大数据智能化时代：新特征、新趋势、新思维与发展模式创新*

唐 龙

近年来，随着数据海量爆发和计算能力大幅提升、互联网联结方式改变与范围扩大、5G通信技术商业运用日益推广与普及、产业数字化及智能平台开放，以大数据驱动的智能革命正在世界范围内引发一场深刻的经济社会变革。有学者认为，由大数据与机器智能相伴而生，促进物联网从感知到认知并智能决策的升华正催生一个新的时代(吴军，2016)。这场以大数据应用为重要标志和以智能化为特征的新一轮产业革命对人类文明、社会进步和经济发展的影响并不亚于以蒸汽机、电器和信息为基础的前三次工业革命(施瓦布和戴维斯，2018)。作为大数据智能化时代最核心的两个工具，数据分析与人工智能自首次被提出以来已有半个多世纪的历史，为什么仅在最近20多年才显著提速、广泛渗透并开启一个新的时代呢？回答这个问题的关键是要理解大数据与智能化作为革命性新技术到底有哪些独特新特征及其对经济发展会导致哪些颠覆性影响。

尽管作为大数据智能化两个最核心的主题，数字经济与人工智能目前已成为学术界炙手可热的研究课题，且数字经济和智能科学与技术已正式列入教育部最新颁布的《研究生教育学科专业目录(2022)》。然而，综合分析中国知网已发表的涉及大数据智能化经济学领域的研究成果，笔者发现已有文献更多着力于具体商业应用展开研讨，对大数据智能化的理论性探讨很少，仅有少数文章关注到大数据智能化的新特征。这些屈指可数的关于大数据智能化新特征的研究文献，鲜见站在一个新时代角度去理解：正是由于大数据智能化某些独有新特征导致我们观察、认识经济现象与事物的重点对象、思考方式和决策方法将发生根本性转变。只有把握这些根本性转变并寻求与之匹配的经济发展新思维、新规律、新方法和新治理，我们才能更好地适应时代新变化，立足创新驱动高质量地开创一个美好的未来。

本文重点解决学术界对大数据智能化新时代认知、所涉关键概念、重要新特征及其诱致经济发展产生颠覆性新变化的理论研究不充分缺陷，立足大数据智能化新时代，分析大数据与人工智能的重要新特征，重点探讨基于这些新特征演化的新趋势以及所要求的思维方式和经济发展模式所必须的创新。本文的研究目标是为后续进一步探讨如何适应大数据智能化时代重要新变化，寻求经济高质量发展的现实可行路径，有效整合或重塑经济社会体系与秩序提供支撑和努力方向。

一、大数据智能化时代大数据与人工智能的新特征

(一)大数据智能化:一个崭新的时代

纵观人类历史上每一次技术革命，均是聚焦某一核心技术展开并由此牵引整个生产力体系及生产方式发生大变革，诱致经济和社会发展出现大变化。如果说机械工业革命聚焦蒸汽机的发明与运用，电力革命聚焦电的发明与运用，信息革命聚焦计算机与半导体芯片的发明与运用，大数据智能革命则聚焦大数据与机器智能的发明与运用。从这个意义上讲，大数据智能革命不仅是一场新技术开发与商业化运用的重要变革，更重要的是开创了一个新时代。

从经济视角将大数据智能化视为一个新时代，主要是因为当前人类社会所需解决的经济现象与问题变得更加复杂且具有高度不确定性，过去宝贵的经济发展经验常在颠覆性变革面前变得无所适从。“门口的野蛮人”越来越经常扮演行业颠覆者，新产业、新企业层出不穷并迅速壮大成为新的领军者，更加灵活和具有弹性的企业组织、数字化平台和龙头企业基于数字技术形成的产业新生态或产业链全新联结，劳动即就业，着力单体差异追求效率极致提升等等诸多令人眼花缭乱的新现象持续冲击我们的认知。与此同时，今天我们改造世界的思维、观念、方式和方法已与之前有了本质差异。例如，人机互动新模式成为若干经济领域提升效率的新途径；塑造世界而非渐进改造成为指导产业变革的重要方式；发展的不连续、经济秩序结构微粒化、经济演进不确定性等，正成为经济生活的主题。上述种种迹象表明，当今世界发展与之前的连续性大大削弱，已存在诸多根本性差异，我们已进入一个新的时代。以大数据为基础的智能革命之所以在今天的时间点集中爆发，一方面是因为过去20多年数据的产生、存储、传输、处理技术快速发展，全球数据量呈爆炸式增长；另一方面是因为互联网宽带、移动互联网、物联网、超级计算、区块链记账等相关技术的成熟。

(二)大数据：背景、独特性与概念再认识

随着数据与智能联结方式创新，数据使用对经济发展的贡献率急剧提升，已达到80%的经验值。以数字技术支撑或使用产生的数字经济，作为一个新兴战略性产业正日益成为国民经济体系的重要组成部分。这个状态和趋势使数据成为新技术革命背景下最重要的战略性生产要素，受到各国高度重视，我国也在党的十九届四中全会首次提出并正式将数据要素纳入社会主义生产要素体系。因此，在当今发展格局、条件与环境下，思考经济向高质量发展转型和未来经济远景，必须高度重视数据运用及其可能导致的重大变革。大数据是21世纪以来，随着移动互联网出现后数据量暴增并开始互联后出现的新概念(吴军，2016)。虽然自2007年以来，大数据越来越频繁出现在媒体上，但时至今日，对大数据的理解也没有统一，甚至出现种种误解，最典型的是把大数据等同于大规模数据。因此，有必要从数据分析发展史中寻找大数据的独特性，并在此基础上对大数据概念的内涵形成具有较高共识度的理解。

自1954年UPS启动一个分析组以来，企业内部就有了数据分析的理念，到今天其应用方式先后经历了决策支持、执行支持、在线分析处理、数据分析和大数据五个阶段(达文波特，2018)。从最早的数据分析到大数据的演进史可以看出，大数据与传统数据分析虽然重点都是实现从数据到价值转化，但两者在数据类型、数据量、分析方法和主要目的上却存在本质不同(达文波特，2018)。大数据分析相对前一阶段数据分析，不是一个简单换装，在诸多方面能引发重大变化皆因大数据的特殊性，其中最突出表现有两点。其一，非结构化特征。大数据的非结构化特征让它无法存贮在“行列”格式组织的数据库中。若要有效推进大数据分析，首要任务是从大数据中找到可供分析和研究所用的数据结构。其二，数据流。大数据分析的对象是数据流而不是静态数据池。鉴于大数据本身的独特性和数据处理工具与技术的快速迭代是大数据潜在价值迅速转化为商业效益的根基，学术界定义大数据基本从大数据的一些重要特性切入。例如，利用高容量(volume)、高速度(velocity)和多类型(variety)来定义大数据(达文波特，2018)；大数据具备四个特征：大量性、多样性、完备性与及时性(吴军，2016)；大数据“大”、多维度、具备处理非结构化数据能力、是生生不息的数据流(李彦宏，2017)。

对大数据定义的应用，有四点值得特别说明。其一，“大”并不是指数据绝对使用量大(vast),而是相对量大(big)。大数据的最重要价值不是“大”，而是将数据转化为新观点、新创意或商业价值时的贡献程度；数据“量”真正只对需要购买来存储和处理它的硬件设备容量产生影响。其二，尤其是像音频、视频、图片等非结构化数据，是大数据相对传统数据的最重要新增内容。处理非结构化数据已成为众多智能经济主体提高经济收益与效率的最重要手段。其三，由及时性与数据流支持的动态数据打破了传统数据分析仅从静态或比较静态角度使用数据的局限，使我们有机会打破过去经济分析过于粗糙的困局，有能力把握经济动态演变中可能忽略对结果会产生重要影响的细节问题，并使经济变化的动态路径分析变得更加准确。其四，公共与开放数据的开发和深度利用对经济发展的影响与应用成为大数据相对传统数据分析的新重点，基于数据画像的经济决策成为企业在大数据智能化时代降低运行成本或拓展市场空间的重要手段。

(三)人工智能:演进、定义与人工智能2.0时代

人工智能的研究开创于20世纪50年代。科学定义机器智能的是电子计算机的奠基人阿兰·图灵，他在其论文《计算的机器与智能》中提出了一个验证机器是否有智能的判别方法(李彦宏，2017)。1956年，由约翰·麦卡锡等发起的“达特茅斯夏季人工智能研究会议”提出和讨论计算机不能解决的问题及尚未开展研究的领域，随后世界掀起了一轮人工智能研究热潮。人工智能摆脱早期因投入大有效产出少而陷入的困境，自21世纪以来再掀人工智能新一轮高潮，主要是研究方法实现了从让计算机按照人的思路去行动到数据驱动、知识发现或机器学习的转变。基于上述人工智能发展史，学术界将机器智能分为传统人工智能与其他现代方法，我们分别称之为人工智能1.0时代和2.0时代。与此对应，人工智能严格来讲有两个定义：其一，特指20世纪五六十年代研究机器智能的方法；其二，泛指机器智能，也就是任何可以让计算机通过图灵测试(1)图灵测试有5个指标，分别为语音识别、机器翻译、文本自动摘要或写作、决战人类国际象棋的世界冠军、自动回答问题。的方法。尽管无论是人工智能1.0时代还是2.0时代，主要任务均是让机器解决人脑不能解决的问题，但两者解决问题的思路却有根本性差异。基于数据驱动的机器学习，构成当今人工智能的主要内涵，最突出的特征是将智能问题转变成为数据问题。如今，学术界再讨论人工智能定义，更多是基于人工智能2.0时代的语境。

人工智能2.0时代，人工智能通常是指基于软件的机器学习，依托的方法主要包括线性回归模型、决策树、贝叶斯网络、人工神经网络和进化算法(施瓦布和戴维斯，2018)。基于大数据训练概率数学模型，基于启发式搜索算法快速找到解决方法使计算机的智能水平大幅提升。由IBM公司贾里尼克团队主持的语音识别、Google公司奥科博士团队主持的机器翻译、IBM公司开发的超级计算机深蓝、Google公司开发的超级计算机Alphago等，显示了计算机智能水平提升后解决复杂问题的潜力巨大，日益成为大数据智能化时代最终决定社会变革成果的重要新动力。从人工智能经济应用角度看，随着近年机器学习提速和能力提升，人工智能与机器人发展迅猛。目前，创造具有一般智能机器的主要方法是向机器提供我们所期望的目标以及用于实现这些目标的算法。未来，具有更高智慧的类人机器人或“强人工智能”会越来越多地投入研发与应用。人工智能与机器人的商业化运用所激发的想象力，将超越其他技术组合。尽管通用人工智能还没出现，但“弱人工智能”早已无处不在，且与机器人和人类产生了较好协同。

二、大数据智能化时代经济社会变迁的新趋势及其诱致的新挑战

大数据智能化的商业运用沿两个方向展开：一方面是从局部到整体，主要特征是掌握全局，实现社会智化；另一方面是从整体到局部，主要特征是进入细节，实现社会微粒化。大数据智能化时代经济社会变迁的两个重大新趋势在深刻改变经济社会面貌的同时也将带来一些前所未有的新挑战。

(一)社会智化：趋势与挑战

随着人类文明向前持续推进，在更高水平上观察和认识更加复杂的自然与社会现象，并提供改变世界更有前景与效率的手段成为时代的必然要求。当今，随着以“机器学习”为改变世界的主要新工具日益向更广泛和更细微的经济社会领域渗透，计算机智能水平将持续提升。当机器智能达到甚至超过人类智能实现从量变到质变的转化时，就会导致经济社会发生翻天覆地的变化。我们把这个过程称为社会智化。社会智化最突出的特征是在越来越多的生产与生活领域让计算机通过“机器学习”去完成过去只有人类才能做到的事情。当我们以发展经济学关于发展终极价值是实现人的自由标准来审视，社会智化将面临两个最明显的挑战：如何理解人机互动关系和未来就业迁移。

1.人机互动：对抗还是合作

在复杂的现实世界，人类具有独特的优势。为提升生产生活效率，人类不断地使复杂事物简单化以便于利用机器完成。讽刺的是，在简化过程中，人类社会应对复杂境况与事务的特殊天赋将受损。这就提出一个问题：随着数字技术和智能机器的渗透与普及，未来人们将变得更聪明还是愚蠢？对此回答存在激烈的争论，既有观点认为可能丧失集中注意的能力，也有观点认为能够丰富我们的语言表达，让我们大脑变得更加轻松(库克里克，2017)。不管怎样，未来智能机器将越来越多、智能水平也会提升，人机共存将是未来世界的常态。在这个不可逆趋势下，如何适应大数据智能化时代新特征处理与适应好人机互动关系，兼顾经济活动效率和人类情感、自由、选择的表达，将最终成为人类是否接纳并积极参与社会智化经济活动的关键影响因素。

智能机器拥有的是计算路径，最大优势是忘记的能力；人类拥有历史和故事，最大优势是不会忘记的能力(库克里克，2017)。从世界智能化过程中的人机互动绩效表现看，物联网改变了地理位置对个人命运的决定，有利于充分激发个人天赋；与智能机器博弈将提升人类学习效果；掌握知识的方法与内容变得更重要，人脑将变得更轻松。尽管社会智化正在撕裂工业时代所形成的经济社会结构，然而就人机互动关系看，既有对抗也有合作的特征总体没有改变，改变的只是具体的互动关系。在人机共生、协同演化的进程中，我们将变得更加聪明、更加适应机器和自己的变化。正因为不能彼此完全替代，通过人机协同发挥优势最重要的是发现在哪一方面在哪种情况下掌握着领导权——是人还是数字化智能？鉴于某些领域如生物基因的智化涉及挑战人类伦理，智化手段及其可能后果可能挑战发展的终极价值价值观。在处理人机互动关系时，我们有必要在某些领域设置禁区，在某些领域需依照经济伦理和社会价值观完善相应的规则(施瓦布和戴维斯，2018)。

2.工作岗位：如何适应与迁向何方

发展与就业的互动与平衡，是发展经济学思考的核心问题。工业革命曾导致历史上最大规模的职业消亡——农民大幅萎缩。今天，随着人工智能深度发展，一些值得深思的问题是：我们人类未来怎样？我们将以何为生？我们要靠什么打发时间？面对新型计算机智能，人类还有哪些剩余优势，该如何另辟蹊径，或许是接下来几十年最重要、最令人不安和最具挑战性的问题(库克里克，2017)。随着机器智能渗透到更多领域，我们过去所秉持的认知性、高要求、高价值职业将经受自动化冲击的信念已被瓦解。相对来说，“社会知觉”“谈判艺术”“论证能力”“创造性”“变通性”“帮助他人以及为他人服务”等具有感性特质相关的工作岗位不易被智能机器取代。对复杂情况的观察与创造力、对社会与技术的感知力，将变得越来越重要。

智能将重新分配就业市场。计算机将依据算法可分解的任务承担那些定义明确的职业；人类将承担那些模糊、难以定义且复杂的工作。数字化工作岗位比工业时代的传统职业要求更高程度的合作与专注，雇员价值直接取决于专注性、团队合作能力与灵活性。未来职场的顶级精英将由紧张的、高教育水平的、极端高效率的和独立的雇员组成；他们积极进取、渴望自我实现，不断进行自我提升。同时，在低端领域，由于机器对工业化熟练操作工作与简单行政工作的替代，更多就业机会转向服务业领域。与历史上每一轮大的技术变革会引发就业结构的深度演变一样，机器代替人劳动的趋势和规模远大于我们初期设想，并且解决劳动力去处的空间会变得更加狭窄。人员何去何从，将极大考验社会稳定管理者的智慧与耐心。

基于数字技术驱动的社会智化，就业收入结构也会发生两个明显的变化。其一，从事与智能相关的高素质劳动者收入增速畸快，“赢者通吃”在市场竞争中的作用发挥越发明显并严重扭曲收入分配体系。未来，谁拥有绝佳创意、出色产品或一种特别天赋，谁就得益于数字化网络和全球市场，获得更多收益。其二，单体高度解析能力提升使工作绩效及其贡献率的考核变得更加精准，从而使现行“同工同酬”的分配理念受到挑战。即使相同的工作职位，工资差距也在拉大，并且明显拉大。

鉴于上述就业市场与收入结构的新变化，如何在社会整体框架下将差距控制在可以接受的范围，并使尽可能多数的人群能融入新的经济社会秩序以分享发展利益，是接下来必须要思考的重要问题。

(二)微粒社会

大数据智能化时代，可资利用或有能力利用的数据量暴增和计算能力提升，使我们观察与了解经济和社会问题的微观主体发生重要转变，“单体”(2)“单体”在本文特指独特、不能混淆、能在量化中自证的对象。而非“个体”(3)“个体”在本文特指统计中间值和平均值代表的对象。成为主要研究对象。主要研究对象的改变将形成一种新的“解体—解析”模式和改变世界方式，从而从根本上改变我们的生产与生活方式，并深刻影响我们的世界观和认知自己的方式。由此所产生的新型社会，我们称之为微粒社会(库克里克，2017)。相对于工业社会，微粒社会最重大突破在“粒度”(4)“粒度”是计算机科学家使用的语言，数据越精确，粒度越低。。将“粒度”概念引申到微粒社会，所产生的重大变化是我们的身体、自然界、社会关系、政治与经济都将比以前以更精确、精细和透明的方式被获取、分析和评价。

微粒时代的单体高度解析，将在很大程度上挑战工业时代经济发展方式和社会经济秩序。首先，基于独特单体差异行为而非整体平均行为将在改进企业生产效率、提升经济行为主体研发能力、重塑与客户联结关系等方面成为提高经济效率的主要方式。世界一些顶级公司更加注重为少数天赋异禀人群创造良好工作环境以保护公司的持续创新力。基于消费者群体或个体特征的深度解析在制定广告与销售策略、增强用户黏性方面发挥着越来越重要的作用。其次，基于更低粒度建立全新联结去发现和利用知识以改造世界显著加快经济竞争烈度和变革速度。智能机器通过反复训练可以将成千上万种事情联系起来找到全新的、意想不到的关联性，使对复杂真实经济世界简化认知的速度大大提升；可以发现以前从没有被利用的关联性，更加深刻透明地认识世界，使我们更经常依靠数据而非专家知识进行决策，使经济竞争与秩序演化呈现出许多新的特点。弹性组织、敏捷开发、企业生态等一个个全新的企业管理与运营新概念正成为新时代维护和培育核心竞争力的主要方式。最后，基于单体化特征的充分发挥正成为社会创新活力的重要来源。更加灵活的生产方式、更加个性化的需求、更多具有特色的初创公司将在完善社会生产力生态体系和寻求经济新增长空间中扮演更加重要角色。

三、探索大数据智能化时代经济发展与运行规律亟须思维创新

得益于数据驱动的智能化变革，新时代经济社会发生巨大变革。与此相适应，我们亟须在研究对象、思考方式、研究方法等方面创新思维，以更好地适应大数据与人工智能的独有特征去探索经济发展规律，使人类认知与改造世界的经济活动变得更有效率。

第一，研究对象的重点由确定性变为不确定性。解决大数据智能化问题的本质是“用不确定的眼光看世界，再用信息化来消除不确定性”(吴军，2016)。随着经济发展与社会持续进步，人类社会已步入观察和认识更加复杂自然与社会现象的新阶段,需要从更多维与多变量的角度去探索和发现经济运行规律。不确定性代替确定性成为大数据智能化新时代的重点研究对象。过去以归纳法为核心的实验科学与以演绎法为核心、以方程式为主要表现形式的理论科学对于继续研究和探索经济演进规律与发展趋势的方法论而言，其面临两方面的挑战：其一，经验科学研究使用的归纳法所隐含的“过去与未来连续性”假设不适应以“不连续”为主要特征的大数据智能化新时代；其二，以方程式为主要表现形式的演绎推理面临多变量多维度的不确定性，使基于建模去研究确定性的因果关系变得很困难。幸运的是，在以计算无所不在、软件决定一切、数据驱动发展为核心特征的大数据智能化时代，基于海量数据的相关性去发现经济现象和事物的发展轨迹不仅意味着科学研究范式本身的变革，而且也得到了来自数据获得能力与计算能力大发展的支持。

第二，探索、发现经济运行规律需要创新思考方式。作为大数据智能化时代方法论的重要基础与核心，数据驱动方法不仅是解决问题的工具创新，更是一种思考方式创新，主要体现在两大突破：其一，通过对大数据的模拟建模而不是事先设定模型，成为一种新的研究和解决经济问题的方式，能在确保研究结论精确度不降低的前提下使研究时间大大缩短；其二，在研究内容上，重点是运用相关性信息而不是因果关系信息去寻找隐藏在现象背后事物间的联系和规律。适应上述两个显著变化，在不确定性、多维度关联的真实世界快速找到经济关联并形成可以有效指导经济实践的有效知识，在探索、发现经济运行规律在方法上不可能重点依靠天才发现，而是要依靠机器智能实现快速简化。新的科学研究应是什么模样目前还难以判断，但它已不可避免地将会出现并改变我们对当今经济世界的认知。未来，我们更多基于数据驱动借助机器直接模拟去发现主要经济变量间的相关性，从而能以更快速度探明和利用经济运行规律。

第三，运用经济发展规律改造世界需要运用新的方法。面对大数据智能化新展现出来的系列新面貌和所催生经济社会发生的重大变革，显著提升经济绩效需要变革我们运用经济发展规律改造世界的方法，最需要变革的方法有两种。其一，以设计方法塑造未来。鉴于发展的不连续性和颠覆性变革在培育经济发展新动能和催生新经济增长点中的地位显著提升，创造新产业、新产品、新组织，逐渐替代基于效率提升的自我演进以延长企业与产品生命周期，成为未来能否站在发展制高点的重要新方法。塑造未来的理念是在麻省理工学院可感知实验室研究工作过程中逐步发展和完善起来的(拉蒂和克劳德尔，2019)。其核心要义是：假设各种各样的未来场景，研究这些场景实现的后果及迫切程度，广泛分享由此产生的创意，推动公众对话与辩论，以摆脱发展的连续性实现创新驱动。其二，差异革命。面临生产能力强大、主要工业产品相对过剩、市场发现比成长变得更加重要的时代，基于行业平均值探究企业竞争力的方法将变得过时，企业单体差异行为及其影响将逐步成为经济发展直接的研究对象。我们需要聚焦经济事务或现象“单体”新粒度去观察、认识和分析各种经济现象及其可能展示出来的新联结，从而发现和利用新的市场机会以摆脱同质化“丛林竞争”造成的多输局面。

四、把握大数据智能化时代经济发展新模式，实现高质量发展

大数据智能化时代，数字化会席卷所有行业，区别只在于规模和速度。从全球发展经验看，当今具有全球领先性和领导力的公司，绝大多数与数字化运用高度相关。这些引起经济面貌与发展格局产生重大变化的顶级公司从诞生到崛起时间短，最长不过20多年，短的不足10年，可见发展速度令人惊异。每年全球最“50家聪明公司”筛选标准也给我们一个重大启示：具有重大创新力的入选公司中有很大比例是初创公司，规模与名气虽不大，但其技术创新及其商业化应用业务却对现有行业产生重大影响与冲击力(麻省理工科技评论，2018)。这些情况充分说明，大数据智能化时代的经济发展模式与工业时代已有显著不同。因而，面向未来社会，我们能否站稳脚跟并迅速积累起发展优势，理解与把握大数据智能化时代经济发展新模式，对于实现高质量发展变得异常关键。

(一)大数据智能化时代的经济结构重塑新路径

互联网红利2014年达到峰值后迅速下降，与此同时计算机与通信行业迅速增长。自2015年始，数据驱动的人工智能商业化提速，目前最常用的领域主要在语音(包括语言处理和语音识别)和机器视角(包括图像处理与无人驾驶)(麻省理工科技评论，2018)。未来社会需要更多将高精尖科学技术与利益最大化完美结合的公司来主导社会经济发展。基于数据驱动的人工智能发展核心技术的突破对产业重塑路径的牵引方式主要是：现有产业+新技术=新产业。其重塑新路径主要沿两条主线展开。

1.数字经济的崛起：从0到1

大数据产业链主要围绕数据测量、搜集、报告与分析，或使用图像或图形显示的渠道拓展与能力增强为核心。机器智能则是依靠大数据与智能算法为核心大力提升机器学习能力，使其从过去的感知、认知提升至智能决策层次，并在经济社会发展的更多领域得以广泛和深度运用。机器学习能力作为对人的学习能力的一种替代方式进步速度惊人，其几何级数的增长能力远超以线性级数增长的人类学习能力，导致越来越多的工作逐步被机器替代。

2.数字赋能：从1到N

数字赋能企业转型绝对不是单纯的技术(一个App或一些模型算法)及其应用的问题，其终极目标是实现企业整体转型，涉及重新定义客户价值主张、增值流程、员工思维、工作方式以及崭新的文化体验等。企业数字化转型要解决好为什么、做什么、怎么做三个核心问题。“为什么”主要帮助不同企业制定数字化的明确目标。“做什么”主要任务是构建新生态系统、新业务框架和新技术基础。其中，构建新生态系统的主要任务是基于应用场景开发设想的系统设计，如新零售、金融科技、智能出行、智能政务、智慧医疗等；构建新业务框架的主要任务是客户获取、价值主张、产品创新、用户体验、渠道开发等；构建新技术基础包括提升联结技术、计算技术和机器学习等。“怎么做”包括组织、流程、人才、文化、制度等再造。在企业数字化转型的道路的经验上，有四个值得特别重视的经验：其一，数据成为一个重要的战略性资产；其二，软件和分析能力变得重要；其三，企业和行业的边界变得更加模糊；其四，企业与企业、企业与客户间的关系变得更加多元、紧密。

(二)大数据智能化时代生产方式与商业模式的重要新变化

大数据智能化时代，社会生产方式将发生系列重大变化。生产组织方式由集中生产向分散生产发展；生产方式由大规模生产走向大规模定制；生产工艺由作坊与机器、自动化控制走向数字控制。通过以3D打印为核心的增材技术和以智能数控机床为代表减材技术的混合使用，颠覆了通过规模经济降低生产成本的经济规律，使人类能通过差异极小的成本实现大规模订制和即时生产；将想法与创意变成现实产品变得更加便利；以个人为基础的共享朋友圈和信息网络使利用整个世界创造力来设计和制定本地问题的解决方案变得可行。未来的工厂，不仅具有生产弹性，还因微粒化变得无处不在，一个个广泛而分散的城市社区制造平台将逐渐占据城市的各个角落。随着生产与居住功能的逐步合二为一，基于本地和用户为中心的生产模式，如“微型装备实验室”和“电子家庭作坊”将成为城市空间的一个新兴而有趣的生产单位(拉蒂和克劳德尔，2019)。

运用大数据思维来改造传统产业推动着商业模式发生根本性变革。与工业时代以标准化和零部件互换为基础的大规模生产方式有所不同，大数据智能化能在控制住成本的同时为社会提供丰富的个性化产品。厂商与消费者通过商品建立起直接联系，厂商不仅通过产品一次性销售赢利，更重要的是基于大数据提供的支持使销售行为垂直延伸，进一步增强顾客黏性，以利于通过后续配套服务或产品推销增加赢利能力。更多定型为互联网企业或通过数字化转型的制造业将在未来社会中具有更强竞争力。其路径有三种：一是从事新技术开发和产品研制；二是在团队中引入大数据成员或成立大数据部门；三是直接购买大数据服务。

(三)大数据智能化时代的政府职能与社会治理创新

大数据智能化时代，促使经济效率提升与产业结构变迁的技术基础、发展理念、运行规律、管理与运营方式发生巨大变化。特别是，面临巨大不确定性、快速变化的市场和生产消费结构新变化，仅仅依靠市场自发调节显然不可行。把握和利用经济社会巨变，更好地利用机会促进经济高质量发展和满足人们对美好生活的期盼，还需进一步创新与之相匹配的政府职能与社会治理机制。

从艾森豪威尔大时代美国数字经济引领的经济重塑经验看，政府中流砥柱作用的发挥至关重要。政府基于转型目标愿景在基础研究与研究开发上高强度地持续投入催生或开启了一个新经济空间，为启动新事业提供了必要条件(科恩和德隆，2016)。在该过程中，政府不仅是充满智慧、认真耐心、提供资金和承担风险的投资者，也是具有领导地位的大客户。例如，半导体产业的初期发展，五角大楼高价采购了95%的产品。从世界各国以创新主导驱动经济重塑经验看，政府职能有效发挥的路径主要有五条：第一，建立能推动创新活动持续自我续航的政治经济体制；第二，营造公平的竞争环境、制定合理的产业扶持政策，使有条件和有能力的企业能充分有效地利用政策获取成功；第三，制定合理的税收政策，使政府鼓励和支持的产业能抓住机遇尽早提升自生能力或展现其竞争优势；第四，建立完善与强大的金融市场，有效推进企业技术与组织管理方式的升级和快速成长；第五，大力加强基础设施的投入为成长性企业的快速发展和突破瓶颈创造条件。

以大数据、人工智能为核心驱动的技术革命给经济社会带来的变化不是对工业文明的修补，而是颠覆性的变革。这场革命具有的复杂性、变革性和分散性特征，需要社会治理机制变得更加包容、开放和富有弹性，能够面向未来进行适应性调整，建立一套新规范、新标准和新实践。在行为新规范上，我们需要积极参与，鼓励世界合作制定规则，发挥系统领导力，激发个人探索、尝试和展望的勇气，充分信任即将到来的新生代。我们也需要建立一些重要新标准来审视数字技术创新及世界变化的效率，包括：技术创新与社区、园区、城市等应用物理空间载体的深度融合；技术创新与商业化运用场景的深度融合；技术创新与商业模式的深度融合。面对即将到来的新技术浪潮，在经济实践上，要重点在三个方面取得新突破：其一，培育反零和博弈、合作共赢、主动参与的思维，让技术创新的方向、转化和应用服务与服从于人类发展的终极目标；其二，充分利用非政府组织在推动项目与区域合作、提出和支持重大公益行动倡议等方面具有的重大功能；其三，开发有利于青年一代脱颖而出的机制与机会，充分调动青年一代展示出其创造力与创新力。

五、结语

大数据智能革命不仅是一场新技术开发与商业化运用的重要变革，更开创了一个新的时代。正是由于大数据智能化某些独有的新特征，才使我们观察、认识经济现象与事物的重点对象、思考方式和决策方法发生根本性转变。只有把握这些根本性转变并寻求与之匹配的经济发展新思维、新规律、新方法和新治理，我们才能更好地适应时代新变化、立足创新驱动高质量地开创一个美好的未来。

大数据相对于传统数据分析，虽然两者重点都是实现从数据到价值转化，但在数据类型、数据量、分析方法和主要目的上存在本质不同。其中，非结构化与数据流是大数据最明显的两个新特征,学术界定义大数据基本从大数据的一些重要特性切入，如今学术界更多是基于人工智能2.0时代的语境来定义人工智能。基于大数据训练概率数学模型和启发式搜索算法快速找到解决方法使计算机的智能水平大幅提升。未来，具有更高智慧的类人机器人或“强人工智能”会越来越多地投入研发与应用。

大数据智能化时代的商业化运用沿两个方向展开：一方面是从局部到整体，主要特征是掌握全局，实现社会智化；另一方面是从整体到局部，主要特征是进入细节，实现社会的微粒化。当我们以发展经济学关于发展终极价值是实现人的自由标准来审视社会智化趋势时，将面临两个最明显的挑战：如何理解人机关系和未来就业迁移。微粒时代的单体高度解析，将在很大程度上挑战工业时代经济发展方式和社会经济秩序。

大数据智能化时代经济发展与运行规律亟须思维创新，最关键的改变是研究对象的重点由确定性变为不确定性，探索、发现经济运行规律需要创新思考方式，运用经济发展规律改造世界需要运用新的方法。

大数据智能化时代的经济发展模式与工业时代已有显著不同。面向未来社会，我们能否站稳脚跟并迅速积累起发展优势，理解与把握大数据智能化时代经济发展新模式，对于实现高质量发展变得异常关键。探索大数据智能化时代的经济结构重塑新路径重点要把握数字经济的崛起与数字赋能两条主线。大数据智能化时代的生产方式与商业模式发生重要新变化，运用大数据思维来改造传统产业推动着商业模式发生根本性变革。把握和利用经济社会巨变，更好地利用机会促进经济高质量发展和满足人们对美好生活的期盼，还需要进一步创新与之相匹配的政府职能与社会治理机制。