC领域仍然存在认知模糊、标准不一、评价缺位等突出问题。各城市政策层级差异显著——有的已纳入五年规划，有的仅停留在园区试点；各地对

OPC

的界定口径不尽相同——有的强调法律意义上的单一股东，有的强调“单人+AI

”的业务闭环；产业匹配、空间载体、要素供给、大厂协同等核心指标，也缺乏可横向比较的指数化刻画。如果任由这种“概念热、标准乱

”的局面延续，既不利于中央和地方科学制定政策，也不利于

OPC

创业者理性选择落脚城市，更不利于形成开放、规范、可持续的全国性

OPC发展生态。基于以上判断，我们成立课题组，组织编制这份《政策、产业、社区：全球OPC发展研究报告》，力图实现三重价值：第一，理论价值，从全球视野出发厘8清

OPC

的概念演进、组织特征与商业逻辑，回应“OPC

究竟是什么、为何重要、将走向何方

”这一根本问题；第二，政策价值，构建首个系统化的“中国城市

OPC发展指数”，从政策端、产业端、社区端三个维度对

GDP

百强城市进行测度，为各级政府优化顶层设计、精准施策提供参照工具和标尺；第三，实践价值，帮助OPC创业者、投资人、服务机构识别最具友好度与承载力的城市，推动人才、资本、场景、算力在全国范围内的高效匹配。三、

OPC

的内涵界定追溯源头，OPC最初是一个纯粹的法律概念。在公司法框架下，一人有限责任公司是指只有一个自然人股东或法人股东的有限责任公司。《中华人民共和国公司法》早已允许设立一人有限责任公司；印度

2013年《公司法》专门增设

OPC条款，赋予其永久存续性与有限责任；英国、美国、新加坡、阿联酋等经济体也普遍建立了单一股东公司制度。在这一经典含义下，OPC

强调的仅仅是股权结构上的“单一性”，与其业务形态、技术能力、组织文化并无必然关联。进入

2025

年之后，随着生成式人工智能、智能体编排、

自动代码工具的成熟，OPC

的内涵发生了根本性质变。它不再仅指法律上的股东结构，而是演化为一种

AI

时代全新的商业组织形态和创业范式。结合多地政策定义与产业界共识，本报告将

OPC

界定为：由具备

AI

应用开发与整合能力的人才或微型团队创办，以大模型为基础，利用

AI

编程、智能体等核心工具，在研发、生产、运营全流程实现效率超线性放大的新型创业实体。这一模式的核心特征在于“一人即公司

”，即个人在

AI

协同下即可完成从产品设计到市场投放的全链路闭环，实现“单人成军

”的新型商业组织形态。这一界定强调五大核心特征：一是主体轻量性，组织以“

1+小

N+AI

”为典型结构，固定资产投入少、启动资金门槛低，全球超九成

OPC

的启动资金不足500美元；二是效率突增性，创业者的角色从“执行人

”转变为“指挥官”，借助AI

智能体集群指挥“数字员工军团”，实现指数级的效率增长；三是场景驱动性，

OPC普遍聚焦特定行业、特定环节的细分长尾需求，以“小切口、深耕耘

”的方式切入被传统企业忽视的价值缝隙；四是能力复合性，OPC创始人必须同时具备战略判断力、AI编排力与质量把控力，是既懂行业又懂

AI

的复合型人才；五是9生态依附性，OPC

高度依赖产业场景、算力平台、模型

API、数据要素以及同行之间的协作网络，呈现“小精且协同

”的生态特征。需要特别指出的是，OPC既不等同于传统意义上的个体工商户或个人独资企业，也不等同于数字游民或自由职业者。传统自由职业者是“人→工具→产出

”的线性模式，OPC

则是“人→AI

智能体团队→规模化产出

”的放大模式；数字游民更多强调工作空间的自由，而

OPC更强调组织形态和价值创造方式的重塑。可以说，OPC

是

AI

时代对“公司

”这一现代商业基本单元的一次深度再定义。四、报告主要内容全报告围绕“全球视野—中国坐标—未来方位

”的逻辑脉络展开。第一章聚焦全球

OPC

发展状况，以美国、英国、新加坡为典型样本，系统梳理各国在法律框架、资本支持、政策生态与监管模式上的最新实践，并通过国内外横向比较，提炼可供中国借鉴的关键启示。第二章构建“中国城市

OPC

发展指数

”，以

2025年度

GDP

百强城市为全样本，从政策端、产业端、社区端三个维度对城市

OPC

生态进行综合测度，呈现中国城市

OPC发展的总体格局与结构特征。第三章深入政策维度，对百强城市

OPC

政策体系进行系统测度，解析政策位阶、工具完备性、

规划嵌入度与内容质量四个核心维度的分布规律与区域分化特征，识别当前政策供给的结构性短板。第四章转向产业维度，基于约

23

万条工商注册数据，剖析类

OPC企业在规模、结构与行业分布上的特征，提出“毛细血管网络

”分析视角，揭示

OPC

企业在区域经济微循环系统中的功能定位。第五章聚焦社区维度，系统考察

OPC

社区的空间分布格局、龙头引领效应与城市群分化特征，并通过对上海、南京、深圳、杭州、扬州、福州六个城市典型社区案例的横向比较，归纳中国OPC

社区发展的模式类型与演进规律。最后，报告面向未来提出趋势研判，并针对头部城市、腰部城市、中西部城市与县域乡村提出差异化发展建议，希望为政府部门、产业主体与研究机构提供兼具理论深度与实践价值的决策参考。本报告来源于三个皮匠报告站（）,由用户Id:1181721下载,文档Id:1244730,下载日期:2026-05-2210国际篇11第一章

全球OPC

发展状况及其经验启示全球范围内的

OPC

正从一种生活化形式的小生意，演化为可承载亿级营收乃至独角兽估值的新兴企业组织形态。Anthropic

首席执行官Dario

Amodei

在

2025年表示，首个由一人创立且市值达十亿美元的公司最早可能在

2026年诞生，并对这一结果给出了

70%至

80%的把握度；OpenAI

首席执行官

SamAltman

也参与了科技高管之间关于这一里程碑预期时间的非正式讨论；Y

Combinator现任CEO

Garry

Tan则表示在

2025年冬季项目组中，约有

25%的项目中95%的代码都是由语言模型生成的。这意味着创始人不再需要庞大的工程团队，融资也无需那么多，资本可以走得更远。全球

OPC

发展格局呈现出一条差异化的道路，不同国家通过政策工具塑造创新的边界

。美国通过《赢得竞争：美国人工智能行动计划》（Winning

theRace:America’sAIActionPlan）推动灵活监管与基础设施扩张，推动算力、数据中心和政府采购体系开放，从而降低个体开发者进入门槛并强化创新环境。英国则通过《人工智能机遇行动计划》（AIOpportunities

ActionPlan）提出建设国家级算力、数据资源与产业协同机制，以公共资源支撑从个体到规模化企业的成长路径。欧盟以《人工智能法案》（AI

Act）为核心实施风险分级监管，对高风险系统施加严格合规要求，在强化数据与市场秩序保护的同时提高初创企业制度成本。新加坡通过

StartupSG

与《国家人工智能战略

2.0》（National

AIStrategy2.0）构建政府共投资本、算力支持与全球化创业网络，使单人公司能够纳入国家主导的创新体系并快速扩展。印度则结合《公司法

2013》（Companies

Act2013）中

OPC法律结构与

AI

治理指南，强调低成本创业与普惠

AI发展，通过数字公共基础设施降低个体进入门槛。总体而言，美国与英国侧重创新驱动与资源供给，欧盟强调规则与风险控制，而新加坡与印度代表国家平台赋能路径，共同推动人工智能时代下

OPC成为全球创业的关键组织形态。这些信号叠加在一起，构成了

OPC

在全球范围内迅速崛起的现实背景。国际篇聚焦三大典型样本——美国、英国、东南亚（以新加坡为代表）——系统梳理它们对

OPC

在法律框架、监管保护、资本支持与生态建设四个维度上的最新实践，并提取可供开发者、投资人、中国政策制定者借鉴的关键启示。12一、典型国家

OPC

制度框架与AI

创业生态（一）美国：

成熟的公司法体系与AI

驱动的开放创业生态美国并未通过专门立法构建

OPC

制度，而是依托成熟的公司法体系，特别是单一成员有限责任公司（Single-memberLLC）、独资企业（SoleProprietorship）以及特拉华州

C类公司（Delaware

C-Corporation），为创业者提供了灵活的法律结构。这些公司结构通过提供不同的法律和财务功能，满足了不同创业需求的多样化选择，而非通过单一的法定形式进行规范。在生成式人工智能和AI

编程工具迅速发展的背景下，这些技术使得个人能够利用AI

独立开发和运营业务，形成了“个人+AI系统”

的创业模式，这一模式不仅在法律上具备合法性，也在经济上具备可扩展性。这一变化标志着企业组织形式从依赖大量人力资源的传统模式，转向更加依赖技术工具和自动化的商业模式。从法律结构看，单一成员有限责任公司已成为一人创业的核心载体。该结构通过有限责任机制实现企业与个人资产的严格隔离，使创业失败的风险被限制在公司层面，从而降低个体进入高风险行业的制度门槛。同时，单一成员有限责任公司允许采用“税收穿透

”，即企业利润不在公司层面征税，而是直接计入个人所得，从而避免双重征税。这一税制安排显著降低了早期创业的现金流压力，使小规模企业能够将更多资源投入产品开发与市场验证。相比之下，独资企业虽然在注册成本与管理上更为简单，但由于缺乏责任隔离，在涉及数据合规、知识产权或算法责任的AI

业务中可能面临个人资产被追索的风险。因此，从制度选择角度看，单一成员有限责任公司在

AI

创业中的普及不仅是法律便利性的结果，更是风险结构变化的理性回应。在人工智能时代下的创业环境中，这一法律结构的功能被进一步强化。AI企业通常具有高知识产权密度与复杂合规要求，因此越来越多的创业者采用“母公司

C类公司+子公司有限责任公司

”的结构，将知识产权与股权安排集中于母公司，同时将日常运营与潜在法律风险隔离于子公司之中。这种结构既满足风险投资机构对标准化股权结构的要求，又保留了单一成员有限责任公司在税收与运营上的灵活性。虽然该结构并非

AI

时代独有，但其在

AI初创企业中的应用频率显著提高，反映出技术不确定性对公司治理结构的反向塑造作用。13从创业实践角度看，AI技术正在改变企业的最优规模与生产函数。根据

Carta创始人所有权报告（Carta

FounderOwnership

Report），单一创始人公司的比例已

从

2017

年的约17%上升至

2024

年的约

35%。这一变化并非简单的创业偏好转

移，而是生产力工具变革的直接结果。生成式

AI

、自动化开发工具以及

AI代理

系统，使单个创始人能够完成过去需要一个工程团队才能实现的任务，包括代码

开发、测试、部署甚至部分运营功能。因此，企业的“最小有效规模

”正在从团

队单位转向个体单位。这一趋势也在一定程度上削弱了传统规模经济的优势，使

创新更加依赖技术杠杆而非人力扩张。与此同时，大型科技公司在这一生态中逐渐转变为基础设施提供者

。

Microsoft

、Google

、Amazon

Web

Services

与

NVIDIA

提供算力、云平台与硬件支持，而

OpenAI

与

Anthropic

通过

API

形式提供高层模型能力。这种“分层供给结构

”使

AI

能力被标准化为可调用的服务，从而显著降低了技术进入门槛。

对于一人公司而言，这意味着无需自建模型或基础设施，即可利用全球最先进的

AI能力构建产品。这一趋势实际上重塑了创新的边界，使个体开发者能够直接

参与全球技术竞争。风险投资体系亦在这一过程中发生结构性调整。传统上，风险投资机构偏好特拉华州C类公司结构，因为其股权制度标准化程度高，便于融资与退出。然而，在

AI

时代，由于创业初期所需资本显著下降，部分项目选择以单一成员有限责任公司形式启动，在实现产品市场匹配后再转为C类公司进行融资。这种“先盈利、后融资

”的路径正在逐渐出现，反映出资本配置逻辑从“前期投入

”向“后期放大”的转变。同时，投资人也开始重新评估创业团队规模，将“单人

+AI系统

”的效率纳入决策考量。孵化器与创业基础设施体系正在发生结构性重构。一方面，传统加速器如

YCombinator

仍然倾向于要求创业公司采用特拉华州C

类公司结构，以确保股权

安排标准化并便于后续融资与退出，这一要求已成为风险投资主导型创业路径的

制度惯例。另一方面，新一代“创业即服务

”平台正在兴起，例如

Stripe

Atlas

与

Firstbase等，将公司注册、银行账户开设与税务合规流程高度自动化，使全球创

业者可以远程设立美国有限责任公司并接入金融与支付体系。这种制度性基础设施的数字化显著降低了创业的行政成本与进入门槛，使一人公司能够跨越地域限14制进行全球化运营。实践中，非美国居民亦可通过上述平台设立公司并接入

Stripe与

AmazonWeb

Services等关键基础设施，从而实现产品开发与商业化闭环。在国家政策层面，美国政府也通过系统性

AI

战略进一步强化这一生态。2025年发布的《赢得竞争：美国人工智能行动计划》（WinningtheRace:America’sAIAction

Plan）提出超过

90

项政策行动，围绕创新加速、基础设施建设与国际竞争展开，其核心在于降低监管摩擦并扩大算力与数据资源供给。政策明确要求联邦机构识别并削减限制

AI创新的监管障碍，同时推动数据中心建设与算力投资，从而将

AI

能力转化为可广泛获取的基础设施。这种“灵活监管+强供给

”的政策组合在客观上降低了创业门槛，使个体创业者能够在无需大规模资本的情况下进入

AI产业。在实际案例层面，AI时代的一人公司已经呈现出可验证的商业路径。较具代表性的案例是

Pieter

Levels，其以个人开发者身份创建了多个基于互联网与自动化工具的产品（如

NomadList

、Remote

OK等），并通过订阅与平台收费模式实现持续盈利。据公开访谈与其个人披露，其产品组合年收入已达到百万美元级别，并长期维持极小团队甚至单人运营。虽然这些项目并非完全基于最新一代大模型，但其发展路径在

AI工具普及后被进一步放大，成为“单人+

自动化系统

”商业模式的重要先例。总体而言，美国

OPC

的发展并非依赖单一制度创新，而是法律、资本与技术平台协同作用的结果。有限责任制度、税收灵活性、知识产权保护以及成熟的判例法体系（尤其是特拉华州法院）共同构成制度基础，而

AI平台则提供生产力杠杆。在人工智能时代，这一组合使企业的最小有效规模从“

团队

”转向“个人+AI

系统

”，并可能在未来重塑企业组织与创新模式的基本结构。15图

1美国新成立单一创始人公司占比变化（数据来源：

Carta）（二）英国：

私人有限公司制度与AI

创业政策的协同演化英国的OPC

并非通过独立法律形式设立，而是嵌入在以《公司法案

2006》

（Companies

Act2006）为核心的公司法体系之中。根据该法，私人有限公司（Ltd）可以由单一自然人或法人持股，并允许同一人同时担任唯一股东与董事，同时维持有限责任原则，即股东责任以其出资额为限。这一制度安排在不设最低注册资本要求的前提下，为个体创业者提供了高度灵活且风险可控的法律载体。从制度设计角度看，这种“低门槛+有限责任

”的组合，使英国公司法在功能上天然适配

AI

时代的独立开发者与小规模创新主体。在资本层面，英国的AI

生态呈现出活跃的风险投资与国家资本支持相结合的模式。英国作为全球领先的人工智能市场之一，吸引了全球顶级风险投资机构和不断增长的创业资本供给，如

Sequoia

、Lightspeed

和

NVIDIA

等，这些企业正在加速布局英国的

AI初创企业。其中，IneffableIntelligence这一伦敦

AI初创企业在

2026年

4

月完成了约

11亿美元的种子轮融资，创下欧洲历史上最大规模的种子轮融资案例之一。尽管

Ineffable

Intelligence

并非典型的

OPC

，但其融资规模反映了英国AI

生态对国际资本的巨大吸引力。同时，英国政府通过主权人工智能（Sovereign

AI）等渠道，提供国家资本支持，进一步推动

AI技术的发展与应用。这种资本结构使得风险投资与国家资本相结合，促进了AI

企业的快速16发展，并有效降低了创业者尤其是单人创业者在技术和资金上的限制。在国家政策层面，英国政府通过《人工智能机遇行动计划》（AIOpportunities

Action

Plan）及其年度进展报告构建了以“基础设施供给与生态培育

”为核心的治理框架。政策明确提出，应通过强化算力、数据资源可得性以及高技能人才供给，系统性支撑

AI

产业发展。此外，政府还推动公共部门与私营部门广泛采用

AI技术，从而在多个领域形成跨部门的扩散效应与规模化应用路径。在具体实施层面，英国通过一系列公共投资与产业政策工具推进主权人工智能能力建设，包括对国家级算力基础设施的持续投入、对

AI

研发与商业化项目的资助，以及对创新生态的系统性培育。根据最新政策进展，政府已承诺投入数亿英镑规模的资金，用于提升国家AI算力与技术扩散。这一以“

国家能力供给+市场应用扩散

”为特征的政策模式，在客观上降低了AI

创业的关键资源门槛，使包括一人公司在内的小规模创新主体，即便在缺乏传统组织规模与资本优势的情况下，仍能够获取算力与技术资源，从而有效参与

AI价值链并实现商业化发展。在监管模式上，英国采取以原则为导向的人工智能治理路径，而非类似欧盟的统一强制性立法框架。这种模式强调在既有法律体系内对人工智能活动进行规制，包括英国版《通用数据保护条例》（UKGDPR）、知识产权法及竞争法等。该模式避免了对初创企业施加过高的合规成本，同时通过横向法律体系对大型科技企业形成约束，从而在一定程度上维持市场竞争秩序。总体而言，英国

OPC

的发展已从传统公司法问题转化为一个“技术—资本—政策

”协同驱动的生态现象。大型

AI

企业提供技术基础设施与市场接口，风险投资体系提供资金与扩张路径，而国家政策则通过算力、数据与制度环境降低进入壁垒。这种三位一体的结构，使个人在功能上逐渐转化为

AI

经济中的最小创新单位，并使单人公司在高技术产业中的可行性显著增强。（三）

东南亚：以新加坡为代表的政策驱动型AI

创新生态在人工智能快速发展的背景下，新加坡已成为东南亚最具代表性的创新枢纽，其

OPC形态的发展并非源于独立立法，而是嵌入由公司法框架、国家产业政策、全球科技企业与风险投资网络共同构成的复合型制度生态之中。此种发展路径通过多层制度与资源协同，使个体创业者能够在极小组织规模下参与高度资本与技术密集的产业竞争。17在法律制度层面，新加坡并未设立形式上的

OPC

制度，而是通过《新加坡公司法》（Singapore

Companies

Act）确立的“豁免私人公司

”（Exempt

Private

Company,EPC）实现功能替代。根据该法规定，EPC

允许由单一自然人持有全部股份，并在满足至少一名本地居民董事的前提下，由同一人同时担任股东与董事，从而在制度上实现对单人创业的充分容纳。同时，公司设立程序高度数字化，通过会计与企业管制局（AccountingandCorporate

Regulatory

Authority，ACRA）运营的

BizFile+系统即可完成注册，通常在

1至

3个工作日内完成审批，且最低注册资本可低至

1新元。此类低门槛制度显著降低了创业进入成本，并为人工智能时代的个体开发者提供了灵活的法律载体。在产业政策层面，新加坡以《国家人工智能战略

2.0》（NationalAIStrategy2.0

，NAIS2.0）为核心构建人工智能时代的系统性治理框架。该战略于

2023年正式发布，明确提出应将人工智能从项目导向提升为系统能力，并通过强化国家级基础设施、国际合作网络及产业应用场景，推动

AI在经济与社会各领域的发展。具体而言，《国家人工智能战略2.0》强调通过建设国家级

AI

能力体系、吸引全球企业参与以及培育本土创新主体，形成由政府、产业与研究机构协同驱动的创新体系，并通过加速器与风险投资机制强化初创企业成长路径。这种政策设计的核心在于，将原本分散于市场中的技术、资本与组织资源整合为国家层面的战略能力，使单人公司能够加入高水平

AI

创新网络中，从而突破传统企业规模限制。在资源供给层面，新加坡通过制度化平台将关键生产要素转化为可供创业者获取的公共或准公共资源。除《国家人工智能战略

2.0》提出的算力、数据与人才体系建设外，政府主要通过由新加坡企业发展局（Enterprise

Singapore）主导的“起步新加坡

”（StartupSG）系列框架提供分阶段支持。其中，

股权类联合投资（StartupSGEquity）、创始人资助（StartupSGFounder）及科技类补助（Startup

SG

Tech）等计划构成覆盖从种子阶段到技术商业化的完整支持链条，通过资金补助、导师辅导与技术验证支持，降低创业初期的不确定性与资源约束。此外，政策文件还明确提出，通过引入加速器与产业合作伙伴，为初创企业提供技术基础设施与市场网络，将企业对关键能力的需求转化为可获取的制度化支持。整体而言，这种资源供给模式，使

AI

创业从依赖个体资源积累转向依赖制度型的资18源获取，为

OPC形态提供了关键支撑。在资本架构方面，新加坡形成了以政府引导资本与市场化风险投资协同运作的资本结构。其中，SEEDS

Capital

作为政府投资平台，在股权类联合投资机制下与私营投资者共同投资早期科技企业，通过共同投资模式放大资本供给并降低私人投资风险。根据官方资料，SEEDS

Capital

通过与风险投资机构、企业投资部门等合作伙伴共同投资，已支持超过百家科技初创企业，并通过资本杠杆撬动更大规模的私人资金进入市场。该机制的制度意义在于，将国家资本从“直接资助

”转变为“引导与放大工具

”，从而在不替代市场的前提下强化资本供给效率。对于

OPC形态而言，以

SEEDSCapital为核心的共投机制，通过资金支持、投资者网络与产业资源整合，在功能上部分替代了企业规模所带来的竞争优势，使单人创业者亦可进入资本密集型的人工智能产业。总体而言，新加坡

OPC

的发展呈现出明显的生态嵌入型特征：公司法提供低门槛的法律载体，国家

AI

战略提供制度框架与资源支持，公共财政工具提供关键基础设施，而风险投资体系则提供资本与产业连接。多层制度之间的协同作用，使个体创业者能够在极小组织规模下进入高度技术与资本密集的人工智能产业，从而在功能上重构了企业规模与创新能力之间的传统关系。二、

国内外

OPC

生态的对比分析从政策支持力度、注册便利度、生态成熟度三个维度，对中国与美国、英国、新加坡的OPC

制度与生态进行横向比较。（一）政策支持度政策支持力度反映国家通过财政、产业与战略工具对

OPC

创业的实际投入能力。从政策层级看，美国与英国均已形成由国家级

AI

战略统领、跨部门协同推进的顶层设计，新加坡则将

OPC嵌入《国家人工智能战略

2.0》并配套覆盖全周期的资助体系；中国虽自2024

年

7

月新《公司法》施行以来已为单一股东公司提供制度入口，且自

2025

年下半年以来，人社部已就“应对人工智能影响促就业

”形成政策储备（2026

年1

月人社部新闻发布会进一步明确将出台相关文件），并有多地政府密集出台鼓励

AI创业与灵活就业的政策，但整体仍以部门规章与地方实施细则为主，缺乏国家层面的OPC专项战略。19比较维度美国英国新加坡中国国

家

级

AI战略《赢得竞争：美国人工智能行动计划》提出

90+项行动，强调灵活监管与基础设施扩张《人工智能机遇行动计划》明确算力、数据、人才三大关键领域的国家能力建设《国家人工智能战略2.0》将

AI

从项目导向升级为国家系统能力已有一系列政策规

划

，

但

尚

无

OPC

专项国家战略财政与算力支持联邦层面推动数据中心、算力开放与政府采购改革，市场化算力供给充足公开承诺数亿英镑投入主权算力与

AI

研发资助由新加坡企业发展局提供全面的创业支持服务多

地

推

出

算

力券、模型训练补贴；但仍处于较低规模，亟待拓宽创业资助工具以市场化风险投资为主，政府小企业管理局等提供贷款担保风险投资、国家资本支持和公共投资政策。“

起步

新

加坡

”各项政策覆盖种子至商业化全阶段各级开发区创业启动资金、专项产业基金、地方孵化补贴并行规划融入度联邦战略+州级配套，制度路径清晰政府主导，地方落实统

一

性较强国家层面统筹，城市与产业政策高度协同37城地方政策异质性较高（二）注册便利性注册便利度衡量个体创业者从“想法

”转化为“合法主体”所需的时间、成本与制度摩擦。新加坡通过BizFile+系统实现1—3

个工作日完成注册，最低注册资本

1新元；美国通过StripeAtlas

、Firstbase等“创业即服务”平台将注册、银行开户、税务合规自动化整合；英国依托公司注册局（CompaniesHouse）在线系统，大部分私人有限公司可在

24

小时内完成注册，具体时间可能因个别情况有所不同；中国当前已实现“一网通办

”电子营业执照，但跨部门数据互通与税务、社保、银行账户等配套环节仍待整合。表1

国内外OPC

政策支持度对比20比较维度美国英国新加坡中国法律载体单一成员有限责任公司/

独资企业/

特拉华州

C类公司《

公

司

法

案

2006》下的私人有限公司《新加坡公司法》下的豁免私人公司2024年

7月施行的新《公司法》允许设立仅一名股东的有限责任公司及股份有限公司（取消了原“一人有限责任公司

”独立类别）注册时长公司注册通常需要

1–3

个工作日，加急可当日完成公司注册局在线24

小时内完成BizFile+

系统通常

1–3

个工作日“一网通办

”通常

3–5个工作日，部分先行示范区已压缩至

1

日资本要求无最低资本要求无最低资本要求无

最

低资本

要求已取消法定最低资本要求；实缴登记制下由章程自主约定远程/跨境注册非居民可通过

Stripe

Atlas/Firstbase

等平台远程设立并接入支付体系非居民可在线注册私人有限公司，但银行开户存在KY

C

摩擦非居民可注册，需至少一名本地居民董事外资设立需经外商投资备案；

港澳台居民已享受较多便利配套服务Mercury、Brex

等数字银行支持开户与跨境支付Wise

、Tide

等平台支持开户DBS、OCBC

等本地银行

与

BizFile+

数据互通，开户便利电子营业执照已普及，但银行账户、税务报到、社保办理仍需多次跑动（三）生态成熟度生态成熟度涵盖资本供给、技术基础设施、孵化加速体系与典型案例四个子维度，反映

OPC

在真实市场中能否实现从“注册主体

”到“可持续盈利企业

”的转化。美国凭借

Carta

数据所揭示的单人创始公司比例从

2017

年约

17%提升至

2024年约35%的趋势，已形成最成熟的OPC商业化样本；新加坡通过

SEEDSCapital

的共投机制，构建了政府引导资本与市场化风险投资协同运作的资本结构；英国

2026

年

Ineffable

Intelligence

约11

亿美元种子轮（欧洲史上最大种子表2国内外OPC

注册便利性对比21比较维度美国英国新加坡中国资本供给全球领先的风险投资市场，

YC等加速器形成标准路径，单人公司可灵活转为C-Corp

后融资Sequoia、Lightspeed、NVIDIA

等深度

布局新加坡企业发展局和

SEEDSCapital；Startup

SG

Equity

共投

机制成熟人民币基金与

产业基金活跃，但对“单

人+AI

”模式

仍处于认知早

期技术基础

设施AWS

、Azure

、

GCP

提供云计

算平台；OpenAI、Anthropic

提供

模型

APIARIA

、ISAC等公共算力机构

+三大云厂商英

国节点国家级

AI

能力

体系+全球云厂

商区域总部国产大模型与

公共算力中心

快速发展，跨

域调用与定价

机制仍在形成中孵化加速

体系Y

Combinator、Techstars

等全

球加速器；Stripe

Atlas、Firstbase

等创业服务平台EntrepreneurFirst

、FoundersFactory

等聚焦

深科技与

AI企业发展局主导孵化器网络，与高校、跨国企业深度协同地方孵化器数

量众多，但

AI专业孵化与全

球化网络对接

尚有差距典型案例PieterLevels（NomadList/RemoteOK）单人年收

入百万美元级2026

年IneffableIntelligence

获约

11亿美元种子

轮（欧洲最大，

非

OPC

，反映

资本生态）依托NAIS2.0

形成区域AI

创业枢纽，初创群落密度高已涌现AI

编

程、Agent

应

用领域的小团

队代表，但单

人独角兽

OPC案例尚未形成三、国际经验对中国的启示与建议对中国而言，中国拥有全球最完整的产业链、最庞大的开发者基数与全球第二大

AI

风险投资市场，叠加国家与各级政府对

AI

创业的密集政策利好，OPC完全有条件在

2026—2030

年的关键窗口期，实现从“小生意

”到“亿元级独立公司

”的跃迁。综合美国、英国、新加坡三个样本与中国

37

城政策测度数据的轮）的案例显示出顶级资本对英国AI

生态的高度认可。中国当前则处于从“制度入口开放

”向“生态规模化

”过渡的关键阶段。表3国内外OPC

生态成熟度对比22对比，本节面向开发者、投资人、政策制定者三类核心主体，提出可操作的差异化建议。（一）对开发者的启示对于开发者而言，国际经验最核心的启示在于主动重构创业方法论，即从“组建团队再创业

”转向“验证产品再扩张

”。美国与新加坡的实践表明，AI技术已经显著降低了企业的最小有效规模，单人即可完成从产品开发到初步商业化的全过程。因此，中国开发者应优先构建“AI增强型个体能力

”，系统性掌握大模型调用、自动化开发工具链与云原生架构，将原本依赖团队分工的任务转化为工具调用。同时，应建立全球市场视角，充分利用跨境平台进行产品分发与商业化验证，而非局限于本地市场。此外，应强化对数据合规与知识产权的前置管理能力，尤其是在生成式

AI

应用中，训练数据来源、模型输出责任及版权归属将直接影响企业可持续发展，这一点在欧美成熟市场中已成为基本门槛。（二）对投资人的启示对于投资人而言，国际比较显示，传统以团队规模与融资能力为核心的评估框架正在失效，取而代之的是对“技术杠杆率

”与“个体产出效率

”的关注。在美国市场，越来越多项目以极小团队甚至单人形态实现收入验证，这意味着投资逻辑需要从“资本驱动增长

”转向“效率驱动筛选

”。在国内投资人可考虑构建分层投资策略：在早期阶段，通过小额、分散、高频的方式支持大量

OPC

项目进行快速试错，以降低单一项目失败风险；在中后期，则重点投资已完成产品市场匹配、具备规模化潜力的项目。同时，投资人应从单纯资金提供者转变为“资源整合者

”，主动为

OPC提供算力支持、数据资源接口及产业场景对接，这种能力在新加坡的政府共投体系中已被证明可以显著提升初创企业成功率。此外，应探索更适配

OPC

形态的投资工具，例如基于收入分成的融资模式或可转化为股权的灵活债务工具，以适应一人公司在早期不愿过早稀释股权的现实需求。（三）对政策制定者的启示对于政策制定者而言，国际经验的关键不在于单项政策工具的模仿，而在于制度逻辑的重构。首先，应从“分散式激励

”转向“系统性供给”，即减少同质化补贴与重复性政策，转而重点建设统一的AI

基础设施开放平台，包括公共算力调度系统、高质量数据集开放机制以及标准化

API服务接口，使开发者能够以23低成本获取关键生产要素。其次，应推动政策层级上移与跨部门协同，建立类似国家级

OPC发展框架或

AI创业专项机制，以整合市场监管、科技、财政与人社等多部门资源，从而避免当前地方政策碎片化的问题。进一步借鉴新加坡的经验，构建一个集注册、融资、技术支持和市场对接为一体的创业服务平台，形成高效的政策支持体系。在具体措施上，可以探索设立

OPC

试点城市，推进更高水平的制度开放，例如简化跨境资金流动、提升外汇结算便利性以及允许更灵活的股权与税收安排，以吸引面向全球市场的

AI创业者。进一步而言，中国在发展

OPC

生态时，应重点提升其生态连接能力。美国和英国的优势在于深度融入全球创新网络，而新加坡则通过主动构建国际合作平台，弥补本土市场规模的限制。虽然中国拥有庞大的内需市场，但

OPC

的发展仍高度依赖全球技术、资本和市场资源。因此，政策应鼓励开发者参与国际开源社区、全球应用市场和跨境技术合作。同时，可以通过引入国际加速器、支持本土平台国际化，以及建设跨境创新合作区等方式，增强中国

OPC

生态的国际互联性，拓展创新资源和市场边界。总而言之，国际经验表明，OPC

的发展关键不在于规模扩张，而在于通过技术与制度将个体能力放大。中国若要在这一领域形成竞争优势，需要在开发者能力结构、资本配置逻辑与政策供给体系三个层面实现协同转型，从而使一人公司从边缘创新形态转变为数字经济中的重要生产组织形式。24国内篇25第二章

“中国城市OPC

发展指数”的构建与测度OPC作为

AI

时代的新型市场主体，正以低成本、高效率、

轻资产的显著优势快速崛起，成为城市创新创业生态中不可忽视的新生力量。与传统创业模式相比，OPC对空间载体、技术赋能、资源对接提出了全新的需求，也为城市产业竞争力的评价开辟了新的观察维度。在此背景下，构建一套科学、系统、可量化的OPC发展评价体系，对于客观把握我国主要城市

OPC生态建设进程、识别发展短板、引导资源优化配置，具有重要的现实意义与决策参考价值。基于上述考量，我们构建了“

中国城市

OPC

发展指数

”（ChinaUrban

OPC

Development

Index）。该指数以2025年度

GDP

百强城市为对象，通过政策端、产业端、社区端三个维度，对城市

OPC

发展环境进行综合测度，力求为政府部门、产业主体及研究机构提供一份兼具学术严谨性与实践指导性的参考基准。一、中国城市

OPC

发展指数的构建逻辑“中国城市

OPC

发展指数

”涵盖政策端、产业端、社区端三个维度，下设10个二级指标。各维度与指标的选取遵循代表性、可量化、独立性原则，既覆盖制度供给层面的顶层设计，也纳入产业规模层面的硬核数据，同时兼顾空间载体层面的资源配置，力图全面反映城市

OPC发展的综合态势。（一）政策端：

制度供给的完备性政策端下设

4

个二级指标，合计权重

0.4。这一权重配置根植于制度经济学与政策过程理论的基本洞见。OPC作为一种个体化、轻资产的新型创业形态，在萌芽阶段对外部制度供给的敏感度远高于成熟企业。因此，度量政府制度供给的完备性，必须同时观照政策的“高度

”“广度”“深度

”与“厚度”四个向度。一是政策位阶，用以衡量城市已出台

OPC

相关政策所处的行政层级。从政策执行理论来看，政策层级直接决定跨部门资源调配能力与社会信号强度。高位阶文件（如市级专项政策）更容易突破部门壁垒、形成更强的行政推力。将政策位阶纳入指标体系，实质上是将“政府对

OPC

发展的重视程度与推进决心

”转化为可观测、可排序的制度变量。二是政策工具，用以测度城市为支持

OPC

发展所采用的多元化政策手段的26丰富程度，涵盖财税激励、人才引进、平台建设、示范推广等多类工具的组合运用。政策工具理论指出，单一政策工具存在明显的边际效应递减。如财税补贴仅能缓解资金约束，却无法解决技术瓶颈；人才引进可以解决人力缺口，却难以替代市场渠道。唯有形成覆盖创业全生命周期的工具组合，才能系统性地回应

OPC创业者的多元需求，因此工具箱的丰富度是判断政策体系成熟度的关键标志。三是政策规划，用以考察

OPC

发展在城市战略规划体系中的嵌入深度与优先级，反映其从临时性举措向制度化安排的升级程度。依据战略规划理论，只有当

OPC

产业被正式写入城市中长期规划或专项规划，财政投入、土地供给与考核指标才能随之持续配置。否则，政策极易因人事更迭或注意力转移而中断。该指标的核心价值在于测度制度承诺的可信度与长期稳定性，以区分“阶段性政策表态”与“持续性政策安排”。四是政策内容，用以测度城市

OPC

相关政策的实质内容丰富度、体系完整性与措施可执行性，反映政策从口号倡导到落地工具的转化深度。基于政策质量评估理论，政策文本的目标清晰度、任务分解度与保障措施明确性直接影响执行层的行为预期，仅有倡导性口号而无落地路径的政策，难以形成稳定的创业者预期，更无法转化为实际的资源配置。因此，政策内容的“可执行密度”是区分“象征性支持”与“实质性支持”的核心标尺。（二）产业端：

规模与结构的匹配度产业端下设

3

个二级指标，合计权重

0.3

。该维度的理论基础来源于创业生态理论与产业集聚理论，即创业生态的成熟度绝非企业数量的简单加总，而取决于创业活动与当地产业结构的耦合质量。OPC企业只有深度嵌入本地产业链，才能获得稳定的客户来源、技术外溢与协作网络，实现从“生存

”到“发展

”的跃迁。因此，产业环境的测度必须同时覆盖“规模体量”“嵌入深度

”与“多元韧性

”三个层面。一是类

OPC企业数量，统计在城市注册并实际运营的类

OPC企业总数，反映城市

OPC

创业生态的规模体量。从生态学视角来看，主体的数量是衡量产业生态成熟度的基础指标，即类

OPC

企业数量直接映射城市对个体创业者的吸纳能力、市场机会的丰裕程度以及创业文化的普及深度。没有足够的主体基数，产业生态便失去了演化的物质基础，因此该指标是测度

OPC

生态“量变

”层面的27核心度量。二是产业协同匹配度，主要测度

OPC创业方向与城市主导产业的契合程度。根据嵌入性理论，新创企业的存活率与其和本地产业网络的连接强度高度正相关。

OPC企业若能精准对接城市主导产业（如装备制造、电子信息等）的细分需求，便可依托现有产业链获得订单、技术与人才的外溢支持，大幅降低市场搜寻成本。反之，若

OPC

创业方向与城市产业底色脱节，创业者将陷入“有热情无订单”

的困境，政策红利也难以转化为产业实效。三是行业覆盖广度，主要用于衡量

OPC企业在不同细分领域（如装备制造、电子信息、能源化工等）中的分布广度。一般而言，单一行业的过度集中会使创业生态面临周期性波动与需求萎缩的系统性风险。换言之，行业覆盖广度反映

OPC作为一种灵活组织形式在不同产业场景中的适用弹性，即覆盖行业越广，意味着

OPC

模式越能适应多样化的市场需求，整个生态也越具备抗风险能力与持续演化潜力，该指标是对产业生态“韧性”而非仅仅“体量”的深层度量。（三）社区端：

空间支撑的可及性社区端下设

3

个二级指标，合计权重

0.3

。该维度建立在空间经济学与平台

生态理论之上。创业活动的地理集聚并非偶然，物理空间的可及性与龙头企业的

平台牵引是降低创业门槛、加速知识溢出、促成网络效应的关键基础设施。OPC

创业者多为个体作战，对共享办公设施、社群网络与资源对接平台的依赖程度尤

为突出，因此载体环境的建设密度与配置质量直接决定创业生态的“可及性

”。一是

OPC社区数量，用以统计城市已建成并投入运营的OPC创新创业社区总数，包括综合性

OPC

社区和垂直领域专业社区。创新空间理论强调，专业化

的创新创业社区通过空间集聚产生“邻近效应”，促进创业者之间的信息交换、资源互助与情感支持。社区数量反映城市为

OPC

创业提供专业化物理节点的密

度，节点越多，创业者获取空间资源的物理距离越短，生态的“可及性”网络越密集。该指标是对载体支撑体系“广度”的直接刻画。二是

OPC工位供给规模，主要用以统计城市各

OPC社区可提供的创业工位总数，反映空间载体对

OPC

创业者的物理容纳能力。从资源可及性理论来看，低成本、便利化办公空间的供给规模直接决定了

OPC

创业的准入门槛与规模上

限。工位供给不仅是座位的简单计数，更意味着水电、网络、物业、共享设施等28一级指标二级指标指标解释政策端政策位阶指城市出台的

OPC

相关政策所处的行政层级，层级越高代表政策权威性越强、统筹力度越大，体现政府对

OPC

发展的重视程度与推进决心政策工具指城市为支持

OPC

发展所采用的多元化政策手段，工具越丰富代表政策体系越完善政策规划衡量OPC

发展在城市战略规划体系中的嵌入深度与优先级，反映

OPC从临时性举措向制度化安排的升级程度政策内容衡量城市

OPC

相关政策的实质内容丰富度、体系完整性与措施可执行性，反映政策从口号倡导到落地工具的转化深度产业端类

OPC企业数量指在城市注册并实际运营的类

OPC（一人公司）企业数量，反映城市

OPC创业生态的规模体量产业协同匹配度指类

OPC创业方向与城市主导产业的契合程度，体现

OPC作为产业链缝隙填充者和创新服务者的产业嵌入深度行业覆盖广度指类

OPC

企业在不同细分领域中的分布广度，覆盖行业越广代表

OPC

创业生态的多元化社区端OPC社区数量指城市已建成并投入运营的

OPC

创新创业社区数量，包括综合性

OPC社区和垂直领域专业社区，是

OPC创业的空间基础设施OPC工位供给规

模指城市各

OPC

社区可提供的创业工位总数，反映空间载体对

OPC创业者的物理容纳能力龙头企业

OPC

引领度指城市是否有大型科技企业设立

OPC

孵化平台，提供技术赋能与市场对接配套资源的可及性。在

OPC

创业以轻资产为核心特征的情境下，充足的工位供给实质上降低了创业者的固定成本负担，使“一人公司”模式具备经济可行性。三是龙头企业

OPC

引领度，用以衡量城市是否有大型科技企业设立

OPC孵化平台并提供技术赋能与市场对接。一般而言，龙头企业在生态构建中扮演“基石企业”角色，通过提供技术平台、供应链资源与市场渠道，能够显著降低初创企业的技术壁垒与市场不确定性。在

OPC

情境下，个体创业者往往缺乏与大客户对接的信用背书与谈判能力，龙头企业的孵化平台恰好弥补了这一短板。更重要的是，龙头企业的参与不仅带来直接的资源注入，更通过信号机制吸引上下游配套企业集聚，形成“以大带小”的生态正反馈。表4“中国城市OPC

发展指数”指标体系29二、数据来源与评价方法本指数测度对象为

2025

年度

GDP

百强城市，覆盖我国主要经济中心城市、制造业重镇及区域增长极，具有广泛的区域代表性。数据来源包括各级政府公开文件、工商及企业登记数据库、行业协会统计资料以及实地调研信息，数据搜集整理工作截至

2026

年

3

月

31

日，其中OPC

社区数量统计口径为已建成并投入运营的载体数量，数据采集截止时间为

2026年

3

月

31日，规划及在建项目不纳入本次统计。在指标处理层面，所有二级指标均采用

Min-Max

标准化方法进行无量纲化处理，将原始数据映射至[0,

1]

区间，消除不同指标间量纲与量级的差异。在权重设计上，遵循“政策引领优先，产业与载体并重

”的原则，将政策环境、产业环境、载体环境三个一级维度分别赋予

0.4、0.3、0.3

的权重；各二级指标在所属一级维度内部平均分配权重，即在政策环境维度下，政策位阶、政策工具、政策规划、政策内容四项指标各赋权重

0.1；产业环境维度下，类

OPC企业数量、产业协同匹配度、行业覆盖广度三项指标各赋权重

0.1

；载体环境维度下，OPC社区数量、OPC工位供给规模、龙头企业

OPC

引领度三项指标各赋权重

0.1。城市综合得分由上述十个经标准化处理后的二级指标加权求和得出。基于综合得分，本研究进一步对百强城市进行排序与梯队划分。分级标准以得分的自然聚类特征为主要依据，结合相邻城市间的得分断层进行人工校核，将百强城市划分为四个梯队：第一梯队为头部引领型城市（综合得分≥0.50），第二梯队为快速跟进型城市（0.28—0.50），第三梯队为稳步培育型城市（0.07—0.28），第四梯队为起步探索型城市（综合得分＜0.07）。梯队命名仅用于描述不同城市在OPC发展进程中所处的阶段性位置，不带有价值判断色彩。三、

测度结果概览（一）

总体分布特征本次测度覆盖

2025年度

GDP百强城市。从

OPC发展指数的综合得分来看，整体呈现显著的右偏分布与高度不均衡特征。绝大多数城市处于中低分段，少数头部城市显著拉高整体水平。30序号城市序号城市序号城市序号城市1上海26嘉兴51中山76唐山2深圳27保定52绍兴77德州3南京28天津53哈尔滨78周又4苏州29江门54长春79乌鲁木齐5北京30徐州55石家庄80潮州6武汉31金华56常德81襄阳7成都32宁波57洛阳82阜阳8广州33福州58绵阳83鄂尔多斯9扬州34珠海59