AI浪潮下的數據要素與企業數字化

2024年5月17日，在武漢中國光谷科技會展中心舉辦的2024中國光谷·光電子信息產業創新發展大會“數據要素×”論壇上，我做了關于“AI浪潮下的數據要素與企業數字化”的發言，以下是相關內容。

“AI浪潮下的數據要素與企業數字化”這個題目把AI、數據要素和企業數字化三個概念結合在一起，建立三者之間的聯系。我從兩個方面匯報，第一，AI本身的趨勢；第二，數據要素和企業數字化結合的趨勢。

一、AI發展的中國趨勢

這里的AI趨勢特指中國趨勢。在我看來，中國和美國的AI會出現潛在分野的可能性，這種分野非常像上一代美國和英國的競爭。在工業革命里英國技術一直領先，但是在賺錢方面領先的是美國。現在的數字時代很有可能局面重現，美國在AI技術上領先，但是到最后發現錢都被中國人賺跑了。這個趨勢分野我認為有三個，現在不明顯，但是會越來越明顯。

（一）從智能到智慧

美國的智能以算力為標準，它在計算主義的方向上飛奔，誰也追不上。以谷歌為代表，它是一條路走到黑的思路，我們把這個趨勢稱為智能化趨勢。智能和智慧的區別是什么？智慧只有人才有，智能是人和機器都可能有的。

美國的趨勢存在的優點很突出，就是客體能力非常強，但是主體是缺門，這將給中國帶來機會。這一點是由去年國際人工智能大會提出的綱領指出的。下一代AI綱領指出了美國現有AI范式的缺陷。美國人工智能的兩派圍繞OpenAI斗得很厲害，讓人們誤認為人工智能未來就是學院派與技術派這兩個方向的選擇。實際二者同屬于計算主義這個總的物質學科范式范疇，存在同樣的局限。而中國需要超越計算主義，將人的能力（包括價值判斷）納入智慧化總方向，把握乃至引領未來潮流。這包括在現代產業體系頂層思路上，把人的因素（市場規模、應用需求）當作中國優勢發揮出來，實現技術與人的全面發展。

只有人有智慧。中國可能的AI范式選擇在學術上叫作機制主義，其實就是天人合一，既要有客體——天，還要有人——主體形成智慧。比如說主體有動機，現有人工智能沒有動機；主體可以做選擇，客體不能。現有人工智能就是客體最優化。

濟南大學人工智能研究院院長，中國人工智能學會前理事長鐘義信首先提出了不同于西方式現代化的科技新范式——信息學科范式，“它是中國式現代化思想在科技領域的生動體現”[1]。正如鐘義信指出的：中國式現代化是在世界歷史和中國歷史正在經歷著“百年未有之大變局”的時代背景下的現代化概念，因此，與原有各種現代化概念的內涵與特色有著重大區別。從科學研究的角度看，這一時代的“大變局”表現在研究對象已經和此前千百年來的研究對象大不相同。歷來的科學研究對象都是各種各樣的物質客體，嚴格限制人類主觀因素的介入，研究的目的是要認識物質客體的結構與功能；而現今時代的科學研究對象不僅要研究物質客體，而且要研究人類主體，尤其要研究在人類主體的主導下和在客觀規律的約束下，人類主體與物質客體之間相互作用所產生的信息生態過程，研究的目的是要實現人類主體與物質客體的合作雙贏，既要滿足人類不斷追求更好生存與發展水平的需要，又要維護客觀規律的運行。

從機制主義觀點看，人工智能的研究對象是“在主體目標的主導下和在客體環境規律的約束下，主體與客體相互作用所產生的信息生態過程”。人工智能范式革命本身的表現是：在人工智能研究領域以“現代信息學科范式”取代“傳統物質學科范式”。

只講客體，不講主體，有可能制約美國AI的發展。比如說人是管駕駛艙的，但是美國的人工智能沒有駕駛艙，它建了很多強大的機器，但是駕駛艙部分成為其薄弱環節。去年人工智能大會上提出了下一代人工智能是主客統一或者天人合一的智慧。我們追趕美國的過程中要發揮超車優勢，考慮如何把人的主體性，如市場規模巨大、應用導向、效益優先這些優勢融入AI發展的趨勢里。

圖1是通用人工智能模型，這里面提到和主體結合的問題，既要有理智也要有情感，人是有意志的，機器沒有意志。法拉利跑得再快也得有司機控制，中國在下一代的機會里可以補AI的短板，與通用人工智能比較，在人所特有的方面如動機、選擇、控制，從范式上加以補全。人有動機，機器沒有動機；人有選擇，機器沒有選擇，兩方面需要聯合在一起。人工智能不是給人最終答案，那樣就變成由機器決定人了。人工智能是提出選項，讓人拍板，而不是機器本身說了算。

這并不是說，智能在這一趨勢上不追趕了，而是要追個平手，再把智慧發揮出來，中國就到了主導潮流的時候。這是屬于下一代的人工智能理論，叫機制主義。現在計算主義背后的邏輯是稱為結構主義的發展方向。

人工智能對于企業數字化的影響是什么呢？我認為從智能到智慧，意味著從商業智能到商業智慧。實際改變的是，從為企業管理者服務變成武裝一線員工。這個過程是從集中式的計算變成分布式的計算，在一線進行分布式的決策。這一點，我認為現在的AI還沒有實現。

商業智慧在于要為客戶服務，因為決定企業成敗的是由客戶支付來決定的，就是不僅要為企業管理者提供優化決策，還要為能夠開除企業管理者的人提供優化。沃爾瑪的創始人山姆·沃爾頓曾說：“我們的老板只有一個，那就是顧客。是他付給我們每月的薪水，只有他有權解雇上至董事長的每一個人。道理很簡單，只要他改變一下購物習慣，換到別家商店買東西就是了。”怎么避免我們的顧客不把老板都給開除呢？人工智能要解決這個問題，這是從智能到智慧的轉變。從為中間人、中間價值服務，變成為最終價值、最終買單的人服務。這才是智慧。最后賺錢，也是從這個路徑實現。

（二）從通用到本地化

美國通用人工智能非常發達，但是成也蕭何敗也蕭何。我們發現它給出的標準答案是四平八穩的，是優化現有意見形成的共識，但是得不出個性化的結論。比如兩個人問同一個問題，它給出的結果是同一個。所以通用人工智能只是到了中間站，沒有到終點站，即大規模定制。僅有大規模沒有定制，所以是未完成的工作。

通用和本地化的結合是下一步的趨勢，綜合了世界上最優秀人的共識以后，還得和本地的個人知識結合。這種個人知識來自包括從幼兒園到現在的所有獨特經歷，與此結合起來才能得出我個人的判斷，我這個判斷有可能跟別人不一樣，這樣才有一定價值。

從通用到本地。以下列舉都是結合后的形式，比如說具身智能、AI PC、智能家居，從中可以看出，通用人工智能和本地化的結合是下一代的趨勢。

舉個例子，通過本地化實現智慧化。北京理工大學研發了一個模擬錢學森的模型。模型把錢學森所有文章都給搜集起來，集合成個人知識庫。這時候再問一個問題，讓它模擬錢學森進行回答，答案既包含了通用的知識，同時又包含只有錢學森自有邏輯的獨特的知識。你老師問你問題，你答的是標準答案是一回事，但是你要說答得出彩是另一回事，就要有與眾不同之處，在自己擅長的地方發揮出來，這是更好的。

這個與眾不同的東西在本地，既將來AI PC是什么概念呢？英特爾提出在本地要有數據庫，里面存有不外傳的東西。每個機器的私有云是不需要共享的，要把通用的計算結果和本地的個人知識庫結合起來，才能把大規模和定制結合起來。

這方面是美國現有方法的缺陷而不是優點，現在過于強調通用了，但是個性化的問題始終是短板。將來如果AI要實現個性化，就應該具備兩個因素：個人大模型、本地的異構算力。例如，臉書的時間線的記錄與眾不同，是要為某個人服務，而不是把某個人當作全人類給出通用答案。我認為AI的高質量發展取決于個性化，沒有個性化就沒有高質量，這就超越了通用的模式。

（三）從技術到生產力

新質生產力不是科技，而是“科技+產業”，即科技創新引領產業發展，是從技術到經濟。

如果只談AI，其只是技術，中國在發展AI的過程中一定要轉化為生產力。AI是技術，但是數據要素是經濟。技術要和經濟結合起來，要變成錢。我認為這是第三個未來趨勢，也就是說，新質生產力要以科技始，以產業終。

這就把“AI浪潮下的數據要素與企業數字化”這個題目中的三個主題詞結合起來了。AI是指科技，數據要素則不是科技，而是生產要素。企業數字化是要把技術和生產力結合起來，要通過AI依托算力和智慧支撐產業，包括新興產業和未來產業。

“數據要素×”三年行動計劃為什么要設置12個產業和領域呢？不是解決科技本身的問題，而是要把科技轉化為生產力，通過數據要素使其變成經濟增長中的主要增量，這個增量足以替代改革創造的增量、出口創造的增量、“鐵公機”創造的增量，否則GDP下降以后，2035年的任務和2050年的任務怎么完成？所以，這才是關鍵。

當前AI應用化、產業化的發展很快。比如，我們以為農村很弱，可一位院士告訴我，70%的農民都用上無人機了。下一步還要發展低空經濟，讓汽車飛起來。現已在五個省試點，首次驗收都通過了。這些東西經過發展，以后會實實在在變成新的產業。AI最終還是要變成產業。將來，任何不起眼的小拖拉機背后都有智能感知與判斷。以后當農民續要有更高的知識和技能水平，因為將來的趨勢是既要操控衛星又要操控人工智能，這是和行業結合的實際情況。

對于企業信息化來說，AI與數據要素結合的影響在于什么？最終落地要向產業鏈的高端升級。我們現在的問題是產量規模大，但產能過剩，最后利潤很低。將來，無論沿著微笑曲線還是武藏曲線，產業攀升都是要向高附加值方向進行，區別只在于把利潤留在制造業還是服務業，但是顯然不能留在簡單的制造加工這個環節，所以最終要變成產生高附加值，這是最終新質生產力落地的根本邏輯。

企業信息化也是如此，無論什么技術，如果最后不能賺錢，或者不能在同等收入規模的情況下獲得和世界平均水平一致的利潤率，就是失敗。這是AI現在的發展趨勢。

二、數據要素和企業數字化結合的三個機會

工業和信息化部將會建立和發布制造業數字化轉型的監測體系和評價指標，這里面加入了大量數據元素，對于下一代企業轉型提出了更高的標準和要求。這里面有三大機會。

（一）從資源到要素

一場革命都是由資源開始的，但是深入的都是資本的革命、要素的革命。忙于資源的是員工，忙于資本的才是企業管理者。所以，企業信息化第一個趨勢和潮流，要觸及企業管理者的靈魂深處。

企業管理者負責的是資產的保值增值，我們對未來的資產，明確強調的是數據的資產作為新型生產要素。能不能處理好這個問題，是企業數字化成敗的新關鍵。

主要機會在什么地方？我把它稱為“貍貓換太子”。我們過去的資本都是有形資本，可將其比喻成太子；數據資產是無形資本，可比喻成貍貓。用貍貓換太子，就是把主要生產要素從實體資本轉成數據資產。這是企業管理者的靈魂中應該有的東西。

無形資本的特點主要就是復用。復用和實體資本完全不一樣。貨幣資本不能復印。但是數據資產則不然，每個企業都可以用復用的方法來“印制”數據資產。美國增加資本的方法是量化寬松（印鈔），中國將來可以直接復用原來用M2買的東西，即資本的使用價值（生產資料）。這決定了中美兩個大經濟體誰笑到最后。復用的關鍵意義就在這里，美國印資本的價值，我們印資本的使用價值，通過這個解決資本稀缺性的問題。

這個趨勢從2014年就開始了。我和高邦仁曾經合寫了一本書《3%》，書中預測中國未來的GDP會降到3%。這個預測的根據是什么？是看到了中國固定資產投資大幅度下降，在2012年到2014年前后，從兩位數變成一位數，說明“太子”不行了。但是GDP沒有同比下降，為什么？肯定是資產出現了替代，也就是出現了“貍貓”。什么樣的貍貓在替代太子呢？就是用拷貝的方法來復制生產資料，這解決了資本從哪里來的問題，解決的是90%的企業管理者的核心問題。也就是說，復印了1000萬套虛擬店鋪的代碼以后，90%的企業可以不用貸款了。

這就是“數據二十條”提出的“使用價值復用”，《關于推進“上云用數賦智”行動培育新經濟發展實施方案》提出通過平臺一次性固定資產投資，以復用的方法拷貝給中小微企業。數據要素最核心的是協同、復用、融合。這是“數據要素×”的核心，實際上是教大家怎么發財，不是小打小鬧搞技術改造，而是把資產用合法的方式復用。對于企業數字化來說，要破解資本的問題，解決資產充足性的問題，讓老板永遠保持充裕的資產。

怎么復用呢？“數據要素×”指的是三個乘：一是乘勞動和資本，放大現有要素的效應，一倍價值乘出多倍的要素使用價值；二是多場景應用，多主體復用，一倍中間產品價值乘出多倍的最終產品使用價值；三是在新業態和新模式上，用一個平臺乘上無數的APP，一倍的基礎業態動能乘出多倍的增值業態動能。

復用有什么規律呢？

數據要素（如虛擬店鋪）只要與對應的實體要素（如實體店鋪）的功能一樣，功能就可以替代，我們把它叫作數字孿生。通過這種方式解決的是資金難的問題，解決破產以后不需要欠銀行的問題。

這和過去不一樣，不是在同一個老板的圍墻內，而是一個老板和不同的產權主體之間共同使用生產資料，形成一個生態，實現共贏。

（二）從企業到生態

第二個機會是從企業轉型，轉向轉型企業。

企業轉型是從一種企業轉型到另外一種企業，而轉型企業是把企業轉型為不是企業的組織，也就是生態，如圖2所示。

過去企業轉型只是從一種金字塔結構轉為另外一種金字塔結構，轉型企業是要把金字塔結構轉為非金字塔結構。真正的改變是把不同的產權主體合在一起合作發展。現在的供應鏈、產業集群的發展，都屬于這個趨勢的早期苗頭。

這個趨勢的要點就是從企業向生態轉變。從賺錢的角度來講，這個過程實際上是把外部性這種資源從不可以賺錢轉為可以賺錢。

這種利用外部性的市場機制，被稱為雙邊市場，其邊界是生態，不是企業。

首先，應用中買賣雙方相互提供外部性，相互內部化；其次，平臺與應用相互提供外部性，平臺方不完全內部化（會員費、使用費）。有償搭便車（有償共享），使合作從不經濟變為經濟，實現1+1>2。

諾貝爾獎獲得者讓·梯若爾認為企業失去的增量機會，在于把外部性當作是不可賺錢的東西，排除到市場之外，由公共組織來做。他依據互聯網平臺的經驗發現，可以利用外部性實現流量變現。具體地說，就是把外部性按照會員費和使用費的方式，反復進行回收。通過這種方式解決了資本可以復印以后怎么把錢收回來的問題，即平臺免費，增值應用收費，統分結合。也就是說，通過API的模式，將數據要素與企業最終應用結合起來。數據要素和應用結合的主流形式是數據交互，也就是“數據二十條”中所說的“交換”。把數據要素與企業結合起來的主流形式，恰恰不要把所有都押在交易（交易所交易）上，還有場外大量的錢可以賺，就是通過流量變現。這解決了不確權的狀態下如何把錢賺了，利用市場內部機制把外部性的一加一大于二的增量利用起來，又避免了搭便車。

（三）從IT到戰略

我們過去經常把企業數字化作為IT戰略，但是國務院國資委率先提出企業數字化不僅是IT戰略，而且是企業戰略，不僅是CIO的事而且是CEO的事；提出企業主導邏輯的變化，原來是做大做強，現在提出做優，這是企業戰略轉變不是技術戰略轉變[2]。做優是什么？在財務上，過去做大做強的財務報表特征是，收入規模特別大，但是利潤極低。現在要解決的是收入規模不一定很大，但是利潤很高，或者說同等的規模之上產生超額利潤。要實現企業利潤方式的轉變，機會在于IT要促進企業戰略的轉變。

AI的本質是智慧，要把復雜的事情搞得簡易。為人民服務不容易，但是變易更難，是要為人人服務，面對的是千變萬化的市場。所謂簡易，指越千變萬化，平均成本越低。這和工業化的邏輯完全相反。要實現這一點，核心是要利用數據要素可以復用的特征。這就與數據要素產生了關聯。

首先，把企業IT戰略和企業戰略有機結合起來，要促進整個企業做優或者向差異化的方向發展。這個時候企業戰略而不只是IT戰略，要明確發展的主導邏輯。“進入互聯網時代，范圍經濟取代規模經濟成為產業組織的主導邏輯”[3]，發揮主導邏輯在技術向新質生產力轉化中的引領作用。

AI的核心價值在于，越復雜成本越低，越千變萬化成本越低。一旦沿著這樣的主導邏輯發展，豈不意味著，企業產出越個性化、越不確定，越具有高風險特征，反而收益越大嗎？面對高風險，企業可以完全化解高風險的成本，最后只得到對應的高收益。如果不清醒這個主導邏輯，最后企業數字化就不知道能起什么作用了。

總之，AI、數據要素與企業數字化將來要以范圍經濟這個主導邏輯貫穿起來，非常可悲的是美國人搞不清楚智慧是怎么回事，而中國人對智慧有本能的文化親近，所以我相信未來的贏家肯定是中國。

參考文獻：

[1]鐘義信.人工智能的范式革命——中國式現代化的科技篇章[J].互聯網周刊，2023（21）：10-16.

[2]國務院國資委辦公廳.關于加快推進國有企業數字化轉型工作的通知[EB/OL].（2020-09-21） [2024-05-20].http：//www.sasac.gov.cn/n2588020/n2588072/n2591148/n2591150/c15517908/content.html.

[3]謝伏瞻.論新工業革命加速拓展與全球治理變革方向[J].經濟研究，2019， 54（7）：4-13.