何大安|大数据革命与经济学创新
何大安，浙江工商大学经济学院教授。
一、问题概要
古典经济学意义上的完全理性意味着完全信息，指选择者掌握全部信息并知晓选择结果。就其哲学层面的理论基础而言，经济学的发展是从完全理性假设走向不完全理性假设的。在这一过程中，新古典经济学率先对古典经济学以“经济人”为标志的完全理性假设提出了质疑，但由于这些质疑是围绕“给定条件约束”展开的，因而新古典经济学的理论假设前提不是真正意义上的不完全理性假设。真正意义上的不完全理性假设是在主流经济学论述产业组织时建立的。市场失灵和政府失灵告诫经济学家，人类在得不到完全信息的情况下不可能知晓选择结果，无论是以有限理性、交易成本、逆向选择、机会主义、道德风险、资产专用性等范畴来研究选择行为的第一代产业组织理论，都是以“不确定性”作为分析基础，这使不完全理性假设在主流经济学中得以扎根。
在经济学家的分析视野中，不完全理性是指选择者只能掌握部分信息，选择者在有限理性状态下不知晓选择结果。一方面，如果我们用大数据语言描述这些信息，这些信息则是指已发生的部分历史数据，充其量包括少量正在发生的现期数据，而不涉及尚未发生的未来数据。另一方面，大数据不仅指数字代表的数据，也包括图书、视频、声音、图纸、图片、指纹、影像等非数字化数据。其实，完全信息是蕴含于大数据之中的，人们有可能通过对大数据的挖掘、搜集、整合、分类、加工和处理来获取真实信息或准确信息。这便出现了值得经济学家高度关注的问题：假若人们能够利用5G通讯、移动互联网、物联网、传感器、社交媒体、定位设备、机器学习、区块链等人工智能技术，搜集、整合和分类大数据，并且能够通过加工和处理大数据获取完全信息和准确信息，那么，就会改变现代经济学的不完全信息假设。显然，这是一场有可能颠覆主流经济学精美理论大厦的大数据革命。我们姑且不论这场革命是否必然会使人类获取完全信息和准确信息，仅以将来有可能发生的这场大数据革命而言，经济学也需要在基础理论方面有所创新。
大数据革命正在悄然走近我们。现有关于大数据运用的经济理论研究，主要是基于经济学和人工智能在决策方面的交叉，将大数据和人工智能看成一种通过诸如云计算、机器学习、区块链等展开的分析工具。例如，经济学家把博弈论和行为经济学等运用于人工智能领域，试图用经济理论来解释人工智能的决策方法；也有经济学家在机器深度学习的引导下开始探讨与数据相关的人工智能建模问题，力图在应用层面上分析大数据和人工智能对市场设计、金融操作和企业投资经营等的作用，如此等等，不一而足。客观来讲，经济学家的这些分析还谈不上是对大数据革命与经济学创新的联系基础而作的理论研究。从新科技对社会经济、政治、文化和思想意识形态等的实际影响看，大数据革命在很大程度上表现为5G通讯、移动互联网、大数据、物联网、机器学习、区块链等人工智能的融合，我们可以依据这一融合来研究大数据革命与经济学创新之间的关联。
社会物理学家和未来学家对大数据功能及其运用的展望，给我们研究大数据革命与经济学创新提供了启迪。吴军认为数字关系将取代因果关系，数字思维将取代机械思维，并认为大数据会改变现有产业而成为彰显新产业的新技术；阿莱克斯·彭特兰认为相对于数据流，大数据会导致人类活动出现“想法流”，人们行为与“想法流”之间存在可靠的数量关系；尤瓦尔·赫拉利认为以大数据思维为核心的数据主义是一种科技人文主义，它正在替代不同历史时期的各种人文主义。社会物理学家和未来学家对大数据运用及其功能的展望，可归结为一个重要的结论：未来世界是大数据和人工智能的世界，一切有机体和无机体都将成为一种“算法”。我们创新经济学理论，可结合社会物理学家和未来学家的展望进行思考。
其实，大数据是一种客观存在，即便在原始社会也同样存在大数据，只是那时的人类不具有搜集大数据的能力和意识。到了工业化时代后期，大数据开始被人类理解和认识，特别是计算机、互联网和人工智能的发展导致大数据按指数增长级别膨胀，人类利用云平台和云计算对大数据进行挖掘、搜集、整合、分类、加工和处理的能力大大增强，人类挖掘大数据和运用人工智能匹配大数据的能力不断提高。大数据是大自然万物运行和人类活动所留下的痕迹，大数据在任何时空中都包含着可以帮助人类决策的全部信息，只是人类一时还难以掌握从大数据中提取全部信息的科技。也就是说，全部信息寓于大数据之中是一回事，人类从大数据中挖掘出全部信息却是另一回事；同时，信息不仅存在是否完全和是否对称的问题，还存在是否正确、精准等问题。这便存在一个学术界至今尚未明晰的理论问题：假若人类可以在得到完全信息的基础上获取准确信息，人类是否可以实行计划经济呢？
大数据革命导致人类发展过程变化的根本原因，是人们获取的信息量、获取信息的方法以及获取信息的准确性等已发生变化，这些变化必然会影响和改变人们的经济决策行为。我们联系大数据革命来创新经济学理论，必须围绕这一基点展开。
二、理性选择学说创新的要义
在大数据、互联网和人工智能等高度融合的时代，我们是否可以认为大数据正在以直接或潜在形式所囊括的信息逐步接近完全信息呢？这一问题的答案对于理性选择理论的创新具有决定意义。事实上，大数据所囊括的全部信息与人们能否从大数据中获取全部信息是两码事，换言之，人们获得大数据的能力与从大数据中获得信息的能力不同。大数据囊括的全部信息是指人类活动留下的所有痕迹，人们要获取所有大数据信息，新科技的发展和运用必须达到顶级水平。具体来讲，人类的一切活动都要纳入数据智能平台（移动互联网、物联网、机器学习、区块链、传感器、社交媒体、定位设备等）；其中，机器学习这一重要的人工智能方法，对具有极大量、多维度、完备性的大数据加工和处理能力必须达到顶级水平，以至于能够在搜集所有数据的前提下准确预测信息。对于未来，谁也不能确定的是，人们是否有可能利用云平台、云计算和人工智能等新科技手段从大数据中获取完全信息。因此，理性选择学说中最基础、最重要的创新，是考虑建立完全理性（完全信息）假设。
较之古典经济学以“经济人”为核心的完全理性假设，大数据革命背景下经济学的完全理性假设不是理论逻辑预设，而是建立在新科技基础上对选择者能获得完全信息和知晓选择结果的预期假设；这种假设以选择者能够挖掘和搜集人类一切经济活动的大数据以及能够通过人工智能等手段从大数据中获取所有信息为前提。如果说这种假设蕴含着一些理论逻辑预设的成分，那么，我们可以将其理解成是对选择者能够获取完全信息的一种未来展望。显然，对未来展望的完全理性假设，不同于纯粹理论逻辑推论的完全理性假设。古典经济学的完全理性假设是对现实的一种高度抽象，它要求理论建构、变量设置、过程分析、分析方法等一系列给定条件的约束。如果经济学家依据未来展望来分析理性选择过程，整个经济理论体系的构建会逐步逼近现实，并能够最大限度地减少外生变量的设置。因此，对未来展望的完全理性假设，应看成是对理性选择理论最基础、最重要的创新。
理性选择理论的创新需要落实到对选择偏好、认知和效用期望等的分析中。在传统经济理论的完全理性假设中，由于假定选择者可得到完全信息并能够知晓选择结果，因而偏好函数、认知函数和效用函数是一体的。古典经济学以选择者在投资和消费过程中追求最大化来解说效用函数，至于偏好函数和认知函数，则通常由效用函数表征。也就是说，偏好和认知是被作为外生变量处理的。新古典经济学以及后来的现代主流经济学，开始在不完全理性假设上重视偏好和认知在选择过程中的内生性，构建了期望效用函数，但期望效用函数理论并没有完全将偏好和认知作为内生变量，因而这种创新是不到位的。现代非主流经济学通过行为和心理实验，将偏好和认知作为内生变量，对不确定条件下的风险决策进行了研究，使偏好函数和认知函数显现出独立形态。非主流经济学在效用函数的创新上，论证了通过感知相对财富变化以反映风险偏好和风险厌恶的价值函数。然而，由于非主流经济学缺乏像主流经济学那样简单明确的假设前提，尽管它揭示了现实决策与期望效用函数之间的系统性偏差，但仍因其创新不属于分析性研究而被认定为非主流。
经济学家要在大数据革命的背景下完成理性选择理论的分析性创新，必须要有新的理论假设，从而能够对偏好函数、认知函数和效用函数给出符合大数据、互联网和人工智能等实际融合的解说。这一理论研究工作涉及理论框架搭建、变量选择、模型设计等。不过，作为对理性选择理论创新要义的一种学术探讨，我们可以在大数据、互联网和人工智能等的融合下，围绕人们之间的行为选择，从理论层面上探寻偏好函数、认知函数和效用函数的形成路径，并在概要解析人们选择偏好、认知和效用等变化的基础上，分析这些函数的构成机理。
在大数据、互联网和人工智能等相互融合的时代，人们的投资选择和消费选择正在逐步形成两大群体，一是深谙大数据和人工智能并能够引导投资和消费的群体，虽然这类群体人数极少，但却是引领人们投资和消费的精英群体；二是对大数据和人工智能陌生且不能以之作为科技手段的群体，这类群体人数庞大，是主导投资和消费的大众群体。我们建构偏好函数、认知函数和效用函数可考虑按以下思路展开：精英群体有可能获取完全信息和知晓选择结果，并且投资选择和消费选择极有可能取得效用最大化，这一群体的偏好函数可以高度概括为将各种选择倾向统一于追求自身利益最大化，其认知函数可概括为通过对大数据的挖掘、搜集、整合、分类、加工和处理而得到准确信息支撑的选择策略，其效用函数则可概括为追求和实现最大化。这里的偏好函数和效用函数在形式上与古典经济学类似，但内容上有性质差别，它的认知函数反映了大数据革命对人类选择行为的影响。
精英群体的投资和消费选择所产生的效用最大化，导致大众群体的效仿，这种效仿不同于经济学家曾经揭示的蝴蝶效应、一窝蜂效应、从众行为、信息重叠、框架依赖等概念。未来我们将会看到，随着大数据和人工智能被运用于经济生活的每一个层面，精英群体的投资和消费选择会对大众群体产生示范效应。从理论上来说，大众群体会以精英群体的偏好函数为自己的偏好函数，以精英群体的认知函数为自己的认知函数，以精英群体的效用函数为自己的效用函数。
大众群体形成偏好函数、认知函数和效用函数的路径，对于我们创新理性选择理论很重要，这是因为，当精英群体与大众群体的三大函数合而为一时，我们便对大数据革命背景下的完全理性假设以及理性选择理论的创新有了立论依据。尽管这种逻辑推论或许过于抽象，但由于精英群体能够获取完全信息和准确信息，并且能够在知晓选择结果的基础上实现最大化效用，我们可以把这两大群体的偏好函数、认知函数和效用函数置于一个趋同化框架进行研究。倘若这种分析结论能被未来的大数据革命所证实，我们就有希望创新经济学理性选择理论。
三、资源配置机制创新的理论分析
在大数据革命引发的互联网时代，大数据、互联网和人工智能的相互融合正在改变人们的思维和选择方式。人们正在逐步以数据思维取代逻辑思维，力图以大数据中的准确信息作为选择依据，利用数据智能化手段进行选择。互联网时代人类经济活动的关键在“联结”和“去中间化”两大功能上，考察这两大功能在资源配置中的关联，如果厂商投资经营活动实现了无约束的“联结”，则会自然形成交易“去中间化”。厂商实现这种“联结”的途径是互联网上的行为互动，具体表现为对产品和服务的点击率、关注度、实时评价和体验交流等。这种行为互动是形成新的资源配置机制的重要环节，会改变原先主要通过价格波动和供求关系支配厂商投资经营选择的市场秩序。那么，大数据革命如何促使资源配置机制发生变化呢？这一问题需要对大数据和人工智能在微观经济活动中的运用进行分析，需要通过对精英群体利用云平台、运用云计算、机器学习、物联网、区块链等人工智能技术来匹配大数据进行分析。在工业化时代，市场机制出现市场失灵而很难实现帕累托最优的根本原因，在于厂商选择所依据的信息（供给和需求及其结构）是不完全信息，并且对这些信息的挖掘、搜集、整合、分类、加工和处理所形成的认知，要受到有限理性和技术进步的约束。我们展望未来大数据和互联网的充分发展，大数据将会包括价格波动和供求关系等所有市场信息，新科技手段将具备把总供给和总需求及其结构作为数据进行处理的能力。倘若如此，主流经济学有关“供求关系→价格波动→厂商投资选择”的市场资源配置机制的理论经典将会因大数据革命而在理论上备受质疑。大数据革命导致资源配置机制发生变化的具体过程是：精英群体的厂商会通过云平台对人们的偏好、认知和效用期望等进行大数据挖掘和分类，对这些大数据进行云计算和人工智能匹配，在掌握市场出清意义上的价格波动和供求关系信息后作出投资经营选择。很明显，厂商根据从大数据中得到完全信息和准确信息所做出的投资经营选择，会大大减弱价格和供求关系对资源的配置功能。
以通过分析大数据而获取准确信息的机器学习而论，当人类运用机器对大数据的完备性和多维度进行匹配，并能够通过大数据之间的相关性揭示准确信息时，人类便具备了实现瓦尔拉斯一般均衡的资源最佳配置机制的技术基础，这种能够实现瓦尔拉斯一般均衡的资源配置机制，可称为大数据资源配置机制。较之于经济学理论的市场资源配置机制，大数据资源配置机制并没有背离“供求关系→价格波动→厂商投资选择”的经典，但其最大的亮点是处理和获取信息的途径、方法、手段和过程等发生了变化，这种变化会引致经济学分析基础的变化。本文认为，经济学最重要的创新任务之一，是在理论上建立大数据资源配置机制（或互联网资源配置机制），使该机制贯穿于经济理论研究的始终。大数据资源配置机制替代工业化时代，市场资源配置机制的关键在于科技进步。厂商通过人工智能匹配有关价格、供给和需求等大数据进行投资经营，从而形成大数据资源配置机制，因此，机器学习技术水平的高低将会影响大数据资源配置机制作用的发挥。发挥大数据资源配置机制的作用，不仅要求机器学习能够匹配价格、供给和需求等的历史数据，而且要求机器学习能够匹配价格、供给和需求等现期数据和未来数据，否则很难形成大数据资源配置机制。从AlphaGo用模拟器对大约30万幅棋谱展开机器深度学习后战胜世界顶级围棋高手的情况看，人工智能匹配未来数据的能力已明显展露。随着人类加工和处理未来数据的机器学习方法日臻成熟，即人类能够将匹配未来数据的机器学习方法作为一种“算法”来处理，也就有可能形成大数据资源配置机制。
以上关于大数据革命导致资源配置机制变化的理论分析，立论于“大数据 = 历史数据 + 现期数据 + 未来数据”这一等式。从机理上讲，大数据的挖掘、搜集、整合和分类要求先进的人工智能技术，大数据的加工和处理（匹配）更要求先进的人工智能技术。经济活动的不确定性是造成市场失灵和政府失灵的根本原因。人工智能技术的未来发展能够消除不确定性吗？事实上，帕累托最优状态就是厂商都能够在不影响其他厂商福利的前提上，确定投资什么、生产什么、生产多少和怎样生产，而要实现帕累托最优状态，机器学习必须能够把厂商投资经营转换成一种“算法”。这是一种延伸未来学家关于“将来一切有机体和无机体都会成为一种算法”的观点。大部分经济学家对于这一观点持否定态度，因而对将来能否实行计划经济集体沉默或坚决反对。总之，大数据革命导致经济学基础理论出现危机，是由人工智能技术的迅猛发展引起的，我们在这种理论感悟下有以下展望：人工智能发展的终极状态有可能消除作为现代经济学分析基础的“不确定性”。
现有关于大数据和人工智能技术对厂商投资经营产生影响的最新理论分析，主要反映在将人工智能作为一种“算法”的抽象理论分析上，很少有文献从资源配置角度对其展开具体研究。其实，大数据资源配置机制已悄然发挥作用，它具体表现在厂商搭建数据智能平台进行投资经营以及由此产生的网络协同效应等方面。数据智能平台具有两大功能，一是挖掘、搜集、整合和分类大数据并利用集约化云计算处理大数据，二是通过机器学习和运用人工智能匹配大数据从而作出决策（物联网实际上就是数据智能平台）。我们创新经济学资源配置理论，需要分析数据智能平台的运作机理，并解析数据智能平台与网络协同效应之间的关联，才能说明大数据资源配置机制的客观存在。
厂商利用数据智能平台对大数据进行加工和处理来决定价格和产量，通常要面对更加复杂的经营场景，这种场景要求厂商在运用数据智能平台时必须具备网络协同效应。这里所说的网络协同效应，是指众多厂商在数据智能平台上的行为互动及其效用函数，它会引起产业组织变动。经济学家创新资源配置理论，一方面要重视数据智能平台这一基础，数据智能化水平决定了大数据资源配置机制发挥作用的程度和范围；另一方面要关注厂商投资经营的网络协同效应引起产业组织变动的事实。如果说创新资源配置理论是对理性选择理论创新的延伸，那么，经济学家创新产业组织理论则可以看成是对资源配置理论创新的继续。
四、产业组织理论的学术危机及其创新
大数据革命有可能使人类摆脱信息约束和认知约束。概而言之，厂商通过对具有极大量、完备性和多维度特征的大数据的筛选、甄别和分析，有可能获取完全信息和准确信息。这种对人类未来获取完全信息和准确信息的展望，可能对经济学理论具有颠覆性。在未来，对投资经营来讲，厂商对大数据的筛选和甄别可通过云平台和云计算，以人工智能（主要是机器学习）来匹配大数据进行选择，这样就会出现以大数据思维取代以部分信息为依据且夹带主观判断的因果思维。厂商会在大数据思维的引导下决定投资什么、生产什么、生产多少和怎样生产。因此，经济学家的首要任务是根据人工智能等新科技匹配大数据的机理，对厂商投资经营的选择行为作出符合经济学理论的新解释。这些新的理论解释至少包括两大核心内容，一是解释大数据资源配置机制、市场机制和政府宏观调控机制相对地位的变化，并结合大数据革命对资源配置机制的未来发展趋势作出系统性理论解说；二是解释大数据革命如何导致产业组织变动，对经济运行的制度、主体、行为的融合作出解析。
从广义上来讲，大数据革命是技术制度的变革，这种变革集中表现为经济主体选择行为的数据智能化。数据智能化是实现人工智能的必要条件，人们可利用数据智能化通过数据编程和模型运用来创造人工智能，对经济活动的方方面面发生影响。Ezrachi等曾担心市场势力强的厂商会通过数据智能化，运用“算法合谋”策略瓜分市场；Shapiro等则担心数据智能化会导致厂商采取“算法歧视”策略，以达到工业化时代难以实现的价格歧视和占有消费者剩余的目的。经济学家的这些担心，反映了大数据革命作为一种技术制度变革对原有经济理论的冲击。经济学家要联系产业组织变动来思考，首先，研究数据智能化如何使传统企业变成基于数据和算法的智能企业，数据智能化在“算法”上的技术变革条件是什么；其次，研究人们如何运用数据智能化来匹配供给与需求的海量数据，大数据和人工智能等如何促成共享经济；最后，通过这些研究揭示大数据革命下新科技如何推动产业组织变动的制度、主体、行为等的相互融合。
大数据革命的未来发展表明，最能反映制度、主体、行为融合和产业组织变动的新科技，是继互联网之后将会实现互通互联的物联网。经济学家需要解释海量厂商通过物联网的投资经营关联，即解释厂商挖掘、搜集、整合、分类、加工和处理大数据，解释厂商利用物联网平台进行投资经营的过程。物联网实际上是在海量企业之间搭建的一种互动平台。一方面，撇开诸如搜索引擎、云端技术和云计算等，仅就物联网与大数据和人工智能的关联以及物联网对厂商投资经营的影响而论，物联网不仅包括数据智能化，而且包括网络协同化。另一方面，数据智能化会扩大产品和服务的供给端，网络协同化会扩大产品和服务的需求端，二者是大数据革命背景下的一块铜板的两面。因此，经济学家创新产业组织理论，至少需要对物联网如何组织和协调厂商投资经营的运作过程作出解析。从框架上来说，这些解析包括理论论证、模型建构和实证分析等；从内容上来讲，这些解析应该由产量和价格决定，并以竞争和垄断为主要对象。
与数据智能化一样，网络协同化既体现在生产领域，也体现在流通领域，是大数据革命对物联网运行的规定。经济学家依据网络协同化会扩大产品和服务需求端，以及数据智能化会扩大产品和服务供给端的实际，研究大数据和人工智能时代产量和价格的决定，并研究竞争和垄断的形成途径。事实上，大数据革命背景下产量和价格的决定以及竞争和垄断的形成途径，已不像工业化时代那样主要取决于市场信号，而在很大程度上取决于厂商对反映供给和需求的大数据的挖掘、搜集、整合、分类、加工和处理，取决于数据智能化和网络协同化综合作用结果的网络协同效应。网络协同效应可理解为海量企业在物联网上互动所产生的效用函数。从产业垄断的形成上考察，如果厂商数据智能化和网络协同化的综合作用不能产生网络协同效应，那么，它只会产生部分市场势力而不会形成产业垄断。
大数据革命导致产业组织变动的终极结果，将是推动产业组织从垂直整合架构转向网络协同架构。工业化时代的产业组织架构是以产业上下游关系为纽带，并受制于不同产业数量比率和地理空间所形成的一种市场结构，它是产业资源配置及其整合的一种垂直关联，这种关联的显著特征表现为产品具有明确的区域供给侧（产业集群），它对于厂商投资经营的影响主要通过市场机制实现。具体来讲，在不考虑政府干预的情况下，厂商投资什么、生产什么、生产多少、怎样生产以及厂商竞争和垄断的途径，全部由成本约束、价格机制、供求关系、经济规模、技术门槛以及营销模式等决定。这种情况表明，工业化时代的科技运用局限于生产领域，对组织制度并没有影响。在“时空错开、同步并联、客户拉动、实时评价”的大数据和人工智能时代，以人工智能匹配大数据为标志的新科技对产业组织变动的影响是广泛而深刻的。
大数据和人工智能对产业组织变动的影响既反映在生产领域，也体现在流通领域。因此，经济学家对产业组织的一般理论描述，需要寻找能够解读产业组织架构及其运行的核心变量，并通过对这些核心变量的解读来完成理论创新。基于这样的分析，经济学家可以考虑沿袭未来学家赫拉利有关人工智能匹配大数据是一种“算法”的思想，把产业组织运行中的产量和价格决定以及厂商竞争和垄断形成路径的分析浓缩为“算法”来处理。前文分析表明，数据智能化和网络协同化以及由此产生的网络协同效应，非常适合作为“算法”的分析载体而成为解说产业组织架构及其运行的核心变量。然而，如何将这些变量运用于大数据、互联网、云计算、物联网、机器学习、区块链等人工智能等相互融合的市场之中，不仅需要分别对数据智能化和网络协同化进行理论梳理，而且需要在解析两者相互关联的基础上，联系产业组织实际对网络协同效应展开分层递进的论证。新科技重塑资源配置机制的过程，也是新科技影响产业组织变动的过程。
五、宏观调控理论创新的分层脉络
关于政府数据思维模式形成的前提条件，经济学家应该关注以下支撑新科技及其运用的条件配置：第一，互联网、大数据和人工智能等的相互融合能够在海量企业和个人之间搭建互动平台，以实现在线化物理世界；第二，新科技尤其是人工智能的发展，能够挖掘、搜集、整合、分类、加工和处理海量数据；第三，数据智能化和网络协同化推动了物联网的高速发展，使海量企业和个人的行为互动实现网络协同。不过，理解这些技术条件配置与符合规范地将其展开进行经济理论分析不同，在笔者看来，经济学家需在给出大数据明确定义的基础上对互联网、大数据和人工智能等的相互融合作出分析，解释物理世界在线化的互动平台，这样才能够联系理性选择理论揭示政府因果思维模式向数据思维模式的转化过程，并以此奠定宏观调控理论创新的分析基础。同时，经济学家要依据大数据的挖掘、搜集、整合、分类、加工和处理来描述认知过程，把理论分析重点放在对大数据的解析上。
现有文献对大数据的理解主要集中于大数据的极大量、多维度和完备性特征，以及人工智能匹配大数据等技术方面，并没有从时间维度上对大数据的构成予以明确的界定。由于大数据不仅包括数字化数据，也包括图纸、图书、图片、视频、声音、影像、指纹等非数字化数据；不仅包括已发生事件的数据，也包括正在发生事件的数据和未来将发生事件的数据，经济学家创新宏观调控理论，必须明晰以上大数据构成的规定，解释工业化时代和大数据时代的信息获取途径和处理手段的差别，分析政府理性选择行为的变化，研究政府利用互联网和物联网以及运用云计算、机器学习、区块链等人工智能手段的宏观调控措施变化。随着这方面实践的进一步展开，政府宏观调控的认知形成和政策制定过程会发生怎样的变化，是经济学家创新宏观调控理论需要重点关注的问题。
从新古典经济到现代主流和非主流经济学，经济学家都试图将“认知”作为内生变量来处理，但“认知”在各大经济理论体系中一直没有摆脱外生变量之嫌，论始求源，是因为经济学家始终坚持逻辑推理和演绎。大数据革命改变人类决策的最重要方面之一，是彻底将决定人类决策的认知与大数据捆绑在一起。联系政府宏观调控看，这种捆绑会导致政府认知形成过程成为继思维模式转变后宏观调控的第二分层脉络。对于这一分层脉络，经济学家需要描述政府对大数据的挖掘、搜集、整合、分类、加工和处理过程，并通过这些描述对政府认知过程作出符合经济学规范的解说。关于这种分层脉络的创新，经济学家可按两条路径来进行：一是联系移动互联网、传感器、社交媒体、定位设备等，对政府挖掘、搜集和整合大数据进行理论分析；二是通过对人工智能最主要手段的云计算、机器学习、物联网、区块链等的解读，分析政府加工和处理大数据的过程，尽可能让这些解读和分析能够承接先前的学说且理论化。如此，政府便可以在很大程度上创新宏观调控理论。
宏观调控理论的第三分层脉络是政府具体的决策过程，对这个分层脉络的理论创新，至少涉及以下问题：第一，如何在大数据革命背景下结合理性选择理论的创新，对政府宏观调控的决策行为作出经济学解释；第二，通过对人工智能匹配大数据的分析，对作为政府决策依据的认知过程及其决策前景作出理论概括；第三，如何从大数据中获取表征完全信息的集约化样本，对政府决策及其结果展开实证分析；第四，基于大数据革命存在提供完全信息的可能性，解说政府宏观调控的效用函数。显然，较之现有经济理论有关宏观调控的规范分析，这些创新的最大亮点是以大数据和人工智能的广泛运用为背景，注重于政府通过挖掘、搜集、整合、分类、加工和处理大数据而形成认知的分析，力求不夹带任何主观判断，因而这种创新后的宏观调控理论与理性选择理论、资源配置理论、产业组织理论等的创新，在分析基点和路径等方面保持了一致性。
经济学家对宏观调控理论的创新，是以大数据有可能提供完全信息和准确信息为前提的。这里存在一个有关宏观调控与完全、准确信息的悖论：如果大数据能够提供完全信息和准确信息，那便意味着厂商能够提供市场出清意义上的产品和服务，社会总供给和总需求会达到平衡，市场不会出现失灵，因而不需要政府的宏观调控。其实，在经济运行体系中，厂商作为经济行为主体是一个数量众多且繁杂的集群，即便大数据和人工智能的广泛运用能够提供完全信息和准确信息，但要使每一个厂商都能掌握完全信息和准确信息，且使每一个厂商的产品和服务的供给正好等于社会的有效需求，则需要大数据和人工智能长时期的运营和发展，也就是说，在大数据和人工智能能够提供完全信息和准确信息的背景下，市场出清意义上的产品和服务的社会总供给和总需求并不能立即实现平衡，因而政府仍然有宏观调控的必要性。
六、计划经济理论可以创新吗？
大数据和人工智能发展水平证明，人类用于决策依据的信息来源于大数据。大数据革命包括两大基础内容：一是人们可通过人工智能技术挖掘和搜集超乎想象的海量数据，为人类经济决策提供依据；二是人工智能的飞速发展，使人类有可能从海量数据中获取完全信息，并通过人工智能匹配大数据技术，有可能从完全信息中得到准确信息。这里强调的“有可能”，不是来自逻辑而是依据于现实。如果人类能够获取完全信息和准确信息，那么，人类经济决策就可以按计划行事。就计划经济理论的创新而论，经济学家可考虑按以下思路展开：从理论上把未来有可能实施的计划经济解说成一种由大数据革命决定的新科技计划模式，解读人类获得完全信息和准确信息的途径和方法，构建一个由新科技决定的全新理论分析框架，以区别于我们以前认知的中央集权式行政型计划经济模式。这里所说的新科技型计划模式，是大数据和人工智能发展到顶级状态的一种运行模式，它不涉及有关所有制问题的讨论。具体地讲，就是厂商根据完全信息和准确信息来投资和生产，依据大数据和人工智能技术来确定产量和价格。新科技计划模式实质上是一种市场型计划经济模式，它的运行基础是所有厂商能够运用大数据和人工智能技术确定自己产品和服务的有效社会需求。有学者会认为市场型计划经济在逻辑上很难界定出实施计划的行为主体，但如果我们把全体厂商看成抽象集合化的行为主体，那么，问题就应该有深入研究的空间。大数据和人工智能技术发展到顶级技术状态，不仅意味着企业能够获取符合自己产品和服务及其结构的完全信息，而且意味着企业有可能获取符合自己产品和服务的社会需求的准确信息。总之，企业能否获取完全信息和准确信息，是能否实行计划经济的关键。
分析至此，有一个不可回避的问题需要讨论：既然企业能够利用大数据和人工智能获取符合自己产品和服务社会需求的完全信息和准确信息，企业便可以提供市场出清意义上的产量并确定价格，那么，社会资源便会得到合理配置，而不需要政府进行宏观调控。这种观点忽略了经济运行中的资源宏观配置和资源微观配置的区别，企业获取资源配置的完全信息和准确信息能够准确确定产量和价格，是针对自己的产品和服务的供给和需求，属于微观层级的资源配置，它并不意味着所有企业都实现了资源合理配置。中央政府获取资源配置的完全信息和准确信息，是社会总供给和总需求及其结构的宏观层面上的完全信息和准确信息，因而政府宏观调控对确定企业产量仍然有十分重要的调节作用，这里的分析与前文有关政府宏观调控理论的创新是一致的。经济学家要创新计划经济理论，需要分别对中央政府和企业获取完全信息和准确信息的方法和途径展开分析，并要分别对宏观层面和微观层面的产量及其结构变动展开分析，使这些分析得以系统化和理论化。
科技计划模式的运行过程，是政府和企业全面实现数据智能化和网络协同化的过程。全面数据智能化由两部分内容构成：第一，政府和企业运用移动互联网、物联网、传感器、定位设备、社交媒体等挖掘和搜集大数据，并通过人工智能技术加工、处理和匹配大数据；第二，政府和企业会运用各种机器学习、物联网、区块链等人工智能手段从大数据中获得完全信息，并通过人工智能技术区别真实信息和虚假信息，以至于有可能在获取准确信息的基础上知晓决策结果。数据智能化看似是一种纯技术，但当它联系经济活动时，便会成为科技计划模式运行的基础。全面网络协同化则主要是指，政府与企业、企业与企业以及企业与消费者在网络中的行为互动，网络协同化要求政府和企业的投资经营具有网络协同效应，这同样会构成科技计划模式运行的基础。因此，经济学家要创新计划经济理论，必须能够对数据智能化和网络协同化以及由此产生的网络协同效应展开经济学分析，而并非热衷于对能否实行计划经济效用函数的争论。
如前所述，大数据不仅包括历史数据和现期数据，而且包括未来数据，科技计划模式的前提条件是人类必须能够从这三大数据中得到完全信息和准确信息。对于科技计划模式所要求的数据智能化和网络协同化的顶级技术，经济学家如何在理论上对之展开描述呢？一种可考虑的理论解析，是沿袭未来学家把一切有机体和无机体都解说为一种“算法”的思路。首先，把总供给和总需求及其结构解读成一种“算法”；其次，运用模型分析对人类从大数据中得到完全信息和准确信息的途径和方法作出解释；最后，在对数据智能化的经济学解读的基础上，重点研究企业与企业、企业与消费者之间行为互动的网络协同化。很明显，经济学家以新科技为底蕴的有关计划经济理论的创新，不是在原有计划经济理论框架内的修补，而是重塑原有的计划经济理论框架，建立起新的假设前提、参照系和分析方法。当然，这样的创新会碰到许多与其他经济基础理论创新相交融的问题，需要进一步探索。
七、分析性结语
诚然，大数据革命引发经济学创新的分析范围远不至此，它波及就业、收入分配、国际贸易、金融运行、经济周期等领域，不过，经济学的基础理论部分是理性选择、资源配置和产业组织三大理论，其他理论始终是这三大理论的延伸或派生形式。从新的经济学理论分析框架看，经济学家最重要的任务，是构建大数据时代经济学的理论假设前提。这一问题关系到经济学分析范式。本文主张以完全信息假设作为理论假设前提（一种大胆的理论设想），并在分析中努力将这一假设前提与古典经济学的完全信息假设进行区分，但以经济学范式的高标准评判，这显然是不够的。经济学的理论分析假设融合或浸透于理性选择理论之中，经济学家要重建这个理论分析假设，必须能够对大数据和人工智能时代人们的选择偏好、认知和效用等展开科学的论证，即能够对偏好、认知和效用等作出符合大数据革命实际的一般理论描述，这是一项高难度的理论研究工作。
经济学创新的另一项重要理论研究工作，是寻找并论证最能反映大数据和人工智能时代人们选择实际的分析参照系。就核心概念而论，本文关于经济学创新的分析，是以数据智能化、网络协同化、网络协同效应等作为分析参照系，这一参照系选择是否正确有待于讨论。关于数据智能化，我们不能局限于厂商利用移动互联网、物联网、云平台、云计算、机器学习、区块链等人工智能方法，对大数据的挖掘、搜集、整合、分类、加工和处理现象进行描述；关于网络协同化，我们不能局限于简单描述厂商与厂商以及厂商与消费者之间的行为互动，而是要揭示厂商在数据智能化和网络协同化过程中存在的经济学原理。经济学家不是新科技专家，但可以借助新科技成果来解读这些原理。我们之所以主张以数据智能化、网络协同化和网络协同效应等作为分析参照系，依据在于它们反映了大数据时代厂商、政府和个人追求效用最大化的选择过程。特别需要指出的是，网络协同效应是一个最能反映大数据革命背景下人们选择行为及其效用的概念，经济学家可考虑将其作为理论创新的重要范畴。
经济学假设前提和分析参照系的创新，通常需要有与之相对应的分析方法。未来学家关于数据思维将会取代逻辑因果思维的理论见解，为我们提供了思想启迪，但没有直接给我们提供分析方法。经济学家要创新大数据革命背景下的经济学分析方法，除了转变思维模式，还必须紧紧抓住数据智能化、网络协同化和网络协同效应这些对大数据方法形成支撑的分析参照系。对厂商来说，数据智能化和网络协同化水平的高低，不仅在于能否挖掘和搜集大数据，更在于能否加工和处理厂商与厂商以及厂商与消费者之间行为互动的大数据；不仅在于能在多大程度和范围内挖掘和处理历史数据和现期数据，而在于能在多大程度和范围内挖掘和处理未来数据。因此，经济学仅仅以历史数据为依据的实证分析方法需要创新，必须能够对现期数据乃至未来数据运用实证分析方法。
本文关于大数据边界应该包括历史数据、现期数据和未来数据的观点，一方面是基于大数据革命影响人类经济活动的真实数据量的考虑，另一方面是基于需要从大数据中获取完全信息和准确信息的考虑。依据这样的标准，经济学假设前提和分析方法的创新，无疑要受到人工智能挖掘和处理大数据的科技水平制约。经济学家可以借用新科技已经启用的“数据驱动法”作为创新经济学分析方法的基础，但由于这种分析方法并不包括对未来数据的挖掘和处理，因而经济学分析方法的创新会受到新科技发展的限制。本文有关计划经济理论创新的讨论，强调实行计划经济的条件是必须能够获取社会总供给和总需求及其结构变动的完全信息和准确信息，这是对以人工智能为标志的新科技未来发展的一种展望。这里所说的新科技未来发展，显然是指人工智能具有挖掘和处理现期数据和未来数据的能力。假如这种分析观点成立，我们关于能否实行计划经济的讨论，也就转变为对将来人工智能是否具备挖掘和处理现期数据和未来数据能力的讨论。
大数据革命引发的经济学理论创新包含丰富的内容，本文只择其要者进行了分析。需要说明的是，这些创新内容之间存在稍加分析就可以观察到的关联。例如，我们基于大数据运用导致人们选择偏好、认知和效用期望变化的有关理性选择理论创新的见解，是大数据资源配置机制理论的分析基础，而产业组织理论和宏观调控理论的创新，则是以大数据资源配置机制理论的创新为依据的。再如，从数据智能化、网络协同化和网络协同效应等贯穿于经济活动的始终来看，以上理论创新又可以理解为经济学整体创新的分层组合。总之，大数据革命引发的经济学创新根植于人们获取信息以及加工和处理信息的方法和途径的变化。我们可以预期：不完全信息时代有可能成为历史，人们能够获取完全信息和准确信息之时，便是现有经济学理论被彻底颠覆之日。
本文原载于《社会科学战线》2020年第3期
责编|刘雅君
网编|陈家威