數字經濟時代的生產力躍遷

摘 要：前三次產業革命時期，英美日生產力躍遷主要依托工業技術及其經濟形態，而當前中國處于第四次產業革命歷史機遇期，正依托數字技術和數字經濟形態發展新質生產力、推動生產力躍遷。本文從“技術—要素—產業—生產關系”四個方面論述數字經濟時代新質生產力的躍遷特征，具體包括：通用技術由機械化、電氣化和自動化變為智能化，技術動力由熱力變為算力；主要驅動要素由資本變為數據，要素組合形式由生產函數變為算法；產業形態由行業壟斷變為數字生態系統；勞資關系由資本雇傭勞動變為契約獨立性提高與虛擬控制加強并存。本文基于生產力三要素探尋中國發展新質生產力的路徑選擇：強化數字技術對勞動者的賦能，為新質生產力提供高技能勞動者；加快數字基礎設施建設，為新質生產力提供更新質的勞動資料；推動現代化產業體系建設，為新質生產力提供更廣泛的勞動對象；調整優化生產關系，以制度改革打通束縛新質生產力發展的堵點卡點。

關鍵詞：新質生產力；數字經濟時代；生產力躍遷

中圖分類號：F49 文獻標識碼：A 文章編號：1000-176X（2025）03-0033-13

基金項目：國家社會科學基金一般項目“平臺經濟的市場競爭與資源配置效率研究”（23BJY059）

一、引 言

在世界百年未有之大變局加速演進、數字化浪潮席卷全球之際，中國正搶抓第四次產業革命歷史機遇發展新質生產力，推動生產力躍遷。揆諸過往，生產力范疇不僅反映了生產的物質技術屬性，還具有社會歷史屬性[1]。全球生產力的每一次重大躍遷，皆以當時的產業形態為基礎，涌現技術結構和經濟社會系統的共性進化。如果說古典經濟學生產力理論是對產業革命的歷史回應，馬克思主義生產力理論是對大機器工業化發展時代的科學回應，那么新質生產力理論則是對數字經濟時代科技創新驅動下的產業革命的時代性回應[2]。與英美日抓住的前三次產業革命不同，第四次產業革命以數字技術和數字經濟為核心。正如習近平總書記所強調的：“發展數字經濟是把握新一輪科技革命和產業變革新機遇的戰略選擇。”[3]

新質生產力是對馬克思主義生產力理論的創新性繼承與開創性發展，是馬克思主義中國化時代化的最新理論成果。馬克思認為，生產力是人們利用自然、改造自然的能力。其在資本主義體系中考察了決定生產力的因素。第一，生產力的形成以勞動生產力為基礎。人作為主體，通過勞動將自然對象化，促進生產力的提高。在此過程中除了勞動本身具有的“自然力”，科學技術、生產過程中各要素的組合及生產資料的發展程度發揮著重要作用。第二，生產力的發展以社會生產力為尺度，生產力的發展即“生產能力及其要素的發展”。對于社會整體而言，生產力進一步體現為各產業的發展程度，要素的發展和產業的發展共同推動社會生產力的提高。第三，生產力的發展受生產關系的制約。“隨著新的生產力的獲得，人們便改變自己的生產方式，而隨著生產方式的改變，他們便改變所有不過是這一特定生產方式的必然關系的經濟關系。”[4]從馬克思主義生產力理論可知，生產力躍遷主要包括以下三個維度：一是科學技術為生產力提供原動力；二是生產要素及其不同組合方式所形成的產業發展促進生產力的發展；三是與生產力發展相適應的生產關系。習近平總書記也深刻指出，新質生產力“由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生”[5]，“發展新質生產力，必須進一步全面深化改革，形成與之相適應的新型生產關系”[5]。因此，本文從“技術—要素—產業—生產關系”四個方面論述新質生產力的躍遷。

與此同時，需要對數字經濟時代生產力躍遷的范式轉變作出現實解釋。縱觀前三次產業革命，生產力發展呈現從低級到高級演化的階段性特征，而隨著生產力進入更高發展階段，生產范式亦隨之發生質變。當前亟待研究的核心問題是，第四次產業革命時期大力發展數字經濟將對生產力躍遷帶來哪些范式嬗變。這要求學術界不僅要聚焦形式更豐富、程度更深層的現象級觀察，更要探究數字經濟對生產力理論的沖擊與推動。①如數據取代資本成為技術創新和產業發展的最活躍要素，但經典理論對資本的相關論述未必全部適用于數據情境。根據馬克思主義生產力理論，數字勞動資料理所當然成為數字經濟時代新質生產力的標志，包括人工智能等數字技術、數據等新型要素、平臺及其數字生態系統，本文將在分析框架中對其進行重點闡述，以凸顯數字經濟時代新質生產力的內涵特征，探索其發展路徑。

本文基于中國與英美日②、數字經濟③與工業經濟的比較，分析新質生產力研究的范式嬗變、躍遷特征及路徑選擇。與已有研究相比，本文的邊際貢獻體現在三個方面。第一，通過橫向和縱向比較分析新質生產力的躍遷特征。以馬克思主義生產力理論為基礎，通過歷史敘事，將第四次產業革命與前三次產業革命進行縱向比較，并將中國與英美日進行橫向比較，厘清數字經濟與新質生產力的內嵌關聯。第二，剖析新質生產力的產業形態。在技術分析的基礎上，發掘新質生產力躍遷的產業發展特征，如從機械化到智能化、從熱力到算力、從行業壟斷到數字生態系統等。第三，對中國發展新質生產力的路徑選擇進行學理性分析。

二、文獻綜述

隨著新一輪科技革命和產業變革的到來，尤其是數字經濟的迅猛發展，國內外學者從技術、要素、產業和生產關系等角度對生產力發展和全要素生產率提高進行了大量研究。

數字技術可以提高全要素生產率已成學界共識。在數字經濟發展早期，索洛提出“生產率悖論”，即計算機和互聯網無處不在卻沒有提高生產率[6]。隨著數字技術進步和數字化進程加快，后續研究都肯定了數字技術對生產率的貢獻，大致從可用數據不足引起認知偏差、GDP核算不準確、生產率改進具有長期效果三個方面對“生產率悖論”進行了回應。Hubbard[7]研究發現，“生產率悖論”是由可用數據不足導致的，隨著數字經濟的發展，這一局限將得以緩解。實際上，一些商品和服務是用數據進行支付，體現為易貨貿易形式，從而導致其價格（相對于價值）被低估，如免費的手機應用程序有使用價值但未納入GDP核算[8]。Van Ark[9]研究發現，相比于數字化的安裝階段，數字技術的長期貢獻將在應用階段被逐漸釋放。

從生產要素來看，學者對數據要素的研究熱情高漲，認為數據是決定數字技術創新和經濟增長的重要因素。工業經濟的創新收益很大程度上依賴資本、能源和生產函數，而數字經濟更依賴數據、算力和算法。數據驅動的決策可以顯著提高生產率，促進企業擴大再生產，形成正向的數據反饋循環。楊俊等[10]研究發現，數據通過乘數作用促進技術進步，且這種乘數作用隨其“應用程度”的提高而放大。從產業方面來看，在數字經濟發展過程中，部分生產率提高較大的產業發展更快，進而推動產業結構提質升級。一方面，跨境電商、工業機器人、自動駕駛等戰略性新興產業方興未艾，與前三次產業革命時期工業從農業吸納勞動力的進程相似，這些新興產業不斷從傳統產業汲取資源。自2022年以來，中國數字經濟占GDP的比重已超過40%，且逐年攀升，這既是數字經濟總量增長的結果，更是產業結構變遷的體現。從長期來看，圍繞通用技術所形成的新技術系統及其所對應的新部門，始終是經濟質變和增長的動力來源，當前數字技術催生的新部門及其與傳統部門深度融合對新質生產力的形成和發展至關重要[11]。另一方面，與數字技術聯系更加緊密的企業發展迅速，其行業地位和市場份額得以快速提升，進而重塑產業內部結構。劉誠等[12]研究發現，網上評分高的企業相對于評分低的企業、非連鎖店相對于連鎖店、線上流量大的企業相對于其他企業發展得更快，進而使產業內競爭結構發生變化。與產品和服務的生產相比，數字技術對思想生產的提升作用更難測算。Grant等[13]研究發現，接受虛擬技術指導的企業具有更好的業績，并更可能轉向新的戰略領域。此外，數字經濟重塑生產關系的研究也較多。一些文獻研究了平臺反壟斷[14]、騎手社保[15]及收入分配[16]等議題，但主要聚焦于探究數字經濟有效監管和規范發展問題，并未從生產力躍遷視角辨析數字經濟重塑生產關系的理論邏輯。

三、前三次產業革命的生產范式

剖析前三次產業革命的生產范式，可以洞悉技術、要素、產業和生產關系等方面的一般規律，有助于了解當前生產力躍遷的歷史基礎及其面對的現狀和理論沖擊。

（一）技術創新是原動力

“生產力”一詞最先由法國重農學派創始人魁奈在18世紀中期提出，主要強調土地和人口對財富積累的作用。隨后斯密擴展了“生產力”概念的內涵，提出了“勞動生產力”的概念，并強調分工在勞動生產力中的作用。德國歷史學派的先驅者李斯特對“生產力”作了比較系統的考察，認為生產力是財富的原因。馬克思和恩格斯則通過對資本主義生產各個環節的全面考察，形成了十分豐富且系統的生產力理論。

生產力的每一次重大躍遷，都對應著新技術對舊技術的“創造性毀滅”。第一次產業革命以蒸汽技術和蒸汽機為標志，推動人類社會從農業經濟時代步入工業經濟時代。資本雇傭勞動在工廠中從事規模化、社會化大生產，這一生產模式取代了家庭手工業的低效生產模式。第二次產業革命以電力技術和內燃機為標志，推動人類社會步入電氣化時代。電力技術和內燃機技術取代蒸汽動力技術成為新的技術經濟范式，勞動對象從紡織等較初級產品，演變為電力、通信、汽車和石油等附加值更高的工業品或服務。電力產業、通信產業、汽車產業、石油產業等迅速發展，取代了紡織產業、鋼鐵產業成為主導產業。第三次產業革命以電子計算機和互聯網為標志，推動人類社會進入信息時代，催生了計算機、半導體等支柱產業。

（二）資本驅動技術產業化

技術進步是人類經濟社會發展的主要驅動力，但技術進步的背后是資本在發揮作用。技術通過產業化、市場化、商業化轉變為現實世界的生產力，這一過程主要由資本推動。從要素組合來看，資本是生產函數中最活躍的力量，可以購買土地、雇傭勞動，也可以決定設備的投入量和技術密度及更新換代速度，從而對土地、勞動、技術等其他生產要素產生聚合力。

前三次產業革命均是資本吸收和利用新知識、新技術，驅動產業革命的生動例證。對此，馬克思和恩格斯指出：“隨著資本主義生產的擴展，科學因素第一次被有意識地和廣泛地加以發展、應用并體現在生活中，其規模是以往的時代根本想象不到的。”[17]技術進步提高了資本的回報能力，加快了相關行業擴大再生產，一些具有技術創新潛力的行業也渴望更多資本的注入，進而形成了資本投入和創新發展的正向循環。

（三）產業發展帶動生產力躍遷，但出現行業壟斷和產能過剩

前三次產業革命都實現了生產力躍遷。這在歐洲、美國和東亞部分國家或地區皆有體現，尤其是英美日三個國家，且后來的產業革命對生產力水平的提升作用呈現倍增效應。1770—1850年，英國GDP以每年略低于2%的速度增長，工人的人均產出翻了一番；1780—1860年，經過“革命”的工業對生產率的提高貢獻了31%（主要是紡織產業），高于農業（29%）、運輸行業（18%）及經濟領域其他方面（15%）的貢獻[18]。在1700年前的1 000年里，歐洲人均收入的年增長率只有0. 11%，人均收入翻一番需要630年，世界上其他各地的情況也大致如此，但在1820—1990年這170年間，人均收入在英國翻了10倍，美國翻了18倍，日本翻了25倍[19]。

部分行業的壟斷是前三次產業革命的必然結果。隨著產業革命進程的深入和資本主義勢力的強化，單個資本為在競爭中獲勝，必將加快資本積累，并通過并購等方式實施資本聯合和集中，推動歷史進入壟斷資本主義階段。公司制度、信用制度和股票制度等加速了資本集中進程，進而加劇了生產集中和市場壟斷。

同時，各行業出現了產能過剩。一方面，產業革命有一定的經濟周期性。技術創新具有階段性，不會一直有顛覆性技術出現，且工業技術領域創新成果產業化之后具有邊際收益遞減特性。如電子產品和汽車的普及使其相對價格逐漸下降，給企業帶來的邊際利潤越來越少。可見，前三次產業革命均具有周期性，從興起到高潮，最后走到低谷。對應地，彼時的新興產業也會經歷從萌芽到高速發展，最終停滯的過程。另一方面，資本集中難以遏止。在資本的驅動下，出于對壟斷利潤的過度追求，企業會不斷擴大再生產，直至產能過剩。在技術創新初期，這些再生產轉變為新廠房、新設備及新產品，推動技術產業化進程。但隨著國內市場飽和，出現產能過剩。為了維持壟斷利潤，資本家在國內寧肯將牛奶倒掉也不給窮人，出現重復建設和大量浪費，并不斷拓展海外市場，向海外輸出過剩產能。可以說，自由貿易的興起，既由全球化分工擴張的自然規律所推動，也受到英美日等在產業革命中崛起大國通過出口為過剩產能尋求海外市場的客觀沖力。這一過程往往受到同期其他國家基于保護本國產業和維護經濟安全的抵制。

（四）生產關系上勞動者處于弱勢地位

生產關系變化的微觀表現是市場主體之間契約關系發生變遷，在組織形態上形成了“資本雇傭勞動”模式，勞動者被嵌入以資本為中心的經濟社會網絡中。前三次產業革命期間，英美日的工廠、公司、財團等組織形態不斷演進，但勞動者一直被資本雇傭，始終沒有擺脫“機器替代人”的命運。

其間，資本家攫取了大部分經濟利潤，勞動者未能同步分享生產力躍遷的成果。湯因比[20]42-43在《產業革命》一書中寫道：“我們越是檢查事情發展的實際過程，人民所承受的不必要的苦難越是使我們感到震驚。”經濟史學家弗雷[21]在《技術陷阱》一書中揭露，1780—1840年，英國工人人均產量增加46%，但周薪僅上漲12%；同一時期還伴隨工作時間的延長，因而工人實際工資反而下降了。皮凱蒂[22]在《21世紀資本論》中一針見血地指出，勞動收益增速低于資本收益增速是社會分配不平等的根源。

四、數字經濟時代新質生產力的躍遷特征

新質生產力不僅延續了傳統生產力的進步方向，更要實現躍遷，即需要在社會生產過程中出現新的、具有變革性和創新性的生產力要素或形態。如前文所述，前三次產業革命展開了一幅生產力躍遷圖景，而當前新質生產力在“技術—要素—產業—生產關系”邏輯鏈條上，呈現出與前三次生產力躍遷不同的特征。

（一）技術創新更智能，動力更強

⒈通用技術更加智能化

新質生產力躍遷的原動力是技術創新，但歷史上發生的如四大發明在內的顛覆性技術創新并未帶來產業革命。縱觀全球經濟史，顛覆性技術創新要成為全社會的通用技術，以更先進、更便捷的技術取代當時的主流技術，才能實現大規模產業化、社會化生產，進而推動全社會生產力的躍遷。因此，把握產業革命的發展趨勢，先要洞察通用技術的特征。

前三次產業革命期間的通用技術較多，總體上可歸納為機械化、電氣化和自動化。第四次產業革命的技術創新路徑仍不甚明朗，但可以肯定的是智能化技術是其中重要的通用技術。一方面，從數量來看，智能化技術已占據顛覆性技術的主流。①另一方面，從技術關聯來看，智能化技術正在被快速工具化，為新材料、新能源和綠色低碳技術等其他技術創新提供數據、算法和算力支持，使各類技術的研發過程更加智能化，并在基因編輯、天體物理、化學材料合成等領域突破人類能力局限，推動基礎性和突破性重大科技成果的發現進程。

從理論上，人們對智能化技術的認知形成了兩個不同的派別：一是行為主義派別，其主張用機器模擬人類的行為，追求的目標是機器行為與人類行為的相似性；二是內在主義派別，其主張模擬人類大腦的工作原理，在硅基和碳基的基礎上構造類似生物腦的結構和模擬相關功能，并在智能芯片、機器人、腦醫學等方面加以應用，即類腦計算。相較而言，前者可能更易投入工作場景，后者則更可能獲得類似人類的思維和意識。從實踐上，兩個派別指導下的技術路徑都在快速迭代發展，在硬件和軟件上均有所體現。一方面，以機器人為代表的硬件更加智能，且一些傳統設備設施智能的操作性更強。另一方面，以App為代表的應用軟件或小程序更加智能，其不僅作為一個工具被人們所使用，更可以學習、適應使用者的習慣，甚至直接處理一些任務。今后，人們所處的生產環境和生活環境或將更富具身智能，而智能化技術逐漸滲透到更多行業和領域將發展成生產力躍遷的通用技術。

⒉技術動力變革為算力

一些顛覆性技術要大規模應用于人類的生產和生活，才能成為真正的通用技術或主流技術，進而推動經濟社會的共性進化。人類社會發展史上的幾次生產力躍遷都是在技術創新基礎上由技術動力變革所引發的，如從“水推磨”的自然動力到以蒸汽為代表的熱力，到以石油燃料為基礎的熱力，再到以電力為基礎的電氣動力，這些都帶來了整個生產力系統的重塑和飛躍。可以說，一個時代的技術動力，決定了彼時可實現的生產效率的上限，而熱力和電力相繼突破了人類體力上限，為前三次產業革命提供了強大動力。當前，以算力為代表的新技術動力，則進一步突破了人類腦力上限，為技術創新、迭代及生產提供指數倍增長的運算、試錯和擇優能力，為新一輪生產力躍遷提供了動力基礎。

算力作為基于數據存儲技術的“存力”、網絡通信技術的“運力”和計算技術的服務能力，是技術創新和產業發展的底層支撐。從結繩記事、文字、書籍到計算機硬盤，再到網盤和云存儲，人類的存儲能力日益強大，檢索越發便捷。算力存儲使人們可以即時精準提取所需信息而無須耗費人腦，且這種存儲是動態的、活躍的，如同電網輸送電力一樣，可以通過通信技術實現跨區域、跨行業聯網整合，把算力配置到最需要的地方，并可以有效應對個別地區或行業突增的算力需求。在“存力”“運力”的基礎上，算力最終要為用戶提供計算服務，既包括電子商務、即時通訊等數字經濟活動，也包括工業、能源等領域的研發和生產活動。在全社會技術創新趨向智能化，且智能化技術亦體現為算力的當下，各行業生產力的躍遷愈加依賴算力。算力越強大，智能化技術的產業應用就越廣泛和深入，生產力的躍遷就越大。

（二）數據驅動產業革命，算法替代生產函數

⒈數據成為主要驅動要素

加爾布雷思[23]在《新工業國》中指出，人類社會“最重要的生產要素”是動態變化的，對其掌握情況決定了經濟和政治權力。在第一次產業革命之前，人類文明處于農耕時期，勞動力是最重要的生產要素，各國政府均試圖通過管控人口來獲得權力和發展經濟，經濟總量主要取決于人口數量，但人均收入在長達兩三千年的時間里沒有發生本質變化。而在前三次產業革命時期，資本的地位凸顯，推動了生產力躍遷。

當前，數據已成為最重要的生產要素之一，是技術創新和生產過程中最活躍的生產要素，在某種程度上已取代資本成為第四次產業革命的主要驅動要素。①一方面，技術進步很大程度上由數據驅動。在工業經濟時代，技術進步通常體現為資本投入，如蒸汽機、鐵路、電氣化設備；在數字經濟時代，技術進步不僅需要投入更先進的機器、設備和設施，且更加依賴數據及其相關的信息、知識和創意。可以說，數據驅動型創新（Data？Driven Innovation）已成為創新的主要形式，科技研發越來越依賴于科學儀器與機器設備產生的精準數據。數據要素催生專用技術向通用技術轉化，傳統企業生產受制于專用技術，主要采用串行生產和線性分工形式，企業之間的知識難以共享，但隨著數據要素的涌現，專用技術逐漸被通用技術所取代，不斷“喚醒”傳統生產資料走向并行制造和網絡化分工。另一方面，數據成為新質生產力與傳統生產力的重要分野。數據一直存在，但歷史上只是作為資本或信息技術的一種形態，現在已成為與資本和信息技術并列的生產要素。與前三次產業革命不同的是，新一輪科技革命和產業變革以數據等新型生產要素的產生和應用為重要標志[24]。數據在技術創新、新業態及經濟社會各領域的滲透性日益增強，對傳統生產方式變革產生重大影響，是當前及未來改變現實世界和重塑經濟理論的最大變數所在。新古典經濟學分解經濟增長源泉的做法忽視了生產要素之間的互補性，而數據可以優化資本、勞動力、土地等要素配置，全面提高生產率。

與資本相比，數據積累速度遠快于資本積累速度，對技術創新和產業發展的驅動力更強且更持久。與資本積累不同，數據積累的邊際成本幾乎為零，且具有自我強化能力，可以隨著存量的增大和應用場景的豐富提升積累速度。數據積累的邊際產出也日益提高，數據越多，通過訓練得出的結果就越好，進而使技術迭代和知識交流速度大幅度提升，促使新技術加速涌現。數字技術和數據還具有乘數效應，可以與各行業融合發展，在其中更深入、更大比例嵌入知識要素，引導技術密集型、資本密集型產業向數據密集型產業過渡，推動產業轉型升級。

⒉要素組合形式由生產函數演變為算法

創新的本質是把一種從未發生過的關于生產要素和生產條件的“新組合”引入生產體系，進而催生出大量新興產業，并通過次級創新提升傳統產業生產效率。在前三次產業革命時期，要素組合的創新方式是建立一種新的生產函數，但在當前已演變為算法，即通過算法實現更加多樣和高效的要素組合，其跳出了生產可能性邊界和時空約束，可以更加高效地打通產業鏈和供應鏈。

根據傳統經濟理論，要素投入轉化為產品產出的過程，經歷了生產函數這個“黑箱”，其中隱含著使用要素的種類、要素的比例關系及技術工藝等無窮盡的數學組合形式。從經濟史的角度來看，企業在不同階段采用的要素組合形式體現出不同的生產效率，重大技術創新會推動要素組合形式發生重大變化，從而帶來生產力躍遷。發展新質生產力需要將西方經濟增長理論中的一般性技術進步上升至原創性、顛覆性技術創新的戰略高度[25]。當前，技術創新帶來的不僅是要素組合形式的變化，也對產生要素組合的“黑箱”帶來沖擊，并開始由算法生成各種要素組合形式。算法是對經濟運行中的問題解決方案的完整描述，指明了生產活動所試圖實現的現實目標，以及實現該目標的路徑與方法。生產要素經歷算法這個“黑箱”，可以通過各種組合形式的模擬、運算、試錯和反饋設計選擇最優組合形式。當前，算法不僅應用于定向廣告推送、網約車、外賣等交易和流通環節，且在企業供應鏈管理和生產自動化過程中也被廣泛應用。

（三）產業結構升級，建設現代化產業體系

產業變革是生產力躍遷的具體表現形式，數字經濟對產業發展具有三個方面的作用：通用數字技術推動產業發展，數字生態系統推動建設現代化產業體系，產能過剩問題得以緩解。

⒈通用數字技術推動產業發展

產業是技術的現實表達，將隨技術進步不斷地形成和重構。數字技術作為一種通用技術，為企業研發提供公共技術、通用設備和數據交互平臺，并逐步嵌入產業創新發展進程。同時，數字技術更有利于推動創新力強、市場競爭力強的新興產業發展，通過推動產業結構升級全面提高生產率。

數字經濟領域新興業態多且變化快。事實上，數字技術的快速變革使得數字經濟產業組織格局演變遠快于傳統產業。汽車、鋼鐵等行業的發展用了上百年時間，電氣化技術從發明到廣泛應用間隔了三十多年，而某些數字產業只用了幾年甚至十幾個月時間就實現了從技術創新到大規模產業化的跨越式發展。但這其中亦存在一個必須面對的問題：技術進步過快或將導致知識和資產加速貶值，進而加大企業的學習成本和設備更新成本。

⒉數字生態系統推動建設現代化產業體系

第一次產業革命后，生產力三要素中生產資料的變化最大。英國開始大規模使用機械化的勞動工具，并逐漸分化出生產系統、動力系統、輔助系統等多個種類，形成了現代工業的基本生產范式。之后的兩次產業革命在機器設備、能源動力、交通方式及公司制度等方面不斷改進，但未能突破第一次產業革命形成的生產范式。進入第四次產業革命時期，數字經濟則天然地重構了生產范式。

首先，數字經濟具有網絡外部性，其促使市場主體更加系統化、體系化，而非個體化、壟斷化。起初，數字平臺與傳統市場的功能相似，只是匹配供求的場所，但隨著雙邊和多邊市場的擴大以及智能程序、學習模型的技術突破，數字平臺的能力結構發生改變，不斷創生出數字生態系統，并形成各市場主體渾然一體的統一場。與經典理論強調企業競爭優勢來自排他性的核心技術或資源不同，平臺的價值不取決于單個產品的質量或差異化程度，而是由生態系統的規模、結構、主體數量及平臺上的互動質量所決定。特別是，數字經濟的開源技術更加普遍，使很多企業在開源指令集上形成龐大的互促共進生態，強化了產業之間的體系化聯系。

其次，數字生態系統具有“中心—外圍”產業結構，主要體現為以中心帶動外圍提升產業整體的現代化水平。處于數字生態系統中心和關鍵節點的企業具有較強的數字技術創新實力，并從中涌現出大量新業態和新模式，成為戰略性新興產業和未來產業的先行者。數字化車間、數字化平臺、云制造平臺、數字化工廠、工業互聯網等數字化載體可以增強前向和后向產業關聯，推動外圍的傳統產業實現生產力躍遷。中心企業作為一種“社會化的技術平臺”，還可以拓寬外圍企業的創新邊界，提高企業的創新質量和創新效率。

最后，數字生態系統還可以強化產業之間及企業之間的協調性，提高產業體系的市場效率。傳統市場是由一個個細分市場匯聚而成，通過各細分市場的供求匹配和價格機制形成局部均衡，進而在產業鏈和供應鏈上下游及不同行業之間傳導互動，形成一般市場均衡。數字生態系統在保留市場力量的同時，改變了傳統產業發展邏輯，用平臺的組織方式實現協同、分工和合作，跨越地理界限，打破行政壁壘和行業壟斷，解決產業之間資源配置效率低下問題。

⒊產能過剩問題得以緩解

縱觀歷史，農業經濟時代的產能相對短缺，工業經濟時代極易出現產能過剩問題，而數字經濟時代的產能相對精準、富有彈性和張力。數字經濟時代具有以下特征：一是企業可以更好地預測市場需求，為長期投資提供指引，避免在產能即將過剩甚至已經過剩的情況下仍擴大投資；二是數字技術的應用可以實現生產過程的自動化、智能化和柔性化，進而精準滿足市場需求；三是數字化生產方式可以對生產設備進行模塊化快速調整。因此，數字經濟時代的企業可以更好地捕捉市場信號，按照市場需求生產產品，不會出現普遍性的、規律性的產能過剩問題。誠然，由于經濟周期和市場波動等原因，短期內局部市場仍會出現一定的產能過剩，但企業可以及時靈活調整，避免引發嚴重的產能過剩問題。

同時，數字經濟對農業經濟和工業經濟具有賦能作用，可以緩解創造性破壞過程中落后產能的過剩問題。前三次產業革命期間，落后產能往往因失去市場而過剩并被閑置浪費，但第四次產業革命期間，一些落后產能通過數字化改造不僅可以續存，還能實現產業升級。

（四）生產關系變革，契約與控制權分離

毋庸諱言，新質生產力的發展仍然符合馬克思和恩格斯關于機器大工業的基本界定，即現代工業的物質載體依然是一個以機器體系為中心的物質生產系統[26]，但數字經濟時代的勞動者在契約關系上可以更自由地脫離資本和機器的控制，進而使勞資關系發生重大轉變。

資本主義工商業通過產權制度、公司制度和金融體系，將勞動者與資本之間的雇傭關系變成各盡其責的契約關系，使得資本雇傭勞動者獲得合法性。可以說，工廠制、公司制和財團等組織形式都是強化對勞動者的控制，如美國福特公司的流水線生產模式和通用電氣的M型組織架構及日本的終身雇傭制和年功序列制。相反，數字技術的發展使得許多商品的生產過程被分解，服務過程被分包，加劇了生產活動去公司化、去組織化的趨勢。這種組織方式的變化映射到勞動關系上，引致從“企業—員工”到“平臺—個人”的重大轉變，個人與企業的契約關系明顯松綁，顛覆了資本雇傭勞動者這一傳統經濟下的當然規則。

同時，資本對勞動者的虛擬控制卻在逐步增強。隨著數字經濟的發展，個人與企業的隱匿關聯增多，工人勞動與企業生產之間的虛擬關系被大幅強化。部分勞動者在現實中獲得較高獨立性的同時，卻受到資本在虛擬世界中施加的潛在控制。換言之，個人與企業簽訂的雇傭契約放松了，但資本對平臺、企業及勞動者的實際控制反而加強了，即資本家用更少的資本付出獲得更強的經濟控制權，西方資本主義社會進入數字資本主義階段。深究背后的契約與權力關系可知，在工業經濟時代，資本利用生產資料實現對勞動者剩余價值的占有，并通過契約的形式將其合法化，但在數字經濟時代，資本對勞動者在虛擬空間內以更加“自由自愿”的、技術化的方式加以控制，越過了委托人與代理人之間的契約關系。

綜上所述，中國與英美日在四次產業革命中的生產力躍遷既有共性也有特性，其時代特征如表1所示。四次產業革命期間，各國使用顛覆性技術，形成新勞動者、新要素、新產業和新生產關系，并推動產業轉型升級，促使全要素生產率提高。從這個意義上講，當前的中國與歷史上的英美日有很大共性。但從生產力躍遷的具體內容來看，當前的中國與歷史上的英美日有很大差異，中國在數字經濟時代形成了新的生產力躍遷特征。申言之，一次產業革命伴隨一次“技術—要素—產業—生產關系”的時代特征，只有真正理解這些特征，才能更好地推動生產力躍遷。

五、中國發展新質生產力的路徑選擇

面臨全球新一輪產業革命的歷史機遇，中國大力發展數字經濟，促進產業革命和技術創新同頻共振，賦能生產力三要素，優化生產關系，是發展新質生產力的必然選擇。

（一）強化數字技術對勞動者的賦能，為新質生產力提供高技能勞動者

一方面，要強化對傳統勞動者的數字賦能。從總體來看，以人工智能為代表的數字技術不僅會替代體力勞動者，還會替代腦力勞動者，且人工智能技術的通用性降低了各行業對技術人才的需求量。因此，當前“機器替代人”的問題比前三次產業革命時期更加嚴峻。從個體就業來看，與其說勞動會被人工智能替代，毋寧說是被更擅長使用人工智能的人替代。因此，要鼓勵企業通過專業培訓、數字軟件更新等方式強化數字技術為勞動者賦能，以提高勞動者對新質生產力的適應性。另一方面，要促進數字勞動的價值實現。盡管數字勞動打破了勞動的發生場域和時空場所，但其并沒有改變勞動的根本特征，仍然屬于生產性勞動，其在第四次產業革命的前沿技術和新業態中創造價值，助力生產力躍遷。因此，要在通用技術基礎上深化專用技術創新，擴大不同領域數字技術人才需求及崗位創新，加大力度培育能夠運用數字技術及其工具編寫代碼、創造知識和改造產業模式的新型人才，使其勝任關鍵新型崗位。

同時，要積極應對人力資本價值的變遷。數字技術不僅能夠監控現實的勞動過程，亦能夠建構信息化的勞動過程。其中，人工智能輔助的任務與人類獨立完成的任務所需技能集存在差異，這意味著人類與人工智能的緊密合作不僅涉及技術的進步和應用，亦需對人力資本價值進行重新定義和探索。人工智能在適應人類的同時，人類也要適應人工智能。既要強化機器對人類的服務定位，使機器更好地理解人類語言和思維，提高為人類服務的能力；又要引導人類更多從事相對機器具備比較優勢的工作，強化情感①、創意②、邏輯推理③在人力資本中的價值。

（二）加快數字基礎設施建設，為新質生產力提供更新質的勞動資料

其一，加快數據積累和流通。在數字經濟時代，專業場景的數據積累在技術創新和產業投產過程中具有獨特價值。技術創新已不再在實驗室封閉完成，而要經過大量現實數據的反復試驗；產業投產則需要經歷中試、小試等衍生產業鏈的數據測算和二次訓練。且數據直接關聯產業鏈的前端研發、中端生產和后端消費，對產業鏈的整體帶動性更強。因此，要為數據、算法和數字技術制定規范的、包容的基礎制度體系、使用細則及社會制度，如允許電商、網約車等平臺企業通過擴大用戶數量加快人工智能數據積累，加強技術訓練。同時，數據要成為新質生產力的全新要素保障，需加快流通，使其充分融入生產力發揮效能的全過程。特別是，要加強制造業數據開放，把數據改造為標準的生產資料，使其更加便捷地參與到研發和生產環節中。當前，在以電商為代表的消費流通領域，平臺在供需匹配的精準性上已接近極致，但制造業數據①開放滯后，導致數據在技術研發和顛覆性、創造性破壞方面的積極作用仍不足，對生產活動的指導價值未能充分釋放。

其二，更好使用算力工具。生產力躍遷依賴算力，算力是一般的口算、珠算、心算和計算器所不能比擬的，需要借助現代數字技術和基礎設施。當前，中國的數據中心較多，但超算中心、智算中心和邊緣數據中心規模較小，存在專用算力不足、部分地區通用算力過剩、地區之間算網協同較差等問題，從而無法滿足科技革命、產業轉型和社會生活對算力的需求。因此，要增強服務前沿技術創新的專用算力，更好地協調各地區算網協同，提高算力接入便利性，降低算力使用價格，規制算力企業壟斷行為，加強中文數據在人工智能技術訓練中的應用。

其三，推動生產設備設施數字化改造。在生產力發展的歷史進程中，產業革命是生產力連續緩慢發展過程中的跳躍。但深入探究產業革命的歷程不難發現，其是新技術涌現、資本積累、社會化生產及擴大再生產的連續過程，其中不可或缺的是生產設備設施的更新換代。同蒸汽機及其相關技術普及前建造廠房和道路一樣，數字基礎設施可以為全社會生產力提升提供共性條件，且比前三次生產力躍遷具有更強的網絡效應。因此，要加快生產設備設施的數字化改造進程，為智能化技術提供廣泛的應用場景。隨著寬帶互聯網、移動互聯網的大規模普及以及新一代通信設備的不斷深化應用，各行業數字化轉型的通用技術和必需設施日漸完備，不僅能夠在同等資源和給定時間框架內為更有價值的商品和服務的生產提供支持，還可以為新的、更高效的經濟互動形式提供支持，從而惠及更多企業和個人。

（三）推動現代化產業體系建設，為新質生產力提供更廣泛的勞動對象

一方面，加快發展戰略性新興產業和未來產業。“AI+機器人”組合已成為推動各行業發展的重要動力，人形機器人作為人工智能原生應用的典范，展示了機器人模擬人類行為并與人類進行互動的潛能。人形機器人擁有與人類相似的外表和行為，當人形機器人表現出人類獨有的能力時，人類不會產生過度反感，契合人類對于機器人提供服務的期望。且現實世界中的所有設施（如街道寬度、房屋高度）和生產工具均是按照人體設計的，當機器人具有人類形狀時，不需要專門為其提供設施和工具。同時，中國在自動駕駛領域具有一定的先發優勢，車輛行駛數據多、算法訓練快，可積累大量路測數據并對復雜場景予以計算和優化。當前，北京、武漢等地已投入大量無人出租車、無人送貨車等自動駕駛車輛并試運行。此外，無人機技術的快速發展為低空經濟注入新活力，在未來具有廣闊的發展空間和潛力。另一方面，依托數字生態系統建設現代化產業體系。把數字經濟的生態系統特征轉化為產業體系特征，增強傳統產業、新興產業與未來產業之間的彼此帶動性。以智能制造、智能家電、數字安防等產業為代表，推動傳統產業尤其是制造業生產方式、組織方式的數字化轉型和智能化升級，加快形成若干產業集群。引導以數字平臺為中心的數字生態系統加強實體化運營，支持平臺企業牽頭承擔國家重大技術攻關任務，更好連接制造業產業鏈和供應鏈，實現從數字生態到數字產業集群的轉型，推動建設現代化產業體系。

同時，因地制宜優化新質生產力區域布局。數字經濟突破了原有的地理限制，各地區可以根據產業稟賦選擇新質生產力的部分產業鏈條進行跨區域招商引資、布局本地產業體系。不同區域、不同產業鏈的企業亦可虛擬集中，建立能夠促進新質生產力跨區域協作的虛擬作業環境，提高本地新質生產力水平，并推動全國整體水平躍遷。在人形機器人、工業互聯網等領域設立專門的試驗區，鼓勵國內外企業投資入駐，進行技術研發、測試和應用。鼓勵國內企業在國外開源技術上研發設立自主端口，利用國內市場規模優勢打造自主產業鏈。

（四）調整優化生產關系，以制度改革打通束縛新質生產力發展的堵點卡點

質變不但體現為“力”的躍升，更是生產關系的全面升級。生產力的發展往往受到制度的約束，在為適應生產力發展需要、為發揮生產關系的能動作用所作出的所有制度改革之中，市場化改革無疑是最為有效的。湯因比[20]77把英國工業革命成就很大程度上歸因于市場化改革，即以競爭取代了以前控制財富生產和分配的陳舊制度。與前三次產業革命相比，數字經濟時代發展新質生產力更需要通過改革發揮市場力量。以往，政府干預市場與社會活動的依據之一是外部性導致市場失靈，這類問題由于損益計算不能具體化，故而未能解決。但數字技術可以借助網絡廣泛連接、海量算力和顆粒狀信息可獲得等優勢，把外部性計算和量化到個體，從而將部分外部性問題內部化。因此，在數字技術高度發達、網絡廣泛滲透的當下，盡管政府可以掌握更多數據、作出更精細的計算分析，但其干預市場的必要性實際上卻下降了。

同時，要優化勞動契約獨立后的社會保障體系。習近平總書記指出，“無論時代條件如何變化，我們始終都要崇尚勞動、尊重勞動者”[27]。勞動保障要隨著勞動狀態、勞動場景的變化而變化，適應數字技術導致部分工作流動性強、靈活彈性強、契約關系獨立性強的新特征。一方面，科技的昌明可以提高經濟效率，但不能替代政府作出社會福利決策，不能把所有的資源分配權力交給平臺，政府要根據科技和產業發展的變化而調整優化社會福利制度。另一方面，加強算法透明度監管，在平臺算法中設置公平和倫理底線[28]。算法的目標應不僅是優化決策，更應是適當地權衡社會和文化規范，并通過嚴格的審查確保這些社會與文化規范沒有被侵蝕。因此，要遏制平臺通過算法對勞動者施加過度內卷要求，不能以追求最優的數學效率而損害全社會的經濟效率，并對勞動者的工作強度和休息權作出強制規定。

作為制度保障，應同步變遷監管重點。隨著推動生產力躍遷的力量由資本轉向數據，資本的地位不斷下降，數字經濟時代的產業壟斷問題得以緩解，監管重點自然而然應由反壟斷轉向維系數字生態系統的競爭秩序，即由治理資本轉變為治理數據和算法。在監管重點的變遷過程中，政府既要打破制度惰性和傳統路徑依賴，更要防止新的生產關系帶來新的經濟社會問題，在文化和法律中找尋和確立新生產關系的合法性。如妥善處理人工智能對知識產權的侵害及對特定人群的歧視等問題。

六、結 語

新質生產力的提出，體現了馬克思主義生產力理論中國化時代化的最新成果。習近平總書記強調：“高質量發展需要新的生產力理論來指導，而新質生產力已經在實踐中形成并展示出對高質量發展的強勁推動力、支撐力，需要我們從理論上進行總結、概括，用以指導新的發展實踐。”[29]

與英美日搶抓前三次產業革命歷史機遇、實現生產力不同，在數字經濟時代，中國正搶抓第四次產業革命歷史機遇并發展新質生產力。因此，要從理論上總結、概括和指導新質生產力的發展實踐，結合數字經濟時代的“技術—要素—產業—生產關系”四個方面，洞悉當前生產力躍遷特征。從技術來看，通用技術由機械化、電氣化和自動化變為智能化，技術動力由熱力變為算力；從要素來看，主要驅動要素由資本變為數據，要素組合形式由生產函數變為算法；從產業來看，數字技術和設施促進傳統產業轉型升級，數字經濟新業態涌現成為戰略性新興產業和未來產業，數字生態系統推動建設現代化產業體系，且有效緩解產能過剩問題；從生產關系來看，勞資關系由資本雇傭勞動變為契約獨立性提高與虛擬控制加強并存。

當前及今后很長一段時期，中國需不斷優化經濟發展路徑以適應歷史演變特征，利用數據要素、數字技術及數字基礎設施，賦能勞動者、勞動資料和勞動對象，推動生產力躍遷。同時，需不斷深化改革，推動形成與數字經濟時代生產力躍遷相適應的生產關系。

參考文獻：

[1] 方敏，楊虎濤.政治經濟學視域下的新質生產力及其形成發展[J].經濟研究，2024（3）：20-28.

[2] 劉偉.科學認識與切實發展新質生產力[J].經濟研究，2024（3）：4-11.

[3] 把握數字經濟發展趨勢和規律 推動我國數字經濟健康發展[N].人民日報，2021-10-20（1）.

[4] 馬克思，恩格斯.馬克思恩格斯選集：第4卷[M].北京：人民出版社，2012：576.

[5] 習近平.發展新質生產力是推動高質量發展的內在要求和重要著力點[J].求是，2024（11）：4-8.

[6] SOLOW R. We’d better watch out[J]. New York times book review，1987，12（7）：1-2.

[7] HUBBARD T N. Information， decisions， and productivity： on？board computers and capacity utilization in trucking[J]. The American economic review，2003，93（4）：1328-1353.

[8] FARBOODI M， VELDKAMP L. Data and markets[J]. Annual review of economics，2023，15（1）：23-40.

[9] VAN ARK B. The productivity paradox of the new digital economy[J]. International productivity monitor，2016，31（1）：3-18.

[10] 楊俊，李小明，黃守軍.大數據、技術進步與經濟增長——大數據作為生產要素的一個內生增長理論[J].經濟研究，2022（4）：103-119.

[11] 中國社會科學院經濟研究所課題組.結構變遷、效率變革與發展新質生產力[J].經濟研究，2024（4）：4-23.

[12] 劉誠，王世強，葉光亮.平臺接入、線上聲譽與市場競爭格局[J].經濟研究，2023（3）：191-208.

[13] GRANT S M， HOBSON J L， SINHA R K. Digital engagement practices in mobile trading： the impact of color and swiping to trade on investor decisions[J]. Management science， 2024，70（3）：2003-2022.

[14] 孫晉.數字平臺的反壟斷監管[J].中國社會科學，2021（5）：101-127.

[15] 陳龍.“數字控制”下的勞動秩序——外賣騎手的勞動控制研究[J].社會學研究，2020（6）：113-135.

[16] 何小鋼，朱國悅，馮大威.工業機器人應用與勞動收入份額——來自中國工業企業的證據[J].中國工業經濟，2023（4）：98-116.

[17] 馬克思，恩格斯.馬克思恩格斯文集：第8卷[M].北京：人民出版社，2009：359.

[18] 羅伯特·C.艾倫.工業革命[M].史正永，趙后振，譯.南京：譯林出版社，2023：8-9.

[19] 托馬斯·K.麥克勞.現代資本主義：三次工業革命中的成功者[M].趙文書，肖鎖章，譯.南京：江蘇人民出版社，2006：127.

[20] 阿諾德·湯因比.產業革命[M].宋曉東，譯.北京：商務印書館，2019.

[21] 卡爾·貝內迪克特·弗雷.技術陷阱[M].賀笑，譯.北京：民主與建設出版社，2021：8.

[22] 托馬斯·皮凱蒂.21世紀資本論[M].巴曙松，譯.北京：中信出版社，2014：16.

[23] 約翰·加爾布雷思.新工業國[M].嵇飛，譯.上海：上海人民出版社，2012：5.

[24] 黃漢權.深刻領悟發展新質生產力的核心要義和實踐要求[J].求是，2024（11）：32-37.

[25] 周文，許凌云.新質生產力的政治經濟學核心要義[J].經濟學動態，2024（6）：3-12.

[26] 劉剛.工業發展階段與新質生產力的生成邏輯[J].馬克思主義研究，2023（11）：111-125.

[27] 習近平.在慶祝“五一”國際勞動節暨表彰全國勞動模范和先進工作者大會上的講話[N].人民日報，2015-04-29（2）.

[28] 劉誠.二手電商平臺推動綠色發展[J].東北財經大學學報，2025（1）：78-87.

[29] 加快發展新質生產力 扎實推進高質量發展[N].人民日報，2024-02-02（1）.

Productive Force Transition in the Digital Economy Era

LIU Cheng

（National Academy of Economic Strategy， Chinese Academy of Social Sciences， Beijing 100006， China）

Summary：Every major leap in global productive forces is based on the industrial form at that time， and there is a common evolution of technological structure and economic and social systems. During the first three industrial revolutions， the leap in productive forces in Britain， the United States， and Japan mainly relied on industrial technology and its economic form， while at present China is developing new quality productive forces in the era of the digital economy. This paper discusses the transition characteristics of the new quality productive forces in the digital economy era from aspects of technology， factor， industry， and production relations. The research findings are as follows. First， the general technology has changed from mechanization， electrification， and automation to intelligence， and the technical power has changed from heat to computing power. Second， the main driver for productive force transition changes from capital to data， and the form of factor combination changes from production function to algorithm. Third， general digital technology promotes industrial development. Fourth， the transformation of labor？management relations from “capital employing labor” to “the coexistence of the improvement of contractual independence and the strengthening of virtual control”.

The new quality of productive forces reflects the latest achievements of the Marxist productive force theory in China. Faced with the historic opportunity of a new round of global industrial revolution， China’s efforts to develop the digital economy， promote the common development of industrial revolution and technological innovation， empower the three elements of productive forces， and optimize production relations are inevitable choices for developing new quality productive forces. First， it is necessary to strengthen the empowerment of workers through digital technologies to provide highly skilled workers for new quality productive forces. Second， the construction of digital infrastructure should be accelerated to provide updated means of production for new quality productive forces. Third， we can promote the construction of a modern industrial system to provide a wider range of labor objects for new quality productive forces. Fourth， we can optimize production relations， strengthen institutional reform， and get rid of the blocked points that restrict the development of new quality productive forces.

Compared with existing literature， the marginal contributions of this paper are reflected in the following three aspects. First， this paper analyzes the transition characteristics of new quality productive forces through horizontal and vertical comparison. Based on Marxist productive force theory and through historical narration， this paper makes a vertical comparison between the Fourth Industrial Revolution and the first three industrial revolutions， as well as a horizontal comparison between China and Western countries， and clarifies the embedded relationship between the digital economy and new quality productive forces. Second， this paper analyzes the industrial form of new quality productive forces. Based on the technical analysis， this paper presents the characteristics of industrial development of new quality productive forces， such as from mechanization to intelligence， from heat to computing power， and from industry monopoly to industrial ecosystem. Third， this paper makes a scientific analysis on the path selection of new quality productive forces.

Key words：new quality productive forces； the digital economy era； productive force transition

（責任編輯：徐雅雯）

[DOI]10.19654/j.cnki.cjwtyj.2025.03.003

[引用格式]劉誠.數字經濟時代的生產力躍遷[J].財經問題研究，2025（3）：33-45.

① 新質生產力是生產力在“范式”層面的躍遷，而非“軌跡”層面的常規上升。

② 前三次產業革命均發生在多個國家或地區，考慮到生產力的躍遷程度，本文把英美日分別作為前三次產業革命的代表性國家。這三個國家在三次產業革命后依次躋身世界第一或第二大經濟強國。

③ 數字經濟包括數字產業化和產業數字化。廣義地看，與數字經濟發展相關的技術、設施和業態為各行各業生產力躍遷提供了一定的基礎條件，即全社會生產力共性躍遷之中內嵌數字經濟的身影。本文采用這種廣義視角，不局限于數字產業化和產業數字化，而將數字經濟視為一種經濟形態或當前所處的經濟階段，探究其中的技術、要素、產業和生產關系對新質生產力的影響。

① 麥肯錫將第四次產業革命中的顛覆性技術概括為四類：一是連通性、數據和計算能力，如云計算；二是分析與智能，如機器學習；三是人機交互，如自動駕駛；四是先進工程，如3D打印。可見，上述大部分技術都是智能化技術。

① 本文并非否認資本的作用，也不認為數據已經超越資本，而是從動態的角度看，數據是可變性更強、未來潛力較大的要素，它在生產力發展過程中或將起到推動質變、引發躍遷的作用。

① 如有一些人認為，被人工智能客服接待有一種不受重視的感覺，人工客服可以更好地滿足人類情感需求。

② 具有諷刺意味的是，盡管智能化讓越來越多的信息變得可用，但它卻壓縮了深入、專注思考所需的空間，導致人們的創造力未必與知識存量同步上升。

③ 人類擅長基于因果分析的邏輯判斷，而機器的優勢在于可以利用大數據進行相關性和預測分析。

① 制造業數據包括生產數據、供應鏈數據、創新鏈數據等在內的工業大數據。與金融數據和商業數據相比，其存在標準不統一、業務口徑不一致、數據完整性欠缺等問題，因而開放共享程度較低。