发展数字经济值得深思的几个问题

这次演讲我强调的一个中心思想是，发展数字经济得排除左右两方面的干扰。极右的干扰是对大数据、人工智能等新一代技术的无视、墨守成规，导致错失发展机遇;极左的干扰是不顾国情，盲目冒进，对新技术抱有不切实际的幻想。

现在大数据和人工智能已经被列为国家战略，我们要满腔热情地拥抱驱动数字经济的新技术，但是不要只做表面文章，而应扎扎实实地把大数据和人工智能融入实体经济，为经济发展注入新动能。

2017 年我国电子信息产业的收入达到 18 万亿元，大数据相关产业收入只有 4700 亿元（国家大数据发展规划要求 2020 年大数据相关收入达到一万亿元）。去年一年，我国大数据核心产业的收入是 234 亿元（我国人工智能产业的收入大概在 200 亿元左右）。

大数据核心产业只有 230 亿元是什么概念？中国护肤面膜产业的年收入是 236 亿，说明大数据核心产业和人工智能目前只相当于面膜产业的规模。大数据核心产业收入只占电子信息产业总收入的千分之一左右，如此弱小的大数据核心产业如何能成为推动经济转型发展的新动力，重塑国家竞争优势的新机遇？

我的理解是，高质量发展的必经之路是从资源要素驱动转变为创新要素驱动。数据技术的本质是“认知”技术和“决策”技术。它的威力在于加深对客观世界的理解，产生新知识，发现新规律。大数据是数字经济关键的生产要素，它的作用是使各类经济活动朝着更加高效率、更高质量、更具备可持续性、更智能化的方向发展。

大数据的影响难以被统计

大数据的影响难以被统计，这是因为数字经济的统计中包含了许多传统产业的贡献，我们经常讲融合型数字经济的占比，这点一直让我感到困惑，数字经济的增量究竟在哪里？上世纪 80 年代，经济学家索罗提出一个悖论：到处都看得见计算机，就是在生产率统计上看不到。今天可能有一个相反的数字化悖论：在统计上常看到数字化的巨大作用，但在生产活动中还不易发现数字化的价值。实际上，大数据的作用不仅体现在经济增长上，更多体现在生产方式、生活方式、科研模式、政府管理模式的改变和福利改进，特别是人们思想观念和认知方式的改变上。别太在意数字经济规模的统计数字。

现有使用的统计标准不适合数字经济，因为数字经济中有许多免费的应用没有计入 GDP（伊甸园的 GDP 是 0）。数字经济带来产品质量的巨大改进、产品种类的极大丰富、用户体验的明显改善，都无法在 GDP 中反映。

不同的机构统计的口径不一致，测算的数字经济规模有几倍之差。根据联合国 2015 年的统计，全球数字经济规模只有 2.5 万亿美元，比中国信通院公布的中国数字经济规模还小。

我们需要关注大数据和人工智能究竟为经济发展贡献了新的增量，提供了多少原来没有的新产品和新服务，经济效率和用户体验提高了多少。有些咨询公司提出一些新的统计模式，如麦肯锡提出 iGDP，波士顿咨询提出 eGDP 等，试图更好地体现数字经济的影响。

数字化的价值更多体现在无形资产上，1975 年标普 500 公司无形资产只有几千亿美元，占总资产的 17%，2018 年其无形资产达到 2 万亿美元，占总资产的 83%。苹果、亚马逊等全球市值最高的几家公司都是数字公司。有人认为不要看重市值，因为这只是投资人的估值，但我觉得市值是购买一个公司的价格，市值与公司收入（利润）的关系如同母鸡与它下的蛋的关系。数字经济的代表性企业市值最高，超过所有传统企业，这说明数字经济代表着未来经济的发展方向，无形资产将会变成真金白银。

大数据与人工智能就像一对双胞胎，我将它们合称为数据智能，其巨大作用本质上是整个信息技术的作用。信息技术酝酿了几十年，现在是见效的时候了。

创新驱动=全要素生产率驱动

谈大数据的作用不能光看量和增长，还要关注质的变化。我们更多要从全要素生产率（FTP）的角度来理解大数据和人工智能。

创新驱动就是全要素生产率驱动。与蒸汽机创造了铁路产业、内燃机创造了汽车产业、发电机创造了电力产业不同，大数据与人工智能并没有在现有的支柱产业之外，创立出新的支柱产业。换句话说，大数据与人工智能本质上是提高效率、改善配置的优化技术，理解大数据和人工智能对经济发展的巨大推动作用，要从提高生产率上找原因。

随着进入新时期，我国人口红利消失，资本回报也在下降，转向创新驱动就是转向全要素生产率驱动。

在过去，工业经济追求的是规模经济，强调分工、专业化、单个品种的规模。现在的新经济追求的是范围经济，强调品种的多样化和个性化。然而个性化和通用性是矛盾的，这就是我常讲的“昆虫纲悖论”。以后的物联网、人工智能应用可能像昆虫一样，有很多品种，你想把这些应用规模化生产，就会产生矛盾。只能靠大数据和智能技术解决这一矛盾。

强调数据驱动要关注提高技术效率。技术效率是指在给定的投入下获得最大产出的能力，要在提高技术效率上下功夫。2001-2013 年中国技术效率的年均变化率是负 0.02%，2008-2013 年期间，中国大数据企业的技术效率平均变化率为负 5.9%。技术效率低是我国的明显短板。

美国德克萨斯大学对多个行业和大型企业的数据利用率、人均产出率进行了广泛研究，结果显示，数据利用率提高 10%，财富 100 强企业人均产出就会提高 14.4%。一个城市、一个地区数字经济发展得好不好，不是看添置了多少设备，采集了多少数据，主要是看投入产出的效率提高没有。

目前大数据分析的能效非常低。高性能计算已经到 G 级了（即每焦耳完成 10 亿次操作，GOPJ），而大数据操作，采用 Hadoop、Spark，只能做到每焦耳完成千次操作，能效与高性能计算相差 4-5 个数量级，更不要说与已经实现 TOPJ（即每焦耳万亿次操作）的寒武纪芯片相比了。

数字转型转什么

现在追求的数字化转型是生产模式、运行模式、决策模式全方位的转型。摩拜单车就是数字化转型的典型案例，通过采用 GPS 定位和 4G 通信技术改造了传统自行车产业。目前我国的服务业占比是 50%，与我国人均 GDP 相近国家的服务业占比已到 60%。我国服务业比重仍然偏低。

数字化转型的第一个目标是改变产业分布，大力发展生产性服务业。我们国家生产性服务业占比远远低于美国和韩国。大数据和人工智能的贡献在产业分布中不能直接看到，其作用必须融合在其他的产业发展中。

第二个目标是由传统企业转向数字化企业。我国的高档数控系统、数字化工具测量仪器和国外相差 20 年，现在有应用场景的地方没有智能产品，有智能产品的地方又没有应用场景，这两处存在鸿沟。

第三个目标是要大力发展科技型中小企业。大企业是中小企业技术创新和成果转化的市场，如果大企业搞大而全，什么都要自主开发，什么都要讲自主知識产权，那么就封闭了创新链条。德国将强大的中小企业群称为“隐形冠军企业”。德国和日本很多公司几十年只做一个产品，做到世界闻名，效益非常好。我国要鼓励科技型中小企业向高精尖发展，每一个行业都应当有既懂数字化技术又熟悉行业业务的小企业。政府主导较适于追赶，不适应创新驱动发展。创新基于市场导向，由企业家精神铸就，创新驱动应以竞争政策为主。

（本文根据李国杰院士公开场合演讲整理而成，未经本人确认。）