發展數字經濟值得深思的幾個問題

這次演講我強調的一個中心思想是，發展數字經濟得排除左右兩方面的干擾。極右的干擾是對大數據、人工智能等新一代技術的無視、墨守成規，導致錯失發展機遇;極左的干擾是不顧國情，盲目冒進，對新技術抱有不切實際的幻想。

現在大數據和人工智能已經被列為國家戰略，我們要滿腔熱情地擁抱驅動數字經濟的新技術，但是不要只做表面文章，而應扎扎實實地把大數據和人工智能融入實體經濟，為經濟發展注入新動能。

2017 年我國電子信息產業的收入達到 18 萬億元，大數據相關產業收入只有 4700 億元（國家大數據發展規劃要求 2020 年大數據相關收入達到一萬億元）。去年一年，我國大數據核心產業的收入是 234 億元（我國人工智能產業的收入大概在 200 億元左右）。

大數據核心產業只有 230 億元是什么概念？中國護膚面膜產業的年收入是 236 億，說明大數據核心產業和人工智能目前只相當于面膜產業的規模。大數據核心產業收入只占電子信息產業總收入的千分之一左右，如此弱小的大數據核心產業如何能成為推動經濟轉型發展的新動力，重塑國家競爭優勢的新機遇？

我的理解是，高質量發展的必經之路是從資源要素驅動轉變為創新要素驅動。數據技術的本質是“認知”技術和“決策”技術。它的威力在于加深對客觀世界的理解，產生新知識，發現新規律。大數據是數字經濟關鍵的生產要素，它的作用是使各類經濟活動朝著更加高效率、更高質量、更具備可持續性、更智能化的方向發展。

大數據的影響難以被統計

大數據的影響難以被統計，這是因為數字經濟的統計中包含了許多傳統產業的貢獻，我們經常講融合型數字經濟的占比，這點一直讓我感到困惑，數字經濟的增量究竟在哪里？上世紀 80 年代，經濟學家索羅提出一個悖論：到處都看得見計算機，就是在生產率統計上看不到。今天可能有一個相反的數字化悖論：在統計上常看到數字化的巨大作用，但在生產活動中還不易發現數字化的價值。實際上，大數據的作用不僅體現在經濟增長上，更多體現在生產方式、生活方式、科研模式、政府管理模式的改變和福利改進，特別是人們思想觀念和認知方式的改變上。別太在意數字經濟規模的統計數字。

現有使用的統計標準不適合數字經濟，因為數字經濟中有許多免費的應用沒有計入 GDP（伊甸園的 GDP 是 0）。數字經濟帶來產品質量的巨大改進、產品種類的極大豐富、用戶體驗的明顯改善，都無法在 GDP 中反映。

不同的機構統計的口徑不一致，測算的數字經濟規模有幾倍之差。根據聯合國 2015 年的統計，全球數字經濟規模只有 2.5 萬億美元，比中國信通院公布的中國數字經濟規模還小。

我們需要關注大數據和人工智能究竟為經濟發展貢獻了新的增量，提供了多少原來沒有的新產品和新服務，經濟效率和用戶體驗提高了多少。有些咨詢公司提出一些新的統計模式，如麥肯錫提出 iGDP，波士頓咨詢提出 eGDP 等，試圖更好地體現數字經濟的影響。

數字化的價值更多體現在無形資產上，1975 年標普 500 公司無形資產只有幾千億美元，占總資產的 17%，2018 年其無形資產達到 2 萬億美元，占總資產的 83%。蘋果、亞馬遜等全球市值最高的幾家公司都是數字公司。有人認為不要看重市值，因為這只是投資人的估值，但我覺得市值是購買一個公司的價格，市值與公司收入（利潤）的關系如同母雞與它下的蛋的關系。數字經濟的代表性企業市值最高，超過所有傳統企業，這說明數字經濟代表著未來經濟的發展方向，無形資產將會變成真金白銀。

大數據與人工智能就像一對雙胞胎，我將它們合稱為數據智能，其巨大作用本質上是整個信息技術的作用。信息技術醞釀了幾十年，現在是見效的時候了。

創新驅動=全要素生產率驅動

談大數據的作用不能光看量和增長，還要關注質的變化。我們更多要從全要素生產率（FTP）的角度來理解大數據和人工智能。

創新驅動就是全要素生產率驅動。與蒸汽機創造了鐵路產業、內燃機創造了汽車產業、發電機創造了電力產業不同，大數據與人工智能并沒有在現有的支柱產業之外，創立出新的支柱產業。換句話說，大數據與人工智能本質上是提高效率、改善配置的優化技術，理解大數據和人工智能對經濟發展的巨大推動作用，要從提高生產率上找原因。

隨著進入新時期，我國人口紅利消失，資本回報也在下降，轉向創新驅動就是轉向全要素生產率驅動。

在過去，工業經濟追求的是規模經濟，強調分工、專業化、單個品種的規模。現在的新經濟追求的是范圍經濟，強調品種的多樣化和個性化。然而個性化和通用性是矛盾的，這就是我常講的“昆蟲綱悖論”。以后的物聯網、人工智能應用可能像昆蟲一樣，有很多品種，你想把這些應用規模化生產，就會產生矛盾。只能靠大數據和智能技術解決這一矛盾。

強調數據驅動要關注提高技術效率。技術效率是指在給定的投入下獲得最大產出的能力，要在提高技術效率上下功夫。2001-2013 年中國技術效率的年均變化率是負 0.02%，2008-2013 年期間，中國大數據企業的技術效率平均變化率為負 5.9%。技術效率低是我國的明顯短板。

美國德克薩斯大學對多個行業和大型企業的數據利用率、人均產出率進行了廣泛研究，結果顯示，數據利用率提高 10%，財富 100 強企業人均產出就會提高 14.4%。一個城市、一個地區數字經濟發展得好不好，不是看添置了多少設備，采集了多少數據，主要是看投入產出的效率提高沒有。

目前大數據分析的能效非常低。高性能計算已經到 G 級了（即每焦耳完成 10 億次操作，GOPJ），而大數據操作，采用 Hadoop、Spark，只能做到每焦耳完成千次操作，能效與高性能計算相差 4-5 個數量級，更不要說與已經實現 TOPJ（即每焦耳萬億次操作）的寒武紀芯片相比了。

數字轉型轉什么

現在追求的數字化轉型是生產模式、運行模式、決策模式全方位的轉型。摩拜單車就是數字化轉型的典型案例，通過采用 GPS 定位和 4G 通信技術改造了傳統自行車產業。目前我國的服務業占比是 50%，與我國人均 GDP 相近國家的服務業占比已到 60%。我國服務業比重仍然偏低。

數字化轉型的第一個目標是改變產業分布，大力發展生產性服務業。我們國家生產性服務業占比遠遠低于美國和韓國。大數據和人工智能的貢獻在產業分布中不能直接看到，其作用必須融合在其他的產業發展中。

第二個目標是由傳統企業轉向數字化企業。我國的高檔數控系統、數字化工具測量儀器和國外相差 20 年，現在有應用場景的地方沒有智能產品，有智能產品的地方又沒有應用場景，這兩處存在鴻溝。

第三個目標是要大力發展科技型中小企業。大企業是中小企業技術創新和成果轉化的市場，如果大企業搞大而全，什么都要自主開發，什么都要講自主知識產權，那么就封閉了創新鏈條。德國將強大的中小企業群稱為“隱形冠軍企業”。德國和日本很多公司幾十年只做一個產品，做到世界聞名，效益非常好。我國要鼓勵科技型中小企業向高精尖發展，每一個行業都應當有既懂數字化技術又熟悉行業業務的小企業。政府主導較適于追趕，不適應創新驅動發展。創新基于市場導向，由企業家精神鑄就，創新驅動應以競爭政策為主。

（本文根據李國杰院士公開場合演講整理而成，未經本人確認。）