史占中｜“數字+算法”驅動未來產業生態演進與培育研究

作者簡介

史占中，上海交通大學安泰經濟與管理學院教授、博導，上海交通大學產業經濟研究中心主任。研究方向為產業經濟、戰略管理、人工智能與數字經濟。主要著作有《企業戰略聯盟》、《都市圈經濟一體化中的產業集聚與整合》（合著）、《戰略性新興產業的發展績效》（合著）、《新產業革命背景下我國產業轉型升級研究》（合著）等。

摘要

在數字經濟時代，數據作為新型生產要素，算法作為新的生產工具，正推動新一輪科技革命和產業變革，“數字+算法”已成為推動未來產業生態發展和經濟增長的關鍵驅動力。但同時，未來產業生態培育也面臨數據壁壘、數據流通受阻、算法的可解釋性不足與多元風險，以及未來產業創新發展受影響等挑戰。因此，需要實現“數字+算法”的協同治理，聚焦未來產業發展重點領域，構建未來產業發展生態體系，從而推動未來產業創新發展。

習近平總書記在二十屆中共中央政治局第十一次集體學習時強調，“發展新質生產力是推動高質量發展的內在要求和重要著力點，必須繼續做好創新這篇大文章，推動新質生產力加快發展”。新質生產力的形成依賴于未來產業生態體系的前瞻布局，包括重點顛覆性前沿科技的進步，以及新型業態與商業模式的發展。隨著數字技術的不斷發展和智能化的興起，“數字＋算法”已經成為推動未來產業生態發展和經濟增長的關鍵驅動力。

未來產業以大數據和知識作為關鍵生產要素，由前沿科技交叉融合應用、顛覆性技術創新引領，并將對社會生產方式、生活方式以及未來的可持續發展產生廣泛而深遠的影響（史占中，2023）。可以說，未來產業是時間概念和產業形態的綜合體，囊括新型產業形態、新型科技支撐、運營模式創新等綜合內涵。2010年，國務院發布了《關于加快培育和發展戰略性新興產業的決定》，確定了節能環保產業、新一代信息技術產業、生物產業、高端裝備制造產業、新能源產業、新材料產業和新能源汽車產業七大戰略性新興產業，并于2016年增加了數字創意產業。集中精力重點培育這些新興產業為優化我國產業結構，提升國家整體創新水平作出了重要貢獻。目前，我國的5G通信技術和新能源汽車產業等已經初步具有了國際競爭力（潘教峰等，2023）。

當前，全球產業結構和布局加速調整，“數字＋算法”驅動的新一代科技革命和產業變革正席卷而來。各國紛紛聚焦精準智能、生命健康、低碳綠色等產業技術集群領域，希望通過發展未來產業在新一輪變革中搶占先機。目前，未來產業所涉領域已初步具備基本形態，部分產業已進入穩定成長期，數字技術驅動下的未來產業領域將不斷形成和發展。在“數字＋算法”的驅動下，未來產業將基于顛覆性技術突破和產業化發展，依托技術之間、技術與產業之間的深度融合，改變傳統產業形態和產業體系，帶來技術經濟范式變革，并引發技術革命和產業變革，從而更好滿足人們現有需求，創造新應用場景和新消費需求。

在“數字＋算法”的驅動下，未來產業的發展更加需要全鏈條創新的貫通與融合，并體現創新組織形式、研發制造模式、產業組織方式等內容的全方位變革。如在研發制造模式上，共享制造、定制化制造、數字孿生制造、服務型制造等各種模式融合，不斷對新技術新產品進行反饋；在產業組織方式上，各種創新聯合體、產業聯盟、“鏈主”企業協作等，不再是涇渭分明的產業鏈上下游的垂直分工，而更多是各行業生態資源的跨界整合、跨產業鏈融合、跨生態圈協同，通過研發模式、生產方式、業務模式和組織結構創新推動產業發展。

與成熟產業更多依賴市場機制、市場規則運行來發展不同，未來產業的發展更多依賴于政策的戰略性引導和支持。因此，厘清未來產業生態演進的理論邏輯，全面分析當前我國未來產業進一步創新發展所面臨的挑戰，并探究如何建立未來產業體系的科學發現、潛力評估、孵化培育路徑便愈加重要。

“數字+算法”驅動未來產業生態演進

數據要素的關鍵特征。“數字＋算法”驅動未來產業形態的實質是由前沿科技和顛覆性技術創新引領，以數字化、智能化工具替代傳統工具，以數據算法決策替代經驗決策，以滿足經濟社會發展需求為目標，推動形成的關鍵新興產業形態。這些產業變革乃至經濟社會變革的發生源頭是數據這種新型投入要素所表現出的一系列新的特征。數據就是數字經濟時代的“新型石油”，或者說“數據已經取代石油這種傳統資源成為了當前最有價值的資源”。2019年，黨的十九屆四中全會通過的《中共中央關于堅持和完善中國特色社會主義制度、推進國家治理體系和治理能力現代化若干重大問題的決定》中指出，要“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”，明確了數據生產要素的重要作用。“十四五”規劃綱要中也明確提出要“激活數據要素潛能”和“發展技術和數據要素市場”。

隨著數字技術的發展，“數據＋算法”技術的發展應用改變了市場的運行模式。數字購物平臺可以搜集、儲存、分析大量關于消費者瀏覽、點擊和購買等行為的詳細數據，根據消費者的瀏覽與購買記錄評估其偏好，優化平臺設計或進行商品推薦，進而收取廣告費用。海量數據已成為重要的新型生產要素，并呈現新的經濟特征。

第一，數據要素的非競爭性，即一個數據集可以被幾個不同的主體同時使用（Jones and Tonetti, 2020）。非競爭性是數據要素的核心特征之一（徐翔等，2021）。與其他類型的生產要素不同，數據要素額外使用的邊際成本非常小，趨近于零。也就是說，由于具有非競爭性，當更多新的主體使用同一組數據時不會減少其他人可使用的數據量。因此，即使存在侵犯個人隱私等方面的擔憂，數據被多個主體廣泛使用仍可能會產生顯著的正向社會收益。

第二，數據要素的可復制性，或者說其復制成本接近于零（蔡躍洲、顧雨辰，2023）。數據的“零復制成本”是其具有“非排他性”的核心原因。“非排他性”就是指數據的使用不排斥其他人或實體的使用，即任何數量的主體或算法都可以同時使用同一組數據。由于數據的價值在于其攜帶的信息，而信息的傳遞并不會降低信息本身的價值，因此數據的“非排他性”帶來了其邊際回報率的增長。然而，也有企業為了獲得更具優勢的競爭地位，選擇囤積數據或只在有限范圍內使用數據（如只分享給同一生態系統中的企業），這就對新型商業形態的塑造產生了影響。

第三，數據要素的外部性，即平臺可以根據一個消費者的數據推斷另一個消費者的偏好等信息（Bergemann et al., 2022），這些信息會從不同方面帶來顯著的外部性。數字平臺可以通過“跨用戶學習（Across-user learning）”與“用戶內學習（Within-user learning）”兩種不同的學習算法來推斷關于用戶有價值的信息。其中，“跨用戶學習”算法意味著，即使單個用戶沒有提供任何數據，其行為仍然可以被部分地預測。

第四，數據要素的創新衍生性。數據驅動企業創新表現在多個方面。首先，數據可以提高產品和服務的質量，如通過分析大量的數據可以更好地了解消費者的偏好。其次，由于數據可以更準確地預測市場需求，因此可以提高產品的生產率，并帶來更高的物流效率。再次，數據可以創造用戶生產內容（UGC）等新的商業模式。最后，數據可以促進如個性化推薦等更突出目標導向（Target-oriented）的商業模式發展。

數據要素的這些新特征也會對平臺、企業、用戶等主體的行為和市場競爭格局產生影響。用戶數據帶來的巨大價值吸引了眾多平臺實行向消費者收取零價格的競爭策略。掌握大批量用戶消費行為數據的平臺，可以把消費者個體層面的數據賣給廣告商并獲得收益，使得“定向廣告（Targeted advertising）”成為可能，平臺將消費者的行為數據賣給廣告商可以提高消費者和廣告商之間的匹配度，但也可能會提高商品的價格。究其原因，一方面，廣告商可以對消費者進行價格歧視，另一方面，廣告商可以篩選出價格彈性更低的消費者。因此，當消費者考慮是否授權個人數據時，需要在更好的產品推薦與可能更高的價格之間進行權衡（Ichihashi, 2020）。然而，由于數據要素具有外部性的特征，廣告商通常并不會購買所有消費者的數據，而是只對部分用戶的數據感興趣。在數字經濟中，那些擁有更多數據搜集渠道、運營更大型數據庫和掌握更先進數據分析工具的平臺企業將擁有更強的競爭優勢，能夠從用戶數據中進行學習，從而提升企業產品和服務質量。

在數字經濟時代，數據作為新型生產要素，算法作為新的生產工具，已快速融入生產、分配、流通和消費等經濟運行的各個環節，深深地嵌入國民經濟運行的方方面面，深刻改變著社會生產方式、治理方式和人們的生活方式。數據要素驅動和算法技術突破，孕育了引領重大變革的顛覆性技術，推動了新一輪科技革命和產業變革，帶來了新產品、新業態推動形成的未來產業發展機遇。

“數字+算法”驅動產業結構優化。“數字＋算法”同時驅動著產業供給側和需求側的結構優化，且產業數字化與數字產業化驅動產業結構升級表現出不同的作用機制。

在供給側，“數字＋算法”在智能質量控制、高效資源優化、綜合能源管理、靈活柔性生產等多個層面推動了產業模式創新。在需求側，“數字＋算法”在個性定制推薦系統、庫存效率管理優化、智能客戶關系管理和精準市場趨勢洞察等多個層面推動了產業模式創新。例如，可通過數據驅動的需求預測與庫存精細管理系統、智能化生產調度算法與物料流動優化模型、供應鏈網絡協同優化與跨企業資源共享策略，實現以精細化生產計劃制定與動態資源配置為特點的高效資源優化。利用用戶數據（如購買歷史、搜索習慣和評價）和推薦算法，通過深度學習驅動的消費者分析與智能推薦實現個性化、定制化推薦。

在產業數字化方面，數字技術和算法驅動了傳統產業的提效升級。例如，應用人工智能和機器學習算法優化生產流程，可以減少資源浪費，提高資源利用效率；利用人工智能物聯網（AIoT）技術可以實現設備的實時監控和維護，降低故障率和維護成本；大數據和算法可以幫助企業管理者分析優化庫存管理，預測需求，減少庫存成本。在數字產業化方面，數字技術和算法助推了新產業的發展。例如，推動構建集合資源和服務的數字平臺，進一步擴大智能超算中心和邊緣計算中心的覆蓋面，提供基于海量數據和人工智能的分析服務，幫助企業提高決策效率。同時，結合數字技術與傳統行業實現商業模式創新，推動量子計算機的研發和應用，突破摩爾定律的算力瓶頸。

“數字+算法”驅動產業生態重塑。在平臺經濟、共享經濟、低碳經濟、虛擬經濟、工業元宇宙等方面，“數字＋算法”對產業生態均表現出顯著的重塑效應。平臺經濟方面，數字化平臺將不同的用戶、服務提供者和資源鏈接起來，從而創造出新的價值和市場機會。如數字化平臺利用算法對用戶行為和偏好進行分析，以提供更加精準、多樣化的產品和服務。共享經濟方面，算法可以實現資源的最優配置，從而提高資源利用效率，如基于區塊鏈技術的資源共享和去中心化管理。低碳經濟方面，“數字＋算法”驅動的未來產業經濟形態將向更加環保和可持續發展方向轉變。如基于智能傳感器和人工智能的能源管理、基于大數據分析工具的碳足跡監測和管理、基于算法輔助加速的氫能儲存、二氧化碳捕集、可控核聚變等清潔能源技術開發。虛擬經濟方面，“數字＋算法”通過創建、銷售和交易虛擬商品和服務在數字世界中創造出新的經濟價值。比如，利用區塊鏈和加密技術支持的數字貨幣作為交易手段支撐，探索腦機接口（BCI）技術的應用以實現未來商業模式形態的延伸。在工業元宇宙方面，虛擬現實（VR）、增強現實（AR）、混合現實（MR）、數字孿生、智能物聯網等技術在制造領域均有深度應用潛力。例如，創建物理世界中工廠或產品的數字副本，實現設計、培訓和維護等工作的遠程協作，在虛擬環境中進行產品設計和測試，降低成本和風險。

“數字+算法”驅動未來產業發展面臨的關鍵挑戰

數據壁壘的形成阻礙了數據流通。數據壁壘的形成與企業的經營戰略和國家在數據安全方面的擔憂密切相關。

一方面，科技企業為維護自身的商業利益會阻礙數據的流通。例如，某些數字平臺企業為了保持自身的市場份額和競爭優勢，可能通過技術限制或設置專有格式等手段來阻礙用戶將數據從一個平臺遷移到另一個平臺，從而影響數據的自由流通。大型平臺企業可能會進一步收購其他行業的初創平臺，構建自己的“生態系統”，并限制系統外的初創企業獲取相關數據，從而提高行業準入門檻，影響創新水平和用戶福利。另一方面，一些國家或地區出于安全考慮，也會設立數據壁壘，加強對數據的管控和限制。這不僅增加了跨境數據交換的成本，也削弱了數據在全球范圍內的價值流動和共享。

此外，數據治理缺乏統一的標準和規范，使得數據的使用和交換變得復雜而困難。許多國家都制定了適用于本國的數據保護法律和隱私條例，導致不同國家對于數據隱私和數據安全的要求存在差異。例如，歐盟的《通用數據保護條例》（General Data Protection Regulation, GDPR）要求嚴格限制個人數據處理，旨在保障個人在數據保護方面的基本權利。而在美國，雖然也有一些州出臺了類似的法律，但整體上對于數據隱私的監管相對較為寬松。這種差異性導致企業需要花費大量精力確保數據在跨境傳輸時符合不同地區的法律法規，從而很大程度上阻礙了數據的自由流通。

數據壁壘的形成可能導致少數大型企業壟斷數據資源，限制其他企業的進入和競爭，提高創業門檻，阻礙小型企業和創新型企業的發展。小型新興企業由于無法獲取足夠的數據來進行創新和產品開發，難以與那些擁有大量數據資源的大型企業競爭。數據壁壘還可能會阻礙產業的創新和競爭，加劇產業結構的不平等問題。比如，那些能夠有效獲取和利用數據資源的企業將占據主導地位，而那些無法突破數據壁壘的企業則可能面臨邊緣化危機。數據資源的集中化和數據寡頭的存在，加劇了產業結構和社會經濟的不平等問題。

算法的可解釋性不足與多元風險。在當今數字技術高度發達的背景下，算法在經濟社會領域的應用日益廣泛。然而，隨著算法的復雜性增加，人們愈發關注其決策過程的可解釋性。可解釋性是指理解算法如何作出決策的能力，這一點在評估算法風險和進行風險管理時尤為重要。算法的決策過程越透明，越有助于風險管理人員理解和評估潛在風險。因此，提高算法決策的可解釋性有利于減少由于誤解或操作失誤引起的風險。另外，市場的信心和效率也會受到算法可解釋性的影響，比如金融市場參與者對透明度和可解釋性更高的算法更具信任感，這有助于減少市場的波動性和不確定性。

算法的風險主要包括操作風險、模型風險和監管風險三大類。在操作風險方面，算法決策的不確定性增加可能導致意外損失。例如，在金融市場的高頻交易中，快速算法決策的可解釋性不足可能引發市場波動。算法的訓練數據可能存在偏差，從而影響其決策結果的準確性和公平性。模型風險主要體現在過擬合和未知變量兩個方面。過度復雜的算法可能對訓練數據過于敏感，而無法泛化至新的數據，同時，某些算法可能無法有效處理未知變量或復雜的市場環境變化，從而增加風險。在監管風險方面，監管機構愈發強調算法決策的透明度和可解釋性，可能導致一些算法決策侵犯消費者隱私或違反法律規定，從而增加法律風險。

未來產業競爭格局與創新發展受影響。“數字＋算法”驅動的產業實踐與產業理論的躍升之間存在互動和反饋關系，兩者相互依存、相互促進，共同推動著產業的創新和發展。“數字＋算法”驅動未來產業成長與發展，將引發工具革命和決策革命。企業內部通用軟件和自研軟件系統可以通過不斷挖掘、匯聚、分析消費者以及研發、生產、供應鏈等數據，基于“數字＋算法”構建一套新的決策機制，替代傳統的經驗決策，實現更加高效、科學、精準、及時的決策，以適應需求的快速變化。這一系列變革形塑了“數字＋算法”驅動的產業形態變革的過程（見圖1）。從技術推動和市場拉動兩個維度看，產業技術創新會引致市場需求，市場需求變化也會倒逼產業技術創新，兩者存在雙向互動關系。

來源：作者自制

圖1 “數字+算法”驅動的產業形態變革

然而，“數字＋算法”是一把“雙刃劍”，在驅動未來產業演進的過程中，數據的新型特征也會影響產業市場競爭格局和創新發展。由于只有少數企業擁有大量的數據資源，其他企業難以獲取足夠的數據進行創新，因而數據壁壘的存在可能導致創新資源的稀缺。同時，數據與算法的不對稱性會導致創新成本的增加和創新周期的延長，未來產業市場競爭格局的變化也可能會降低產業內部的創新速度。

未來產業生態培育的實現路徑

實現“數字+算法”協同治理。首先，建立和完善數據治理框架，進行更有針對性的分類治理。不同類型數據的來源和使用方法不同，例如，用戶數據的部分內容是由用戶主動提供的，包括聯系方式、基本信息，以及在個人社交賬戶上發布的內容等，還有部分數據是由平臺記錄生成的，包括用戶的瀏覽、點擊記錄等。實際上，目前用戶在網絡空間的幾乎所有行為都可能會被搜集和記錄。還有一部分數據則屬于“推斷數據”，如互聯網支付軟件可以根據用戶支付記錄推斷出一個“信用分”。在生產端，企業在生產過程中也會積累大量有價值的數據。這些數據可以從個體層面或總體層面被使用，也可能以匿名或非匿名的方式被使用。此外，生產過程中的數據不涉及用戶的隱私，但可能關乎企業的核心利益。因此，需要設計一個完整的治理框架，對不同來源、不同用途的數據采取針對性的治理政策。

數據安全與有效的隱私保護為用戶提供數據奠定了基礎。除了建立完備的法律體系之外，還需要進一步強化企業的主體責任，加強企業數據合規管理，確保數據的收集、使用和共享符合法律法規的要求。可根據不同情境強化用戶對自身數據的知情權和控制權，以激勵相關科技企業建立健全的數據安全管理體系，遵守相關的數據隱私法規，采取更好的技術手段和管理措施，與用戶建立信任關系。同時，也要關注跨境數據流動的合規性，積極主動參與國際數據標準和規范的制定和落實。

政府可以發揮自身作用，推動數據開放共享，打破“數據孤島”的局面。通常來說，對于那些在總體層面被使用、事關公共利益的數據，可以強化其公共產品屬性，并推動數據共享。而對于那些主要在個體層面被使用的數據，應該強化用戶對自身數據的所有權和控制權，降低用戶在不同平臺之間轉移自身數據的成本。總之，應該建立數據共享與流通機制，推動跨部門、跨行業的數據共享與協作，在充分保護個人數據隱私和安全的前提下，實現數據的高效利用和創新應用。為打破數據壁壘、促進數據自由流動，國際社會需要加強合作，推動建立統一的跨境數據流動標準和機制。

增強算法的可解釋性以降低相關風險，需要制定更為詳細的算法使用和透明度要求的監管政策。同時，還要支持算法可解釋性相關的技術創新，如增強學習的解釋性模型或可解釋性AI研究。在算法廣泛應用于經濟社會各領域的背景下，理解和管理算法的風險至關重要。提高算法決策的可解釋性不僅有助于降低風險，還有助于提升市場的效率和信任度，實現產業的良性發展。

聚焦未來產業發展重點領域。從產業布局方向看，當前我國未來產業發展主要集中在“智能經濟”“低碳經濟”“健康經濟”等前沿方向。“智能經濟”體現在對人工智能、機器人、區塊鏈、量子技術、腦神經信息等前沿產業技術集群的部署；“低碳經濟”體現在對清潔能源、綠色交通、低碳工業、新型儲能等前沿產業技術集群的部署；“健康經濟”體現在對未來醫學、生物信息、疫苗研發、精準醫療等前沿產業技術集群的部署。相關前沿研究也需要進一步聚焦這些未來產業形態培育的重點領域，形成未來產業形態的知識圖譜和應用手冊，為未來產業的前瞻布局提供支撐。

例如，在未來健康產業領域，“數字＋算法”在個性化健康管理環節，通過采集分析個人基因、生活習慣和居住環境等因素的健康數據，可量身打造個性化的健康管理方案。在未來綠色低碳產業領域，“數字＋算法”的應用可以實時監測和分析能源使用情況，實現能源的優化配置和動態管理。智能電網、虛擬電廠等技術能有效整合調配各種能源供應，確保能源的高效、安全、環保供應，優化能源管理。

從產業技術布局看，未來需要前瞻布局關鍵顛覆性技術。顛覆性技術在未來產業發展中起著關鍵作用（張越等，2023）。重點建設面向未來產業形態培育的“數字＋算法”技術支撐體系，加強數字基礎設施建設，應用和推廣云計算、大數據、人工智能等技術，為產業發展提供技術支持。探索構建典型應用場景、孕育顛覆性技術的試點示范機制和新模式，發揮其引領性、示范性作用。重點推動智能制造和工業互聯網建設，提升產業生產效率和質量水平，促進產業轉型升級。利用“數字＋算法”技術建立多種技術路線并行的競爭與退出機制，促進未來產業發展過程中的動態優化，以實現產業的內生發展。

構建未來產業發展生態體系。“數字＋算法”驅動下未來產業形態的培育服務，將遵循“技術-產品-市場-集群-分散”的演變規律（見圖2）。企業能夠精準定位、分析發現可能的潛在市場、細分市場和長尾市場，更加注重個性化、體驗化與服務化，因此產業規模愈發成熟和分散化。未來需要進一步結合產業實際，探索未來產業形態培育服務社會化與大數據應用深度化之間的結合點，形成相應的產業形態培育服務模式演進路線圖。可以從以下幾個方面構建立足國情的未來產業發展生態體系。

來源：作者自制

圖2 未來產業演進階段示意圖

一是建設現代化的數據流通體系。在保障安全的情況下，建立開放、安全的數據平臺，分門別類地促進數據的共享和流通，為企業和研究機構提供數據資源支持。制定統一的數據標準和格式，降低數據交換和整合成本，促進數據的互操作性和共享。

二是構建未來產業創新生態系統。未來產業的發展依賴前沿基礎知識的涌現與突破，這就需要構建一個更加有效的創新生態系統。首先，各國政府在未來產業的布局和發展中發揮著積極作用，可在未來產業的發展萌芽期，制定支持基礎創新的政策，鼓勵相關機構在關鍵技術方面進行探索。其次，學術界可探索建立對原始創新更加友好的激勵機制，鼓勵建設新型研發機構，推動研究成果轉化為實際產品和服務。最后，要更好弘揚企業家精神，持續營造市場化、法治化、國際化的一流營商環境。

三是完善未來產業國際合作體系。探索建立未來產業國際創新生態平臺，吸引全球創新團隊和企業開展跨國合作和創新活動，建立線上和線下的國際科技交流平臺，促進跨國交流合作。進一步深化國際合作，特別是數據與算法相關監管框架的國際合作，建立國際性的數字技術和標準，促進全球市場的互操作性和競爭公平性。加強與國際組織或他國政府之間的政策對接協調，促進未來產業治理政策創新發展。

文章來源：《學術前沿》雜志2024年第12期（注釋從略）

原文責編：楊 柳

原文美編：周群英

新媒體責編：梁麗琛

聲明：《學術前沿》雜志原創文章，任何單位或個人轉載請回復本公眾號獲得授權，轉載時請務必標明來源及作者。