数字经济背景下企业技术层级与规模效益变动

□何大安

内容提要 当前中国数字经济主要由规模效益显著的数字平台经济拉动，这一事实在标志着数字经济快速发展的同时，也反映出其技术结构的不平衡。在信息通信技术、互联网、大数据和人工智能等的融合背景下，评判不同数字经济业态的技术层级和规模效益对数字经济发展的影响，不仅需要对不同类型大数据的搜集、加工和处理所要求的技术层级进行分析，还需要联系企业技术层级变动对数字经济的核心层业态和应用层业态展开分析。本文在概要分析企业规模效益与企业技术层级关联的基础上，认为数字经济的规模效益由企业技术层级决定，企业技术层级变动会引致数字经济的内部结构发生变化。同时本文考察了我国数字经济之技术结构不平衡的现状和成因，从数字经济运行的综合场景出发，重点讨论了企业搜集、加工和处理不同类型大数据的技术水平对提升规模效益的影响，力图依据微观经济学基础理论对企业技术层级与规模效益变动作出解释。

一、引言

数字经济发展到今天，以互联网为运行载体的数字平台经济（DPE）可谓独领风骚。数字平台经济的数字技术运用，涉及企业之间、消费者之间、企业与消费者之间以交易行为互动为基础的网络架构、网络协同和网络效应等场景。从网络架构看，数字平台依托IT基础设施和依据数字技术建立了双边用户或多边用户的交易结构；以网络协同而言，数字平台成为企业和消费者运用大数据进行投资经营选择，从而形成供给和需求、产量和价格等的协调场景；就网络效应而论，数字平台推动了企业运用数字技术来构建双边或多边用户的交易协同框架，降低了企业外部运营的交易成本，实现了社会需求决定平台业务的价值创造和获取的路径。西方学者（Saadatmang et al.，2019）曾提出基于数字平台社会化的新兴技术组织论，认为大数据、互联网和人工智能等的融合会形成数字平台生态或场景；针对将数字平台描述为生态的观点，另有西方学者认为数字平台生态是一个复杂的系统，它是由数字生态系统与创业生态系统两部分构成，强调数字基础设施、数字机构、创业者、用户等在这个复杂系统中的关联（Susan & Acs，2017）。作为一种理论研究，我们要关注的是，当企业投资经营只是被放置于数字平台进行生态系统分析时，我们对数字经济的考察，就很容易聚焦于数字平台经济。

数字平台经济是数字经济业态最耀眼的部分。数字经济范围很广，它包括基础层面的信息通信技术和软硬件制造，狭义应用层面的平台经济、电子商务业务、数字服务，广义应用层面的工业4.0、精准农业、算法经济等。国内学者倾向于把基础层面的数字经济解释为数字产业化，将广义和狭义应用层面的数字经济界定为产业数字化。①既然数字平台经济只是数字经济的一个组成部分，为什么经济学者特别关注数字平台经济呢？这个问题与数字经济不同业态的规模效益有关。数字平台经济是最容易利用数字技术打开市场需求端的模式，它的规模效益会随市场规模扩大而得到立竿见影的提升，这在我国数字巨头的运营平台业务中表现得极为突出。同时，由于其它数字经济行业短期内难以利用数字技术迅速打开市场需求端，它们的市场规模及其效益占数字经济比重并不高。②这种景况表明我国和欧美国家在数字经济发展与其规模效益上存在差异。我国现阶段数字经济发展中的数字平台经济，因需求端的迅猛扩大使得其规模效益十分显著，但其它数字经济业态的规模效益却不是很明显。

数字经济的规模效益之所以会在不同国家出现不同景况，一方面是因为不同国家数字经济模式的不同战略选择，另一方面则是企业技术层级差异所致。欧美国家注重数字经济基础层面的战略选择，并积极将基础层面的研发成果推广到广义和狭义的应用层面，数字经济在基础层面和应用层面的布局比较均匀。事实上，数字平台经济对需求端具有显著的拉动作用，但以工业4.0、精准农业等为代表的应用层面的数字经济会扩大供给端，也就是说，数字经济的规模效益不会天然集中于某一数字经济领域。我国数字经济发展的战略选择正好与欧美国家相反，数字经济基础层面的发展严重滞后，应用层面的发展严重不平衡。在我国，以互联网为中心的数字平台经济一直是拉动数字经济的主要模式，其规模效益随需求端迅速扩大而提升，形成了诸如腾讯、阿里、美团、字节跳动等互联网巨头公司，导致了数字平台经济的绝对优势。

企业技术层级与规模效益之间存在着可通过对数字经济运行进行分析得以揭示的相关性。数字经济=数字产业化+产业数字化，这个等式不仅说明数字经济创造的GDP由数字产业化和产业数字化两大块构成，它还隐含着另一种意义，即表征数字经济的规模效益是数字产业化与产业数字化两者的规模效益之和。在数字经济GDP或数字经济规模效益既定的情况下，数字产业化与产业数字化之间存在此消彼长的关系。现有的关于数字经济规模效益的分析（尼葛洛庞蒂，2017；泰普斯科特，2016）和研究③，主要是从数字经济发展及其占GDP比重等方面展开，很少关联这种此消彼长的关系，更很少关联到众多企业技术层级差异对数字经济发展及规模效益的影响。其实，数字平台经济主要是将信息通信技术和软硬件制造等基础层面的核心技术运用于以互联网交易为中心旨在扩大需求端的数字技术操作应用，尽管它可以推动数字经济发展、加快数字经济应用层面的进程、提升GDP中的数字经济比重，但由于数字平台经济的过度发展会引起流入数字经济中的资本无序扩张，会削弱或阻碍工业4.0、精准农业等应用层面的数字经济业态的发展，从而导致数字产业化与产业数字化的不平衡。这种不平衡会严重损害数字经济未来的发展。

关于资本在数字经济中的无序扩张，2021年我国政府相继出台了《数字安全法》、《网络数字安全管理条例》、《个人信息保护法》等法规，目的是遏制垄断，缩短我国与西方国家在新科技基础层面的差距，让资本尽可能流入数字经济中那些难以赚快钱的工业和农业等部门，或者说，尽可能避免数字经济规模效益被数字平台经济独占、进而继续造成资本无序扩张的局面。不过，以我国实际而言，这些法规能否促进企业完成数字经济结构的调整，一方面取决于企业对数字技术基础层面研发投入的程度和范围，另一方面则取决于企业搜集、加工和处理大数据，从而运用数字技术来预测市场需求和规划产供销数量的能力和水平。这两个旨在推动数字经济结构调整以遏制资本无序扩张的条件很重要。诚然，数字经济下企业投资经营以及经济结构调整过程会涉及数字经济运行的方方面面，但就价格、供求、产量、竞争、垄断等决定产业组织的因素来讲，企业投资经营的规模效益和技术层级则是两个值得经济学家关注的问题。

本世纪以来我国经济在投资、外贸、消费三驾马车的拉动下持续增长，已成为世界供应链中心和世界第二大经济体，其中，增长势头最猛最具有创新前景的是数字经济。在经济增长瓶颈制约和世界地缘政治挑战的背景下，我国绕避或跨越中等收入陷阱和修昔底德陷阱，大力发展数字经济无疑是最佳选择。数字经济的发展要靠规模效益推动，规模效益不能只“钟爱”数字经济的单一或几个领域，要在数字经济中均衡呈现，要能够得到企业技术层级的全方位支撑。基于此，本文第二部分将围绕不同数字经济业态的运行特征对规模效益展开理论分析，试图在较宽广的层面上对数字经济规模效益作出符合现实的学术理解；第三部分在解析企业规模效益与技术层级相关联的基础上，通过对企业搜集、加工和处理不同类型大数据的技术水平的分析，说明提升数字经济规模效益的技术条件配置；第四部分是对企业技术层级与规模效益之未来发展的展望。

二、对数字经济之规模效益的学术理解

数字经济是以信息通信技术为背景，以大数据为基本要素，以互联网为交易平台，以云计算和人工智能等技术提供“算法”为操作手段的企业投资经营活动。④数字经济运行的微观基础是企业运用大数据分析和人工智能手段以决定投资和生产什么，投资和生产多少。这便涉及到以下问题：（1）企业运用大数据分析和人工智能手段能在多大程度和范围内准确确定产量和价格；（2）企业在数字化转型的不同阶段具有不同的数字技术能力（何大安，2022）；（3）企业数字技术能力的差异会导致不同的规模效益；（4）数字经济在不同行业之间实现规模效益均衡需要什么样的条件配置。经济理论对这些问题的解读，需要围绕企业搜集、加工和处理大数据的技术层级来进行，换言之，我们分析数字经济规模效益均衡的基础是对企业技术层级变动作出解释。

（一）数字经济的规模效益可从单个企业的数字经济产值变动考察，也可以通过行业之间数字经济产值变动及占GDP比率来理解

企业运用数字技术进行投资经营的方法、路径和过程，可概括为搜集、储存、整合、分类、加工和处理产供销大数据，并运用云计算、机器学习、物联网、区块链等人工智能技术来捕捉或预测符合社会有效需求的产品和服务。抛开目前人们还没有找到准确判定数字经济产品和服务的方法，单从数字经济产值变动对企业规模效益的影响来讲，数字经济规模效益提升的前提条件，是企业必须能够通过大数据分析来提高产品生产和提供服务的边际生产率，能够通过大数据分析对产品和服务的数量和品种的有效需求做出相对准确的预测。企业通过数字技术提升边际生产率，涉猎的主要内容是企业如何进行大数据分析，属于微观经济学中的“微观内容”；企业通过大数据分析对产品和服务的有效需求做出预测，涉猎供求关系、投资者认知、消费者偏好、产量和价格决定等微观经济学的基本内容。很明显，从单个企业的数字经济产值变动来考察规模效益，关注点是企业运用大数据分析对产品和服务的有效需求进行预测。

数字经济在不同行业的产值及占GDP的比率，既可看成是不同行业在数字经济领域投资额变动的结果，也可理解成是不同行业大数据分析和人工智能运用之技术水平差异的结果。但无论是基于何种原因，数字经济规模效益都要取决于企业运用数字技术能否准确预测产品和服务的需求端。社会需求端由显性需求与隐性需求两大块构成，就企业运用大数据分析和人工智能技术对不同类型大数据的搜集、加工和处理而论，企业产品和服务的显性社会需求能否被掌控和扩大，取决于企业对已发生的产供销大数据的搜集、加工和处理的能力。企业产品和服务的隐性社会需求能否被充分挖掘从而使需求端进一步扩大，则取决于企业对尚未发生的产供销大数据的搜集、加工和处理的能力。⑤不同行业在数字经济中的产值及占GDP比率，会在很大程度和范围内反映规模效益，规模效益与需求端扩大成正比。数字产业化或产业数字化的需求端要扩大，通常存在两种不可绕避的约束：一是数字产品和服务将面对的市场规模和人口数量，二是经营这些数字产品和服务必须具备的资金和技术门槛。近十几年来，我国数字经济出现的不均衡现象就体现了这两种约束。

（二）数字平台经济业态受约束程度较轻，基础应用层面的数字经济业态受约束程度很强，短期内两者的规模效益明显不同

在交易成本不为零的现实经济活动中，商业业态或模式的资金流向、投资收益、运行周期之间会存在一些因果关联，这些复杂的关联会在一定程度和范围内影响需求端和供给端，会造成不同商业活动业态或模式的规模效益差异。数字平台经济主要是面对人数众多的消费领域，其产品和服务的平台流转业务、电子商务业务以及数字服务业务等的社会需求端和供给端都很庞大。数字平台经济的初始投放资金主要集中于IT基础设施的轻资产，既不需要对操作系统、数字软件大量投入，也不需要有许多极高技术水准的专业操作员工，它是一种资金周转迅速、赚钱快、进入门槛相对低的具有“拿来主义”意味的数字经济业态。数字平台经济的规模效益十分明显，它能在极强示范效应的引领下完成“滚雪球”式飞速发展。当学者或决策者将数字经济产值占GDP比率作为数字经济发展的衡量指标时，很容易忽视数字平台经济“一枝独秀”对数字经济内部均衡的损害。具体而言，在数字经济增长既定或受限的情况下，数字平台经济的规模效益提升越快，数字经济的其他业态便会越加受到抑制。

信息通信技术、软硬件制造、工业4.0、精准农业等数字经济的基础、广义应用业态，是数字经济未来发展的主干，或者说是产业数字化的趋势所在。较之于平台流转业务、电子商务业务、数字服务等数字平台经济业态，这些基础应用业态的社会需求端要小得多，它要想获取规模效益，需要有操作系统、数字软件等IT基础设施的重资产投入，需要加速资金周转和降低进入门槛。但由于这些基础应用业态的需求端主要是正准备进入产业数字化的企业，而并非直面最终消费者，因而这些基础应用业态要扩大需求端和提升规模效益，必须实现对操作系统、软硬件、工业4.0、精准农业等领域数字产品的国产替代。我国现阶段就面临这样的情况。数字经济运行和发展的内在均衡完全由市场机制支配吗？它需不需要政府在一定程度和范围内的干预？这是一个列入议事日程上的问题。基于短期内数字平台经济的快速扩张以及数字经济基础应用业态难以扩大需求端的事实，要保证数字经济持续增长或提升数字经济占GDP的比率，经济学家关于数字经济的分析和研究，还是要回到市场调节与政府调控上来。不过，从数字经济的长期发展看，数字经济规模效益的提升以及内在均衡的实现，还得靠市场机制解决，企业运用大数据分析和人工智能技术进行投资经营，始终是提升数字经济规模效益和实现内在均衡的主要路径。

（三）数字平台经济业态与数字基础应用业态的规模效益，并不完全是此消彼长关系

这里所说的此消彼长关系，是针对不变的数字经济产值或数字经济规模而言的。在数字经济产值或数字经济规模变化的情况下，我们可从理论逻辑上推出数字平台业态与数字应用业态规模效益的变动情形：（1）数字平台的规模效益持续提升，数字应用的规模效益逐步下降，两者呈现出较典型的此消彼长的关系；（2）数字平台业态与数字应用业态的规模效益都出现提升或都出现下降，但两者的提升速率或下降速率不同，对于这些提升或下降过程，我们很容易推出几种非此消彼长关系；（3）数字平台业态的规模效益提升速率，赶不上数字应用业态的规模效益提升速率。以上三种情形大体上概括了数字经济内部规模效益的当下现实和未来发展远景，如果我们选择适当参数，便可以在拓宽和加深这三种情形的基础上构建出反映数字经济规模效益变动的理论模型。

第一种情形是现实中出现概率很低且带有纯理论逻辑推论色彩的情况，除非数字平台业态产生垄断，以至于数字应用业态在数字经济中完全处于从属地位时才可能发生。第二种情形可谓现实之写照，尤以数字平台业态与数字应用业态的规模效益都出现提升但提升速率不同的情形最明显，这种情形是经济学家研究企业数字化转型的重点分析对象。当我们把规模效益看成是企业大数据分析能力、资金流向、投资收益、需求端、供给端、进入门槛等综合作用的结果而进行分析时，我们可以得出许多有关我国目前数字经济发展不均衡的经济学认知。第三种情形是对数字经济未来发展远景的一种展望。数字应用业态规模效益的提升速率超过数字平台业态，意味着产业数字化正在摆脱落后于数字产业化的格局，意味着实体企业的大数据分析和人工智能运用能力大大提高，意味着数字经济发展不均衡的局面已得到很大程度的改善。

三、数字经济发展的企业技术层级变动分析

经济学意义上的企业技术层级是一个带有抽象意境的概念，这种抽象性源自对企业技术层级作出界定的坐标选择，我们可考虑借助企业搜集、加工、处理产供销大数据从而确定产量和价格的能力高低来解释。企业技术层级与规模效益之间存在正相关，具体而言可以说规模效益是技术层级的增函数。我们选择企业应对不同类型大数据的能力作为分析参照，可将产供销大数据划分为数字化数据、非数字化数据、历史数据、现期数据、未来数据等（何大安，2022）。对企业搜集、加工和处理这些不同类型数据需要具备不同数字技术水准的分析（就是通过分析企业运用大数据分析和人工智能的技术水准来界定企业技术层级）可以导出一条企业技术层级变化引发规模效益变动的分析路线。

（一）数字经济背景下企业规模效益与技术层级的关联，可以通过企业技术层级变动对利润的影响来解释

企业规模效益可看成是企业技术层级的一个抽象函数。这个函数值的大小取决于企业搜集、加工和处理产供销大数据的能力。依据经济学“利润最大化实现条件是产品和服务之市场出清”的主流观点，企业要实现规模效益，就必须获悉和掌控自己产品和服务的现实和潜在需求。从企业提升规模效益的实际看问题，企业运用数字技术进行搜集、加工和处理大数据的能力是有限的，即现实中的企业很难搜集、加工和处理各种复杂类型的大数据，因而很难最大化地提升规模效益。企业规模效益能够被提升到什么样的层次，匹配于企业相应的技术层级，也就是说，数字经济背景下企业规模效益与技术层级之间存在正相关。

我们可通过对数字技术的逐级提高来说明企业技术层级变动。大数据分析对于技术层级提高可描述为一条递进链：搜集和储存大数据→整合和分类大数据→加工和处理大数据。企业技术层级的逐级提高，通常会伴随人工智能等技术水准的逐级提高，这是因为，无论是搜集、储存、整合和分类大数据，还是加工和处理大数据，都要在一定程度上运用云计算、机器学习、物联网、区块链、边缘计算等数字技术。至于究竟能达到什么样的技术层级，则取决于企业数字技术应对不同类型大数据所能达到的“算法”水准（这个问题下文将详细分析）。换言之，企业应对大数据的技术层级越高，就越有可能获悉和掌控自己产品和服务的现实和潜在需求，这便是企业技术层级变动之于规模效益提升的机理。值得说明的是，这个既具体又抽象的数字经济运行机理，正在将价格波动、供求关系、甚至生产者或消费者偏好等市场信号纳入大数据分析，它的核心点是企业运用大数据试图预测产品和服务的现实需求和潜在需求，或者说，大数据分析在逐渐囊括市场机制调节功能的同时，也在不断扩大着市场机制的边界。

（二）企业技术层级的高低突出反映在对不同类型大数据的应对能力上

企业要全方位地搜集、储存、整合、分类、加工和处理产供销大数据，必须能在拥有大型机、服务器以及（最好属于自己的）网络和云端等的基础上，具备以互联网、云计算和人工智能等为核心的IT基础架构。例如，企业要拥有处理大数据的大型机，并能够掌控每间隔一段时期就有可能颠覆市场技术标准的服务器。⑥企业技术层级的提升是一个缓慢过程，这可以通过企业对不同类型大数据的数字技术处理而得到验证。总的来讲，企业在低技术层级阶段只能搜集、加工和处理较为简单的产供销大数据，这些简单大数据是以数字记载并是已经发生的产供销数据，即数字化数据和历史数据；企业只有进入很高的技术层级，才能搜集、加工和处理非数字化数据、正在发生的产供销的现期数据、尚未发生的产供销未来数据。这里有一个问题需要讨论，如果以企业搜集、加工和处理不同类型大数据的能力作为判定企业技术层级高低的标准，那么，我们将通过什么样的分析路径来解释不同技术层级的企业搜集、加工和处理不同类型大数据时所能获取的规模效益，并据此把企业技术层级变动与经济学基础理论研究挂起钩来呢？

当我们站在大数据分析的立场来考察企业投资经营决策，企业决定投资什么、生产什么的信息是来源于大数据，而不是相反（何大安，2018b）。基于此，我们有以下逻辑推理，如果企业能全方位地搜集、加工和处理各种类型的大数据，并能运用数字技术把复杂的大数据变成“算法”来指导投资经营，则意味着企业技术层级达到了很高的水准，反之则反。我们用什么样的分析参照来界定企业技术层级呢？这是一个难以通过具体的大数据分析和人工智能运用过程来解释的问题，它需要采用抽象分析方法对大数据进行分类，揭示各种类型大数据所蕴含的产供销信息，并通过比较企业搜集、加工和处理不同类型大数据的难易程度方可符合实际和逻辑而得到结论。

在产供销活动中，企业运用数字技术处理最多的大数据，是投资经营或交易活动业已发生的历史数据（通常以数字化数据的形式出现）。而企业能够搜集、加工和处理历史数据，标志着企业技术层级已经达到了一定的高度，或者说，企业投资经营已开始进入了大数据、互联网和人工智能等相融合的综合场景，但历史数据中还有一些反映产供销活动的非数字化数据，企业只有进入更高的技术层级，才能搜集、加工和处理这类非数字化数据。较之于历史数据，企业应对产供销活动正在发生的现期数据以及尚未发生的未来数据，要求具备更高的技术层级；即便是搜集、加工和处理这两类数据中的数字化数据，也要求具备比应对历史数据更高的技术层级；至于企业搜集、加工和处理这两类数据中的非数字化数据，则企业技术层级要达到迄今为止人工智能专家或计算机专家都无法给出专业化描述的高度。因此，我们对企业技术层级变动的分析聚焦于不同类型大数据的搜集、加工和处理，有着经得起推敲的学理逻辑。

（三）企业技术层级处于什么阶段取决于人工智能等技术的运用，企业技术层级变动需要科技创新

企业对不同类型产供销大数据的搜集、加工和处理所能达到的高度，决定着企业能在多大程度和范围内预测和掌控需求和供给，从而确定产量和价格，并决定着企业能够在多大程度和范围内提升规模效益，这可以理解成经济学关于数字经济运行的技术决定论。依据这样的技术决定论，我们对企业技术层级所处阶段的分析，就必须联系企业运用何种新科技手段来进行考察。随着信息通信技术、大数据、互联网、人工智能等综合场景的形成和强化，在数字经济运行的现阶段，企业开始利用各种互联网、传感器、社交媒体、卫星定位、人工智能技术等进行大数据分析，但这些大数据基本上是历史数据中的数字化数据，并不是非数字化数据，更不是现期数据和未来数据，这是问题的一方面。另一方面，虽然企业运用的新科技手段正在逐步拔高，但由于企业能够应对的大数据局限于历史数据和数字化数据，因而不能准确甄别大数据中蕴含的真实信息、扭曲信息和虚假信息。这种情况表明当前企业技术层级仍然要提高，科技创新还有相当大的空间。

经济学讨论科技进步与规模效益相关性的理论文献汗牛充栋，但对企业技术层级变动影响规模效益的研究却凤毛麟角，这可能是经济学家对技术及其运用的具体过程比较生疏的缘故。其实，经济学并不需要详细解说技术的具体运用，只需解释技术手段能在多大程度上应对不同类型的大数据，便能够大体说明企业技术层级变动。例如，机器学习作为一种能够解析产供销大数据的人工智能技术，它可在无编程下通过“算法”帮助企业作出投资经营预测（Taddy，2017）；另一方面，机器学习的技术层级从融合了回归算法和分类算法的监督学习，上升到无数据样本标识之聚类算法的无监督学习，再上升到动态试错的强化学习以及结合了低层级特征数据与高层级特征数据的深度学习，则是典型反映了企业运用机器学习这一人工智能的技术层级变动（Lecun et al.，2015；Goodfellow et al.，2016）。但是，如果机器学习的技术层级只能应对历史数据中的数字化数据，不能应对历史数据中的非数字化数据，更无法应对现期数据和未来数据，那么，这样的技术层级只能对大数据进行初级的搜集、加工和处理，还不能准确预测产品和服务需求，因而企业提升规模效益的能力是有限的。

再例如，物联网、区块链、边缘计算、AR/VR等也是能够解析产供销大数据的人工智能技术，但到目前为止，这些技术也只能“破译”历史数据中的数字化数据。从物联网和区块链的技术构成看，物联网技术具有数据采集、数据处理和智能运用等功能，区块链技术具有分布式账本、去中心化信任、时间戳、非对称加密、智能合约等特征，但它们与机器学习技术一样，在匹配大数据时，并不明显具备远超数理统计学和计量经济学等的科技层级（Varian，2014；Athey&Imbens，2015；Agrawal et al.，2019）。我们以企业能够搜集、加工和处理不同类型的大数据来衡量企业技术层级，依据在于不同类型的大数据需要有不同人工智能技术驾驭的规定。企业产供销的非数字化数据之所以比数字化数据难以搜集、加工和处理，是因为非数字化数据关联于生产者和消费者偏好、认知、期望等，它通常是以图书、图片、图纸、视频、影像等为载体，企业应对非数字化数据，要具备能够把非数字化数据转化为数字化数据的技术水平，这便涉及到人工智能技术的科技创新。

（四）当技术层级发生突破性变化时，企业运用大数据和人工智能技术的经营模式会随之发生变化

现有文献习惯于把数字经济下企业运营模式称之为“互联网+”模式或“人工智能+”模式，这或许是基于企业投资经营操作方式的考虑，或许是基于对企业技术层级实际的思考。在笔者看来，前者是对数字经济下企业运营模式之“形”的理解，后者则是对数字经济下企业运营模式之“神”的关注。我们联系企业技术层级来解释数字经济下的企业运营模式，怎样才能够做到“形散神不散”呢？这个问题很有趣。其实，数字经济下的企业运营模式应该是各种新科技的“形神结合”。这是因为，企业运营模式是以互联网为运行载体、以大数据为基本要素、以人工智能为操作手段；人工智能发展有技术层级问题，互联网发展也有技术层级问题（如元宇宙）。以此之故，我们可考虑以企业搜集、加工和处理大数据所表征的技术层级变动来描述企业运营模式的变化，很明显，围绕技术层级变动对数字经济下企业运营模式变动的描述，可进一步加深和拓宽企业技术层级变动的分析。

从企业技术层级变动来解说企业运营模式，就是把聚焦点放在以人工智能为核心的数字技术上，并据此对不同类型产供销大数据的算力和算法水平进行理论概括。这里所说的理论概括，不是对解决“算力”的云计算等进行分析，也不是对解决“算法”的机器学习等人工智能技术进行分析，而是对企业搜集、加工和处理产供销大数据的数字技术水平的一般性概括。数字经济下的企业运营是以“互联网+”模式为前提，它们会通过大众对产品（服务）介绍和广告宣传的关注度、点击率、实时评价甚至网红来搜集大数据，会利用公共云或私有云来储存、整合、分类大数据，并运用数字技术对大数据进行加工和处理，这些统统都可以并入企业运营的“互联网+”模式。较之于以前依据各种统计报表提供的产供销信息，以及依据市场信号进行分析得出的信息，“互联网+”模式对产供销大数据的搜集、加工和处理而获取的信息，无疑扩大了决策的信息量，使得企业能够相对准确甚至有可能最大化地提供产品和服务，以至于会大大提升规模效益。然则，在其他条件不变的情况下，由于企业之间数字技术的算力和算法存在差异，这在导致大数据的搜集、加工和处理有区别的同时，也会引致企业获取准确信息和提升规模效益的差异。因此，我们最好不要笼统地将数字经济下的企业运营描述为“互联网+”模式或“人工智能+”模式。

数字经济下企业运营是在信息通信技术、大数据、互联网及人工智能等相融合的综合场景下进行，无论企业处于何种技术层级，都离不开互联网和人工智能技术，基于此，我们不妨将数字经济下企业运营模式称之为“互联智能模式”。这是一个没有必要斟酌词汇表述是否准确到位的带有哲学意境的称谓，我们用“互联智能模式”来描述数字经济下的企业运营，完全是为了便于对企业技术层级变动的分析。概而论之，针对企业能够运用互联网、数据云、云计算、人工智能等数字技术进行投资经营的各种不同情形，我们可以对数字经济下的企业运营模式有以下界定：如果企业只能搜集、加工和处理历史数据中的数字化数据，不能应对非数字化数据，更无法应对现期数据和未来数据，则可以将这类企业的运营模式界定为互联智能模式Ⅰ；如果企业能够搜集、加工和处理历史数据中的数字化数据，并初步具备将非数字化数据转化为数字化数据的能力，则可以将这类企业的运营模式界定为互联智能模式Ⅱ；如果企业完全能够搜集、加工和处理历史数据中的数字化数据和非数字化数据，具备将非数字化数据转化为数字化数据的能力，并且可以在一定程度上应对现期数据，则可以将这类企业的运营模式界定为互联智能模式Ⅲ；如果企业能够搜集、加工和处理历史数据、现期数据和未来数据，则可以将这类企业的运营模式界定为互联智能模式Ⅳ。当然，这只是一种经济理论意义上的粗线条划分。

企业运营模式从互联智能模式Ⅰ到互联智能模式Ⅳ，是数字经济下企业技术层级变动的几个阶段。撇开企业运营从传统模式到互联智能模式Ⅰ，模式Ⅱ之于模式Ⅰ，模式Ⅲ之于模式Ⅱ，模式Ⅳ之于模式Ⅲ，企业技术层级都发生了突破性变化。关于这些变化，经济学既可以展开数理模型的理论分析，也可以展开针对某些行业的实证分析，这些分析会增添微观经济学的新应用场景。目前，世界各国的企业运营模式大都处于互联智能模式Ⅰ。从模式Ⅰ进入模式Ⅱ要经历很长一段时期，它要求企业数字技术及其运用有很大发展；从模式Ⅱ进入模式Ⅲ是一个质的变化，它要求人工智能代表的数字技术要经历一段难以跨越的时期；从模式Ⅲ进入模式Ⅳ则是颠覆人类认知的飞跃，它宣示着大数据帝国主义时代的到来。企业运营模式究竟能不能进入模式Ⅲ和模式Ⅳ，即便是计算机和人工智能专家也不敢断言，更何况经济学家。不过，当我们将模式Ⅲ和模式Ⅳ看成是人类对数字技术发展的一种愿景时，对数字技术未来发展的分析和研究，也许能满足经济学家偏好于逻辑推论的情结。

四、企业技术层级与规模效益的未来展望

数字经济下企业技术层级与规模效益之间主要存在两种情况：（1）产品（服务）需求持续性很强且潜在需求巨大的企业，其技术层级与规模效益呈明显的正相关；（2）产品（服务）缺乏持续性且需求弹性小的企业，其技术层级与规模效益的相关性不明显。在现实中，规模效益上升通常会激励企业增加研发投入，从而在后续时期会进一步提升企业技术层级，这是一种早被主流经济理论揭示的机理。如上所述，我国数字平台经济的技术层级与规模效益之间存在极强的正相关，而基础层面的电信通讯和软硬件制造以及广义应用层面的工业4.0、精准农业等的正相关不明显。数字平台经济在规模效益驱动下的猛烈乃至于无序扩张，不是数字经济发展的幸事，它会在很大程度和范围内抑制基础层面和广义应用层面的数字经济业态，会造成数字经济内部结构的严重失衡。现在人们开始重视数字产业化与产业数字化的均衡发展，这是侧重于对数字经济运行结果的关注。其实，数字产业化与产业数字化的均衡发展存在着一些自身规定的微观条件，企业规模效益变动对企业技术层级的调节作用，便是决定这种均衡能否实现的重要条件之一。

（一）企业规模效益没有天花板，如果企业触及到这块天花板的边缘，则技术层级便达到了顶峰

企业提升规模效益有两大途径，一是在产品（服务）总量不变的情况下降低单位产品成本，通过相对提高产值和利润的方式来扩大生产规模；二是不断挖掘市场需求，通过放大供给来扩大生产规模和获取更多利润。前者是内含式的规模效益提升方式，后者是外延式的规模效益提升方式。企业运用大数据分析和人工智能技术来提升规模效益，既可以通过内含式也可以通过外延式。不过，经济学通常是以外延式规模效益作为分析对象。企业在生产经营中对于市场究竟需要多少自己的产品和服务，究竟需要什么样的产品和服务，在信息不完全情况下始终是一个黑箱。信息通信技术、互联网、大数据方法、人工智能技术等问世以前，企业主要是依据价格、供求关系、成本和利润率等市场信号来组织产供销活动，这种规模效益的提升具有一定的盲目性，它经常是在试错过程中完成的。经济学曾用“市场失灵”概念对这种情况进行过分析性描述。大数据、互联网和人工智能等的伟大创举正是在消除这种试错过程，让企业有可能最大限度地准确挖掘出社会需求，这还是要回到企业技术层级问题。

企业有可能最大限度地准确挖掘社会需求，与企业能够最大限度地准确挖掘社会需求，不是一个概念。从理论上讲，社会对企业产品和服务的需求包括现实需求和潜在需求，或者说包括当下需求和未来需求。如果企业能够运用大数据分析和人工智能技术把所有社会需求都挖掘出来，企业规模效益的提升便达到了天花板，但这在现实中是不可能的事。我们说企业有可能最大限度地准确挖掘社会需求，是指企业具有极高的运用数字技术来解析产供销大数据的能力，能够准确把握各种社会需求信息。经济学界同仁大都认为这是一种极端的理论设想，因为企业要具备这样的能力，必须是达到了顶级的搜集、加工和处理大数据的技术层级。其实，无论是现实需求和潜在需求，或是当下需求和未来需求，企业运用数字技术对这些需求展开大数据分析，必须具备以人工智能等新科技支撑的顶级算力和算法；如果企业不具备这样的顶级算力和算法，企业便不可能触及规模效益最上限这块天花板。在未来，为追求规模效益，企业会不断提升自己的技术层级，这是数字经济下企业生存和发展的方向。

（二）在未来，企业运用数字技术来提升规模效益存在着阶段性，这可以通过企业搜集、加工和处理不同类型大数据的技术水准予以揭示

从世界各国运用数字技术进行投资经营的实践看，无论是产品性能、工艺流程、创新开发等数字技术的具体运用，还是预测供给和需求的数字技术运用，当前，企业基本上是处于搜集、加工和处理人类行为已经发生的历史数据阶段。在未来，企业通过数字技术提升规模效益的主要任务，是力图将包含着投资经营信息的诸如纸质材料、声音、图像、视频等非数字化数据转化为数字化数据，这是数字技术在不远将来的奋斗目标。企业一旦掌握了将非数字化数据转化为数字化数据的技术，就可以获取大量原本在数字化数据中无法得到但却关联着社会需求的信息，就可以更加准确地知道自己应该生产什么样的产品和提供什么样的服务，就可以准确地安排产品和服务的数量，从而提升规模效益。企业能够搜集、加工和处理非数字化数据是技术层级提高的关键步骤，它意味着企业利用信息通信技术、互联网、云平台以及运用云计算和人工智能技术等的综合能力达到了一个崭新阶段。另一方面，企业将历史数据中的非数字化数据转化为数字化数据的技术层级，要远低于将现期数据中的非数字化数据转化为数字化数据的技术层级，而将未来数据中的非数字化数据转化为数字化数据，则是顶级数字技术要求的技术层级。

企业运用数字技术变动对规模效益的提升具有阶段性，这可以从两个抽象层次概括：（1）对不同类型数字化数据的搜集、加工和处理所反映的技术层级对规模效益的影响；（2）对不同类型非数字化数据的搜集、加工和处理所反映的技术层级对规模效益的影响。在未来数字经济发展中，由于这两种技术层级对企业规模效益的提升，通常是混合在一起的，因而我们可考虑把这种混合情况融合于同一个分析框架，以此来描述企业数字技术之未来发展的主要画面，从而对数字经济下的企业规模效益作出相应推论。

在未来，企业技术层级变动、进而提升规模效益的第一阶段，是企业在能够应对历史数据中的数字化数据的基础上，完成对历史数据中非数字化数据的搜集、加工和处理。这个阶段要求企业运用数字技术的水平有很大提高；以人工智能技术为例，企业应对历史数据中的非数字化数据时，至少需要掌握和运用自然语言、脑认知机理、机器感知、模式识别、跨媒体智能等人工智能技术。企业能够搜集、加工和处理历史数据中的非数字化数据，是企业技术层级的一个飞跃，它的直接效应是有助于企业获取大量信息，使企业能够正确决策投资生产什么以及投资生产多少，确定出符合社会有效需求的产量和价格，从而提升规模效益。

企业技术层级变动、进而提升规模效益的第二阶段，是企业的综合数字技术能力能够达到搜集、加工和处理正在发生的现期数据之水准，并且可以在一定程度和范围内应对现期数据中的非数字化数据。这是未来数字经济发展中最漫长的一段时期，企业要具备这样的技术层级，除了要达到以上列举的人工智能技术水准外，至少也要掌握和能够运用人工智能逻辑、机器人与智能系统、混合增强智能、自主无人系统等人工智能技术。企业能够应对现期数据中的非数字化数据，是企业技术层级在前一次飞跃基础上的再次飞跃。较之于第一阶段，第二阶段企业搜集、加工和处理大数据的能力会更强，获取的信息量会更多更全面；企业更有能力对自己的产品和服务在产量和价格方面做出准确的决策，更有能力提升规模效益。当前，有经济学者对未来数字经济发展究竟能不能达到这样的程度持怀疑态度，理由是大数据和人工智不能代替人脑，对此我们可以拭目以待。

企业技术层级变动、进而提升规模效益的第三阶段（最后阶段），是企业的综合数字技术能力能够达到搜集、加工和处理尚未发生的未来数据之水准，这是未来学家和社会物理学家关于一切社会活动和自然现象都可以转化为“算法”所支撑的理想愿景（彭特兰，2015；赫拉利，2017），也是令那些对人工智能等“法力无边”持怀疑态度的学者瞠目结舌的阶段。我们姑且不论这个阶段有没有可能在未来数字经济发展中出现，仅就这个阶段要求的人工智能技术水平而论，它除了要达到以上列举的人工智能技术水准外，至少要实现从单一数据处理到跨媒体认知、学习和推理，融通人工知识表达技术和大数据驱动的知识学习，从聚焦个体智能到基于互联网络的群体智能，让人机混合的增强智能代替机器智能，如此等等，不一而足。或者说，专家学者所说的第一代、第二代、第三代、第四代等人工智能技术都不足以描绘这个阶段企业技术层级的真实底蕴。但作为一种学术探讨，有一点可以肯定，那就是这个阶段的企业技术层级可以最大化地提升规模效益。

（三）企业技术层级和规模效益的提升，是数字经济内部均衡的重要条件

企业数字技术的运用起步于对数字化数据的搜集、加工和处理。企业投资经营或产供销的数字化数据，主要有固定资产、流动资产、经营现金流、原材料、中间品、资产权益、资产负债、销售额、税收额、融资额等构成；企业财务报表中的这些数据并不包括产供销大数据的全部，它还应该包括企业之间、企业与消费者之间产供销活动所直接或间接涉及的非数字化数据。如果企业的数字技术只能搜集、加工和处理产供销的数字化数据，企业就无法挖掘社会对自己产品和服务的真实需求，即企业就无法挖掘社会的潜在需求或未来需求。由于数字平台业态比数字基础业态在产品和服务、需求对象基数、交易流程、资金筹措和周转等方面具有很多优势，于是，处于企业技术层级第一阶段的数字经济运行通常会导致以下格局：一些可迅速利用互联网交易并且能轻资产经营的数字平台企业，就会利用其他企业不能应对非数字化数据的先机，率先挖掘、锁定、扩大对自己产品和服务的社会需求，通过提升规模效益来扩大自己的投资经营领域；而那些互联网交易滞后且重资产经营的企业，在不能应对非数字化数据的情况下，难以在短期内扩大社会需求和提升规模效益，于是便造成了数字经济发展的内部不均衡。我国当前就出现了这样的情形。

从经济运行的市场规制和法则看，数字经济发展的内部均衡需要有一系列的条件配置，基本条件是所有企业技术层级以及与此相对应的规模效益提升。这是因为，企业技术层级提升可使大量需求尤其是大量潜在需求被挖掘出来，企业通过最大限度地提供符合社会需要的产品和服务，便可以从规模效益提升中获取研发资金以进一步提高企业技术层级。正是基于这样的理论见解，经济学要高度重视企业对产供销历史数据、现期数据和未来数据中非数字化数据的搜集、加工和处理的分析，并以此来界定企业技术层级变动。从数字技术或从学理逻辑来考察，以图书、图片、图纸、视频、影像等为载体的非数字化数据，是可揭示企业投资经营与消费者偏好、认知、期望等相关联的数据；如果企业能够把非数字化数据转化为决策依据的数字化数据，则企业便能够更好地确定产量和价格及更好地规划产品和服务。因此我们得出的结论是：所有企业技术层级充分提升之时，便是规模效益全面提升之时，也就是数字经济发展实现内部均衡之时。

数字经济实现内部均衡发展的另一种表述，是数字产业化与产业数字化的均衡发展。另一方面，数字经济内部均衡之于企业运营模式的渐进变化，则可以解说为前文论及的互联智能模式Ⅰ至互联智能模式Ⅳ的变化。在未来的数字经济发展中，数字产业化与产业数字化的发展以及企业互联智能模式的演变，不可能一蹴而就，一定会出现许多新情况新问题，但如果我们沿着企业技术层级和规模效益变动这条分析线来展开研究，就有可能对数字经济背景下诸如产量和价格确定、竞争和垄断、产业组织变动等微观经济学基础问题有新的解释。

注释：

①也有学者不明显具有这样的理论倾向，如蔡跃州和牛新星（2021）通过解析数字技术和信息通信技术的渗透性、协同性和替代性，对数字产业化和产业数字化作出了划分。尽管分析视角不同，但此研究文献对数字产业化和产业数字化的解读，同样接近于以上核心层、广义层、狭义层的划分逻辑。

②中国信息通信研究院发布的《全球数字经济白皮书（2021）》显示：2020年我国数字经济体量在美（13.6万亿美元）、中（5.4万亿美元）、德（2.54万亿美元）、日（2.48万亿美元）、英（1.79万亿美元）五国中排名第二；但在2020年数字经济占GDP的比例中，中国为38.6%，占比最低。

③较为典型的如2017年麦肯锡咨询公司发布的《Digital China:Powering The Economy To Global Competiveness》报告以及2020年科智咨询发布的《2019—2020年中国IDC产业发展研究报告》。

④从扩大的市场层面来考察数字经济，也可以将数字经济描述为以数据资源为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升

和经济结构优化的重要推动力的一系列经济活动（来源：国家统计局《数字经济及其核心产业统计分类（2021）》）。我们理解数字经济可以有不同侧重，但不能离开信息通信技术、大数据、互联网、人工智能运用等的综合场景。另一方面，企业能否获取数字经济的规模效益，是衡量其投资经营是否完成数字化转型的重要标志，它关系到数字经济运行是否步入良性循环的健康轨道。

⑤笔者曾在性质上把大数据划分为数字化数据和非数字化数据，并依据大数据产生的动态性将其划分为已发生的历史数据、正在发生的现期数据以及尚未发生的未来数据。正像我们下文分析所揭示的那样，这些划分对于企业技术层级和规模效益的研究，很有理论解析力（何大安，2018a、2022）。

⑥从技术上看，服务器是连接大型机和网络的重要设备，它连接互联网以支持公共云，托管着以私有云为载体的内部网。不过，经济学关注的，不是IT基础架构如何塑造企业技术层级，而是要说明企业技术层级变动如何改变投资经营决策以及与此对应的产量和价格决定、竞争和垄断路径、产业组织变动等。