数字经济模式与厂商投资经营

何大安

一、数字经济模式内涵及其功能

当前大数据、互联网和人工智能等广泛而深度的融合，在精神层面开启了科技人文主义，在物质层面重塑了投资经营方式和消费方式。针对这种融合带来的变革，未来学家和社会物理学家提出了科技人文主义。科技人文主义实际上是认为世界一切均由大数据主宰、任何人类行为和自然现象都可归结为“算法”的数字主义；〔1〕对于厂商投资经营和消费者行为，数字主义集中反映为导引厂商产供销活动和消费者选择偏好的数字经济模式。一些经济学者把数字经济模式的运行概括为数字经济、智能经济、共享经济和体验经济等四种类型，但从数字经济模式导引厂商投资经营的层面考察，将专门从事数字业务的行业纳入数字经济模式不是很科学，这是因为专门从事数字业务的行业是为数字经济服务的部门，而数字经济模式是一种市场运行状态，它主要是针对生产和消费活动而言的。以上理论见解，可以通过数字经济模式的内涵来辨识。

数字经济模式内涵可概括为以下三个方面的内容：一是厂商利用诸如5G通讯、互联网、传感器、社交媒体、定位系统等新科技手段，搜集、储存、分类和整合投资经营所需要的大数据；二是运用机器学习、物联网和区块链等人工智能技术，加工和处理这些大数据；三是通过大数据分析来剔除嘈杂数据，以确定投资生产什么以及投资生产多少。当绝大部分厂商都依据以上步骤进行投资经营时，社会的经济运行模式就转换为数字经济模式。但这种对数字经济模式内涵的说明是静态的解析，当我们考虑到新科技水平的提升，尤其是考虑到在新科技水平提升的背景下数字经济模式的内涵和外延融合时，对数字经济模式内涵的理解，就会扩散至大数据、互联网和人工智能等相融合的层面，就会延伸出对数字经济模式功能的考量。事实上，数字经济模式的运行总是要求厂商的投资经营必须不断提升新科技水平，即提升大数据分析和人工智能技术运用的能力。厂商运用大数据分析和人工智能技术进行投资经营的过程，就是数字经济模式功能的发挥过程。

数字经济模式仍属于市场经济模式，但与以价格和供求为信号的市场模式相比，它的特点是厂商投资经营主要依靠新科技手段，或者说，这种模式的资源配置功能的发挥要依靠厂商运用大数据分析和人工智能技术。如果我们追溯这种内涵的性质规定，则可认为是源于厂商的大数据思维取代了过去以部分信息为依据且夹带主观判断的因果逻辑思维。这一认识很重要，它是我们理解内涵及功能的基点。数字经济模式的资源配置功能之所以比以价格和供求为信号的市场模式优越，关键在于通过大数据分析和人工智能技术厂商能够相对准确地提供产品和服务。我们梳理一下以上关系，便可以有“大数据思维→大数据和人工智能运用→数字经济模式→配置资源功能→提供产品和服务”的分析思路。这一思路在一定范围内隐匿了某些中间环节，以至于简化了数字经济模式的形成机理和分析框架，但它对数字经济模式运行场景的勾勒，却在很大程度上揭示了数字经济模式的内涵及功能。

经济学自古典学派开始就关注以价格和供求为信号的市场资源配置模式〔2〕，然后经过对供求曲线、均衡价格、一般均衡以及帕累托最优等的探讨〔3〕，最终形成了以“偏好一致性、理性认知、效用最大化”为分析底蕴的期望效用函数理论；〔4〕新古典经济学的以上理论对经济学世界的影响是广泛而深刻的，以至于到现代主流经济学和非主流经济学，都没有从基础理论角度对市场模式提出挑战。不过，经济学关于市场模式的理论描述是工业化时代的产物，厂商依据不完全信息进行决策会出现市场失灵现象，虽然市场模式的内涵没有受到挑战，但它的功能却受到了部分否定。数字经济模式下的厂商是以大数据为基本分析要素，以互联网为交易平台，以人工智能为技术手段来进行投资经营的，这一模式的内涵及功能明显不同于市场模式。

对于数字经济模式的内涵及功能的理解，应该围绕大数据、互联网和人工智能的融合来完成。厂商从搜集、储存、分类和整合大数据，走向加工和处理大数据，需要人工智能等新科技手段；厂商通过大数据的加工和处理，确定投资和生产什么以及投资和生产多少，同样需要人工智能等新科技手段。这前后相继的两个阶段展现了数字经济模式下厂商投资经营的实际运作，是分析数字经济模式与厂商投资经营相互关联的主要内容。另外，经济学主要是分析厂商在掌握供求信息的基础上如何确定产量和价格，因此只需分析厂商运用大数据和人工智能对投资经营的作用。

二、数字经济模式之于厂商行为的理论分析

数字经济模式与数字技术运用不是一回事，它是经济运行的一种资源配置方式，不等同于互联网数据中心、云平台、云计算、网络切片、孪生数据、机器学习、物联网、区块链等人工智能技术的具体运用。〔5〕经济学关注的是数字经济模式，而不是数字技术的具体运用；经济学只是在讨论新科技手段如何影响厂商思维方式、操作程序以及决策过程等问题时，才会涉及数字技术的具体运用。经济学关于科技因素的学术处理，在一般经济问题分析和专项经济问题分析上有所不同。一些经济学家主张把科技因素作为内生变量纳入一般经济问题的分析框架进行研究。①这里所说的涉及科技因素对一般经济问题的分析，可以理解为将科技因素贯穿于经济活动的分析始终从而对具有普适性经济问题的解说，像互联网经济学、大数据经济学、人工智能经济学等类似的专题，但它需要在符合经济学规范的前提下分析和论证科技因素可以作为内生变量的属性。数字经济模式既可看成是专项经济问题，也可看成是一般经济问题。经济学需要重点研究的，是厂商怎样通过大数据分析和人工智能技术准确提供产品和服务，以说明数字经济模式属于微观基础的专项经济问题；同时，要研究厂商竞争和垄断路径如何形成以及市场配置资源机制发生了哪些变化，以说明数字经济模式存在着从专项经济问题转化为一般经济问题的可能性。

（一）厂商能够在一定程度和范围内运用大数据和人工智能技术来加工和处理大数据，是数字经济模式的启动时期

厂商搜集产供销大数据的新科技途径和手段，主要有互联网、社交媒体、传感器、定位系统、人工智能等，厂商能够搜集大数据，表明对新科技的掌握和运用达到了一定的水准；厂商能够在一定程度上运用新科技来加工和处理产供销大数据，意味着已经将新科技融合到了投资经营中。但是，影响厂商投资经营的大数据是一种复杂的存在，它既包括厂商投资经营产生的反映在财务报表的各类数字化数据，也包括影响厂商投资经营的诸如消费偏好、政策导向、各行业预期等非数字化数据。厂商运用大数据分析进行投资经营的基本水平，是能够处理数字化数据。厂商加工和处理大数据所要求的技术水准，要高于搜集、整合、储存和分类大数据的技术水准；厂商加工和处理非数字化数据所要求的技术水准，要高于加工和处理数字化数据所要求的技术水准。大数据是数字化数据与非数字化数据之和。②这是对大数据的一种静态划分，从动态看，大数据又可解释为已经发生的历史数据、正在发生的现期数据和未来数据之和，本文的后续分析会提及这三类数据。不过，无论是从静态还是从动态看，这些划分都可以作为考察厂商运用大数据和人工智能的科技水平的分析参照。理解这一点很重要，它是我们认知数字经济模式的基础。

依据以上分析，我们可以将数字经济模式的启动时期划分为三大阶段：1.厂商能够搜集、整合、储存和分类数字化数据，但却不能加工和处理数字化数据；2.厂商能够加工和处理数字化数据，但却不能搜集、整合、储存、分类、加工和处理非数字化数据；3.厂商不仅能够加工和处理数字化数据，而且能够搜集、整合、储存、分类、加工和处理非数字化数据。很明显，三大阶段的大数据分析和人工智能技术水平是明显不同的，这对于我们解说数字经济模式运行必须具备什么样的技术条件很有帮助。

对于单个厂商来讲，在第一阶段，数字化数据得到搜集、整合、储存和分类，表明该厂商掌握了互联网和云平台等相关新科技；厂商不能加工和处理数字化数据，表明厂商的大数据分析、云计算和人工智能技术水平很低，此时，数字经济模式处于萌芽时期。在第二阶段，厂商不能搜集、整合、储存、分类、加工和处理非数字化数据，表明厂商大数据分析、云计算和人工智能技术水平仍然较低，社会的数字经济模式只是处于起步时期。在第三阶段，厂商能够搜集、整合、储存、分类、加工和处理非数字化数据，人类开始步入数字经济模式。在这三大不同阶段，厂商对自己产供销活动的把控能力是不同的，即在准确提供产品和服务的能力方面有着很大差异。单个厂商是微观经济运行的基础，我们可以通过分析单个厂商的新科技水平来说明数字经济模式对全体厂商所必须具备的技术的要求，并以此说明数字经济模式与厂商投资经营的关联。

（二）从厂商新科技水平来分析数字经济模式与厂商投资经营的关联，是判断社会是否进入数字经济运行模式的契入点

社会进入数字经济模式的标志，从社会经济活动看，是生产、消费、交换和分配在很大范围内受大数据、互联网和人工智能等相融合的导引，以至于大数据分析和人工智能技术等渗透到社会经济生活的方方面面；从厂商投资经营看，则是厂商投资和生产什么以及投资和生产多少，取决于大数据分析和人工智能的运用程度和范围。迄今为止，经济学界有关数字经济模式的分析文献尚不多见，这是一个需要从厂商投资经营角度进行分析的问题，它在基础理论上需要对厂商投资经营的选择偏好、认知过程、效用期望等作出探讨，在现实分析层面上涉及对厂商投资经营与数字经济模式之间相关性的研究。在不考虑厂商具体运用大数据和人工智能技术的情形下，解读这种相关性有着可以品味的学理价值，它可以帮助我们判断社会经济运行是否进入数字经济模式。

数字经济模式与厂商投资经营之间的相关性可以从短期和长期来分析。从短期看，厂商运用大数据和人工智能的技术层级通常是既定的，按前文描述的三大阶段解读，厂商投资经营处于第一阶段的技术层级时，不可能在较短时间内上升到第二阶段；同理，厂商投资经营第二阶段的技术层级也不可能在较短时间内上升到第三阶段，这说明短期内的厂商投资经营与数字经济模式是弱相关，或者说，数字经济模式在短期内不会受厂商运用大数据和人工智能技术的影响。但在长期内则不然，数字经济模式与厂商投资经营是强相关。这是因为，厂商在长期内会不断提升自己运用大数据和人工智能的技术层级，如从第一阶段的技术层级上升到第二阶段，或从第二阶段上升到第三阶段。另一方面，数字经济模式运行在长期内所内蕴的竞争，会驱动厂商研发新技术以提升技术层级，换言之，厂商在长期内提升投资经营技术层级从而影响数字经济模式的同时，数字经济模式会反作用于厂商投资经营。

从理论上对数字经济模式与厂商投资经营的相关性作出两点分析，一是认为社会经济中有了数字经济现象并不代表出现了数字经济模式，厂商技术层级的提高是数字经济模式产生的原动力；二是强调厂商是推动数字经济模式运行的行为主体，只有当绝大部分厂商运用大数据和人工智能技术进行投资经营时，才能出现数字经济模式。

（三）在理论上梳理厂商运用大数据和人工智能的过程，是解释数字经济模式运行的分析基础

厂商在投资经营中要处理大量影响产供销的信息，这些信息来源于需要经过搜集、整理、分类、加工和处理的大数据。①一些学者把大数据看成是分析工具，潜台词是信息不是来源于大数据。笔者不同意这样的观点，认为该观点混淆了大数据分析和大数据。我们可以将大数据分析理解成是一种工具，但大数据是人类行为和自然现象的客观存在，任何信息都蕴含其中，新科技水平的高低决定从大数据中获取信息量的大小和准确性。大数据具有极大量、完备性和多维度等特征，大数据的极大量和完备性在包含充分信息的同时，也造成了它的复杂性和不确定性以及由此引致的非理想状态。〔6〕针对大数据的复杂性和不确定性，厂商可以在大数据思维下通过总体思维、相关思维、容错思维和智能思维，运用大数据分析来揭示大数据的总体性和相关性所内蕴的因果关系。〔7〕长期以来，厂商试图运用有限样本数据来判断现象背后的因果关系，希冀获悉产供销活动蕴含的准确信息，但厂商这样的因果思维不具有总体性和相关性。舍恩柏格认为对大数据进行相关分析有可能得到准确信息。舍氏观点正确与否，可通过对厂商运用大数据的分析和人工智能技术能否获取准确信息来说明。

大数据分析的总体思维和容错思维，在应对大数据的极大量和完备性特征时是有效的。厂商在面对产供销的所有大数据时，第一步是运用新科技手段把一切关联于产供销的大数据统统搜集起来，第二步是利用云平台储存这些大数据，并整合和分析这些大数据。很明显，在这些极大量的大数据中，对厂商投资经营有直接影响作用的数据，与没有直接关联的数据（甚至是失真数据）是并存的，厂商必须能够运用大数据和人工智能技术进行筛选和甄别，以找出能够准确规划产品和服务的大数据，这便涉及到了大数据分析的相关思维和智能思维。

厂商针对大数据的多维度特征所采用的相关思维和智能思维，可以确定投资和生产什么以及投资和生产多少，这是厂商运用人工智能技术加工和处理大数据的第三步。与第一步和第二步相比，第三步要求的新科技水准明显提高。厂商必须在能够利用云平台和熟练掌握云计算的基础上，运用人工智能技术来梳理影响产供销的大数据。从目前以加工和处理大数据为标志的梳理过程看，厂商已开始运用机器学习、物联网、区块链等人工智能技术来加工和处理大数据，但针对大数据多维度特征所显现的复杂性和不确定性，机器学习方法是厂商加工和处理大数据相关性的主要技术手段，即机器学习方法是厂商采用相关思维和智能思维进行大数据加工和处理的主要途径。

机器学习分为监督学习、无监督学习、深度学习和强化学习等类型，它通过算法来解析数据，让计算机在没有明确编程的条件下拥有学习能力，并通过对大数据的分析找出完成任务的方法，从而对真实世界中的事件作出预测和决策。〔8〕不同类型的机器学习手段加工和处理大数据的区别，在反映出对大数据进行相关性分析存在不同技术层级要求的同时，更重要的是揭示了以相关思维和智能思维导引的大数据相关性分析对厂商规划产品和服务数量的作用。厂商能在多大程度和范围内运用人工智能技术规划产品和服务数量，是鉴别数字经济模式有没有可能成为市场运行模式的标尺。关于这个问题的进一步探讨，需要对机器学习等人工智能技术展开深入的研究，研究的归宿点是必须联系数字经济模式运行的实际来解读，必须把单个厂商运用大数据分析和人工智能技术的场景，扩大为绝大部分厂商的分析场景。只有当绝大部分厂商进入了这样的场景，数字经济模式才可被证明为显性的市场运行模式。

三、厂商投资经营与数字经济模式的经济学分析

前文分析了数字经济模式与厂商投资经营之间的相关性，概要描述了它们的长期强关联和短期弱关联，但这些描述只是一种理论概括意义上的分析，并没有把运用大数据分析和人工智能技术的厂商投资经营，与数字经济模式的形成过程放在同一个框架内展开研究；然后，笔者解说了数字经济模式的启动时期、契入点及其运行基础，但这些解说仍然局限于理论描述。厂商投资经营属于微观经济活动，它会影响厂商的理性选择、产量和价格确定、竞争路径，还会影响资源配置方式和产业组织变动，换句话说，扩大视角来观察厂商投资经营与数字经济模式之间的相关性，有许多分析性的经济学内容值得研究。

（一）数字经济模式的大数据分析和人工智能运用，会重塑厂商投资经营的理性偏好、认知过程和效用期望，这里面蕴含着待阐述的新经济学思想

厂商作为投资经营的群体，他们在大数据思维驱动下会运用大数据和人工智能技术规划投资和产供销活动，但由于不同厂商搜集、储存、整合、分类、加工和处理大数据时有技术层次差异，这种差异会造成不同技术层次的厂商的效用函数的差别，进而使厂商形成两大集群：一类是能够利用大数据、互联网和人工智能等的融合、具有很强的匹配大数据能力的集群，另一类是匹配大数据能力较弱的集群。前一类集群是推动数字经济模式发展的主要行为主体，但他们通常由少数厂商组成；后一类集群通常是被数字经济模式发展带动的行为主体，他们通常由多数厂商组成；前一类集群是数字经济模式的塑造者和推动者，后一类集群是数字经济模式的跟随者和类聚者；前一类集群的投资经营可相对准确地规划产品和服务的数量，从而能够在一定程度和范围内取得利润最大化，后一类集群为追求利润最大化而逐步形成一种效仿前一类集群投资经营的趋势。

两类厂商集群投资经营能力的差异及其结果，给经济理论研究厂商理性偏好、认知过程和效用期望等提供了新课题。现代经济学开始重视对偏好多元化、认知不确定和效用期望不断调整的研究〔9〕，并开始关注效用函数的缺失问题〔10〕，但现代经济学始终没有摆脱发端于新古典经济学的成熟理性选择理论的影响，即始终没有摆脱“偏好的内在一致性、认知外生、效用最大化”等给定条件的约束。〔11〕也就是说，现代经济学一直是在理性选择理论的框架内解释偏好、认知和效用问题。随着数字经济模式的出现，厂商追求效用最大化的选择偏好、认知过程和效用期望等发生了变化。具体地讲，就是能够熟练运用大数据和人工智能的厂商（前一类集群厂商）在大数据思维下通过人工智能技术来匹配产供销数据，形成了现有的理性选择理论不能解释的选择偏好、认知过程和效用期望，这种现象有必要在经济理论层面上展开深入分析。

数字经济模式给我们提供的一般画面是：前一类集群厂商在数字经济模式下可以获得较大利润，他们的选择偏好、认知过程和效用期望等对后一类集群厂商产生了导引作用，导引的结果会使后一类集群厂商放弃自己的选择偏好、认知过程和效用期望，直接将前一类集群厂商的选择偏好、认知过程和效用期望作为自己的选择偏好、认知过程和效用期望，从而形成了趋同化的选择偏好、认知和效用期望。诚然，这种没有经过基础理论论证的描述也许过于抽象，这里只是作为一种观点提出，但这种趋同化现象有着一定的价值分析空间。如果经济学家能够依据数字经济模式的运行实际对这种趋同化建立分析模型，并据此展开基础理论的建构，那么，符合数字经济模式的理性选择理论或许会出现。

（二）厂商投资经营的大数据分析和人工智能运用的覆盖面大小，决定数字经济模式运行的覆盖面大小，这是一个可通过解释厂商如何提供产品和服务而得出的分析结论

经济学关于厂商投资经营如何提供产品和服务的分析和研究，主要集中在市场机制调节和政府政策干预两大方面，根据经济学家提出的不同调节方式和政策手段，形成了不同的经济学流派。数字经济模式本质上仍然属于市场运行模式，只是厂商决策依据、程序、手段和过程不同于市场运行模式。虽然市场模式下厂商投资经营的基础理论模型都可以概括为“选择偏好→搜集、加工和处理信息→认知过程形成→效用期望调整”，但对于数字经济模式来说，厂商搜集、加工和处理的不是信息而是数据，并且选择偏好、认知形成、效用期望调整等完全由大数据分析决定。理解这一点非常重要，我们可以通过对大数据的分析，来解释厂商投资经营时会提供什么样的产品和服务以及提供多少产品和服务。当我们能够用经济学原理说明厂商在数字经济模式下怎样提供产品和服务，我们的分析路径就没有偏离供给和需求这一经济学基点。

厂商运用大数据分析进行投资经营的过程，主要表现为运用人工智能技术对产供销大数据进行匹配的过程。不言而喻，这一匹配程序包含着厂商决策依据和手段，厂商首先是搜集和储存产供销大数据，然后是整合和分类产供销大数据，最后是加工和处理产供销大数据。撇开厂商运用人工智能匹配大数据的具体技术过程，如果厂商通过大数据匹配能够准确掌握供求信息，则厂商提供的产品和服务就会成为社会的有效需求，数字经济模式就会发挥其有效配置资源的功能。不过，数字经济模式全面发挥有效配置资源的功能是有条件约束的，那就是绝大部分厂商运用大数据和人工智能的技术水准必须达到相当高度。例如，以机器学习技术为例，厂商要能够在结合低层级特征数据与高层级特征数据的基础上揭示大数据的分布特征〔12〕，能够设计出多层次神经网络进行强化学习和深度学习。因此，通过厂商运用大数据和人工智能的状况来解读数字经济模式的覆盖面，是符合逻辑和实际的。

（三）数字经济模式将会展现一种新的资源配置机制，这一机制贯穿于厂商投资经营活动的始终

市场机制配置资源的基础，是供给曲线、需求曲线以及供求均衡分析。由于信息不完全，厂商提供的产品和服务的供给量及其结构难以符合社会需求；经济学因为对市场机制自发调节功能的不满意，故而转向对政府调控的呼吁，但在部分解决市场失灵的同时却产生了政府失灵。大数据、互联网和人工智能等的相互融合所导致的数字经济模式，虽然骨子里有着大量的市场机制基因，但该模式以大数据为基本分析要素，以互联网为交易平台，以人工智能为技术手段，实际上已给社会生产和交换提供了一种新的资源配置机制。我们姑且不考虑该机制如何称呼，只关注该机制的将来发展能否有效配置资源，即能否解决市场失灵和政府失灵。其实，任何一种资源配置机制的功能发挥，都是厂商投资经营通过什么路径和采用什么方法对产供销活动进行规划和安排的结果，都是厂商与厂商以及厂商与消费者之间市场交易行为的结果。

如果我们将基本要素大数据、交易平台互联网、技术手段人工智能等看成是数字经济模式的综合结构要素，通过这三大结构要素来研究数字经济模式的资源配置功能，我们在资源配置机制的研究上一定会有新的经济学认知。不过，这一新经济学认知的获取，不能离开厂商投资经营活动这一主线，不能离开供给曲线、需求曲线和供求均衡分析这些经济学存在和发展的永恒主题。

数字经济模式下的供给曲线不会改变向上倾斜态势，需求曲线也不会改变向下倾斜态势，但数字经济模式决定供求曲线的因素发生了变化。从供给曲线看，厂商通过大数据分析所进行的产供销活动，是运用互联网和云计算、机器学习、物联网、区块链等新科技手段来搜集、整合和分类与自己产供销相关的大数据；厂商可从这些经过加工和处理的大数据中获取相对完备的信息来决定生产什么和生产多少，这说明决定供给曲线走势的是价格既定条件下的新科技手段。从需求曲线看，对厂商和消费者的产品和服务需求的分析，同样可以通过大数据和人工智能技术来完成；数字经济模式下的需求曲线走势是厂商和消费者之间的交易行为互动；在数字经济模式下，厂商取得产品和服务的需求量信息，通常是通过点击率、关注度、实时评价和网红等途径；这些行为互动的流量是大数据，因而厂商对需求曲线的分析仍然是依据大数据、运用人工智能技术来完成。

我们可以把数字经济模式下的产品和服务的均衡价格，理解为厂商对供求大数据进行搜集、储存、整合、分类、加工和处理的结果，这个结果依旧表现为供给曲线与需求曲线的交点。关于这个均衡交点，经济学需要关注对厂商与客户之间行为互动的研究，因为，这种行为互动改变了主要通过价格波动和供求关系支配厂商投资经营的市场秩序，它是形成新的资源配置机制的重要内容。基于新的资源配置机制贯穿于厂商投资经营活动的始终，经济学家可考虑把新的资源配置机制与厂商投资经营的竞争路径结合起来分析，以说明大数据、互联网和人工智能等的深度融合对经济学变革所构筑的微观基础的客观存在。

（四）在数字经济模式下厂商将会大力发展人工智能技术，以挖掘潜在大数据作为投资经营的主要竞争路径

在工业化时代，厂商是在信息不完全的条件下加工和处理有限信息、并在此基础上形成认知而进行决策的，这种状况说明科技水平不支撑厂商挖掘、搜集、储存、整合、分类、加工和处理具有极大量、多纬度和完备性特征的大数据。在数字经济模式下，厂商利用云平台和云计算，通过挖掘、搜集、储存、整合、分类、加工和处理大数据来进行投资经营，这种状况说明厂商投资经营的理性选择已走向了人工智能化。人工智能技术对于厂商投资经营具有革命性，这一革命性的标志是厂商运用人工智能技术展开的产供销活动创造了数字经济模式，这一革命性的落脚点是厂商对产品或服务数量的规划和确定将完全依据大数据分析。人工智能的这种标志和落脚点，凸显了厂商为什么要将人工智能技术作为投资经营的竞争手段。

在交易成本不为零的经济社会，撇开生产过程的专业科技含量以及由此决定的产品价格、质量、性能和款式，厂商的核心竞争力主要反映在准确知晓生产什么样的产品和提供什么样的服务以及提供多少产品和服务上。在依据大数据决策的数字经济模式下，厂商加工和处理已发生事件并且能够通过一般人工智能手段解决数字化数据，将会逐步成为大部分厂商的基本新科技技能；对于大部分厂商来讲，困难在于挖掘、加工和处理尚未显现但很快会随事件发生而出现的潜在数据。①在本文第二部分的脚注中，笔者曾从静态和动态两方面分别把大数据解说为“数字化数据与非数字化数据之和”以及“历史数据、现期数据与未来数据之和”；对应于这里所说的潜在数据，未来数据、（部分）现期数据、（部分）非数字化数据则属于潜在数据。厂商投资经营最重要的核心竞争力，是能够挖掘、加工和处理尚未发生的未来数据。从基础理论看，厂商要将经济活动的不确定性转化为确定性，必须能够运用大数据和人工智能技术掌握和处理未来数据，厂商做到了这一点，就能够准确规划投资和生产什么、投资和生产多少，就能在满足社会有效需求的前提下取得利润最大化。

厂商能否挖掘潜在数据取决于大数据分析和人工智能运用的技术层级。就技术层级而论，现实中的厂商可以分为低技术层级、中技术层级和高技术层级三大类；假定高技术层级厂商可以挖掘、加工和处理潜在数据，它就有很强的核心竞争力，而中等和低等技术层级厂商要与高等技术层级厂商争夺市场和利润，势必会想方设法提升自己的竞争力。于是，挖掘、加工和处理潜在数据便成为厂商投资经营的主要竞争路径。另外，厂商在新科技全面竞争的过程中，自然会出现高技术层级厂商对中等和低等技术层级厂商的引领作用，从而推动数字经济模式的运行和发展。在经济理论分析上，我们可以把厂商挖掘潜在数据以及高技术层级厂商的引领作用，解读为数字经济模式下厂商竞争路径选择的一块铜板的两个面，至于这块铜板的结构安排、参数选择、模型设计和系统论证，需要进一步研究。

谈及厂商的竞争路径自然会引发垄断问题。在经济学说史上，无论是建立在产品同质性假设上的完全竞争理论〔13〕，还是建立在产品异质性假设上的垄断竞争理论〔14〕，无论是芝加哥学派以“结构、行为、绩效”模型为特征的竞争和垄断理论〔15〕，还是新制度经济学以交易成本为核心的竞争和垄断理论〔16〕，这些经济学理论中关于垄断的分析基本上都是围绕产量和价格的决定、进入壁垒、市场势力和规模经济等展开的。但在数字经济模式下，垄断的形成和发展是与大数据和人工智能技术融合在一起的，并且垄断的形成和竞争路径的选择所形成的格局会使产业组织结构发生变化。

（五）数字经济模式下的产业组织结构是大数据、互联网和人工智能等的融合，厂商投资经营的竞争路径是产业组织结构发生变化的引擎

工业化文明的延续和发展在一定程度上依托于产业组织的延续和发展，经济学家借助企业文化对产业组织变动导致社会进步的超经济学描述，有时会夹带社会学色彩，但对产业组织实际运行的分析，则通常是以产供销关联、上下游产业链、区域产业集群、运输成本及半径等的分析为基础的，也就是说，产业组织在经济学家的视野中始终是一种垂直整合架构。以大数据的观点看问题，经济学家对产业组织这种垂直整合架构的分析，实际上是对厂商与厂商以及厂商与消费者之间行为互动的结果分析，换句话说，经济学家的相关分析结论是对产业组织变动的完成形态的研究，而不是对产业组织变动的进行形态的研究，无怪乎许多分析结论并不符合实际，以至于现有的各种产业组织理论一直存在争议。

大数据、互联网和人工智能等融合下的产业组织及其结构变动，无论是从横截面和纵向面，还是从静态和动态来考察，都是厂商利用互联网平台，运用大数据分析和人工智能技术进行投资经营的结果，或者说，它是厂商与厂商以及厂商与消费者之间的行为互动，是产业组织变动的进行形态。因此，数字经济模式下的产业组织是一种反映了厂商投资经营时运用大数据和人工智能的网络协同架构。较之于垂直整合架构，经济学想要深入分析网络协同架构必须围绕两条线索展开：1.厂商与厂商以及厂商与消费者之间的行为互动会呈现出什么样的格局，经济理论可以从哪些方面描述这种格局的形成机理和过程；2.网络协同架构的形成和发展会对微观经济基础产生什么样的影响，会对政府宏观调控有什么样的启示。经济学家沿着这两条分析线索进行研究的任务，是要证明厂商投资经营的竞争路径是形成产业组织网络协同架构的引擎，并据此通过网络协同架构来分析数字经济模式下的垄断问题。

经济学的产业组织问题偏重于微观理论但也在一定程度上关联于宏观理论。经济学家对数字经济模式下厂商投资经营的分析和研究，上升到制度安排层面并对它做出理论总结是产业组织问题；经济学家依据产业组织及其结构变动对政府政策作出评说和提出建议，就涉及到产业组织与宏观调控的关联问题。在产业组织是垂直整合架构的情况下，政府产业政策、财政政策、货币政策等宏观调控手段的依据是各级经济科层组织的统计数据，宏观调控的覆盖面、强度、效用等则取决于各级地方政府实施政策的力度。针对不同地区的实际，政府宏观调控政策及其实施手段很难整齐划一，很难落实到厂商投资经营层面，于是，宏观调控容易出现政府失灵。在产业组织是网络协同架构的情形下，政府宏观调控政策及其实施手段将依据大数据，即便政策措施不能做到整齐划一，但有着落实到厂商投资经营层面的可能性，并且依据大数据的宏观调控有可能化解各级地方政府在实施政策时产生的摩擦和掣肘。

四、对数字经济模式未来发展的展望

未来学家和社会物理学家关于将来所有人类活动和自然现象都可以归结为一种“算法”，以及人类社会将会被人工智能主宰的相关论述〔17〕，究竟仅仅是一种理念性预言还是有可能成为现实，恐怕现阶段没有一种学说能够通过理论论证可以断言。数字经济模式已经从一种思想端倪走向了市场，这个过程是以大数据、互联网和人工智能等的相互融合为背景，以厂商投资经营的数据智能化为实践载体而展开的。因此，数字经济模式在将来能发展到何种程度以及覆盖面能有多宽广，不仅要取决于大数据、互联网和人工智能等的融合程度和范围，更重要的是要看厂商投资经营的数据智能化的发展速度和质量。

大数据、互联网和人工智能等相融合是针对整个社会的新科技水平而言的。就厂商投资经营而论，这种融合的深度体现为厂商投资经营是不是贯彻大数据思维，集中表现在厂商以大数据为基本要素、以互联网为平台和以人工智能为技术手段的投资经营有没有完全依据于大数据分析来操作；这种融合的广度在于是不是绝大部分厂商都是运用大数据和人工智能来进行投资经营，绝大部分厂商有没有实现大数据思维、分析和操作的一体化。目前绝大部分厂商投资经营还达不到大数据、互联网和人工智能等的深度和广度融合。在未来，厂商投资经营能不能实现这种深度和广度的融合，以驱动力来讲，主要是看厂商运用大数据和人工智能技术是否可以取得利润最大化，以及熟练运用大数据和人工智能技术的少数厂商，在投资经营方向上对那些不能熟练运用大数据和人工智能技术的多数厂商的引领作用。因此，未来数字经济模式究竟能发展到什么状态，其基础在于厂商追求利润最大化的驱动力能在多大范围内使厂商投资经营全面实行数据智能化。

数字经济模式的发展有速度和质量的双重要求和规定，其发展速度可通过覆盖面扩大来表征，其发展质量则需要通过厂商运用大数据和人工智能技术能力的大小来解说。数字经济模式的质量可以从以下几个方面鉴别：1.厂商能在多大程度上运用大数据分析和人工智能技术来匹配非数字化数据，能有多大能力挖掘和处理未来数据；2.人工智能企业的数据智能化水准，即运用大数据分析和人工智能技术规划产品和服务数量以及预测社会需求的准确性；3.高技术层级厂商每年的投资额和利润额占整个社会投资和利润总额的比率，以及财政收入在多大程度上依赖高技术层级厂商等；4.厂商数据智能化能不能推动使政府形成大数据思维并运用大数据和人工智能技术来进行宏观调控。以上这些衡量数字经济模式质量的标准，包括技术和效益两方面内容，从数字经济模式的展望考察，关键在新科技层面，易言之，厂商运用大数据和人工智能的技术水准至关重要。

厂商投资什么、投资多少、生产什么、生产多少以及怎样生产等是经济学的永恒课题。当厂商依靠大数据而不是根据部分信息来应对这一课题时，厂商的重要任务是对社会需求展开大数据分析。事实上，影响社会需求的很多因素蕴含在非数字化数据之中，这些因素通常由选择偏好、消费时尚、认知心理等构成。厂商新科技水平是否大幅提升，可通过对厂商能否搜集、加工和处理非数字化数据来判断。为准确提供产品和服务，厂商在未来一定会大力发展机器学习、物联网、区块链等人工智能技术。以物联网技术推动数字经济模式为例，厂商要实现将非数字化数据转化为数字化数据，就需要发展物联网的数据采集、数据处理和智能运用等技术，使经过加工和处理的非数字化数据的App软件可通过物联网落地到投资经营中；再例如，为保证从大数据中获取安全和准确的信息，厂商在将来一定会大力发展具有价值互联网性质的区块链技术，让具有分布式账本、去中心化信任、时间戳、非对称加密、智能合约等特征的区块链技术贯穿于投资经营。因此，厂商运用人工智能等技术来搜集、加工和处理非数字化数据，将成为数字经济模式发展的必然。

厂商获取准确数据进行投资经营从而准确提供产品和服务的最大困难，是对还没有发生事件的未来数据的挖掘、加工和处理。从现有的人工智能技术及其使用手段看，机器学习最有可能是解决未来数据的主要技术。①目前厂商运用机器学习技术的基本情况，是在运用决策树（Decision Tree）和支持向量机（SVM）等模型的同时，力图运用回归（Ridge Regression）和套索算法（LASSO）等解决预测问题。参见H.Varian，“Big Data:New Tricks for Econometrics，”Journal of Economic Perspectives，vol.28，no.2（2014），pp.3-27；S.Athey，G.Imbens，“Machine Learning Methods for Estimating Heterogeneous Causal Effects，”Statistics，vol.113，no.27（2015），pp.7353-7360。显然，这离挖掘、加工和处理未来数据相距甚远。但问题在于，机器学习技术不能满足于对未来数据的预测，它需要与其他人工智能技术结合来发挥挖掘、加工和处理未来数据的功能。诚然，机器学习相对于过度关注统计计量的计量经济学，它在有效预测供求关系上向前大大迈了一步，但现有的深度学习和强化学习还远不具备挖掘、加工和处理未来数据的技术水准。厂商是否具备这样的技术水准是非常重要的，它关系到厂商能不能准确判断社会需求和自身产品和服务的数量确定，从而关系到社会资源能不能合理有效配置以及数字经济模式的发展空间。因此，厂商在未来一定会探索比深度学习和强化学习技术层级更高的新机器学习方法，并通过与其他人工智能技术的结合，在解决未来数据的前提下推进数字经济模式的运行。

数字经济模式作为一种新型的市场运行方式，是一项极其复杂的系统工程，它的未来发展还关系到前文提及的个人、企业和政府的大数据思维以及这些主体之间行为互动的网络协同化等问题。在大数据、互联网和人工智能等深度融合的未来，数字经济模式向前推进是毋容置疑的，但它能不能有效解决社会总供求的均衡，能不能有效解决资源的合理配置，取决于它的未来发展。总之，大数据思维是数字经济模式发展的必要条件，数据智能化和网络协同化是数字经济模式发展在技术条件配置上的充分条件，而厂商投资经营的技术层级的提高是数字经济模式发展的催化剂。在未来，数字经济模式发展的基本格局由厂商微观经济活动所决定，对数字经济模式发展的机理及其过程的描述和揭示，则需要经济学家们的共同努力。