數字經濟背景下企業技術層級與規模效益變動

□何大安

內容提要 當前中國數字經濟主要由規模效益顯著的數字平臺經濟拉動，這一事實在標志著數字經濟快速發展的同時，也反映出其技術結構的不平衡。在信息通信技術、互聯網、大數據和人工智能等的融合背景下，評判不同數字經濟業態的技術層級和規模效益對數字經濟發展的影響，不僅需要對不同類型大數據的搜集、加工和處理所要求的技術層級進行分析，還需要聯系企業技術層級變動對數字經濟的核心層業態和應用層業態展開分析。本文在概要分析企業規模效益與企業技術層級關聯的基礎上，認為數字經濟的規模效益由企業技術層級決定，企業技術層級變動會引致數字經濟的內部結構發生變化。同時本文考察了我國數字經濟之技術結構不平衡的現狀和成因，從數字經濟運行的綜合場景出發，重點討論了企業搜集、加工和處理不同類型大數據的技術水平對提升規模效益的影響，力圖依據微觀經濟學基礎理論對企業技術層級與規模效益變動作出解釋。

一、引言

數字經濟發展到今天，以互聯網為運行載體的數字平臺經濟（DPE）可謂獨領風騷。數字平臺經濟的數字技術運用，涉及企業之間、消費者之間、企業與消費者之間以交易行為互動為基礎的網絡架構、網絡協同和網絡效應等場景。從網絡架構看，數字平臺依托IT基礎設施和依據數字技術建立了雙邊用戶或多邊用戶的交易結構；以網絡協同而言，數字平臺成為企業和消費者運用大數據進行投資經營選擇，從而形成供給和需求、產量和價格等的協調場景；就網絡效應而論，數字平臺推動了企業運用數字技術來構建雙邊或多邊用戶的交易協同框架，降低了企業外部運營的交易成本，實現了社會需求決定平臺業務的價值創造和獲取的路徑。西方學者（Saadatmang et al.，2019）曾提出基于數字平臺社會化的新興技術組織論，認為大數據、互聯網和人工智能等的融合會形成數字平臺生態或場景；針對將數字平臺描述為生態的觀點，另有西方學者認為數字平臺生態是一個復雜的系統，它是由數字生態系統與創業生態系統兩部分構成，強調數字基礎設施、數字機構、創業者、用戶等在這個復雜系統中的關聯（Susan & Acs，2017）。作為一種理論研究，我們要關注的是，當企業投資經營只是被放置于數字平臺進行生態系統分析時，我們對數字經濟的考察，就很容易聚焦于數字平臺經濟。

數字平臺經濟是數字經濟業態最耀眼的部分。數字經濟范圍很廣，它包括基礎層面的信息通信技術和軟硬件制造，狹義應用層面的平臺經濟、電子商務業務、數字服務，廣義應用層面的工業4.0、精準農業、算法經濟等。國內學者傾向于把基礎層面的數字經濟解釋為數字產業化，將廣義和狹義應用層面的數字經濟界定為產業數字化。①既然數字平臺經濟只是數字經濟的一個組成部分，為什么經濟學者特別關注數字平臺經濟呢？這個問題與數字經濟不同業態的規模效益有關。數字平臺經濟是最容易利用數字技術打開市場需求端的模式，它的規模效益會隨市場規模擴大而得到立竿見影的提升，這在我國數字巨頭的運營平臺業務中表現得極為突出。同時，由于其它數字經濟行業短期內難以利用數字技術迅速打開市場需求端，它們的市場規模及其效益占數字經濟比重并不高。②這種景況表明我國和歐美國家在數字經濟發展與其規模效益上存在差異。我國現階段數字經濟發展中的數字平臺經濟，因需求端的迅猛擴大使得其規模效益十分顯著，但其它數字經濟業態的規模效益卻不是很明顯。

數字經濟的規模效益之所以會在不同國家出現不同景況，一方面是因為不同國家數字經濟模式的不同戰略選擇，另一方面則是企業技術層級差異所致。歐美國家注重數字經濟基礎層面的戰略選擇，并積極將基礎層面的研發成果推廣到廣義和狹義的應用層面，數字經濟在基礎層面和應用層面的布局比較均勻。事實上，數字平臺經濟對需求端具有顯著的拉動作用，但以工業4.0、精準農業等為代表的應用層面的數字經濟會擴大供給端，也就是說，數字經濟的規模效益不會天然集中于某一數字經濟領域。我國數字經濟發展的戰略選擇正好與歐美國家相反，數字經濟基礎層面的發展嚴重滯后，應用層面的發展嚴重不平衡。在我國，以互聯網為中心的數字平臺經濟一直是拉動數字經濟的主要模式，其規模效益隨需求端迅速擴大而提升，形成了諸如騰訊、阿里、美團、字節跳動等互聯網巨頭公司，導致了數字平臺經濟的絕對優勢。

企業技術層級與規模效益之間存在著可通過對數字經濟運行進行分析得以揭示的相關性。數字經濟=數字產業化+產業數字化，這個等式不僅說明數字經濟創造的GDP由數字產業化和產業數字化兩大塊構成，它還隱含著另一種意義，即表征數字經濟的規模效益是數字產業化與產業數字化兩者的規模效益之和。在數字經濟GDP或數字經濟規模效益既定的情況下，數字產業化與產業數字化之間存在此消彼長的關系。現有的關于數字經濟規模效益的分析（尼葛洛龐蒂，2017；泰普斯科特，2016）和研究③，主要是從數字經濟發展及其占GDP比重等方面展開，很少關聯這種此消彼長的關系，更很少關聯到眾多企業技術層級差異對數字經濟發展及規模效益的影響。其實，數字平臺經濟主要是將信息通信技術和軟硬件制造等基礎層面的核心技術運用于以互聯網交易為中心旨在擴大需求端的數字技術操作應用，盡管它可以推動數字經濟發展、加快數字經濟應用層面的進程、提升GDP中的數字經濟比重，但由于數字平臺經濟的過度發展會引起流入數字經濟中的資本無序擴張，會削弱或阻礙工業4.0、精準農業等應用層面的數字經濟業態的發展，從而導致數字產業化與產業數字化的不平衡。這種不平衡會嚴重損害數字經濟未來的發展。

關于資本在數字經濟中的無序擴張，2021年我國政府相繼出臺了《數字安全法》、《網絡數字安全管理條例》、《個人信息保護法》等法規，目的是遏制壟斷，縮短我國與西方國家在新科技基礎層面的差距，讓資本盡可能流入數字經濟中那些難以賺快錢的工業和農業等部門，或者說，盡可能避免數字經濟規模效益被數字平臺經濟獨占、進而繼續造成資本無序擴張的局面。不過，以我國實際而言，這些法規能否促進企業完成數字經濟結構的調整，一方面取決于企業對數字技術基礎層面研發投入的程度和范圍，另一方面則取決于企業搜集、加工和處理大數據，從而運用數字技術來預測市場需求和規劃產供銷數量的能力和水平。這兩個旨在推動數字經濟結構調整以遏制資本無序擴張的條件很重要。誠然，數字經濟下企業投資經營以及經濟結構調整過程會涉及數字經濟運行的方方面面，但就價格、供求、產量、競爭、壟斷等決定產業組織的因素來講，企業投資經營的規模效益和技術層級則是兩個值得經濟學家關注的問題。

本世紀以來我國經濟在投資、外貿、消費三駕馬車的拉動下持續增長，已成為世界供應鏈中心和世界第二大經濟體，其中，增長勢頭最猛最具有創新前景的是數字經濟。在經濟增長瓶頸制約和世界地緣政治挑戰的背景下，我國繞避或跨越中等收入陷阱和修昔底德陷阱，大力發展數字經濟無疑是最佳選擇。數字經濟的發展要靠規模效益推動，規模效益不能只“鐘愛”數字經濟的單一或幾個領域，要在數字經濟中均衡呈現，要能夠得到企業技術層級的全方位支撐。基于此，本文第二部分將圍繞不同數字經濟業態的運行特征對規模效益展開理論分析，試圖在較寬廣的層面上對數字經濟規模效益作出符合現實的學術理解；第三部分在解析企業規模效益與技術層級相關聯的基礎上，通過對企業搜集、加工和處理不同類型大數據的技術水平的分析，說明提升數字經濟規模效益的技術條件配置；第四部分是對企業技術層級與規模效益之未來發展的展望。

二、對數字經濟之規模效益的學術理解

數字經濟是以信息通信技術為背景，以大數據為基本要素，以互聯網為交易平臺，以云計算和人工智能等技術提供“算法”為操作手段的企業投資經營活動。④數字經濟運行的微觀基礎是企業運用大數據分析和人工智能手段以決定投資和生產什么，投資和生產多少。這便涉及到以下問題：（1）企業運用大數據分析和人工智能手段能在多大程度和范圍內準確確定產量和價格；（2）企業在數字化轉型的不同階段具有不同的數字技術能力（何大安，2022）；（3）企業數字技術能力的差異會導致不同的規模效益；（4）數字經濟在不同行業之間實現規模效益均衡需要什么樣的條件配置。經濟理論對這些問題的解讀，需要圍繞企業搜集、加工和處理大數據的技術層級來進行，換言之，我們分析數字經濟規模效益均衡的基礎是對企業技術層級變動作出解釋。

（一）數字經濟的規模效益可從單個企業的數字經濟產值變動考察，也可以通過行業之間數字經濟產值變動及占GDP比率來理解

企業運用數字技術進行投資經營的方法、路徑和過程，可概括為搜集、儲存、整合、分類、加工和處理產供銷大數據，并運用云計算、機器學習、物聯網、區塊鏈等人工智能技術來捕捉或預測符合社會有效需求的產品和服務。拋開目前人們還沒有找到準確判定數字經濟產品和服務的方法，單從數字經濟產值變動對企業規模效益的影響來講，數字經濟規模效益提升的前提條件，是企業必須能夠通過大數據分析來提高產品生產和提供服務的邊際生產率，能夠通過大數據分析對產品和服務的數量和品種的有效需求做出相對準確的預測。企業通過數字技術提升邊際生產率，涉獵的主要內容是企業如何進行大數據分析，屬于微觀經濟學中的“微觀內容”；企業通過大數據分析對產品和服務的有效需求做出預測，涉獵供求關系、投資者認知、消費者偏好、產量和價格決定等微觀經濟學的基本內容。很明顯，從單個企業的數字經濟產值變動來考察規模效益，關注點是企業運用大數據分析對產品和服務的有效需求進行預測。

數字經濟在不同行業的產值及占GDP的比率，既可看成是不同行業在數字經濟領域投資額變動的結果，也可理解成是不同行業大數據分析和人工智能運用之技術水平差異的結果。但無論是基于何種原因，數字經濟規模效益都要取決于企業運用數字技術能否準確預測產品和服務的需求端。社會需求端由顯性需求與隱性需求兩大塊構成，就企業運用大數據分析和人工智能技術對不同類型大數據的搜集、加工和處理而論，企業產品和服務的顯性社會需求能否被掌控和擴大，取決于企業對已發生的產供銷大數據的搜集、加工和處理的能力。企業產品和服務的隱性社會需求能否被充分挖掘從而使需求端進一步擴大，則取決于企業對尚未發生的產供銷大數據的搜集、加工和處理的能力。⑤不同行業在數字經濟中的產值及占GDP比率，會在很大程度和范圍內反映規模效益，規模效益與需求端擴大成正比。數字產業化或產業數字化的需求端要擴大，通常存在兩種不可繞避的約束：一是數字產品和服務將面對的市場規模和人口數量，二是經營這些數字產品和服務必須具備的資金和技術門檻。近十幾年來，我國數字經濟出現的不均衡現象就體現了這兩種約束。

（二）數字平臺經濟業態受約束程度較輕，基礎應用層面的數字經濟業態受約束程度很強，短期內兩者的規模效益明顯不同

在交易成本不為零的現實經濟活動中，商業業態或模式的資金流向、投資收益、運行周期之間會存在一些因果關聯，這些復雜的關聯會在一定程度和范圍內影響需求端和供給端，會造成不同商業活動業態或模式的規模效益差異。數字平臺經濟主要是面對人數眾多的消費領域，其產品和服務的平臺流轉業務、電子商務業務以及數字服務業務等的社會需求端和供給端都很龐大。數字平臺經濟的初始投放資金主要集中于IT基礎設施的輕資產，既不需要對操作系統、數字軟件大量投入，也不需要有許多極高技術水準的專業操作員工，它是一種資金周轉迅速、賺錢快、進入門檻相對低的具有“拿來主義”意味的數字經濟業態。數字平臺經濟的規模效益十分明顯，它能在極強示范效應的引領下完成“滾雪球”式飛速發展。當學者或決策者將數字經濟產值占GDP比率作為數字經濟發展的衡量指標時，很容易忽視數字平臺經濟“一枝獨秀”對數字經濟內部均衡的損害。具體而言，在數字經濟增長既定或受限的情況下，數字平臺經濟的規模效益提升越快，數字經濟的其他業態便會越加受到抑制。

信息通信技術、軟硬件制造、工業4.0、精準農業等數字經濟的基礎、廣義應用業態，是數字經濟未來發展的主干，或者說是產業數字化的趨勢所在。較之于平臺流轉業務、電子商務業務、數字服務等數字平臺經濟業態，這些基礎應用業態的社會需求端要小得多，它要想獲取規模效益，需要有操作系統、數字軟件等IT基礎設施的重資產投入，需要加速資金周轉和降低進入門檻。但由于這些基礎應用業態的需求端主要是正準備進入產業數字化的企業，而并非直面最終消費者，因而這些基礎應用業態要擴大需求端和提升規模效益，必須實現對操作系統、軟硬件、工業4.0、精準農業等領域數字產品的國產替代。我國現階段就面臨這樣的情況。數字經濟運行和發展的內在均衡完全由市場機制支配嗎？它需不需要政府在一定程度和范圍內的干預？這是一個列入議事日程上的問題。基于短期內數字平臺經濟的快速擴張以及數字經濟基礎應用業態難以擴大需求端的事實，要保證數字經濟持續增長或提升數字經濟占GDP的比率，經濟學家關于數字經濟的分析和研究，還是要回到市場調節與政府調控上來。不過，從數字經濟的長期發展看，數字經濟規模效益的提升以及內在均衡的實現，還得靠市場機制解決，企業運用大數據分析和人工智能技術進行投資經營，始終是提升數字經濟規模效益和實現內在均衡的主要路徑。

（三）數字平臺經濟業態與數字基礎應用業態的規模效益，并不完全是此消彼長關系

這里所說的此消彼長關系，是針對不變的數字經濟產值或數字經濟規模而言的。在數字經濟產值或數字經濟規模變化的情況下，我們可從理論邏輯上推出數字平臺業態與數字應用業態規模效益的變動情形：（1）數字平臺的規模效益持續提升，數字應用的規模效益逐步下降，兩者呈現出較典型的此消彼長的關系；（2）數字平臺業態與數字應用業態的規模效益都出現提升或都出現下降，但兩者的提升速率或下降速率不同，對于這些提升或下降過程，我們很容易推出幾種非此消彼長關系；（3）數字平臺業態的規模效益提升速率，趕不上數字應用業態的規模效益提升速率。以上三種情形大體上概括了數字經濟內部規模效益的當下現實和未來發展遠景，如果我們選擇適當參數，便可以在拓寬和加深這三種情形的基礎上構建出反映數字經濟規模效益變動的理論模型。

第一種情形是現實中出現概率很低且帶有純理論邏輯推論色彩的情況，除非數字平臺業態產生壟斷，以至于數字應用業態在數字經濟中完全處于從屬地位時才可能發生。第二種情形可謂現實之寫照，尤以數字平臺業態與數字應用業態的規模效益都出現提升但提升速率不同的情形最明顯，這種情形是經濟學家研究企業數字化轉型的重點分析對象。當我們把規模效益看成是企業大數據分析能力、資金流向、投資收益、需求端、供給端、進入門檻等綜合作用的結果而進行分析時，我們可以得出許多有關我國目前數字經濟發展不均衡的經濟學認知。第三種情形是對數字經濟未來發展遠景的一種展望。數字應用業態規模效益的提升速率超過數字平臺業態，意味著產業數字化正在擺脫落后于數字產業化的格局，意味著實體企業的大數據分析和人工智能運用能力大大提高，意味著數字經濟發展不均衡的局面已得到很大程度的改善。

三、數字經濟發展的企業技術層級變動分析

經濟學意義上的企業技術層級是一個帶有抽象意境的概念，這種抽象性源自對企業技術層級作出界定的坐標選擇，我們可考慮借助企業搜集、加工、處理產供銷大數據從而確定產量和價格的能力高低來解釋。企業技術層級與規模效益之間存在正相關，具體而言可以說規模效益是技術層級的增函數。我們選擇企業應對不同類型大數據的能力作為分析參照，可將產供銷大數據劃分為數字化數據、非數字化數據、歷史數據、現期數據、未來數據等（何大安，2022）。對企業搜集、加工和處理這些不同類型數據需要具備不同數字技術水準的分析（就是通過分析企業運用大數據分析和人工智能的技術水準來界定企業技術層級）可以導出一條企業技術層級變化引發規模效益變動的分析路線。

（一）數字經濟背景下企業規模效益與技術層級的關聯，可以通過企業技術層級變動對利潤的影響來解釋

企業規模效益可看成是企業技術層級的一個抽象函數。這個函數值的大小取決于企業搜集、加工和處理產供銷大數據的能力。依據經濟學“利潤最大化實現條件是產品和服務之市場出清”的主流觀點，企業要實現規模效益，就必須獲悉和掌控自己產品和服務的現實和潛在需求。從企業提升規模效益的實際看問題，企業運用數字技術進行搜集、加工和處理大數據的能力是有限的，即現實中的企業很難搜集、加工和處理各種復雜類型的大數據，因而很難最大化地提升規模效益。企業規模效益能夠被提升到什么樣的層次，匹配于企業相應的技術層級，也就是說，數字經濟背景下企業規模效益與技術層級之間存在正相關。

我們可通過對數字技術的逐級提高來說明企業技術層級變動。大數據分析對于技術層級提高可描述為一條遞進鏈：搜集和儲存大數據→整合和分類大數據→加工和處理大數據。企業技術層級的逐級提高，通常會伴隨人工智能等技術水準的逐級提高，這是因為，無論是搜集、儲存、整合和分類大數據，還是加工和處理大數據，都要在一定程度上運用云計算、機器學習、物聯網、區塊鏈、邊緣計算等數字技術。至于究竟能達到什么樣的技術層級，則取決于企業數字技術應對不同類型大數據所能達到的“算法”水準（這個問題下文將詳細分析）。換言之，企業應對大數據的技術層級越高，就越有可能獲悉和掌控自己產品和服務的現實和潛在需求，這便是企業技術層級變動之于規模效益提升的機理。值得說明的是，這個既具體又抽象的數字經濟運行機理，正在將價格波動、供求關系、甚至生產者或消費者偏好等市場信號納入大數據分析，它的核心點是企業運用大數據試圖預測產品和服務的現實需求和潛在需求，或者說，大數據分析在逐漸囊括市場機制調節功能的同時，也在不斷擴大著市場機制的邊界。

（二）企業技術層級的高低突出反映在對不同類型大數據的應對能力上

企業要全方位地搜集、儲存、整合、分類、加工和處理產供銷大數據，必須能在擁有大型機、服務器以及（最好屬于自己的）網絡和云端等的基礎上，具備以互聯網、云計算和人工智能等為核心的IT基礎架構。例如，企業要擁有處理大數據的大型機，并能夠掌控每間隔一段時期就有可能顛覆市場技術標準的服務器。⑥企業技術層級的提升是一個緩慢過程，這可以通過企業對不同類型大數據的數字技術處理而得到驗證。總的來講，企業在低技術層級階段只能搜集、加工和處理較為簡單的產供銷大數據，這些簡單大數據是以數字記載并是已經發生的產供銷數據，即數字化數據和歷史數據；企業只有進入很高的技術層級，才能搜集、加工和處理非數字化數據、正在發生的產供銷的現期數據、尚未發生的產供銷未來數據。這里有一個問題需要討論，如果以企業搜集、加工和處理不同類型大數據的能力作為判定企業技術層級高低的標準，那么，我們將通過什么樣的分析路徑來解釋不同技術層級的企業搜集、加工和處理不同類型大數據時所能獲取的規模效益，并據此把企業技術層級變動與經濟學基礎理論研究掛起鉤來呢？

當我們站在大數據分析的立場來考察企業投資經營決策，企業決定投資什么、生產什么的信息是來源于大數據，而不是相反（何大安，2018b）。基于此，我們有以下邏輯推理，如果企業能全方位地搜集、加工和處理各種類型的大數據，并能運用數字技術把復雜的大數據變成“算法”來指導投資經營，則意味著企業技術層級達到了很高的水準，反之則反。我們用什么樣的分析參照來界定企業技術層級呢？這是一個難以通過具體的大數據分析和人工智能運用過程來解釋的問題，它需要采用抽象分析方法對大數據進行分類，揭示各種類型大數據所蘊含的產供銷信息，并通過比較企業搜集、加工和處理不同類型大數據的難易程度方可符合實際和邏輯而得到結論。

在產供銷活動中，企業運用數字技術處理最多的大數據，是投資經營或交易活動業已發生的歷史數據（通常以數字化數據的形式出現）。而企業能夠搜集、加工和處理歷史數據，標志著企業技術層級已經達到了一定的高度，或者說，企業投資經營已開始進入了大數據、互聯網和人工智能等相融合的綜合場景，但歷史數據中還有一些反映產供銷活動的非數字化數據，企業只有進入更高的技術層級，才能搜集、加工和處理這類非數字化數據。較之于歷史數據，企業應對產供銷活動正在發生的現期數據以及尚未發生的未來數據，要求具備更高的技術層級；即便是搜集、加工和處理這兩類數據中的數字化數據，也要求具備比應對歷史數據更高的技術層級；至于企業搜集、加工和處理這兩類數據中的非數字化數據，則企業技術層級要達到迄今為止人工智能專家或計算機專家都無法給出專業化描述的高度。因此，我們對企業技術層級變動的分析聚焦于不同類型大數據的搜集、加工和處理，有著經得起推敲的學理邏輯。

（三）企業技術層級處于什么階段取決于人工智能等技術的運用，企業技術層級變動需要科技創新

企業對不同類型產供銷大數據的搜集、加工和處理所能達到的高度，決定著企業能在多大程度和范圍內預測和掌控需求和供給，從而確定產量和價格，并決定著企業能夠在多大程度和范圍內提升規模效益，這可以理解成經濟學關于數字經濟運行的技術決定論。依據這樣的技術決定論，我們對企業技術層級所處階段的分析，就必須聯系企業運用何種新科技手段來進行考察。隨著信息通信技術、大數據、互聯網、人工智能等綜合場景的形成和強化，在數字經濟運行的現階段，企業開始利用各種互聯網、傳感器、社交媒體、衛星定位、人工智能技術等進行大數據分析，但這些大數據基本上是歷史數據中的數字化數據，并不是非數字化數據，更不是現期數據和未來數據，這是問題的一方面。另一方面，雖然企業運用的新科技手段正在逐步拔高，但由于企業能夠應對的大數據局限于歷史數據和數字化數據，因而不能準確甄別大數據中蘊含的真實信息、扭曲信息和虛假信息。這種情況表明當前企業技術層級仍然要提高，科技創新還有相當大的空間。

經濟學討論科技進步與規模效益相關性的理論文獻汗牛充棟，但對企業技術層級變動影響規模效益的研究卻鳳毛麟角，這可能是經濟學家對技術及其運用的具體過程比較生疏的緣故。其實，經濟學并不需要詳細解說技術的具體運用，只需解釋技術手段能在多大程度上應對不同類型的大數據，便能夠大體說明企業技術層級變動。例如，機器學習作為一種能夠解析產供銷大數據的人工智能技術，它可在無編程下通過“算法”幫助企業作出投資經營預測（Taddy，2017）；另一方面，機器學習的技術層級從融合了回歸算法和分類算法的監督學習，上升到無數據樣本標識之聚類算法的無監督學習，再上升到動態試錯的強化學習以及結合了低層級特征數據與高層級特征數據的深度學習，則是典型反映了企業運用機器學習這一人工智能的技術層級變動（Lecun et al.，2015；Goodfellow et al.，2016）。但是，如果機器學習的技術層級只能應對歷史數據中的數字化數據，不能應對歷史數據中的非數字化數據，更無法應對現期數據和未來數據，那么，這樣的技術層級只能對大數據進行初級的搜集、加工和處理，還不能準確預測產品和服務需求，因而企業提升規模效益的能力是有限的。

再例如，物聯網、區塊鏈、邊緣計算、AR/VR等也是能夠解析產供銷大數據的人工智能技術，但到目前為止，這些技術也只能“破譯”歷史數據中的數字化數據。從物聯網和區塊鏈的技術構成看，物聯網技術具有數據采集、數據處理和智能運用等功能，區塊鏈技術具有分布式賬本、去中心化信任、時間戳、非對稱加密、智能合約等特征，但它們與機器學習技術一樣，在匹配大數據時，并不明顯具備遠超數理統計學和計量經濟學等的科技層級（Varian，2014；Athey&Imbens，2015；Agrawal et al.，2019）。我們以企業能夠搜集、加工和處理不同類型的大數據來衡量企業技術層級，依據在于不同類型的大數據需要有不同人工智能技術駕馭的規定。企業產供銷的非數字化數據之所以比數字化數據難以搜集、加工和處理，是因為非數字化數據關聯于生產者和消費者偏好、認知、期望等，它通常是以圖書、圖片、圖紙、視頻、影像等為載體，企業應對非數字化數據，要具備能夠把非數字化數據轉化為數字化數據的技術水平，這便涉及到人工智能技術的科技創新。

（四）當技術層級發生突破性變化時，企業運用大數據和人工智能技術的經營模式會隨之發生變化

現有文獻習慣于把數字經濟下企業運營模式稱之為“互聯網+”模式或“人工智能+”模式，這或許是基于企業投資經營操作方式的考慮，或許是基于對企業技術層級實際的思考。在筆者看來，前者是對數字經濟下企業運營模式之“形”的理解，后者則是對數字經濟下企業運營模式之“神”的關注。我們聯系企業技術層級來解釋數字經濟下的企業運營模式，怎樣才能夠做到“形散神不散”呢？這個問題很有趣。其實，數字經濟下的企業運營模式應該是各種新科技的“形神結合”。這是因為，企業運營模式是以互聯網為運行載體、以大數據為基本要素、以人工智能為操作手段；人工智能發展有技術層級問題，互聯網發展也有技術層級問題（如元宇宙）。以此之故，我們可考慮以企業搜集、加工和處理大數據所表征的技術層級變動來描述企業運營模式的變化，很明顯，圍繞技術層級變動對數字經濟下企業運營模式變動的描述，可進一步加深和拓寬企業技術層級變動的分析。

從企業技術層級變動來解說企業運營模式，就是把聚焦點放在以人工智能為核心的數字技術上，并據此對不同類型產供銷大數據的算力和算法水平進行理論概括。這里所說的理論概括，不是對解決“算力”的云計算等進行分析，也不是對解決“算法”的機器學習等人工智能技術進行分析，而是對企業搜集、加工和處理產供銷大數據的數字技術水平的一般性概括。數字經濟下的企業運營是以“互聯網+”模式為前提，它們會通過大眾對產品（服務）介紹和廣告宣傳的關注度、點擊率、實時評價甚至網紅來搜集大數據，會利用公共云或私有云來儲存、整合、分類大數據，并運用數字技術對大數據進行加工和處理，這些統統都可以并入企業運營的“互聯網+”模式。較之于以前依據各種統計報表提供的產供銷信息，以及依據市場信號進行分析得出的信息，“互聯網+”模式對產供銷大數據的搜集、加工和處理而獲取的信息，無疑擴大了決策的信息量，使得企業能夠相對準確甚至有可能最大化地提供產品和服務，以至于會大大提升規模效益。然則，在其他條件不變的情況下，由于企業之間數字技術的算力和算法存在差異，這在導致大數據的搜集、加工和處理有區別的同時，也會引致企業獲取準確信息和提升規模效益的差異。因此，我們最好不要籠統地將數字經濟下的企業運營描述為“互聯網+”模式或“人工智能+”模式。

數字經濟下企業運營是在信息通信技術、大數據、互聯網及人工智能等相融合的綜合場景下進行，無論企業處于何種技術層級，都離不開互聯網和人工智能技術，基于此，我們不妨將數字經濟下企業運營模式稱之為“互聯智能模式”。這是一個沒有必要斟酌詞匯表述是否準確到位的帶有哲學意境的稱謂，我們用“互聯智能模式”來描述數字經濟下的企業運營，完全是為了便于對企業技術層級變動的分析。概而論之，針對企業能夠運用互聯網、數據云、云計算、人工智能等數字技術進行投資經營的各種不同情形，我們可以對數字經濟下的企業運營模式有以下界定：如果企業只能搜集、加工和處理歷史數據中的數字化數據，不能應對非數字化數據，更無法應對現期數據和未來數據，則可以將這類企業的運營模式界定為互聯智能模式Ⅰ；如果企業能夠搜集、加工和處理歷史數據中的數字化數據，并初步具備將非數字化數據轉化為數字化數據的能力，則可以將這類企業的運營模式界定為互聯智能模式Ⅱ；如果企業完全能夠搜集、加工和處理歷史數據中的數字化數據和非數字化數據，具備將非數字化數據轉化為數字化數據的能力，并且可以在一定程度上應對現期數據，則可以將這類企業的運營模式界定為互聯智能模式Ⅲ；如果企業能夠搜集、加工和處理歷史數據、現期數據和未來數據，則可以將這類企業的運營模式界定為互聯智能模式Ⅳ。當然，這只是一種經濟理論意義上的粗線條劃分。

企業運營模式從互聯智能模式Ⅰ到互聯智能模式Ⅳ，是數字經濟下企業技術層級變動的幾個階段。撇開企業運營從傳統模式到互聯智能模式Ⅰ，模式Ⅱ之于模式Ⅰ，模式Ⅲ之于模式Ⅱ，模式Ⅳ之于模式Ⅲ，企業技術層級都發生了突破性變化。關于這些變化，經濟學既可以展開數理模型的理論分析，也可以展開針對某些行業的實證分析，這些分析會增添微觀經濟學的新應用場景。目前，世界各國的企業運營模式大都處于互聯智能模式Ⅰ。從模式Ⅰ進入模式Ⅱ要經歷很長一段時期，它要求企業數字技術及其運用有很大發展；從模式Ⅱ進入模式Ⅲ是一個質的變化，它要求人工智能代表的數字技術要經歷一段難以跨越的時期；從模式Ⅲ進入模式Ⅳ則是顛覆人類認知的飛躍，它宣示著大數據帝國主義時代的到來。企業運營模式究竟能不能進入模式Ⅲ和模式Ⅳ，即便是計算機和人工智能專家也不敢斷言，更何況經濟學家。不過，當我們將模式Ⅲ和模式Ⅳ看成是人類對數字技術發展的一種愿景時，對數字技術未來發展的分析和研究，也許能滿足經濟學家偏好于邏輯推論的情結。

四、企業技術層級與規模效益的未來展望

數字經濟下企業技術層級與規模效益之間主要存在兩種情況：（1）產品（服務）需求持續性很強且潛在需求巨大的企業，其技術層級與規模效益呈明顯的正相關；（2）產品（服務）缺乏持續性且需求彈性小的企業，其技術層級與規模效益的相關性不明顯。在現實中，規模效益上升通常會激勵企業增加研發投入，從而在后續時期會進一步提升企業技術層級，這是一種早被主流經濟理論揭示的機理。如上所述，我國數字平臺經濟的技術層級與規模效益之間存在極強的正相關，而基礎層面的電信通訊和軟硬件制造以及廣義應用層面的工業4.0、精準農業等的正相關不明顯。數字平臺經濟在規模效益驅動下的猛烈乃至于無序擴張，不是數字經濟發展的幸事，它會在很大程度和范圍內抑制基礎層面和廣義應用層面的數字經濟業態，會造成數字經濟內部結構的嚴重失衡。現在人們開始重視數字產業化與產業數字化的均衡發展，這是側重于對數字經濟運行結果的關注。其實，數字產業化與產業數字化的均衡發展存在著一些自身規定的微觀條件，企業規模效益變動對企業技術層級的調節作用，便是決定這種均衡能否實現的重要條件之一。

（一）企業規模效益沒有天花板，如果企業觸及到這塊天花板的邊緣，則技術層級便達到了頂峰

企業提升規模效益有兩大途徑，一是在產品（服務）總量不變的情況下降低單位產品成本，通過相對提高產值和利潤的方式來擴大生產規模；二是不斷挖掘市場需求，通過放大供給來擴大生產規模和獲取更多利潤。前者是內含式的規模效益提升方式，后者是外延式的規模效益提升方式。企業運用大數據分析和人工智能技術來提升規模效益，既可以通過內含式也可以通過外延式。不過，經濟學通常是以外延式規模效益作為分析對象。企業在生產經營中對于市場究竟需要多少自己的產品和服務，究竟需要什么樣的產品和服務，在信息不完全情況下始終是一個黑箱。信息通信技術、互聯網、大數據方法、人工智能技術等問世以前，企業主要是依據價格、供求關系、成本和利潤率等市場信號來組織產供銷活動，這種規模效益的提升具有一定的盲目性，它經常是在試錯過程中完成的。經濟學曾用“市場失靈”概念對這種情況進行過分析性描述。大數據、互聯網和人工智能等的偉大創舉正是在消除這種試錯過程，讓企業有可能最大限度地準確挖掘出社會需求，這還是要回到企業技術層級問題。

企業有可能最大限度地準確挖掘社會需求，與企業能夠最大限度地準確挖掘社會需求，不是一個概念。從理論上講，社會對企業產品和服務的需求包括現實需求和潛在需求，或者說包括當下需求和未來需求。如果企業能夠運用大數據分析和人工智能技術把所有社會需求都挖掘出來，企業規模效益的提升便達到了天花板，但這在現實中是不可能的事。我們說企業有可能最大限度地準確挖掘社會需求，是指企業具有極高的運用數字技術來解析產供銷大數據的能力，能夠準確把握各種社會需求信息。經濟學界同仁大都認為這是一種極端的理論設想，因為企業要具備這樣的能力，必須是達到了頂級的搜集、加工和處理大數據的技術層級。其實，無論是現實需求和潛在需求，或是當下需求和未來需求，企業運用數字技術對這些需求展開大數據分析，必須具備以人工智能等新科技支撐的頂級算力和算法；如果企業不具備這樣的頂級算力和算法，企業便不可能觸及規模效益最上限這塊天花板。在未來，為追求規模效益，企業會不斷提升自己的技術層級，這是數字經濟下企業生存和發展的方向。

（二）在未來，企業運用數字技術來提升規模效益存在著階段性，這可以通過企業搜集、加工和處理不同類型大數據的技術水準予以揭示

從世界各國運用數字技術進行投資經營的實踐看，無論是產品性能、工藝流程、創新開發等數字技術的具體運用，還是預測供給和需求的數字技術運用，當前，企業基本上是處于搜集、加工和處理人類行為已經發生的歷史數據階段。在未來，企業通過數字技術提升規模效益的主要任務，是力圖將包含著投資經營信息的諸如紙質材料、聲音、圖像、視頻等非數字化數據轉化為數字化數據，這是數字技術在不遠將來的奮斗目標。企業一旦掌握了將非數字化數據轉化為數字化數據的技術，就可以獲取大量原本在數字化數據中無法得到但卻關聯著社會需求的信息，就可以更加準確地知道自己應該生產什么樣的產品和提供什么樣的服務，就可以準確地安排產品和服務的數量，從而提升規模效益。企業能夠搜集、加工和處理非數字化數據是技術層級提高的關鍵步驟，它意味著企業利用信息通信技術、互聯網、云平臺以及運用云計算和人工智能技術等的綜合能力達到了一個嶄新階段。另一方面，企業將歷史數據中的非數字化數據轉化為數字化數據的技術層級，要遠低于將現期數據中的非數字化數據轉化為數字化數據的技術層級，而將未來數據中的非數字化數據轉化為數字化數據，則是頂級數字技術要求的技術層級。

企業運用數字技術變動對規模效益的提升具有階段性，這可以從兩個抽象層次概括：（1）對不同類型數字化數據的搜集、加工和處理所反映的技術層級對規模效益的影響；（2）對不同類型非數字化數據的搜集、加工和處理所反映的技術層級對規模效益的影響。在未來數字經濟發展中，由于這兩種技術層級對企業規模效益的提升，通常是混合在一起的，因而我們可考慮把這種混合情況融合于同一個分析框架，以此來描述企業數字技術之未來發展的主要畫面，從而對數字經濟下的企業規模效益作出相應推論。

在未來，企業技術層級變動、進而提升規模效益的第一階段，是企業在能夠應對歷史數據中的數字化數據的基礎上，完成對歷史數據中非數字化數據的搜集、加工和處理。這個階段要求企業運用數字技術的水平有很大提高；以人工智能技術為例，企業應對歷史數據中的非數字化數據時，至少需要掌握和運用自然語言、腦認知機理、機器感知、模式識別、跨媒體智能等人工智能技術。企業能夠搜集、加工和處理歷史數據中的非數字化數據，是企業技術層級的一個飛躍，它的直接效應是有助于企業獲取大量信息，使企業能夠正確決策投資生產什么以及投資生產多少，確定出符合社會有效需求的產量和價格，從而提升規模效益。

企業技術層級變動、進而提升規模效益的第二階段，是企業的綜合數字技術能力能夠達到搜集、加工和處理正在發生的現期數據之水準，并且可以在一定程度和范圍內應對現期數據中的非數字化數據。這是未來數字經濟發展中最漫長的一段時期，企業要具備這樣的技術層級，除了要達到以上列舉的人工智能技術水準外，至少也要掌握和能夠運用人工智能邏輯、機器人與智能系統、混合增強智能、自主無人系統等人工智能技術。企業能夠應對現期數據中的非數字化數據，是企業技術層級在前一次飛躍基礎上的再次飛躍。較之于第一階段，第二階段企業搜集、加工和處理大數據的能力會更強，獲取的信息量會更多更全面；企業更有能力對自己的產品和服務在產量和價格方面做出準確的決策，更有能力提升規模效益。當前，有經濟學者對未來數字經濟發展究竟能不能達到這樣的程度持懷疑態度，理由是大數據和人工智不能代替人腦，對此我們可以拭目以待。

企業技術層級變動、進而提升規模效益的第三階段（最后階段），是企業的綜合數字技術能力能夠達到搜集、加工和處理尚未發生的未來數據之水準，這是未來學家和社會物理學家關于一切社會活動和自然現象都可以轉化為“算法”所支撐的理想愿景（彭特蘭，2015；赫拉利，2017），也是令那些對人工智能等“法力無邊”持懷疑態度的學者瞠目結舌的階段。我們姑且不論這個階段有沒有可能在未來數字經濟發展中出現，僅就這個階段要求的人工智能技術水平而論，它除了要達到以上列舉的人工智能技術水準外，至少要實現從單一數據處理到跨媒體認知、學習和推理，融通人工知識表達技術和大數據驅動的知識學習，從聚焦個體智能到基于互聯網絡的群體智能，讓人機混合的增強智能代替機器智能，如此等等，不一而足。或者說，專家學者所說的第一代、第二代、第三代、第四代等人工智能技術都不足以描繪這個階段企業技術層級的真實底蘊。但作為一種學術探討，有一點可以肯定，那就是這個階段的企業技術層級可以最大化地提升規模效益。

（三）企業技術層級和規模效益的提升，是數字經濟內部均衡的重要條件

企業數字技術的運用起步于對數字化數據的搜集、加工和處理。企業投資經營或產供銷的數字化數據，主要有固定資產、流動資產、經營現金流、原材料、中間品、資產權益、資產負債、銷售額、稅收額、融資額等構成；企業財務報表中的這些數據并不包括產供銷大數據的全部，它還應該包括企業之間、企業與消費者之間產供銷活動所直接或間接涉及的非數字化數據。如果企業的數字技術只能搜集、加工和處理產供銷的數字化數據，企業就無法挖掘社會對自己產品和服務的真實需求，即企業就無法挖掘社會的潛在需求或未來需求。由于數字平臺業態比數字基礎業態在產品和服務、需求對象基數、交易流程、資金籌措和周轉等方面具有很多優勢，于是，處于企業技術層級第一階段的數字經濟運行通常會導致以下格局：一些可迅速利用互聯網交易并且能輕資產經營的數字平臺企業，就會利用其他企業不能應對非數字化數據的先機，率先挖掘、鎖定、擴大對自己產品和服務的社會需求，通過提升規模效益來擴大自己的投資經營領域；而那些互聯網交易滯后且重資產經營的企業，在不能應對非數字化數據的情況下，難以在短期內擴大社會需求和提升規模效益，于是便造成了數字經濟發展的內部不均衡。我國當前就出現了這樣的情形。

從經濟運行的市場規制和法則看，數字經濟發展的內部均衡需要有一系列的條件配置，基本條件是所有企業技術層級以及與此相對應的規模效益提升。這是因為，企業技術層級提升可使大量需求尤其是大量潛在需求被挖掘出來，企業通過最大限度地提供符合社會需要的產品和服務，便可以從規模效益提升中獲取研發資金以進一步提高企業技術層級。正是基于這樣的理論見解，經濟學要高度重視企業對產供銷歷史數據、現期數據和未來數據中非數字化數據的搜集、加工和處理的分析，并以此來界定企業技術層級變動。從數字技術或從學理邏輯來考察，以圖書、圖片、圖紙、視頻、影像等為載體的非數字化數據，是可揭示企業投資經營與消費者偏好、認知、期望等相關聯的數據；如果企業能夠把非數字化數據轉化為決策依據的數字化數據，則企業便能夠更好地確定產量和價格及更好地規劃產品和服務。因此我們得出的結論是：所有企業技術層級充分提升之時，便是規模效益全面提升之時，也就是數字經濟發展實現內部均衡之時。

數字經濟實現內部均衡發展的另一種表述，是數字產業化與產業數字化的均衡發展。另一方面，數字經濟內部均衡之于企業運營模式的漸進變化，則可以解說為前文論及的互聯智能模式Ⅰ至互聯智能模式Ⅳ的變化。在未來的數字經濟發展中，數字產業化與產業數字化的發展以及企業互聯智能模式的演變，不可能一蹴而就，一定會出現許多新情況新問題，但如果我們沿著企業技術層級和規模效益變動這條分析線來展開研究，就有可能對數字經濟背景下諸如產量和價格確定、競爭和壟斷、產業組織變動等微觀經濟學基礎問題有新的解釋。

注釋：

①也有學者不明顯具有這樣的理論傾向，如蔡躍州和牛新星（2021）通過解析數字技術和信息通信技術的滲透性、協同性和替代性，對數字產業化和產業數字化作出了劃分。盡管分析視角不同，但此研究文獻對數字產業化和產業數字化的解讀，同樣接近于以上核心層、廣義層、狹義層的劃分邏輯。

②中國信息通信研究院發布的《全球數字經濟白皮書（2021）》顯示：2020年我國數字經濟體量在美（13.6萬億美元）、中（5.4萬億美元）、德（2.54萬億美元）、日（2.48萬億美元）、英（1.79萬億美元）五國中排名第二；但在2020年數字經濟占GDP的比例中，中國為38.6%，占比最低。

③較為典型的如2017年麥肯錫咨詢公司發布的《Digital China:Powering The Economy To Global Competiveness》報告以及2020年科智咨詢發布的《2019—2020年中國IDC產業發展研究報告》。

④從擴大的市場層面來考察數字經濟，也可以將數字經濟描述為以數據資源為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升

和經濟結構優化的重要推動力的一系列經濟活動（來源：國家統計局《數字經濟及其核心產業統計分類（2021）》）。我們理解數字經濟可以有不同側重，但不能離開信息通信技術、大數據、互聯網、人工智能運用等的綜合場景。另一方面，企業能否獲取數字經濟的規模效益，是衡量其投資經營是否完成數字化轉型的重要標志，它關系到數字經濟運行是否步入良性循環的健康軌道。

⑤筆者曾在性質上把大數據劃分為數字化數據和非數字化數據，并依據大數據產生的動態性將其劃分為已發生的歷史數據、正在發生的現期數據以及尚未發生的未來數據。正像我們下文分析所揭示的那樣，這些劃分對于企業技術層級和規模效益的研究，很有理論解析力（何大安，2018a、2022）。

⑥從技術上看，服務器是連接大型機和網絡的重要設備，它連接互聯網以支持公共云，托管著以私有云為載體的內部網。不過，經濟學關注的，不是IT基礎架構如何塑造企業技術層級，而是要說明企業技術層級變動如何改變投資經營決策以及與此對應的產量和價格決定、競爭和壟斷路徑、產業組織變動等。