厂商运用大数据和人工智能的经济学分析

　　摘要：大数据、互联网、云计算、机器学习、物联网、区块链等人工智能技术，正在改变个人、厂商和政府投资经营策略。针对厂商预测和规划、提供产品和服务手段的变化，经济学至少要关注以下问题：一是大数据和人工智能的广泛运用对厂商决策会产生怎样的影响，如何对这些影响做出经济学意义上的一般理论概括和描述;二是要说明厂商运用大数据和人工智能的程序、路径和过程，使之得到经济学理论的分析性解释;三是探讨未来大数据和人工智能的运用前景，通过前瞻性研究对大数据和人工智能有可能重塑经济学理论做出一些有依据的推论。经济学家在大数据和人工智能时代要完成的重要任务，是研究厂商运用新科技搜集和处理大数据会在哪些方面影响产量和价格，改变竞争和垄断路径从而改变产业组织结构。

厂商运用大数据和人工智能的经济学分析

　　关键词：数字经济;智能经济;机器学习;物联网;区块链;产业组织理论

　　一、问题思考和领悟

　　经济学发展到今天，就企业的投资经营或产供销活动而论，新古典经济学的厂商理论以及现代经济学的产业组织理论，一直被看成经济学的正脉。① 撇开这两大学说学理承接和理论见解的差异，它们分析厂商产供销活动有一个共同点，那便是没有真正将科技因素作为分析厂商决策的内生变量纳入模型。出现如此情形的主要原因，概括来讲，或许是经济学家没能在科技领域找到可以测度经济行为变动的基本要素，这样的要素必须具有既覆盖整个科技领域同时又可衡量科技水平层级的功能。工业化时代的科技进步大大提高了劳动生产力，但科技界没有向经济学家提供执经济发展牛耳的基本科技要素。随着通信技术从 3G、4G 到 5G 的发展，信息传输速度和范围呈现出指数级的加快和扩大态势，互联网“时空错开、同步并联、客户拉动、实时评价”提供的交易平台，移动设备、传感器、社交媒体、定位系统等搜集大数据功能的扩张，以及云平台、云计算、机器学习、物联网、区块链等人工智能技术对大数据的匹配使大数据成为厂商投资经营决策的基本分析要素。

　　厂商大数据分析可分为搜集和储存、整合和分类、加工和处理三个阶段。厂商能否高效地运用人工智能技术匹配大数据，从而相对准确地规划和确定产品与服务，取决于他们掌握和驾驭人工智能技术水平的高低，这便决定了对厂商处于以上哪一阶段的定位问题。厂商运用人工智能技术匹配大数据的具体技术操作，是计算机专家和人工智能专家关注的事;经济学家需要研究的是厂商的数据智能化催生的投资经营模式，以及研究该模式有可能导致的微观经济基础变化。基于厂商的数据智能化以大数据、互联网和人工智能等融合为前提，厂商的技术层级便反映在加工和处理大数据上。③ 经济学家对这种技术层级研究的任务，是判断或推论厂商能在多大程度和多大范围内提供适合社会有效需求的产品和服务，这会关联到大数据时代微观经济理论的建构。

　　二、厂商大数据分析的经济学解读

　　在问题解读之前，我们概要讨论一下“究竟是先有大数据还是先有信息”，这个问题对于大数据和人工智能运用的经济学分析的重要性在于，解答“究竟是信息来源于大数据还是大数据来源于信息”。一种观点认为大数据是工具，它来源于信息;另一种观点认为信息的外延比大数据小，它来源于大数据。这两种观点的分歧在于对信息和大数据之客观存在的不同理解。其实，撇开它们的性质规定，最直观、最朴素的解释是看两者谁覆盖谁。大数据是数字化数据与非数字化数据之和，不管发现或感知与否，大数据不依人的意识而存在，但信息通常是人们发现或感知的产物，因而大数据的外延明显大于信息。事实上，大数据在宇宙中一直存在，只是人类科技水平达不到一定高度时没有大数据这个概念罢了。经济学对信息不完全、不对称、扭曲或失真等会降低效用函数的研究，是以工业化时代厂商搜集和处理信息的科技能力为背景的;厂商在大数据时代获取准确信息的能力显著提高，但厂商是如何通过大数据分析来获取准确信息的呢?经济学必须回答这个问题。

　　1. 大数据分析之于厂商投资经营是新科技运用的起点，厂商在大数据分析的不同阶段有不同内容从数字经济视角看，厂商的投资经营活动可以解说为厂商与厂商以及厂商与消费者之间纷繁复杂的行为互动。厂商无论是购买原材料、交易中间品，还是销售最终产品和提供服务，这些互动都会留下大量的数字化数据和非数字化数据。厂商通过什么样的途径来搜集这些大数据，采取什么样的技术手段来处理这些大数据，以及能在多大程度和范围内运用这些大数据规划投资经营，直接关系到厂商能否准确捕捉社会的有效需求，直接关系到厂商产品和服务的产量及价格决定，直接关系到厂商是否具有优势竞争地位，直接关系到厂商效用函数的大小。事实上，厂商展开大数据分析，正在逐步改变过去主要依靠诸如供求波动和价格信号等市场机制进行决策的传统，他们通过何种途径、方法和手段来搜集、加工、处理大数据，会在反映他们新科技水平的同时显露出投资经营的经济学机理。经济学家的任务是描述和揭示这些机理，使厂商经由大数据分析而产生的选择行为得到经济学解释。

　　2. 互联网+企业转变成人工智能+企业的显著标志是，能够运用人工智能技术加工和处理那些间接包含产品和服务之供求信息的非数字化数据经济学家曾对投资和消费的偏好、认知、效用等进行过深邃的基础理论分析，① 他们在此基础上对产品、服务的供求数量变动和对其他经济事件的研究，主要是通过各种社会调查取得的样本数据以及依据各类统计报表汇总的数据来展开的，这些数据都是数字化数据。我们且不说这些数字化数据不全面，仅就它们不包括以图片、图书、图纸、视频、声音、影像等为载体的非数字化数据而论，厂商要从互联网+企业转变成人工智能+ 企业，必须能够在云计算基础上运用诸如机器学习、物联网、区块链等人工智能技术把非数字化数据转化成数字化数据。厂商的这些新科技努力至少要包括以下内容：其一，采取什么样的路径和方法获取非数字化数据;其二，运用什么样的人工智能手段使非数字化数据转化成数字化数据;其三，大数据是已发生的历史数据、正在发生的现期数据以及将来可能会发生的未来数据这三大块数据之和，厂商的人工智能+水平达到何种高度才能处理现期数据和未来数据。很明显，这些内容将是经济学家对厂商运用大数据和人工智能做出经济学分析的重点。

　　众所周知，经济学无论是对微观经济领域还是对宏观经济领域进行研究的理论归宿，都是试图解决由供求变动引发的产量和价格决定的均衡问题。在大数据、互联网和人工智能等没有问世前，或新科技出现的初期，厂商难以对投资经营的数字化数据做出搜集、加工和处理，更遑论非数字化数据的搜集、加工和处理，这种状况使经济学家不可能联想到大数据和人工智能等新科技的作用。经济学家以新科技手段作为推论产量和价格决定的依据，要研究厂商如何运用科技来匹配大数据，互联网+企业转变成人工智能+企业的条件配置，新科技未来发展将会导致的微观经济领域和宏观经济领域的新格局。这些问题的研究上升到经济理论分析层面，涉及微观经济学和宏观经济学的重塑。经济学家把握厂商如何搜集、储存、整合、分类、加工和处理大数据，从而把握厂商投资经营决策做出符合新科技实践的过程，是经济学家重塑微观经济学和宏观经济学的分析过程。

　　三、厂商运用人工智能技术的经济学分析

　　人工智能技术在社会经济、政治、文化等领域的广泛应用正在推动数据主义的盛行。① 我们姑且不论数据主义关于宇宙万物都可解析为“算法” 的观点未来能不能经得起检验，仅从数据智能化引致人类决策的新路径和新方法看，数据主义的前瞻性或多或少具有一定程度的说服力。正像经济学资源配置理论、产业组织理论等所描述和揭示的那样，厂商投资经营会面临投资什么以及投资多少的决策，解决产量、价格的决定以及竞争路径的选择。这些问题涉及信息的搜集和处理，通常需要厂商运用科技手段来预测和解决。大数据作为信息来源和新科技的基本分析要素，是以显性和隐性两种形式存在于人类活动和自然现象之中的，厂商要获取完备和准确的信息，就必须在掌握和运用大数据的基础上按投资经营目的对大数据进行匹配，这便关联到人工智能技术发展和采用何种人工智能技术手段等问题。

　　1. 相对于物联网和区块链等人工智能技术，机器学习是厂商加工和处理产供销大数据的主要人工智能技术手段大数据、5G 通信、移动互联网、云计算以及机器学习、物联网和区块链等人工智能技术，正在打造数字经济、智能经济、共享经济和体验经济等新业态;厂商运用云计算对不同特征数据流的加工和处理，① 以及建构和运用智能模型来代替人脑选择的一些成功尝试，在宣示着新科技有可能比市场机制更高效率调节产量和价格的同时，也在激励着经济学家对厂商运用大数据和人工智能展开新探索。以产量和价格的决定而论，厂商在达到云计算技术要求的前提下，要完成对产供销大数据的加工和处理，需要事先制定学习目标和训练算法迭代，把数据格式化和过滤掉无关数据，以完成对产量、价格大数据进行挖掘和处理的机器学习过程。相对物联网和区块链等人工智能技术，机器学习借助云平台和云计算对厂商产供销大数据进行的加工和处理，是一个更加直接运用人工智能匹配大数据的过程;机器学习作为一种预测厂商产供销数量的人工智能方法，直接关联于产量和价格决定。

　　2. 厂商运用机器学习方法进行产供销预测的最大困难，是对供给和需求之多维度大数据的加工和处理，而解决这一困难的途径在于对非数字化数据的匹配机器学习方法是一种与计量经济学有交集但突破了其过度注重对经济现象进行统计计量的人工智能技术。与计量经济学关注估计结果的无偏性和一致性不同，机器学习以决策树(Decision Tree)、支持向量机(SVM)等模型为支撑，试图解决预测问题。机器学习广泛运用原先因样本数据限制而在计量经济学中很少运用的岭回归(Ridge Regression)、套索算法(LASSO)等方法。③诚然，机器学习有取代计量分析方法的趋势，但厂商运用机器学习仍然难以预测产量、价格决定。具体地说，现有的机器学习技术在尚不足以全面搜集、整合、储存、分类、加工和处理数字化数据的情况下，根本无法应对非数字化数据。不过，现阶段厂商运用机器学习技术难以预测产量和价格是一回事，在理论上阐释未来厂商运用机器学习方法有可能准确预测产量、价格的机理却是另一回事。经济学家必须关注这一机理的研究。

　　四、对厂商运用大数据和人工智能的未来展望

　　厂商运用大数据和人工智能未来发展的总体方向，可以从两个方面概括：一是在实现熟练加工和处理数字化数据的基础上，最大限度地提高加工和处理非数字化数据的水平;二是在实现熟练加工和处理历史数据的基础上，努力达到能够加工和处理现期数据，并且朝着挖掘、加工和处理未来数据的方向行进。从经济理论研究角度看问题，无论是单个厂商还是全体厂商对历史数据的加工和处理，只是对已发生交易的产品和服务的历史数据进行的加工和处理，或者说，是对前期供给和需求之大数据的加工和处理。经济学在非大数据框架内对历史数据的加工和处理曾有过很长时间的探索，但标志这种探索的经济实证分析所做出的各种预测模型并没有获得令人满意的成功。随着大数据、互联网和人工智能等的高度融合，厂商搜集、加工和处理历史数据的人工智能技术日益提高，大数据分析已显著提高了厂商预测产品、服务的供求能力。针对厂商运用大数据和人工智能的这一发展势头，经济学家要结合经济学基本原理做出一般理论分析。

　　然则，无论将来人工智能技术运用于经济领域获得怎样的发展，厂商数据智能化和网络协同化永远是决定这种发展不会改变的根基。从经济学有关产品和服务的供给和需求角度考察，当厂商数据智能化达到一定高度时，就有可能准确把握市场出清意义上的产品和服务的供给端;同理，当厂商网络协同化达到一定高度时，就有可能准确把握市场出清意义上的产品和服务的需求端。厂商出于效用最大化的内在冲动，总是力图使自己的数据智能化和网络协同化达到很高的水准;厂商处于外在竞争的强制，总是希望具有很强的市场实力。换言之，厂商总是希望通过大数据和人工智能技术的运用来实现让其他厂商望其项背的网络协同效应。网络协同化是厂商与厂商以及厂商与消费者之间广泛存在的行为互动，这种互动可以通过大数据和人工智能技术揭示，因而，从这个意义上来讲，我们可以将“网络协同效应”理解为数据智能化和网络协同化的函数。尽管这个函数很抽象，但它应该成为经济学家理论分析层面的研究对象。

　　大数据、互联网和人工智能等的深度融合，正在全面影响投资、消费、生产经营、娱乐、医疗卫生、政府治理等人类活动。就投资经营而论，厂商运用大数据和人工智能的发展方向，是在坚持提高数据智能化水平的基础上完善同网络协同化的结合，以追求网络协同效应。但对于这种以大数据和人工智能为分析主线的研究课题，尚需要从基础概念、基本原理、运作机理等方面展开系统而细致的描述和研究，这有待经济学家花费很大的气力来完成。

　　《厂商运用大数据和人工智能的经济学分析》来源：《上海师范大学学报(哲学社会科学版)》，作者：何大安