大數據、物聯網與廠商投資選擇*

□ 何大安

內容提要 大數據是物聯網運行的基礎，物聯網作為互聯網的一種跨領域技術融合的升級版，實際運用時會與大數據技術一起在許多方面影響廠商投資選擇。隨著廠商以大數據思維和運用物聯網進行投資選擇的覆蓋面越來越寬廣，經濟理論對大數據和物聯網背景下廠商投資行為的分析，需要研究大數據和物聯網影響廠商投資選擇的機理構成，需要研究廠商如何運用大數據和物聯網進行投資選擇，需要對廠商運用大數據和物聯網的投資選擇效用進行評判，需要對廠商運用大數據和物聯網的投資選擇前景做出展望，需要建構適合大數據和物聯網時代的廠商投資選擇框架。基于將大數據、物聯網和廠商投資選擇放置于同一分析框架會關聯到很多新經濟現象，還要考慮該分析框架的橫截面和縱向面涉及的云計算、機器學習和人工智能運用等內容。本文擬在寬泛的層面上對研究主題展開探討。

一、對經濟學理性選擇理論的概要評說

經濟學關于廠商投資選擇的分析和研究，是散布于廠商理論、投資運行理論、經濟增長理論、消費理論和儲蓄理論等之中的，這種情形說明廠商投資選擇行為的波及面很廣，經濟學家研究廠商投資選擇時稍不留神就容易被拖進其他分析領域。不過，就與之密切相關的基礎理論而論，可認為廠商投資選擇理論是經濟學理性選擇理論的分析延伸。

經濟學理性選擇理論的根基源自對人類行為本性的定義及描述。英國社會科學家杰里米·邊沁在《道德與立法原理導論》中把人的最大程度幸福和自我偏好作為功利主義的兩大基本原則，認為人們總是選擇能夠比其他選擇更好滿足自己偏好的行為，理性原則是個人最大程度幸福和自我偏好的融合（哈里森，1996）。與邊沁同時代的近代經濟學鼻祖亞當·斯密在《國富論》中，把個體自利選擇行為與社會福利效應結合起來，通過對市場機制這只“看不見的手”之于廠商無規則選擇行為的分析，提出了反映人類行為本性的眾所周知的“經濟人”概念。但經濟學理性選擇理論的完整版，是在馬歇爾1895年的《經濟學原理》出版之后。馬歇爾保留了以功利主義為基礎的“經濟人”假設，剔除了以功利主義為基礎的“自然人快樂”假設，將快樂轉義為可測量的效用，從此效用最大化在經濟學世界取代了功利最大化，“理性經濟人”成為理性選擇理論的范式。

理性選擇理論經歷了一百多年的發展，經濟學家從普遍接受“經濟人”概念發展到將“理性經濟人”作為一種分析范式，集中體現在新古典經濟學將個人、廠商、政府看成是抽象行為主體，并將其納入以最大化為核心的效用函數分析上。關于偏好的定性分析，最有代表性的是米塞斯（2001）將人類行為的自利偏好和行為目的解說為一種“推理先于經驗”而不需證明因果關系的建構理性的哲學解釋。關于理性選擇理論的系統化論證，無論是馮·紐曼和摩根斯坦 （Neumann&Morgenstern，1947）的期望效用函數理論運用數理邏輯，以“偏好內在一致性”假設對效用函數的分析，還是阿羅和德布魯（Arrow&Debreu，1954）將期望效用函數理論納入瓦爾拉斯一般均衡分析框架，從而對效用函數更寬泛層次的研究，都是從“偏好內在一致性”假設出發以最大化為核心的效用函數的分析論證。

經濟學對效用函數分析和論證的過程，大體上可理解為是理性選擇理論的形成過程。現代經濟學對新古典經濟學的質疑和批評是圍繞假設前提展開的。現代主流經濟學以不完全信息為假設前提，對建立在完全信息假設之上的新古典經濟學有關偏好、認知和效用等給定條件約束的分析理論進行了修正，從不同側面論證了偏好多樣化、認知形成以及效用函數變化，這種在一定程度上把偏好、認知和效用作為內生變量的分析處理，推進并完善了理性選擇理論。現代非主流經濟學（Kahneman&Tversky，1974,1979；Smith，1994）貫徹不完全信息假設以及把偏好、認知和效用等作為內生變量處理最為徹底，他們通過心理和行為實驗分析，從認知心理學角度注重研究偏好、認知和效用之間的現實關聯，論證了偏好多樣化和認知不確定狀態下效用期望調整的經常性存在。至此，經濟學世界各種流派的理性選擇理論形成，從而廠商投資選擇理論的基礎形成。

經濟學理性選擇理論對選擇偏好的定性分析，以及將認知和效用作為內生變量的分析處理，具有一定的科學性，但它是工業化時代的理論反映。工業化時代科技水平決定的信息獲取途徑，主要是通過對信息的搜集、整合、分類、加工和處理來完成，由于這樣的途徑受信息和認知的雙重約束，它在因果關系判斷和推論上存在主觀判斷難以獲得精準信息，因而會導致個人、廠商和政府等選擇效用的不確定性。在大數據時代或互聯網時代，移動互聯網、物聯網、傳感器、社交媒體和衛星定位系統的充分發展，能采集到從各個方面反映人們心理活動和行為結果的具有極大量、多維度和完備性的大數據，于是，人們的認知形成過程便轉變為對大數據的加工和處理過程。這個轉變對于經濟學理性選擇理論的發展，尤其是對廠商投資選擇有重大影響。

姑且不遵循未來學家將未來世界解說成 “算法”這樣恢宏的思路來考慮問題，僅就大數據、物聯網和人工智能等深度融合下的廠商投資選擇而論，大數據、物聯網與廠商投資選擇之間有什么樣的關聯，廠商在大數據思維下會沿著什么樣的路徑和運用什么樣的手段進行投資選擇，物聯網和人工智能等發展會在多大程度和范圍內影響廠商投資選擇，能不能通過以上分析來粗線條地構建一個大數據時代廠商投資選擇的分析框架，等等。現有的理性選擇理論越來越偏離廠商投資選擇是事實，這就需要根據大數據時代的實踐來發展理性選擇理論。在筆者看來，如果理性選擇理論能夠解釋大數據時代人的選擇行為，它便始終是廠商投資選擇理論的基礎，探討大數據、物聯網與廠商投資選擇的關聯，有必要在一些場合將理性選擇理論與之結合起來。

二、大數據實踐影響廠商投資選擇的理論分析

本文所說的大數據實踐，包括大數據思維和大數據運用兩大內容。大數據思維的技術基礎是移動互聯網、物聯網、傳感器、社交媒體、定位系統、云端、云計算，以及與之關聯的以機器學習為核心的人工智能；大數據運用是大數據思維的產物，它主要體現為廠商投資經營的數據智能化和網絡協同化。在大數據時代，大數據思維和運用都可以在一定程度上得到經濟學基礎理論的解釋，并通過這種解釋對廠商投資選擇做出理論分析。

（一）大數據思維與廠商投資選擇的相關性

當前社會經濟運行在微觀層面上展現了一幅需要深入研究方可清晰的畫面：移動互聯網、大數據、人工智能、尤其是發展勢頭強勁的物聯網，正在改變廠商的經營理念和營銷模式。從寬泛的經濟學意義上來理解，社會的經濟制度、科技進步、甚或政治因素都會影響廠商思維；從純市場角度來理解，廠商思維受科技進步的影響和推動要比其他因素大得多，這種情形會直接反映在經營理念和營銷模式上，此乃問題的一方面。另一方面，社會的經濟制度和科技進步會悄然改變廠商投資經營的思維方式，相對而言，對廠商思維有持續影響力的因素是科技進步，科技進步會導致廠商投資經營的市場效用變化，在改變廠商投資選擇途徑、方法和手段的同時，改變廠商投資選擇的目標和方向。

大數據實踐對廠商投資選擇的影響是一個漸進的動態過程。在短期內，由于廠商的大數據思維和大數據運用是相對穩定的，如數據搜集能力、利用云端整合和分類數據能力、云計算能力、機器學習能力等處于相對穩定狀態，換言之，大數據思維與廠商投資選擇之間的相關性在短期內是一種靜態聯系。但在長期內，由于廠商駕馭、控制和運用大數據的能力增強會提高大數據思維，廠商投資選擇的途徑和方式會隨著大數據思維的變化而變化，因而可以認為，大數據思維與廠商投資選擇之間的相關性在長期內是一種動態聯系。關于這種動態聯系，最值得研究的是廠商投資選擇越來越受到大數據實踐的“綁架”。具體地講，廠商選擇任何投資項目都會采用數據智能化方法，通過大數據及其網絡平臺來預測該項目的未來供求數量，預測成本和收益的未來變動趨勢，預測產品和服務的未來市場占有率以及潛在競爭者的市場勢力變化，預測該項投資的未來智能化發展及其變化，等等。總之，廠商在大數據思維下的投資選擇過程，可以看成是對大數據的搜集、整合、分類、加工和處理的過程。

基于以上理解，可概括性地將“大數據思維”表述為融合了互聯網、大數據、人工智能等的一種思維模式，將“大數據運用”表述為廠商在云端運用云計算所導致的投資經營活動的數據智能化。但在沒有大數據實踐的工業化時代，不可能對大數據思維與廠商投資選擇的相關性做出研究。經濟學在很多方面涉及了廠商投資選擇的分析，但基本上是在效用最大化的理性框架內進行的。例如，新古典經濟學注重設置給定條件約束（偏好穩定、認知跳越等）的理性分析模型，以說明個體怎樣才能實現最大化選擇（Harsanyi，1977）；現代經濟學或是力圖建立解釋和預測能滿足效用最大化條件的理性模型（Edgeworth，1981）；或是注重行為和心理實驗來分析實際選擇的條件配置，以揭示實際選擇的效用函數 （Kahneman&Tversky，1973，1979；Smith，1994）。但是，經濟學關于理性選擇的所有分析和研究，都是在信息和認知的雙重約束下展開的，它無法逾越大數據有可能解決的信息不完全的約束問題。因此，當大數據運用在社會經濟生活中全面展開時，大數據思維與廠商投資選擇的相關性就顯露出來了。

（二）大數據運用對廠商投資選擇的影響

全世界的未來學家幾乎一致認為大數據是一場新技術革命，這場革命正在解決人類選擇所面臨的信息不完全以及難以獲得精準信息等問題（凱利，2014；彭特蘭，2015；吳軍，2016；赫拉利，2017）。其實，人類能不能得到大數據和怎樣獲取大數據是一回事，如何運用大數據是另一回事。前者是指獲取大數據的方法和途徑，后者重點關注的是通過什么樣的模型設計以及利用什么樣的運作平臺，使數據運用得以實現智能化，讓數據運用支配的載體得以實現網絡協同化。大數據運用牽涉的問題比較寬泛，但從基礎理論分析來考量，最主要是在加工和處理大數據的基礎上獲取精準信息，通過能夠實現智能化（機器學習）的模型設計，把具有智能化的操作程序應用于生產經營活動之中。

在大數據和互聯網時代，廠商通過各種方法和路徑獲取海量數據后，大數據運用的第一道程序是對之做出整合與分類，在云端形成“有秩序”的數據儲備；第二道程序是通過大數據的完備性和多維度“篩選”精準信息，為建立應用模型鋪墊基礎；第三道程序是運用“數據驅動法”構建模型；最后程序是將模型智能化以用于投資經營。撇開大數據運用的各種技術問題，它對廠商投資選擇會產生以下影響：（1）廠商在大數據導引下會掌握更多更精確的信息，未來甚至可能掌握完全信息；（2）廠商由原先對部分信息的處理轉變為對海量數據的處理；（3）廠商的認知由原先對信息的處理及對心理活動的分析，轉變為對大數據的分析而獲得；（4）廠商的效用期望調整不再是完全由市場決定，而是隨數據智能化和網絡協同化的實現程度而變化。若進一步考察這些影響，還可以聯系經濟學理性選擇理論做更深層次的解讀。

（三）理性選擇理論無法說明大數據時代的廠商投資選擇，這種理論情形可以通過偏好函數、認知函數和效用函數來說明

經濟學研究人的理性選擇，是從利己偏好直面效用函數的。這種分析路徑跳越或淡化對認知階段的分析，使偏好函數、認知函數和效用函數三位一體而被置于最大化分析框架。廠商投資選擇理論的正宗經濟學分析源頭，是“偏好的內在一致性”假設，新古典經濟學對這個假設的分析性說明是，在可供選擇的全部子集中存在一種選擇X比選擇Y更受偏好的理性化能力，偏好函數的變量由選擇X比選擇Y受偏好時的最大化元素構成（Richter,1971），著名期望效用函數理論（Neumann&Morgenstern，1947；Arrow&Debreu，1954） 通過對不同選擇子集系統中存在個體理性化能力的分析，論證了“偏好內在一致性”假設的合理性。自從經濟學理性選擇理論有了這個被數理邏輯完美論證的假設，認知階段被跳越或被淡化就成為理論分析的必然結果，偏好函數、認知函數和效用函數被統一置于最大化分析框架，也就成為順理成章的理論演繹。

現代經濟學通過行為和心理的實驗分析，認為以“偏好內在一致性”為基礎的理性選擇理論與人們實際選擇之間存在系統性偏差，這種分析觀點是以信息經濟學和博弈論為基礎，通過對選擇行為的結果集及其概率分布的分析，從而對新古典經濟學進行質疑和批評的①。在未來大數據運用全面展開的以人工智能為標志的物聯網時代，盡管廠商投資選擇偏好仍然是自利最大化，但廠商的選擇偏好、認知過程、效用期望等的表現形式發生了密切相關于大數據運用的變化。概括而言，大數據思維會改變以前夾帶主觀判斷的因果思維模式，大數據具體運用會調整經濟學家或是從經驗或是從實驗得到認知的分析路徑，大數據具體運用所顯現的表征實際績效的效用函數，會在很大程度上糾正各大經濟學流派有關效用期望調整的分析論斷。也就是說，大數據實踐改變了廠商投資選擇的偏好函數、認知函數和效用函數。

在對新經濟做出解說的許多文獻中，經常可以看到諸如大數據時代、互聯網時代、人工智能時代的表述，其實，大數據、互聯網和人工智能等是相互融合相互滲透的，這些融合和滲透具有明顯的跨領域特征，這些特征在工業化時代是不存在的，因而經濟學理性選擇理論不能解釋這些特征下廠商的偏好函數、認知函數和效用函數。基于物聯網是大數據、互聯網和人工智能等跨領域的技術融合，它對廠商投資選擇會產生什么樣的影響是需要研究的。

三、物聯網影響廠商投資選擇的理論分析

物聯網是在互聯網基礎上升級而成的一種跨領域的技術融合平臺。通訊行業解決了人與人的信息互通后，業內人士曾把物聯網理解或定義為M2M（Machine to Machine）；Internet普及后，物聯網被解釋為物與物之間的聯網 （Internet of Things）；在大數據采集和人工智能運用兩方面顯示出很高技術層級，從而在物與物的關聯中導致自動化領域硬件產生虛擬數字信息映射時，物聯網則被解釋為Cyber Physical System（CPS）。但不管如何理解或定義，物聯網作為互聯網、通訊和信息等三大技術融合的平臺，它連接了物理世界和互聯網，是廠商投資經營實現數據智能化和網絡協同化的重要運行載體。所以，聯系物聯網來考察廠商投資選擇，需要從物聯網覆蓋面、連接物理世界和互聯網途徑及其效應等方面展開。

（一）物聯網是邊界極其寬廣的生態圈，它打開了廠商投資選擇的活動空間，使廠商投資選擇偏好的表現形式處于經常變動狀態

大數據或互聯網時代的重要標志之一，是產品和服務進入了 “時空錯開、同步并聯和實時評價”的在線狀態。從人類圍繞“物理、心理和智能”三大世界主網的建構，進而從物聯網跨越互聯網向智能網過渡來分析，物聯網的在線狀態顯露的是心理世界主網向智能世界主網的發展。在這一發展過程中，盡管廠商投資選擇偏好的底蘊仍然是自利最大化，但由于物聯網有著邊界極其寬廣的生態圈，其偏好表現形式會隨著大數據支配或反映的心理世界主網的變化而變化。廠商投資選擇偏好的表現形式至少有以下幾點值得關注：

1.廠商投資選擇標的和方向，明顯受到充分體現大數據及其應用的信息技術和控制技術的影響，這些技術對產品和服務的供給和需求產生的效用前景預期，會使廠商投資選擇從過去純粹市場經驗轉向物聯網體驗，并誘導廠商偏好于在物聯網平臺上進行投資選擇。

2.在物聯網平臺上，廠商投資選擇容易出現類似于從眾行為或一窩風效應的偏好形式，這種偏好形式在很大程度上是心理因素使然，它根植于掌控物聯網的科技人士分析和預測市場的能力及選擇后的市場效用驗證。

3.廠商在追求市場占有率或市場勢力的驅動下，逐步偏好于選擇人工智能技術含量高的產品和行業，即偏好于選擇以智能聯通技術（ICT）+社會物理信息（CPS）（德國工業4.0）的產品和行業，隨著物聯網覆蓋面擴大，這種偏好的形式變化會伴隨工業自動化轉向知識自動化而進一步加強。

物聯網之所以能改變廠商投資選擇的偏好形式，與它有著極其寬廣的生態圈分不開。從行為主體上講，這個生態圈包括生產者、消費者、各級政府、大學和科研機構等；從技術融合、智能運用和學習能力來看，這個生態圈包括標準制定、云平臺及云計算、系統整合和測試、傳感裝置、應用軟硬件、網絡軟硬件等。廠商投資選擇的偏好形式發生變化，是廠商追求效用的內在沖動與外部環境誘導及其約束的共同作用結果。廠商的內在沖動是追求利潤（效用）最大化，但如果廠商要借助物聯網實現最大化，就必須以數據智能化作為實現手段，具體地說，必須在投資經營的諸環節以“算法”作為決策依據。廠商的外部環境誘導及約束，是市場機制對廠商的外部強制性，如果廠商要借助物聯網取得投資經營協調的外部性，就必須以網絡協同化作為實現手段，并取得物聯網意義上的網絡協同效應。數據智能化、網絡協同化以及網絡協同效應，是廠商在物聯網時代擴大市場占有率乃至形成壟斷的基礎。當然，這屬于另一討論專題。

（二）物聯網的技術融合和智能運用等對大數據技術有很高要求，這促使廠商努力挖掘、搜尋、加工并處理大數據，廠商從大數據獲取準確信息后產生新認知，從而改變投資選擇行為

物聯網寬廣的生態圈決定其有著復雜場景，這種復雜場景與其說是各大主體及其行為的關聯，還不如說是多維度數據的分布及融合。物聯網生態圈是由物聯網PaaS平臺承載②，廠商對大數據的挖掘、搜尋、整合、分類、加工和處理通常離不開物聯網平臺，對于這些具有復雜場景的數據，廠商必須根據大數據的極大量、多維度和完備性特征，運用“數據驅動法”進行甄別以獲取準確信息。較之于以前獲取信息的途徑和方法，“數據驅動法”不是依賴單一抽象模型，而是事先設置許多針對復雜場景的簡單模型，運用大量計算機服務器確定這些模型中的參數。廠商運用這種挖掘、搜尋、整合、分類、加工和處理數據的過程，就是廠商利用物聯網平臺建構讓其適合于物聯網生態圈，從而實現數據智能化、網絡協同化以及網絡協同效應的過程。

工業化時代的廠商投資經營是沒有新科技支撐的物聯網或互聯網運作平臺的，只是存在以價格和供求波動為信號而難以運用網絡模型操作的市場平臺，或只是存在政府行政干預以維系投資經營的政策性平臺。以市場平臺情形而言，廠商獲取投資經營的認知，主要是通過對影響投資經營的信息進行搜尋、整合、分類、加工和處理來實現的，由于這些信息只是部分數據結果，得不到云計算和機器學習等技術手段的支持，并且或多或少具有主觀判斷成分。因此，廠商在工業化時代得到的用于選擇的信息不是大數據意義上的信息，廠商在工業化時代的認知明顯不同于物聯網時代廠商依據大數據分析獲取的認知。就廠商具體的投資選擇而論，在物聯網時代，廠商選擇什么樣的投資項目、投資多少和怎樣投資，一方面會考慮物聯網生態圈及技術融合，另一方面會通過物聯網的智能運用和學習能力來選擇經營方法和途徑，即會充分利用物聯網平臺選擇經營品種、銷售模式和物流模式等；所有這些都是廠商有新認知的結果。

人類的理性選擇行為是在偏好促動下形成認知再到具體選擇的，認知始終處于偏好與選擇的中介位置。經濟學理性選擇理論有關自利偏好決定個人、廠商和政府追求效用最大化的分析，是人類選擇行為的真諦，它同樣適合于物聯網時代的廠商投資選擇。然則，新古典經濟學把認知作為外生變量而逾越認知的分析，現代經濟學力圖將認知作為內生變量所做的分析，都不能解釋物聯網時代廠商投資選擇行為，問題癥結在于對“認知形成”的理解和處理上。經濟學理性選擇理論對效用函數的分析，發展軌跡從新古典經濟學有關能夠實現效用最大化的解釋，轉變為現代經濟學有關效用期望調整的解釋，這些分析適合于物聯網時代廠商投資選擇之效用函數的解釋嗎？這個問題有必要討論。

（三）物聯網時代的大數據包括“行為數據流”和“想法數據流”兩大塊，未來，效用函數及其期望調整取決于對人類“想法數據流”的駕馭能力

物聯網時代的大數據，不僅包括記錄事物數量的信息數字，還包括圖片、圖書、圖紙、視頻、影像、指紋等人類行為結果的所有非數字化信息。對于廠商投資選擇來說，一方面，大數據可解釋為已發生數據和未發生數據之和，前者指歷史數據和正在產生的數據，后者指未來將產生的數據；另一方面，就數據對廠商投資選擇的影響來講，大數據又可解釋為“行為數據流”和“想法數據流”。廠商利用物聯網進行投資選擇，通常依據已發生的“行為數據流”，對其進行挖掘、搜尋、整合、分類、加工和處理，以決定選擇什么樣的投資項目、投資多少和怎樣投資。當匹配和處理大數據的機器深度學習發展到很高水平，從而人工智能在物聯網得以廣泛和精準運用時，廠商投資選擇的效用函數是有可能準確預期的，因而不會出現效用期望的調整問題。這是工業化時代不存在的情形，經濟學理性選擇理論無法進行解釋。

廠商的效用期望預期是投資選擇的一項重要內容。以新古典經濟學為底蘊的主流經濟學不曾對效用期望預期有專門分析，非主流經濟學曾利用實驗對效用期望預期做過專門分析，但那是沒有大數據和人工智能背景且有著主觀判斷的分析。社會物理學家阿萊克斯·彭特蘭（2015）對未來大數據展望時提出“想法流”概念，認為它與人們行為之間存在可靠的數量關系，它可以通過互聯網成為一種改變人類選擇的重要因素。聯系將來人工智能的廣泛和精準運用考察廠商投資選擇，如果機器學習在將來充分發展，即人類可以在機器強化學習和深度學習的基礎上，依據歷史數據和正在產生的數據進行機器學習模擬并推測未來數據（AlphaGo已有這方面實踐），那么就會出現被人類控制的“想法數據流”。這個“想法數據流”將是人工智能發展史上的重大事件，它會給人類準確推測未來事件結果提供大數據和人工智能的分析基礎。因此，可得推論：一旦人類具備駕馭“想法數據流”的能力，廠商在物聯網時代投資選擇的效用期望問題，就會在理論上成為一個不需討論的問題。

（四）物聯網發展同樣會使廠商投資選擇的效用函數以最大化為核心，但這個效用函數不同于經濟學理性選擇理論圍繞最大化分析而得出的效用函數

效用函數是經濟學最重要的基礎理論問題之一。無論側重對經濟運行和發展中的制度、主體、行為等哪個方面的分析，都不可避免要涉及對效用函數問題的討論。這里有一個饒有風趣的理論問題值得探討：依據對大數據和物聯網運行分析所得出的效用函數，與經濟學在工業化背景下分析出來的效用函數一樣，兩者都是以最大化為核心，并且在形式上都是將偏好函數、認知函數、效用函數統一于最大化分析框架。那么，怎樣看待這兩個效用函數在形式上的雷同呢？如何解說這兩個效用函數的性質差異呢？顯然，這對于進一步理解物聯網影響廠商投資選擇是有幫助的。

關于這兩個效用函數的形式雷同和性質差異，可通過以下幾點予以解說。傳統主流經濟學將偏好函數、認知函數和效用函數統一于最大化分析框架，是在完全信息假設下通過諸如“偏好內在一致性、選擇者知曉選擇結果”等給定條件約束，并通過跳越認知（將認知視為外生變量）實現；該分析中作為效用函數核心的最大化，表現為研究者建構理性思維的結果，有明顯的主觀判斷色彩。與此不同，根據物聯網運行分析得出的有關偏好函數、認知函數和效用函數統一于最大化框架，不是以完全信息為假設前提，也不存在任何給定條件約束，而是通過物聯網運行中的大數據、人工智能對偏好和認知形成的作用機理及其過程的研究得出的，不具有任何主觀判斷；至于通過分析物聯網運行反映的以最大化為核心的效用函數，則是以物聯網具有跨領域技術融合平臺和大數據有可能揭示完全信息為分析基礎的，這是建立在廠商能夠實現數據智能化、網絡協同化及網絡協同效應基礎上的分析結論。

大數據和人工智能之所以影響廠商投資選擇，關鍵在于它可以揭示并有可能提供完全信息，而物聯網的跨領域技術融合平臺會在哪些方面或通過什么途徑影響廠商投資選擇，則需要結合物聯網開發者平臺和開發者生態展開分析。網絡協同化的技術設施基礎是開發者平臺。例如，幾乎所有的互聯網平臺或物聯網平臺公司都搭建了屬于自己的開發者平臺，但物聯網應用要比移動互聯網復雜。以廠商投資經營關聯的場景及生態而言，由于任何廠商都難以獨立測算出所有的用戶需求和供給，通常需要借助其他開發者平臺進行投資經營，這就要求物聯網必須具有能融合所有廠商開發者平臺的物聯網服務平臺（PaaS），正是這個服務平臺會對廠商投資選擇發生影響。

1.廠商投資選擇需要有安全可靠的云端平臺和物聯網應用平臺，需要有分析軟件、應用軟硬件、云軟硬件和網絡軟硬件等供應商，需要有系統整合、云服務、微服務、測試服務以及網絡服務等。只有具備了這些條件，廠商才能在投資選擇時在云端運用云計算對數據進行搜集、整合、分類、加工和處理。

2.廠商只有借助PaaS平臺和利用云平臺及微服務架構，才能將工業技術原理和行業知識等軟件化、模塊化及基礎模型規則化，這在體現物聯網融合互聯網、通訊和信息等三大技術的同時，也反映了廠商投資選擇追求效用最大化的技術規定。

3.廠商投資什么項目、投資多少和怎樣投資以及效用期望，離不開對影響投資的極大量、多維度和完備性之大數據的云計算，而這些大數據是物聯網生態圈各類主體行為互動的結果，單靠一個廠商的開發者平臺是無法處理大數據的，因此，物聯網水平高低直接影響著廠商投資選擇及其效用。

總之，物聯網將物理世界和互聯網緊密連接，是運用數據采集技術和智能網絡來分析、預測和優化物理世界的。具體地講，物聯網時代會出現物聯網平臺服務商與應用開發商生態，大平臺PaaS具有渠道扁平化、市場透明化、盈利多元化和支付便捷化等功能。隨著物聯網大數據采集和人工智能運用層次的升級，廠商投資選擇對物聯網依賴的程度與范圍將進一步提高和擴大。

四、建構廠商投資選擇理論框架的幾點設想

（一）在工業化時代，無論經濟學家以完全信息假設還是以不完全信息假設建構的理性選擇理論，都難以產生與實際相一致的廠商理論，這種情形表明廠商投資選擇理論有待完善

新古典學說的廠商理論將投資主體解說為追求自利最大化、知曉選擇結果并能實現最大效用的“理性經濟人”。盡管追求自利最大化是一個相對科學的分析假設，但由于現實中存在利他、公平和互惠等動機，完全以追求自利最大化來描述廠商投資選擇理論是偏離實際的。同時，建立在完全信息假設基礎上的“理性經濟人”概念，是傳統經濟學理論的基本范式，這個范式繞避了如何符合實際地使選擇偏好、認知過程和效用期望統一于效用函數。現代主流經濟學以信息不完全和有限理性約束為基礎對廠商投資選擇進行分析，開始重視認知過程之于投資選擇的研究，但仍然留戀于把廠商界定為“理性經濟人”（何大安，2016）；現代非主流經濟學徹底擺脫了傳統理論束縛，試圖通過行為實驗和心理實驗的案例分析重塑行為主體的分析假設（何大安，2004，2005）。但是，由于現實中存在著非常復雜的信息約束和認知約束，經濟學家一直難以在符合實際的行為主體假設的基礎上建立與實際相一致的廠商理論。"

廠商投資選擇理論是廠商理論的一個重要組成部分。新古典理論內蘊的廠商投資選擇理論，是建立在“偏好內在一致性”之嚴密數理邏輯論證基礎上的，這一邏輯論證賦予廠商投資選擇偏好之非此即彼的偏好穩定假設規定。這一點可從新古典經濟學廠商理論運用 “無差異曲線”、“等產量線”等分析廠商行為來說明。偏好穩定假設是建立在完全信息假設基礎上的，而內蘊了偏好穩定假設的廠商理論卻嚴重偏離廠商投資選擇實際，因而遭到強調信息約束和認知約束的現代經濟學批評。現代經濟學圍繞偏好多維性和認知不確定展開的一系列批評，重點集中在對偏好穩定假設引致將認知作為外生變量，從而將行為主體視為脫離現實的抽象主體等方面，但由于現代經濟學沒有對行為主體作出新界定，即對行為主體的界定經常處于現實主體與抽象主體之間，這就大大影響了廠商投資選擇理論的完善。

廠商投資選擇理論的完善很大程度上取決于對廠商投資選擇的效用函數的解釋。基于效用函數與認知過程有密切聯系，換言之，基于廠商的效用期望是認知的結果，經濟學一直沒有放棄以最大化作為解說效用函數的傳統，現代經濟學也不例外。與新古典經濟學將效用期望隱匿在效用函數中的情形不同，現代經濟學重視效用函數與認知過程的關聯。例如，行為經濟學把廠商投資選擇劃分為風險厭惡和風險偏好兩種情形，認為廠商在認知過程會不斷調整效用期望，并根據特定參照點調整期望效用，行為經濟學主張把廠商追求最大化的效用函數描述為反映效用期望調整的價值函數（Kahneman&Tversky，1979）。 誠然，現代經濟學關于效用函數的解釋使廠商投資選擇在一定程度上由黑板走向了現實，但它仍然是一種理論抽象，難以產生與實際相一致的廠商理論，因此，廠商投資選擇理論有待完善。

（二）在大數據和物聯網時代，投資主體有可能獲取完全信息，建構廠商投資選擇理論可考慮將廠商定義為“理性行為人”，這是一種取代“理性經濟人”對行為主體作出新假設的分析嘗試

如上所述，大數據的極大量、多維度和完備性在未來有可能給廠商提供完全信息，物聯網的技術融合和智能運用等促使廠商努力挖掘、搜尋、加工和處理大數據，以至于在獲取準確信息的前提上產生新認知和改變投資選擇行為。關于該問題的深入分析，涉及對廠商選擇偏好、認知過程和效用期望等的定性討論。廠商作為大數據和物聯網時代的投資行為主體，其理性仍然表現為追求效用最大化是無可非議的，但其行為方式是否存在某種共性的東西，則在很大程度上決定其作為行為主體的屬性。基于廠商追求最大化的行為屬性主要反映在偏好、認知和效用等方面，可以通過對偏好、認知和效用等的分析，把大數據和物聯網時代的廠商界定為“行為人”。“行為人”概念的外延要比“經濟人”寬泛，不僅反映各種行為動機驅動的選擇偏好，更重要的是將“認知”規定為內生變量。當然，把“理性行為人”作為行為主體的分析假設，必須對廠商投資選擇的偏好、認知和效用等進行解釋。

在大數據和物聯網時代，就廠商投資選擇的層級而論，可依據運用大數據和物聯網水平以及取得效用高低的差別，將其分為高層級投資廠商和低層級投資廠商；在數量比例上，高層級廠商是極少數，低層級廠商是絕大多數。當把廠商看作是“理性行為人”時，有三個重要問題需要研究：第一，如何解說廠商投資選擇偏好；第二，如何解說廠商投資選擇的認知過程；第三，如何解說廠商投資選擇的效用期望。按照“理性行為人”概念的寬泛外延，首先，廠商不是僅僅以自利最大化為偏好，而是在一定程度與范圍內夾帶公平和互惠等利他偏好，其次，廠商投資選擇是在認知基礎上進行的，即對影響投資選擇的信息做出搜集、整合、分類、加工和處理；再次，廠商的效用期望隨認知變化而變化，即效用函數會發生調整。將廠商定義為“理性行為人”，是基于大數據和物聯網時代廠商受制于科技環境影響的考慮。

關于第一個問題，由于對大數據的搜集、整合、分類、加工和處理需要很高的云端平臺和云計算能力的支撐，在只有極少數廠商而不是絕大部分廠商具備這種平臺和能力的情況下，廠商投資選擇偏好會出現從眾效應，即出現投資選擇偏好的趨同化：絕大部分廠商會以那些掌握大數據技術和運用物聯網并取得最大化效用的極少數廠商的偏好，作為自己的投資選擇偏好③。這種解說與上述第二個、第三個問題有極強的關聯。因為，當絕大部分廠商以極少數廠商的偏好作為自己的投資選擇偏好時，隨之出現的是絕大部分廠商將以極少數廠商的認知作為自己的認知，從而出現趨同化認知；當絕大部分廠商出現偏好趨同化和認知趨同化時，就不再具有嚴格意義上屬于自己的效用函數，即會出現以極少數廠商的效用期望作為自己效用期望的情形。如果對廠商投資選擇偏好、認知和效用的以上描述符合大數據和物聯網時代的實際，那么，廠商行為主體的性質就可依據掌握大數據和物聯網技術的極少數廠商界定為“理性行為人”。

從建構廠商投資選擇理論的分析框架考察，行為主體的性質界定是整個理論分析框架的基礎，只有在此基礎上才能對廠商投資選擇行為做出系統的理論描述，這是問題的一方面。另一方面，對廠商投資選擇進行分析，必須將重點放在認知研究上，這不僅是因為對大數據的搜集、整合、分類、加工和處理最后會落在認知上，更重要的是物聯網的運行和操作也離不開認知。換言之，只有對廠商投資選擇的認知過程展開符合大數據和物聯網時代實際的研究，才能使廠商投資選擇理論研究落地。

（三）未來，廠商的認知形成將以大數據的搜集、整合、分類、加工和處理為前提，該過程不存在主觀判斷，建構廠商投資選擇理論的分析框架必須關注這些問題

大數據和物聯網時代的廠商投資選擇的最大特點，是認知形成過程不再像工業化時代那樣，通過對不完全信息的搜集、整合、分類、加工和處理來完成，而是通過對大數據的搜集、整合、分類、加工和處理以獲取信息來完成。關于信息的理解有兩點需要說明：一是通過大數據獲取的信息有可能是精準信息，二是通過大數據獲取的信息有可能是完全信息。因此，建構廠商投資選擇理論的分析框架時必須考慮信息的不同狀態。

1.當廠商能夠通過大數據分析剔除虛假或被扭曲的信息，廠商就可以獲得精準信息而產生正確認知，以至于獲得投資選擇的最大化效用，這是廠商投資選擇理論的重要內容

廠商獲取精準信息的前提條件是能夠獲取具有極大量、多維度和完備性的大數據，并且能夠通過大數據的多維度和完備性甄別虛假和真實信息。建構廠商投資選擇理論的分析框架，一方面需要對廠商搜集、整合和分類大數據的過程展開分析，另一方面需要對廠商加工和處理大數據的過程展開分析。如此，才能對大數據時代廠商認知過程的形成做出解釋。投資選擇理論不可繞避的環節是對效用函數的解說，按照邏輯推論，廠商獲取精準信息就可以知曉選擇結果，而知曉選擇結果就有可能獲取效用最大化。于是，問題的討論便繞到精準信息與完全信息的區分上來了。一般來講，精準信息主要是針對單個廠商投資選擇而言，而完全信息是針對泛化的信息狀態而言，這是建構廠商投資選擇理論的分析框架時不可混淆的。

同樣，也要區分單個廠商與全體廠商的認知形成和效用函數的實現條件問題。將廠商解說為“理性行為人”，是基于對廠商作為投資選擇行為主體的定性分析，可以暫不考慮實現條件。當進入廠商投資選擇的現實分析時，對單個廠商的認知形成和效用函數的實現條件分析就十分重要了。怎樣展開這些分析呢？可選擇的研究途徑至少有以下幾種：第一，分析廠商搜集、整合和分類大數據的能力；第二，分析廠商加工和處理大數據的能力；第三，分析廠商利用云端和云計算的能力；第四，分析廠商人工智能創新和運用的能力。在建構廠商投資選擇理論時，可依據廠商能力大小分為不同層級，并以此對他們的認知形成和效用函數做出評判。這樣的分析途徑也適合于全體廠商。

2.基于未來大數據有可能給人類提供完全信息，可在劃分廠商類別的基礎上，以完全信息為背景研究廠商投資選擇的認知過程

大數據和物聯網時代的廠商投資選擇的認知形成，說到底，是廠商對大數據的搜集、處理及算法問題。大數據能夠給人類提供完全信息的物質基礎，是互聯網、物聯網、云平臺、社交媒體、傳感器、定位系統等，覆蓋了社會經濟、政治、文化等領域并貫穿人類活動的始終。問題在于，這種物質基礎只是一種客觀存在，廠商要獲取完全信息，必須擁有云平臺和云計算能力，必須具有搜集、整合、分類、加工和處理大數據的能力。如果以這些能力作為考量標準，可將廠商劃分為兩種類別：一類是具備這些能力的極少數廠商，另一類是不具備這些能力的絕大部分廠商，在選擇偏好和認知形成上，極少數廠商會引領絕大部分廠商。因此，以完全信息為背景研究廠商投資選擇的認知過程，可以極少數廠商作為分析對象。

較之于工業化時代廠商投資選擇的認知過程，具有云平臺和云計算能力的極少數廠商投資選擇的最大亮點，是能夠在搜集數據的基礎上通過大數據的多維度和完備性得到準確甚至精準信息。由于這些準確或精準信息是通過大數據分析獲得而沒有主觀判斷成分，所以，無論是從現實還是從邏輯來考察，一旦廠商能夠獲取準確或精準信息，便可知曉投資選擇的未來結果，而知曉投資選擇結果則意味著廠商可以通過認知過程實現自己的效用期望。值得說明的是，這里所說的對投資選擇結果的知曉，與新古典經濟學在“偏好內在一致性”等假設條件下得出的知曉選擇結果的分析判斷不是一回事，它除了不存在一系列的事先預設外，最重要的在于它是沒有主觀判斷的數據分析結果。因此，對大數據和物聯網時代的廠商投資選擇認知的研究，需要在理論上將以上過程做出系統分析，以便將認知過程與實際選擇過程銜接起來。

舉例來說，廠商在準備做出一項投資選擇時，可通過互聯網、社交媒體、傳感器、定位系統等搜集的海量數據，在云平臺上進行整合、分類、加工和處理，再經過云計算之日新月異的算法，就可以知曉該項目生產的產品或提供的服務的社會需求、投資成本、投資收益，以及社會存量資本和增量資本生產同類產品或提供同類服務的供給量。現實中，廠商的認知過程和實際選擇過程往往具有連續性，因此，要把該連續過程放置于統一的分析框架。同時，廠商的實際投資選擇常常是通過物聯網平臺進行的，建構廠商投資選擇理論的分析框架，還需要圍繞物聯網的實際運行來展開。

（四）以大數據分析為主線，依據物聯網運行原理，說明廠商借助物聯網平臺進行投資選擇的過程

物聯網作為互聯網技術、通訊技術和信息技術的融合，由最底層的物理世界、中間層的公用網絡（移動互聯網）和最高層的物聯網專網三大層級構成。它的人工智能運行原理是從底層采集數據匯總到中間層，再由智慧大腦設計參數和模型將選定的執行指令送達到最高層級并予以實施應用。從技術角度考察，物聯網運行表現為大數據采集和運用，但從大數據采集到人工智能運用，穿插著人類智慧大腦對選擇過程的認知。建構廠商投資選擇理論的分析框架，需要對人類智慧大腦如何運用物聯網進行投資選擇做出描述，這是物聯網運用與廠商投資選擇關聯的重要問題，會涉及許多以現實為邏輯底蘊的數理分析。

如前所述，物聯網時代的大數據等于“行為數據流”+“想法數據流”，廠商投資選擇的效用函數取決于對“想法數據流”的駕馭能力。對“想法數據流”的解說，需要分析機器深度學習和強化學習，這就涉及到物聯網的人工智能運用與廠商投資選擇的關系。描述這種關系的學術參照是數據智能化和網絡協同化，大體上可以按照廠商如何利用機器學習將大數據的智能化處理，數據智能化如何促成廠商投資選擇的認知，廠商如何利用物聯網平臺實現廠商與廠商、廠商與客戶之間各種復雜場景的網絡協同等分析路徑來展開。這些問題的討論涉及很多物聯網運用的技術問題和模型處理問題，但如果緊扣廠商投資選擇的偏好、認知和效用與物聯網運行的某些癥結性關聯，或許有助于廠商投資選擇理論之分析框架的建構。

廠商投資選擇借助的物聯網平臺，有著從較低技術層級向較高技術層級過渡情形，反映了廠商投資選擇認知從低層級向高層級的轉化，或者說，反映了廠商數據智能化能力從低層級向高層級的轉化。物聯網平臺的技術層級高低，除了受大數據及數據智能化制約外，還要受用戶場景及網絡協同的制約。如果廠商在較低技術層級的物聯網平臺進行投資選擇，只能在諸如智能家電、智能家居、機器人等這些行業中實現數據智能化和網絡協同化。這些問題要不要在廠商投資選擇理論分析框架的建構中展開深入討論，答案應當是肯定的。因為，大數據、物聯網和廠商投資選擇之間的關聯通常呈現同層級變動，這些變動在反映大數據和物聯網運用的技術規定性的同時，也反映了廠商投資選擇偏好、認知和效用等因技術約束而變化的機理。

五、簡短的結束語

在大數據和物聯網時代，研究廠商投資選擇有兩方面內容：一方面是對廠商的選擇偏好、認知和效用等與大數據和物聯網關聯的基礎理論描述，另一方面是大數據和物聯網運用對廠商投資選擇的影響和規定。事實上，廠商選擇什么樣的投資項目、投資多少和怎樣投資，重點和難點是探求有可能獲取完全信息的“算法”以及尋找能夠使大數據和物聯網有用武之地的需求端。廠商運用大數據和物聯網的最高境界是實現數據智能化和網絡協同化，這就涉及到以機器學習為核心內容的人工智能，而全面考察廠商投資選擇，則需要分析大數據各種特征與廠商投資選擇的關聯，需要研究物聯網的技術融合及其生態圈，需要研究物聯網層級變化的廠商投資選擇的影響。如果能夠有機地把這些分析和研究與廠商投資選擇的偏好、認知和效用等結合起來，廠商投資選擇理論的分析框架就有了支撐材料。

注釋：

① 反映這種分析觀點的學術文獻涉及面相當寬泛，考察其根基，它發端于阿萊悖論（Allais，1953）和艾爾斯伯格悖論（Ellsberg，1961）。阿萊悖論認為，相同選擇并不等同于相同概率，期望效用函數理論不符合貝葉斯法則，不能對個體選擇做出不違背先驗概率和后驗事件更新后驗概率的說明；艾爾斯伯格悖論認為，人們傾向于押注已知概率的風險性事件（Fellner，1961；Becker&Brownson，1964）。這兩大悖論為后期經濟學家進一步質疑和批評“偏好內在一致性”奠定了基礎。

② 現在幾乎所有的互聯網公司都搭建了開發者平臺，并在此基礎上構建開發者生態。世界上最早的開發者平臺是蘋果的App Store，這個平臺開啟了智能手機時代；繼之，隨著Android開發者平臺出現，互聯網公司紛紛利用開發者平臺構建開發者生態。

③ 現代經濟學曾描述過從眾行為或一窩蜂效應等選擇現象。例如，針對股市的這種選擇現象，諾獎得主羅伯特·希勒（2001）分析過股市中的催化因素、連鎖反應、放大機制等，但希勒對從眾心理和行為的分析沒有從偏好、認知和效用等基礎理論角度展開，這類問題有進一步討論的空間。