數字時代的學科構建與研究范式

數字時代的經濟學和公共管理學科體系建設

江小涓[1]

我們已經進入數字時代，經濟社會正在快速全面數字化。社會實踐中，生產要素構成、資源配置方式、經濟運行邏輯、政府治理模式等都已經發生重要變化。數字技術的迅速發展和廣泛應用對現有經濟學和管理學學術體系帶來不小的沖擊，現有體系在一些方面已經不太適用，無法有效描述和分析許多重要的與數字相關的經濟和治理問題。數字技術的廣泛深入應用已顯著影響了經濟理論的底層結構、經濟各方面的邏輯關系和許多重要領域的問題的性質，“數字”和“數據”早已不是短期或偶然的“外部沖擊”，更不是可以忽略的邊際變量。構建數字時代經濟發展與治理的學術體系，需要將數據和數字形態的產品與服務內化于知識體系的全鏈條之中，并清晰刻畫和計量，需要重新思考和定義數字時代公共治理涉及的“公共利益”和“外部性”等問題的性質和治理目標?！皵底謺r代的經濟學和公共管理學科體系建設”這個題目宏大，理論研究和討論的涉及面廣，任務艱巨繁重，筆者僅結合教學和科研工作中的體會，談幾點初步思考和若干觀點。

一、“數據要素市場”問題

大家都主張將數據作為生產要素，對此筆者也贊同。但是在實際做研究時，由于數據要素具有的特點，很難將其放到傳統生產要素的分析框架中進行分析。一是多主體可以主張權利。數據的生產、加工、傳輸和應用過程中涉及多個不同的主體，如數據生產者、數據持有者、數據加工者、數據傳輸者、數據應用者等。各方面也都認同數據產權有多種形態，如知識產權、財產權、控制權、管理權、使用權和收益權等。再考慮到數據的無形特征和能夠不斷聚合、分解、挖掘等特征，使數據產權的確權問題很難處理，即使相似的知識產權框架也難以應用。目前政策層面對這個問題的處理方法是“回避”，中央層面《關于構建數據基礎制度更好發揮數據要素作用的意見》以及廣東、上海等地出臺的法規，不約而同地暫時擱置了對數據權屬的全面定義，而是強調了數據的使用權和經營權，目的是推動數據的開發利用和流通交易（江小涓和白京羽，2023）。[2]在政策文件中可以這樣處理，但在學術體系中這是一個缺陷，即邏輯不徹底和框架不完善。二是數據可以復用。數據用多少次都依然存在，也可以被多個組織或個人共享。經濟學研究稀缺資源的配置效率問題，數據的復用性使它的稀缺性發生改變。數據要素可以重復使用就能夠多次創造價值，因此有觀點認為需要將數據要素視為公共品，帶來社會總福利的增加。這些特點和觀點都使數據難以放到傳統要素的框架中去處理。三是數據價值快速折舊。數據和其他要素相比的一個特點是有大量的數據“存量無用”，例如當消費者的行為數據被作為平臺智能推送廣告的數據時，去年的數據沒有什么用處，每個人的習慣都在改變之中，從經濟學的角度看就是存量數據無用或者快速折舊。

所以我們可以沿著“數據要素”這個思路去思考，但很可能需要思考和重新定義“要素產權”“要素市場”“資源配置”這些基本概念的前提和規定，尋求更完善和有效的分析框架。

這里舉一個例子，智能化生產過程使一個生產過程有兩組產出：數字形態與實體形態，即所謂的數實孿生。圖1中，左側是實物產出，右側有很多數據內容產生，數據、數據機理模式、數字孿生體、數字元宇宙模塊等，那么右側是新增加的生產要素，還是新產出的數據產品？如何測度其價值？傳統的投入產出表如何調整？這些問題令人困惑。筆者記得20世紀70年代聯合國用一個寬泛的概念定義“服務貿易”時，時任美國統計學會會長曾說過：這個定義對贊同服務貿易發展并強調其重要性的學者來說是“天使”，對統計學家來說則是“惡魔”（大意如此）。當下數據被定義為“生產要素”，統計學者或許有相似體會。

“數據要素市場”是一個有“中國特色”的理論和實踐問題。如果跳開從“要素市場”這個角度的“中國式”思考，數據權屬問題同樣復雜，比照現有權利類型都有錯位。如果想將其定義為人格權，那么數據不僅包括個人數據，還包括非個人數據（如工業數據等），更復雜的是許多數據是多種來源數據的混合體，非個人數據和混合數據明顯不具有人格屬性，因此人格權無法覆蓋數據權范圍。如果想將其定義為物權，而物權具有明確的排他性，數據之上可以同時承載多方主體權利、不具有排斥他人權利的屬性。比如個人在使用App（應用程序）時產生的數據，個人和App企業均可對其主張相應的數據權利。就連各方認為最相似的知識產權，也存在明顯的不匹配性，例如知識產權中的著作權強調表現形式的獨創性，專利權強調發明創造，而數據權屬顯然無法與知識產權相契合。毫無疑問，數據是一種新型權利，但如何從學術規范的角度定義其屬性，目前仍是一個沒有共識的問題。

二、數字時代服務業性質改變問題

認為服務業效率低，是經濟學由來已久的主流觀點。以亞當·斯密為代表的古典學派就認為，那些能有效使用技術設備、吸引投資和帶來財富積累的產業才是生產性的，主要指制造業。而服務業是非生產性的，包括公務員、軍隊、律師、醫生、藝術家、家仆和其他私人服務等，這些職業的共同特點是不能應用先進技術擴大生產和積累財富。[4]在斯密時代及稍后，這個觀點非常流行。[5]維克托·富克斯（Victor Fuchs）是現代服務經濟理論的重要開創者，他在1968年出版的專著《服務經濟學》已經成為服務經濟研究的經典之作。[6]他強調服務業效率較低，并將其歸為技術、勞動力素質和資本密集度等因素所致。[7]

威廉·鮑莫爾（William Baumol）1967年發表的一篇論文成為迄今最著名的服務業研究經典文獻。[8]他提出了“兩部門宏觀經濟增長模型”。在他的分析中，按照生產率增長速度高低將經濟分為“進步部門”和“停滯部門”，前者以制造業為代表，由于使用高效率的機器設備，勞動生產率持續提高。而在很多服務部門，服務過程需要服務提供者直接參與，勞動節約型技術應用空間較小，勞動生產率提升緩慢，被認為是“停滯部門”。[9][10]因此，服務業比重上升意味著資源更多地配置在低效率部門，這會帶來經濟增長速度的下降。

然而，在網絡技術和數字技術的加持下，服務業一個日益增加的部分呈現規模效率和分工效率。從規模效率看，網絡技術的廣泛鏈接能力，使許多服務擺脫了“在場”這個特點的約束，改變最顯著的是文化產業，線上音樂早已成為音樂服務的主要形態。再如話劇是一種現場觀賞人數長期增長緩慢的文化產品，而2022年7月北京人藝的《茶館》線上直播的觀賞人數超過千萬。特別是服務業分工的日趨廣泛深入，促使服務業整體效率顯著提高。

而生產者服務業同樣極大地得益于網絡和數字技術的發展。生產者綜合服務平臺可以匯聚海量全品類生產者服務，服務提供商和服務需求方無論身在全球任何地方，都能相互識別和產生交易。再如全產業鏈定制服務，消費者需求具有個性化偏好，生產者希望提供多元化定制服務，但長期以來這種意愿缺乏技術支撐。數字技術提供連接巨量消費者和生產者的能力，各方需求特點和供給能力都能在平臺上呈現。平臺同時提供智能化海量匹配能力，消費端搜索技術使消費者能夠選擇感興趣的產品和服務，生產端個性化定制和智能分發技術精準滿足消費者需求。在這個過程中，數字技術將鏈路中的每個節點都變得可視可算可交互，為平臺提供了海量個性化全程協同能力（江小涓，2017）。[11]再如物聯網提供的遠程實時檢測、監控和維護系統，使機器設備的售后服務體系及時高效。對以上變化的分析已有很多，但是在整體上重構服務經濟學術體系和理論分析框架依然任重道遠（如圖2所示）。

三、數字時代產業組織創新問題

產業組織是公認受數字經濟影響最突出的領域。一方面，各種交易成本的降低是數字技術最直接的影響。企業與市場邊界不僅快速調整，而且形態發生改變，分工傾向于極致且高度彈性化。另一方面，大企業或大型網絡組織管理成本極大降低，大企業與多元、個性、精準特點相容，垂直一體化和網絡化生產組織迅速發展。目前看，兩種形態并行推進，帶來我們還不熟知的產業組織形態。這里列舉一些典型領域。

首先是制造業分布式生產體系的產生。諸如“云工廠”、項目制式眾包分工、開放式協作創新和網絡化多主體協同等提法，大致都描述了這種分工產生的新的產業組織類型。這是由于在數字時代，許多產品技術迭代快，品類更新快，特別是對有些時尚品的需求速漲速消。傳統以企業為中心的生產組織形態由于設備能力和員工技術固化，調整余量小，適應性差，面臨新的挑戰。數字平臺能夠鏈接大量企業、產線、設備、倉庫和員工等，形成巨大產能池，按訂單實時匹配各種資源，迅速組織起以產品為中心的分布式制造產線。這是一種在數字時代之前基本不存在的產業組織形態，學術界對這方面的分析還很不夠。

以“云工廠”為例，這是一種通過平臺承接訂單并拆解制造過程分派給不同企業，針對每個訂單組建個性化“云產線”的分布式協同生產模式。以寧波的協同制造平臺“生意幫”為例，平臺上有數以萬計的小微工廠，有數十萬臺套各種設備，平臺能夠實時監控各生產設備的聲音、電流、壓力、溫度等10余項指標以確保生產過程和產品質量穩定。接到訂單后，平臺將任務分解為多個零部件或多道工序，調用平臺上此時閑置可用的設備和人力，組織起特定的生產線和產業鏈，這些設備和人力分布在不同企業中，生產完成后如無后續訂單，產線就解散，有新訂單時再重組新的生產線和產業鏈。現在在許多快消品領域，這種以產品為中心實時組織靈活生產線的模式已經成為重要的產業組織方式（江小涓和靳景，2022）。[13]其本質是以企業為中心的生產組織改變為以產品甚至以工序為中心的生產組織。

其次是分布式服務業生產體系的形成發展。數字技術使分布于不同空間中的服務片段能夠在時間上同步，并在數字平臺上共享，各部分進程的同步可視化協調使分工成為可能。由此帶來的分工效率促進了服務業新業態、新模式的不斷出現。[14]再以文化產業為例，前面《茶館》的例子是遠程可服務，但仍然是一組提供者（演員）在同一個空間提供完整的服務產品。而在數字技術支撐的分工形式下，多位身處異地的樂手共同演奏一首樂曲、合成一臺音樂會成為可能，類似于將一個產品的不同零部件布局到不同的地點去制造。一個經典的案例發生在2018年（如圖3所示），六位分布在世界各地的樂手同步演奏了一首樂曲，這首曲子可以在任何地點收聽，不僅傳輸的總距離超過了2萬千米，而且每一位樂手傳輸的距離都不一樣，但在低時延高保真5G網絡的加持下，分布在世界各地的聽眾獲得的收聽效果沒有任何違和感，品質與現場相差無幾。

四、研發和創新的產業組織新形態

這個問題本質上也是產業組織問題，但學術界的關注和分析較少，在這里特別強調一下。

一是分布式軟件開放模式。這種模式也被稱為開源模式?，F在大數據和智能產業更多采用開源（open source）模式，開源起源于軟件，指任何人都可以被授權自由地使用、復制、傳播和改動的軟件，并且其源代碼是開放和共享的（Levy, 1984；金芝等，2016）。[16][17]開源模式可以匯聚眾智、多方協同、開放共享、持續演化（Grand et al. ,2004）。[18]開源項目擁有海量數據，大量自動化協作工具，大范圍連接產品、企業和產業，形成網狀產業生態，構建大規模生產和應用場景，本質上是分布式的技術研發與應用?，F在，全球97%的軟件開發者和99%的企業使用開源軟件，全球70%以上的新立項軟件項目采用開源模式。區塊鏈項目幾乎全部開源，通過全球開發者的接力貢獻快速發展和迭代。隨著5G及相關技術迅速發展，“萬物連接”成為趨勢。開源分布式研發在更多領域快速部署，在產業互聯網、車聯網、云計算等領域重新進行研發和資源配置，支持多方協同創新協作生產，加快了技術和產品的迭代速度。2021年8月，全球領先的人工智能公司英偉達宣布向數百萬用戶開放Omni verse平臺，為元宇宙的建立提供模擬和協作基礎。該平臺廣泛連接軟件公司與應用場景，采用開源標準支持包含數十億設備的3D工作流程，行業設計師、藝術家和審核人員可隨時隨地通過該開源平臺，在共享的虛擬世界中實時合作。截至2021年8月，有超過500家公司和5萬多名專業用戶在該平臺上開發應用。在實踐中，人們并不難理解互聯網和數字時代的軟件和技術開源的內在動力。萬物互聯時代，開源分布式研發能夠不斷擴大產業生態圈。然而，使用經濟學理論中有關研發的傳統框架分析開源模式，在權益分布、激勵機制、信用賦能等許多方面都遇到邏輯不自洽的問題。

二是分布式產品研發模式。以前大企業有研發中心，中小企業可能聘請專業研發機構提供服務。有了數字平臺之后，分布式研發機構快速發展。在數字時代，技術迅速迭代且要求廣泛鏈接以獲取數據，創新需要更加廣泛的協作性。[19]同時，技術降低跨界跨地域鏈接成本，易于形成全球創新網絡。近些年，數字化分布式研發與創新網絡快速發展，平臺匯聚大量研發資源，在研發項目分包和分布式開展的基礎上，各個主體之間依托平臺協同合作、并聯推進，用戶也可以深層參與，提高了研發活動的專業化程度和效率水平。以國內某專業數字研發平臺為例，截至2023年2月，平臺擁有超過32萬人的工程師分散在世界各地，合作企業數超過1.7萬家，平臺擁有3個國內研發中心和6個海外研發中心。平臺接到每項研發任務后，將其分解為不同模塊，每個模塊組織最合適的團隊接包。例如平臺要為客戶開發發動機異型鋼蓋自動化產線，涉及17道以上的工序和產品開發，平臺將每道工序進一步分解為113個模塊，分配給來自中國上海、青島、深圳、北京、蘇州、南京和德國的32位工程師協同完成，總設計時間比常規研發設計縮短了近2/3。再如圖4所示的智慧檔案機的設計研究，由項目經理拆解為檔案抓取裝置、通信裝置、車體動力裝置、導向控制與安全裝置、完整車體組裝5個子項目，分別由位于德國和中國深圳、北京、上海和山東的4個機構和近15位研究人員參與研發協作。

三是開放型科學組織體系。當代科學研究對于未知的探索范圍越來越廣泛和深入，科學項目在投資強度、學科交叉、實驗成本、參與人員等方面提出了更高的要求，以國際合作開展的大科學項目成為探索知識邊界、解決全球重大科學問題的重要平臺。目前，在天文學、高能物理、生命科學、空間科學等領域，向多國科學家開放的國際大科學項目成為推動重大科學發現的主流模式。例如有17個國家共同投資和運轉的平方公里陣列射電望遠鏡項目，其接收面積達1平方公里，比當前同類設備的靈敏度提高100倍，搜尋速度提高1萬倍，將有機會揭示宇宙最基本的科學問題。我國是“平方公里陣列天文臺”的簽署國，這表明我們對全球科學事業發展的開放胸懷和貢獻（江小涓，2021）。[20]科學研究的開放合作還體現在數據開放方面。全球著名的人工智能研究機構DeepMind使用AlphaFold2模型，將人類98.5%的蛋白質進行預測。DeepMind將這些發現做成了數據集免費開源，供全球科研人員使用，受到世界科技界的肯定和贊揚。

自新型冠狀病毒全球大流行以來，對于病毒科研資料與數據的開放和共享成為特殊時期科學研究的一個關鍵特征，一系列的開放工具平臺建立起來供世界各國的科研工作者使用，在新冠疫情的應對中發揮直接作用。對及時發現毒株變異、預測疫情流行和采取應對措施發揮了極為重要的作用。2021年11月，來自博茨瓦納和南非的科學家在同一天內將存在變異情況的基因測序數據上傳至GISAID（全球共享流感數據倡議組織）數據庫，引起科學界的迅速關注。隨后，從發現序列異常到世界衛生組織將這一變異宣告為第五個關注變體即“奧密克戎”（Omicron）僅過去不到三天。

五、數字時代的公共治理問題

第一，數字技術導致政府與市場的邊界出現變化。自市場經濟出現以來，市場與政府的關系一直是制度設計與演進中的核心問題。長期以來，政府干預市場與社會活動的依據之一是市場主體的活動存在外部性，這類問題由于損益計算不能具體化，因此市場不能解決，必須由政府進行干預。例如企業污染排放引起的負外部性和非競爭產品帶來的正外部性，都表明需要政府干預才能提高資源配置效率和提升社會福利。然而在數字時代，使用數字技術可以將有些外部性問題“內部化”，例如排放問題，由于網絡廣泛連接，海量算力和顆粒狀信息可獲得，負外部性可以計算和量化到個體，確保排放者付費，將外部問題內部化。再如有些公共品可以將正外部性“內部化”，從而具有了商業價值，私人部門愿意提供，例如公共媒體頻道雖然不可收費卻能廣泛獲客，帶來廣告價值和數據價值，因此市場主體愿意提供。還有，政府調控產業的一個重要依據是分散的市場主體信息缺失，行為有盲目性和缺乏預見性。現在大型平臺和數據類企業擁有更實時精準的“全局”數據，智能技術正在迅速形成更強大的預見能力，這類產業政策存在的合理性是什么？因此，數字時代公共治理中“公共性”的邊界會持續發生變化，需要恰當的學術理論分析和政策建議。

第二，數字平臺帶來的監管挑戰。數字平臺規模很大，市場控制力和社會影響都很大，是否需要監管和如何監管是社會普遍關注的問題，但是監管面對許多難題。一是大而管不了，一些消費者日常使用的大平臺，出了問題肯定不能對其一關了之，有問題要整改但不得停運。二是快而跟不上，平臺上的商戶、商品和服務數量巨大，以百萬、千萬計，而且更新極快，外在監管力量完全跟不上。三是深而看不透，大平臺都是上千項多層次投資項目及其他利益關聯，不細查深查不易看透看準。四是新而看不懂，不同平臺商業模式不同，相似平臺也有很大差異，如視頻平臺嗶哩嗶哩、抖音、快手還有小紅書，其經營模式有較大差別，而且各自都在持續創新，外部監管者對此看明白并理解到位已經很不容易，實施及時、到位、合理、恰當的監管的確有很大難度。因此，面對平臺、數字技術，監管的理念和操作都要與時俱進，“長期穩定不變”和“全面完善普遍適用”等觀念需要調整，看到趨勢性的苗頭就應該及時敏捷出臺監管政策，并隨形勢變化及時修改完善和迭代升級，甚至可以一事一議，一個平臺一策?？傊?，應對多變的數字世界，監管自身也需要不斷創新，需要更新理念和方式。監管方式呈現從單一主體監管向多元主體合作監管轉變，多種監管方式出現，形成政府、自律組織、消費者組織以及公民等多個監督主體共同協調運作的格局。時代已經改變，要全景式地理解變化，在新秩序結構中，尋求各種市場秩序、各類監管之間的最優組合，做到維護市場有序運轉、多種主體利益平衡和整體社會效益的最大化。[21]

六、大數據和智能技術的兩面性問題

一是大數據應用的多面性問題。從算法匹配供需雙方的能力看，諸如“信息繭房”這種觀點是將其視為一種負面應用。的確，大數據可以實時多元和深度探測個體的偏好與傾向，從而決定推送的各種信息，例如新聞推送和廣告投放等。長期如此，會將個體鎖定在某些特定的信息場景中，信息偏向很可能進一步強化認知偏向和價值偏向。但反過來思考，在如此海量信息的場景下，如果沒有算法來智能匹配供需雙方，那么彼此發現、交易和受益的成本會極高。從多源異構數據的挖掘能力看，相關方面可以分析挖掘人、車、時空、文件、事件等安全相關要素的潛在關聯，從而看到人與事的時間與空間關聯，例如在幫助分析醫保詐騙事件時，這種異構數據的比對很有用。但是對數據的過分和不當使用，也可以形成對個人隱私和商業秘密的侵害，例如信用評級機構和招聘機構，如果挖掘個人信仰、膚色、種族、性別、婚姻狀況、居住地點等信息并給予差異化對待，就是對人類價值觀的傷害。

二是人工智能與人類價值觀判斷的差別?，F在有一種說法是，不受人類主觀影響的算法代表著更加公正。在當今社會，算法處理問題的速度非?？?，我們認為“算法客觀可靠，不會受人類主觀性的影響”。這無疑是一種對技術客觀性的理想追求。智能輔助辦案系統、在線非訴訟糾紛解決等都是大量借助信息數字和智能技術，程式化、代碼化地處理案件，意在創造技術規制條件下更具客觀性、更為陽光化的糾紛解決情境，從而規避人性局限和排除人為因素的影響，努力做到標準一致、客觀公正和“同案同判”，推進了智慧司法和法律服務的普惠效能。但是2019年3月法國出臺了相關法律，禁止多種我們“贊賞”的大數據在司法領域的應用，其中一種是一致性分析：不得將特定法官辦案數據進行大數據對比，分析特定法官特定案件與整個司法系統的一致性狀況。這個決定涉及的理念很重要，一致性分析會使所有判決向平均結果靠攏，將多種傾向博弈產生的“平均數”固化為不可演進的絕對值。如果某種違法行為的判刑區間是三至七年，法官有酌情自由裁量權。但是有了所謂的大數據系統，法官搜一下別人怎么判，發現平均判刑五年，自己也判五年，因為取平均數會帶來最少的爭議和質疑。這聽上去好像變得更加公正了，但是這種狀況會使社會通過價值觀改變和社會博弈產生的演進停滯。如果隨著時間推移，多數法官都向三年這個輕判方向靠攏的話，就表明社會是有新的共識在形成，即“這個罪沒有那么重”；相反，當所有的判案都向判七年靠攏的時候，表明社會認為“這是個重罪”，這種演進是人類社會最重要的進步方式之一，卻會隨著所有人在網上查詢之后取平均數而停滯。隨著人工智能的快速發展和應用，這種情況在社會問題領域將是一個普遍的大問題。

七、數字時代的科技倫理問題

所有的科技都有負面作用。在每一次兩面性突出的技術出現時，都引起了社會極大的擔心，例如核技術、克隆技術和基因技術，這些技術的發展和應用始終伴隨著社會的擔心和不同的聲音。不過在人工智能出現之前，科學共同體的力量、國家規制的力量和國家間合作的力量共同發揮作用，其負面性并沒有成為突出問題。以核技術為例，科學共同體發揮的作用有：1955年的《羅素-愛因斯坦宣言》（The Russell-Einstein Manifesto）提出謹慎使用“核技術”,1957年的“帕格沃什科學和世界事務會議”致力于防范核武器對人類的毀滅；國家間合作發揮的作用有：核國家承擔不擴散核武器義務，允許無核國家獲取和平核能技術等一系列國際規范，推動形成了《不擴散核武器條約》、《全面禁止核試驗條約》、聯合國核裁軍談判機制、全球核安全峰會等約束機制。

但是數字技術、人工智能技術不同，這類技術的應用泛在而無形，同時又在急速發展。目前看，社會缺乏約束數字技術發展方向的平衡力量和思考時間，特別是數字技術與其他技術的結合，例如與生命科學結合之后，有能力迅速改變人類自身的生理、生活、認知和繁衍，很多變化是不可逆的，我們不應該把這樣的變化交給市場競爭和社會博弈來解決。在這個時代，信息公開和公眾參與比以往更重要，所有民眾都有權對這種問題發聲：我們要不要這種結果，我們要不要這樣的改變。

從目前的發展態勢看，人工智能快速發展使非人類參與的決策邏輯步步強化。確立數字正義下的社會秩序成為緊迫問題。權力主體、技術主體、市場主體、社會主體以及公民個人對數據、算力和算法掌握能力的差別，會破壞各方已經形成的制衡關系。數字鴻溝、算法黑箱、算法歧視、數據畫像等，改變了政府與社會、群體與個人、自我與他人的關系，自由、平等、權利、公平等價值訴求及其現實利益也隨之面臨重大調整。同時，重構數字時代個人權利與義務的均衡也成為新的突出問題，傳統的自由、平等、民主等權利和法制、責任、公德等義務的平衡，在數字時代都有新的內涵和實現方式。個人在網絡空間信息獲取、契約簽訂執行和民主參與等方面權利拓展的同時，也要面對隱私縮減、信息混雜、確定性消減等方面的問題。全社會需要共同努力，按照數字時代的特點重新構建社會秩序，新平衡的建立要考慮數字技術文明與傳統人文價值兩個方面。

總之，中國是數字消費大國，是產業數字化大國，是數據生產和應用大國，在理論研究、學術體系構建以及人才培養等方面應該有突出貢獻。適應數字時代的經濟學與公共管理學術體系的構建有滯后有錯位，需要付出努力，提升理論與實踐的匹配度。這個領域含有大量高濃度的學術理論問題，我們在這個領域從事教學研究工作，既肩負時代重任又面臨廣闊創新空間。希望各位同行共同努力，推動中國數字經濟和數字治理學術理論水平的提升，走向全球學術界前沿，并為國家數字經濟發展和數字問題治理提出有學理支撐的戰略和政策建議。

[1] 江小涓，中國社會科學院大學教授，中國數字經濟發展和治理學術年會主席團主席。

[2] 江小涓，白京羽.構建數據基礎制度體系的有力舉措[N].人民日報，2023-01-09（09）.

[3] 江小涓，靳景.數字技術提升經濟效率：服務分工、產業協同和數實孿生[J].管理世界，2022,38（12）:9-26.

[4] Smith, A. , An Enquiry into the Nature and the Causes of the Wealth of Nations, Opening sentence of Ch. V, Book I.轉引自讓-克洛德·德勞內，讓·蓋雷.服務經濟思想史：三個世紀的爭論[M].江小涓，譯.上海：格致出版社，上海人民出版社，2011.

[5] “這是一個長長的名單”，由保羅·斯圖登斯基（Paul Studenski）列出。參見讓-克洛德·德勞內，讓·蓋雷.服務經濟思想史：三個世紀的爭論[M].江小涓，譯.上海：格致出版社，上海人民出版社，2011:6-22.

[6] 維克托·R.富克斯。服務經濟學[M].許微云，萬慧芬，孫光德，譯.北京：商務印書館，1987.

[7] Victor R. Fuchs. The Service Economy [M]. Columbia University Press, 1968.

[8] Baumol, W J. Macroeconomics of Unbalanced Growth: The Anatomy of Urban Crisis [J]. American Economic Review, 1967,57:415-426.

[9] Baumol W J, Blackman S A B, Wolff E N. Unbalanced Growth Revisited: Asymptotic Stagnancy and New Evidence [J]. American Economic Review, 1985,75:806-817.

[10] Baumol, W. J. , Blackman, S. A. B. , Wolff, E. N. Productivity and American Leadership [M]. Cambridge: MIT Press, 1989.

[11] 江小涓.高度聯通社會中的資源重組與服務業增長[J].經濟研究，2017,52（3）:4-17.

[12] 江小涓.高度聯通社會中的資源重組與服務業增長[J].經濟研究，2017,52（3）:4-17.

[13] 江小涓.高度聯通社會中的資源重組與服務業增長[J].經濟研究，2017,52（3）:4-17.

[14] 這方面的細分討論較多，較為概括性的國內研究參見：江小涓.高度聯通社會中的資源重組與服務業增長[J].經濟研究，2017（3）；江小涓.網絡空間服務業：效率、約束及發展前景[J].經濟研究，2018（4）；江小涓.網絡時代的政府與市場：邊界重組與秩序重構[J].比較，2019（101）；謝康，吳瑤，肖靜華.數據驅動的組織結構適應性創新：數字經濟的創新邏輯（三）[J] .北京交通大學學報（社會科學版）,2020（4）.國外論述參見：A. Goldfarb, C. Tucker. Digital Economics [J] . Journal of Economic Literature, Vol. 57, No. 1,2019:3-43.

[15] Prelude in C Minor BWV 847 for Six Instruments by Sansar [Z/ OL].2019.

[16] Levy, Steven. Hackers: Heroes of the Computer Revolution [M] . NY: Anchor Press/ Doubleday, 1984.

[17] 金芝，周明輝，張宇霞。開源軟件與開源軟件生態：現狀與趨勢[J].科技導報，2016,34（14）:44-50.

[18] Grand S, Krogh G V, Leonard D, et al. . Resource Allocation beyond Firm Boundaries: A Multi level model for Open Source Innovation [J]. Long Range Planning, 2004,37（6）:591-610.

[19] 2010年，全球38.7%的技術發明來自個人發明，61.3%的發明來自團隊合作發明；2017年，個人發明占全球發明的比重下降到32.3%，有67.7%的發明來自協作創新。參見：世界知識產權組織（WIPO）.創新版圖：地區熱點，全球網絡[R].2019-11-18.

[20] 江小涓.以開源開放為抓手形成科技與產業新優勢[N].人民日報，2021-08-31（09）.

[21] 江小涓，黃穎軒.數字時代的市場秩序、市場監管與平臺治理[J].經濟研究，2021,56（12）:20-41.