澳门人·巴黎人(1797-BNR认证)线路检测-Best Platform

洪永淼发表主旨演讲

首先感谢中国数字经济发展和治理学术年会与南开大学的邀请，让我有机会跟大家交流一些学术问题。今天我要讲的是数字经济为经济理论创新带来哪些机遇与挑战。

数字经济是大数据驱动的各类经济活动的总和，其基本特征在于数据成为关键的生产要素。数据是一种信息与知识载体，不仅反映客观的社会经济活动，还折射出公众对政府政策、重大事件（如疫情、战争、经济危机、自然灾害等）的心理反应。与传统生产要素相比，数据要素具有独特的特点，如虚拟性、非消耗性、非竞争性、产权模糊性、外部性等。作为一种新型的生产要素，数据只有与传统生产要素深度融合，才能充分发挥其赋能作用。数据赋能具有非线性赋能效应、场景依赖性、时效性、异质性等重要特性。数据要素与传统生产要素的系统性结合不仅重塑了经济结构，也催生出零工经济、平台经济、无人工厂、无人驾驶等新兴业态，以及数字产品服务等新型商业模式。

将数据视为一种新型生产要素，是一项重要的理论创新，也是数字经济的一个重大理论突破。但这只是数字经济理论创新的起点。要真正理解数字经济的内在逻辑与运行规律，必须构建严谨的经济理论，形成系统化的分析框架。得益于国家政策的大力支持，以及超大规模的市场和人口优势，中国积累了极为丰富庞大的大数据资源。如此庞大且丰富的数据资源为研究数字经济运行规律、创新经济理论提供了一座天然的“富矿”，也为构建中国经济学自主知识体系奠定了坚实基础。

数字经济的快速崛起带来了许多超越传统经济理论的经济现象，提出了一系列全新的经济理论命题。例如，传统经济理论基于稀缺性假设，将资源的有限性与人类需求的无限性之间的矛盾视为经济学的基本问题。然而，数据要素的非竞争性突破了稀缺性约束，对传统经济理论提出了新的挑战。同样，传统市场理论认为充分的市场竞争将趋于均衡状态，大多数行业难以长期维持垄断地位。而数字平台凭借其网络效应、规模经济和数据积累等优势，常呈现出“赢家通吃”的局面，重新定义了市场竞争的规则。此外，数字经济中经常存在的免费产品和服务也难以通过传统经济理论给予解释。用户虽未直接支付货币，但他们通过提供数据为平台创造了价值。这种隐性交易模式颠覆了传统价值交换与利润实现的逻辑。个人数据的交易常伴随外部性。例如，一个用户的数据分享可能在无意中泄露其他用户的隐私信息。这种外部性表现为过度的数据交易和个人隐私泄露，可能导致市场失灵。

因此，数字经济的发展对传统经济理论提出了前所未有的挑战，迫切需要创新现有经济理论。数字经济的理论创新几乎涉及经济学的所有领域，包括消费者行为、企业生产行为、市场运行机制、经济增长模式、收入分配机制，以及政府与市场之间的动态关系等。

接下来将聚焦三个基础领域：数据要素价值理论、数字经济增长理论和数字经济政治经济学，旨在为数字经济理论创新提供新的思路与视角。

首先是数据要素价值理论。

如何确定数据要素的价值，是数字经济理论创新的基本问题。根据马克思劳动价值论，数据要素的价值创造可以理解为数据在要素化过程中所凝结的人类劳动，包括原始数据形成过程中的劳动凝结，数据采集与处理过程中的物化劳动转移，以及数据劳动者的活劳动投入。这些活劳动和物化劳动共同构成了数据要素的价值基础，数据要素的价值转移就是将这些劳动转移到新的数字产品或服务中。

然而，作为数字经济的一个重要特征，数据赋能并不限于生产制造环节，而是贯穿于整个经济活动的各个阶段，包括交换、流通和消费等环节。因此，考察数据要素价值必须从包括生产、交换、流通、消费的整个经济过程进行综合全面分析。更为重要的是，在赋能数字产品价值的过程中，数据并非遵循简单地按比例线性增长模式，而是通过与其他要素的深度融合，形成叠加放大效应，实现非线性的价值提升。数据要素赋能的复杂性与非线性特征深化了价值创造与价值转移的内涵，拓展了劳动价值论的研究范围。为此，我们需要以马克思劳动价值论的基本原理为指导，系统研究数据要素的赋能特征，在数字经济时代背景下进一步创新和发展劳动价值理论。

数据要素价值量的确定，是数据要素价值理论研究的重要内容。理论上，数据要素的价值量可以通过数字经济中的交换关系来揭示。在市场经济条件下，商品或服务的价格通过市场交换体现，并在完全竞争市场中围绕其价值波动。尽管我国数字经济发展迅速，但完全竞争的数据要素市场尚未建立。这一目标的实现不仅依赖于完善的数据要素市场法律体系，还需要足够数量的数据供给者与需求者，而这些条件在短期内难以具备。因此，在当前数据要素市场不完全竞争的环境下，如何准确测度数据要素的价值或为其制定合理价格，成为亟待解决的理论和实践难题。

在这方面，我们可以借鉴现代经济学中的市场机制设计理论、实验经济学方法及复杂经济系统的仿真实验手段，探索在不同场景下如何建立合理的数据要素定价机制。合理的数据要素定价不仅能够引导数据资源流向效益更高的领域或产业，还为评估数据资产的价值提供了坚实的理论基础。当前，中国经济学界对数字经济的研究热情高涨，产业界和地方政府也普遍看好数据资产在促进经济增长中的巨大潜力。

但我们也看到，在数据要素合理定价的理论框架尚未完全厘清，且缺乏充分的实践探索的情况下，对数据资产的评估及其入表必须保持高度审慎。若片面夸大或高估数据资产的价值，贸然推动其入表，一旦实际回报未能达到预期，可能会引发“数据资产泡沫”，将对数字经济的健康发展带来深远的负面影响。

二是数字经济增长理论。

20世纪70年代至90年代，计算机等信息技术在美国经济中得到了快速应用，但生产率特别是服务生产率一直停滞不前，这个现象引发了学术界的广泛关注。诺贝尔经济学奖得主Solow把这一现象称为“生产率悖论”（Productivity Paradox），他指出：“我们在各个地方都能看到计算机的身影，却唯独在生产率统计中看不到它们”。

经济统计学的前沿研究成果为我们理解这一悖论提供了一个新的视角。美国经济统计学家Jorgenson（2018）的研究发现，从1947年到2012年，美国经济增长中约80%的贡献来源于劳动和资本的投入，而代表技术进步的全要素生产率仅占20%。这一发现与诺贝尔经济学奖得主Solow（1957）以及Kuznets（1971）早期关于美国经济增长的实证研究结论刚好相反。他们早期的研究发现，美国经济增长中超过80%的贡献来自技术进步，而劳动和资本的贡献不到20%。

造成上述相反结论的关键原因，是对资本要素测度的创新。1993年联合国国民账户体系（SNA）尚未对资本要素进行准确测度，2008年修订版SNA的一项重要创新，是引入“资本服务”（capital services）概念取代之前的“资本存量”（capital stock）概念。早期如Solow（1957）和Kuznets（1971）等用的都是资本存量，而SNA 2008使用资本服务的价格与数量来衡量资本投入，可以更准确地反映资本在生产中实际的贡献。此外，SNA 2008在资本测度上的另一重大突破，是将无形资本纳入资本服务的测度范畴。传统的资本测度方法未能充分体现研发、软件、品牌、组织资本、培训和设计等无形资产的价值，而SNA 2008对此进行了补充和完善，这一变化的直接结果是显著降低了技术进步对经济增长的贡献。

资本要素的测度正在重塑人们关于创新对经济增长的贡献的理解。信息技术的迅猛发展促使资本投入的结构发生了深刻变化，尤其是IT资本的高折旧率和快速价格下降，导致传统的资本存量测度低估了这些高效资本的实际贡献。新的测度方法通过区分不同类别的资本（如IT和非IT资本），并应用更精确的折旧率和价格指数，显著提升了资本投入在增长核算中的比重，从而降低了TFP在经济增长中的相对贡献。Jorgenson的另一项研究（Jorgenson et al, 2016）根据IT资本投入强度将美国行业分为IT生产行业、IT使用行业和非IT使用行业，并进一步评估了这三类行业在1947-2012年间对美国经济增加值增长的贡献。研究发现，美国IT生产行业对经济增长的贡献率仅为2.5%，而IT使用行业的贡献率为47.5%，非IT使用行业的贡献率则为50%。

与资本要素一样，数据要素的科学测度对准确评估其在数字经济增长中的贡献至关重要。这里，一个亟需解决的基础性经济理论问题是：数据要素在经济增长中究竟扮演了多大的角色。研究这一问题，需要从经济学底层逻辑出发，考察数据在包括生产、流通、交换与消费等各环节在内的经济全过程中与其他生产要素的结合方式，特别是数据如何重塑经济结构与生产流程，以及如何优化资源配置以生产更多更优的产品与服务。为了精确测算数据要素对数字经济增长的贡献，需要在上述理论分析的基础上，科学测度数据要素的投入，并构建符合数字经济的内在逻辑与重要特征的生产函数。因此，我们需要发展数字经济增长理论，同时也需要创新经济测度与经济统计学，为揭示数据驱动的经济增长内在机制提供理论与方法支撑。

三是数字经济的政治社会学。

数据要素与基于大数据的人工智能技术在数字经济中的广泛使用，不仅重新塑造了生产力，也深刻改变着生产关系。

第一，人工智能对人类劳动的替代。人工智能技术的应用显著提升了生产效率，大幅缩短了生产同量产品所需的社会必要劳动时间，因此也不可避免产生了人工智能替代劳动的现象。从生产关系和社会治理的视角来看，人工智能技术替代劳动的过程呈现出一种特定的模式，即“微笑曲线”，在这一曲线中，研发和销售位于两端，而制造和生产环节则处于中间。这意味着，制造和生产环节被人工智能技术替代的可能性较大，相比之下，研发和销售环节被替代的可能性则较小。DeepSeek、ChatGPT等大语言模型是一种通用性人工智能技术，是人工智能发展的一个重要的里程碑，将进一步加深人工智能对劳动的替代程度。

第二，平台经济引发的不对称关系。数字技术的广泛应用催生了零工经济和平台经济等新型经济形态。零工经济为劳动者提供了更加灵活的就业方式。但这种经济模式高度依赖于庞大的数据资源和数字技术，导致掌握科技平台的资本与零工劳动者之间的力量严重失衡。零工劳动者通常各自为政，缺乏强有力的劳动联盟来维护自身合法权益，在与平台资本的博弈中处于明显的弱势地位。另外，大科技平台依托强大的资本、数字技术和数据资源，通过网络效应和规模效应，不同程度地挤压中小企业的生存空间。同样地，基于海量用户数据，大科技平台能够精准定位消费者需求，利用信息不对称实施价格歧视、隐形捆绑等商业策略，甚至损害消费者个人隐私权利，获取超额利润。

第三，数字鸿沟引发的贫富差距。数字鸿沟是指不同社会群体在互联网可及性和使用能力上的差异。国际电信联盟最新发布的一份报告显示，最不发达国家与世界其他国家之间的数字鸿沟并未出现缩小的迹象。数字鸿沟的客观存在限制了落后地区和群体参与数字经济活动的能力，加剧了数字技术带来的经济社会福利在不同地区和社会群体之间的分配不均，城镇地区、经济发达地区以及高学历、高技能人群更容易接触并使用互联网，因此更容易受益于人工智能技术的快速发展。这一过程中还呈现出强烈的“马太效应”：资源和优势不断向已经占据优势的群体集中，而处于劣势的群体则可能进一步边缘化，从而扩大社会贫富差距。

第四，跨境数据流动和数字科技国际竞争带来的国家利益冲突。随着数据成为基础性和战略性资源，全球范围内围绕数据资源的竞争愈发激烈，尤其是中美之间的“数据脱钩”趋势正在加速推进。近年来，美国在芯片、半导体、人工智能等关键数字技术领域相继出台限制法规和政策，并进一步加强对跨境数据流动的管控，试图削弱中美在数字经济和数字科技领域的交流与合作。这些限制措施不仅加剧了全球经贸关系的不确定性，也对中国的经济发展及数字科技创新产生了深远影响。

因此，我们必须重视数字经济的政治经济学研究，在关注数据要素和数字技术推动生产力发展的同时，还需要深入探讨数字经济生产关系的变化趋势，从“质”和“量”两个维度把握这一新型生产关系的本质特征及演变规律，以实现数字经济时代更加公平的包容性经济增长与发展模式。

谢谢大家！

来源：清华服务经济与数字治理研究院公众号

编辑：徐牧谣、田腾骧

审核：卢彤菲、孙景宇