江小涓七方面剖析数字时代的经济学与公共治理新问题
➤ 许多观点主张数据属于生产要素，但在实际研究当中很难将其放到传统的生产要素分析框架中，或需对“要素市场”“资源配置”等基本概念的前提和规定进行思考和重新定义。
➤ “服务业低效率”的观点由来已久，但数字时代的服务业分工日趋广泛深入，整体效率显著提高。此外，数字技术对经济效率的提升不会止步于各类服务业。
➤ 数字技术可以将部分“外部性”问题“内部化”，其应用导致政府与市场的边界出现变化，相关领域传统的产业调控政策或需相应变化。
➤ 大数据技术应用于人类价值观判断领域，产生新的问题。例如，大数据的“一致性分析”会使人们的判断向平均结果靠拢，将多种倾向博弈产生的“平均数”固化为不可演进的绝对值，可能导致社会共识的形成、演进过程出现停滞。
➤ 数字时代出现新的科技伦理问题。目前来看，社会缺乏约束数字技术发展方向的平衡力量和思考时间，非人类参与的决策逻辑步步强化。我们不应该把相关变化过程交给市场竞争和社会博弈来解决。
——江小涓 第十三届全国人大常委会委员、原国务院副秘书长
* 本文整理自作者在2023年首届中国数字经济发展和治理学术年会上的主题演讲，文章仅代表作者个人观点，不代表CF40立场。
”文 |江小涓
我今天要讲的内容是数字时代的经济学和公共管理学科体系建设，主要源自我自己在教学与研究中的体会。
我在清华大学公共管理学院和中国社会科学院大学都开课，一门课是“数字时代的公共治理”，一门课是“产业经济学前沿文献导读”其中的两讲。备课时我想找一些教材、教学参考书或者能用的一些单元来组织课程内容，发现很难找到合适的内容，感觉数字时代经济学和管理学的学科体系与教学体系的建设是一个突出问题——传统体系在一些方面已经不太适用，新的体系总体上尚未成形。
现实世界的改变已显著影响了经济理论的底层结构、逻辑关系和主体问题。“数字”和“数据”早已不是“外部冲击”，而是需要内化于知识体系全链条之中。因此，希望能有一个学术平台，大家来共同做这件事情。
“数字时代的经济学和公共管理学科体系建设”，这个题目很宏大，我没有能力全面讲，就讲我最有体会的几个方面，与大家分享。
第一，“数据要素市场”问题。大家都主张数据作为生产要素，我也赞同，但是在实际做研究时，又很难将其放到传统的生产要素分析框架中去。
数据要素有其特点：
一是多主体可以主张权利，消费者也是数据生产者，这使产权问题很难处理，即使是与其比较相似的知识产权框架也难以适用。
二是数据可以复用，用多少次都依然存在。经济学研究稀缺资源的配置效率问题，而数据的复用性使它的稀缺性改变。
三是数据快速迭代。例如，当消费者的行为数据被作为平台要智能推送广告的数据时，去年的数据没有什么用处，每个人的习惯都在改变之中。从经济学的角度来看，就是存量要素（数据）无用或者快速折旧。
所以，我们可以沿着“数据要素”这个思路去思考，但很可能需要对“要素市场”“资源配置”这些基本概念的前提和规定进行思考和重新定义，寻求更完善和有效的分析框架。
我举一个例子，智能化生产过程使同一个生产过程能够有两组产出：数字形态与实体形态，即所谓的“数实孪生”。图1左侧是实物产出，右侧有很多数据内容产生，数据、数据机理模型、数字孪生体、数字元宇宙模块等。
图1 实体过程与数据过程的双重价值体系
那么，右侧是新增加的生产要素，还是新产出的产品？如何测度其价值？我们传统的投入产出表如何调整？这些问题挺让人困惑。
我记得，上世纪七十年代联合国用一个宽泛的概念定义“服务贸易“时，时任美国统计学会会长的某教授表达过这样的意思：“这个定义对赞同服务贸易分类的学者来说是‘天使’，对统计学家来说则是‘恶魔’”。当下数据被定义为“生产要素”，我想统计学者们或许有相似体会。
第二，数字时代服务业性质改变问题。
“服务业低效率”，是经济学由来已久的主流观点，可以看PPT中的简要概括（图2左）。美国经济学家鲍莫尔直接将服务业定义为低效率部门，由于服务过程需要服务提供者直接参与，劳动节约型技术应用空间较小，劳动生产率提升缓慢，因此服务业在GDP中的比重上升意味着资源更多地配置在了低效率部门，会带来整体经济增长速度的下降。
图2 数字赋能的服务业已经面貌全新
然而，在网络技术和数字技术的加持下，服务业一个日益增加的部分呈现出规模效率、贸易效率和分工效率，特别是服务业分工日趋广泛深入，促使服务业整体效率显著提高。数字技术对经济效率的提升远不会止步于各类服务业，而是通过数字服务的全链嵌入，对其它各类产业和各种经济行为效率的提升产生广泛而深远的影响（图2右）。
由于经济学视角基本性质的改革，我讲课中服务经济相关内容出现根本变化，但总体上看，相关研究还是片段性的，整体学术理论体系的重构依然任重道远。
第三，新的产业组织形态出现。
产业组织是公认被数字经济影响最突出的领域。一方面，各种交易成本的降低是数字技术最直接的影响。企业与市场的边界不仅快速调整，而且形态改变，分工倾向于极致且高度弹性化。另一方面，大企业或大型网络组织管理成本极大降低，大企业与多元、个性、精准特点相容，垂直一体化和网络化生产组织迅速发展，目前两种形态并行推进，带来我们不熟知的产业组织形态及相互关系。产业组织多方向变化、多形态并存。
对此我也举一个例子。数字时代，许多产品需求个性化强、技术迭代快、设备更新快，更有些时尚品的需求速涨速消。对这些类型的产品，以企业为中心的生产组织形态由于设备能力和员工技术固化，调整余量小，适应性差，面临新的挑战。
数字平台能够链接大量企业、产线、设备、仓库和员工等，形成巨大产能池，按需匹配各种资源，能够迅速组织起以产品为中心、在一定区域范围内的分布式制造产线。
典型有如“云工厂”，是一种平台承接订单并通过拆解制造过程分派给不同企业、针对每个订单组建个性化“云产线”的分布式协同生产模式。以宁波的某家协同制造平台为例（图3），其由协同制造供应链体系、众包服务平台、智造工程验证实验室和协同生产物联网平台组成，既随时按需调用平台上数以万计的小微工厂，同时生产后统一物流配送以提高生产速度，并实时监控各生产设备的声音、电流、压力、温度等10余项指标以确保产品质量。这是一种在数字时代之前基本不存在的产业组织模式。现在，以产品为中心组织灵活产线已经成为许多快消品领域重要的产业组织方式。
图3 数字化新型产业组织“云工厂”
我体会到三个重要变化。一是开源模式如何能用传统创新理论进行分析。现在大数据和智能产业更多采用开源模式，经济学有关研发的传统分析框架分析开源模式碰到挑战。我和几个学生已经思考和研究了挺长时间，仍然装不到一个逻辑一致的体系之中。
二是数据在研发中的极端重要性使创新分布发生变化，大平台企业借助数据优势，向前沿技术及基础研发攀升，我们如何用一个逻辑一致的分析框架，把这个阶段研发各主体关系的变化，既能表达清楚又能合理解释？
三是分布式研发模式的出现。以前研发是大企业有研发的中心自己做。上世纪80年代以后，专业研发机构也很通用。有了数字平台之后，研发可以在广泛领域中有非常专业的分工，因为平台可以汇聚大量研发人员，按照每个研发任务组织团队，使参与具体项目的研发人员高度专业化。
图4展示了国内的一家专业研发平台，这个平台上大概有世界各国的31万个工程设计技术人员，专门为小企业做研发。以前小企业自己养不起研发团队，所以都是做非常细分的、自己长期熟知的产品。有了分布式研发平台，小企业可以提出需求，例如“我给50万，帮我设计一个产品或产线”，就与在购物平台上买东西的模式非常相似。
需求提出之后，平台就去搜索、平台上每一个专业的研发人员都有标签，做过什么、擅长做什么、愿意做什么，自动去匹配这些研发人员。平台的核心竞争力是项目经理，他们可以把一个大的产品细分成几个部分，在平台上找专业的研发人员去做。这种分布式创新模式降低了各种信息获取、要素单元赋信和网络空间协同的成本，研发专业化程度和效率都得到提升。
图4 数字化分布式研发创新平台
我体会到了以下几个方面的重要变化。一是数字应用导致政府与市场的边界出现变化。政府干预市场与社会活动的依据之一是“外部性”，由于这类问题损益计算不能具体化，因此市场不能解决，必须由政府进行干预。数字技术可以将部分外部性问题“内部化”，例如排放问题、公地问题等。由于网络广泛连接、海量算力和颗粒状信息可获得，外部性可以计算和量化到个体，将外部问题内部化。
还有政府调控产业的一个重要依据是分散的市场主体信息缺失，行为有“盲目性”和“缺乏预见性”。现在大型平台和数据类企业拥有更实时精准的“全局数据”，智能技术正在迅速形成更强大的预见能力。那么，相关领域传统的产业调控政策是否应有相应变化？甚至一些原来的完全公共品也具有了商业价值，私人部门愿意提供。公共频道虽然不可收费却能广泛获客，带来网络效应、广告价值和数据价值，无需排他就可以由市场提供。
另一方面，数字平台规模很大，市场控制力和社会影响都很大，是否要监管和如何监管是社会普遍关注的问题，但是面临一些难题。一是一些消费者日常使用的大平台，出了问题不能“一关了之”，有问题要整改，但无法停运。二是平台上的商户、商品和服务数量巨大，以百万、千万计，而且更新极快，外在监管力量很难跟上。三是大平台都有上千项、多层次的投资项目及其他利益关联，不细查、深查则不易看透、看准。四是不同平台商业模式不同，相似平台也有很大差异，例如视频平台哔哩哔哩、抖音、快手还有小红书，经营模式有挺大差别，而且各自都在持续创新，外部监管者看得明白且理解到位很不容易。大家都在谈敏捷监管，即使如此，没有监管理念和思路的重大调整，监管的合理性、有效性不易到位。
第六，大数据技术应用于人类价值观判断领域产生的问题。
这个问题抽象不好谈，我举个例子。我们的司法系统提倡使用智能辅助办案系统，赞同者很多，认为算法客观可靠，不会受人类主观性的影响，具有客观性、阳光下的纠纷解决情境，从而规避人性局限和排除人为因素的影响，努力做到标准一致、客观公正和“同案同判”。
但是，2019年3月法国出台了相关法律，禁止多种大数据在司法领域的应用，其中一种是一致性分析：不得将特定法官办案数据进行大数据对比，分析特定法官特定案件与整个司法系统的一致性状况。这个决定涉及的理念很重要——一致性分析会使所有判决向平均结果靠拢，将多种倾向博弈产生的“平均数”固化为不可演进的绝对值。
如果某种违法行为的判刑区间是3-7年，法官有酌情自由裁量权。但是有了所谓的大数据系统，法官如果搜一下别人怎么判，发现平均判刑5年，自己也就判5年，毕竟取平均数能有最少争议和质疑。这听上去好像更加公正了，但是这种状况会使社会通过价值观改变和社会博弈产生的演进停滞。
如果随着时间推移，多数法官都倾向于往3年这个轻判方向靠拢的话，表明社会是有新的共识在形成，“这个罪没有那么重”；相反，当所有的判案都向7年靠拢的时候，表明社会认为“这是个重罪”，这种演进是人类社会最重要的进步方式之一，却会随着所有人在网上查询之后取平均数而停滞下来。随着人工智能的快速发展和应用，这种情况在社会问题领域将是一个普遍的大问题。
第七，数字时代的科技伦理问题。所有的科技都有负面作用。
我举了三个此前大家特别担心过的案例：核技术的问题、克隆技术的问题、基因技术的问题，在每一次两面性突出的技术出现时，都引起了很大的社会担忧（图5）。不过，科学共同体的约束、国家的约束和国际组织的约束也始终存在，总体上这些技术没有带来持续和严重的负面影响。
图5 科技伦理问题和共同治理
但是数字技术不同，其应用泛在而无形，同时又在极速发展。目前来看，社会缺乏约束数字技术发展方向的平衡力量和思考时间，非人类参与的决策逻辑步步强化。特别是数字技术和其它技术的结合，例如和生命科学结合之后，有能力迅速改变我们人类自身的生理、生活、认知和繁衍，很多变化是不可逆的，我们不应该把这样的变化交给市场竞争和社会博弈来解决。在这个时代，信息公开和公众参与比以往更重要，所有民众都有权利对这种问题发声——我们要不要这种结果、我们要不要这样的改变。
总之，我的感受是，国家高度重视数字经济发展，强调加强数字问题治理，其中含有大量需要研究的学术理论问题、需要提出的战略思路和需要应对的重大挑战。我们在这个领域从事教学研究工作，既肩负时代重任，又面临广阔创新空间，让我们共同努力做出应有的贡献。
版面编辑：宥朗｜责任编辑：宥朗
视觉：李盼 东子
监制：李俊虎 潘潘
本文来源：
“清华服务经济与数字治理研究院”微信公众号