吴绪亮 腾讯研究院资深专家、首席经济学顾问
以下观点整理自吴绪亮在中国宏观经济论坛（CMF）宏观经济热点问题研讨会（第85期）上的发言。
人类社会经过了农业经济、工业经济、信息经济、网络经济，现在正迈入以云计算、生成式人工智能，特别是具有亿级参数的大模型为主要特征的智能经济新时代。智能经济未来已来，下一步它将朝着什么方向演变，目前这个阶段还很难准确描绘和预测。不管是底层的技术路线，C端的产品创新，还是B端的场景创新和行业解决方案，都存在着无穷无尽的可能性。
我们可以通过观察四个方面的边界线来大致展望智能经济的未来框架。这四条边界线包括：创新的边界、产业的边界、平台的边界和责任的边界。它们的脉络走向，大体上就可以框定了未来智能经济的宽度、高度、长度和活跃度。
创新的边界：
需求引领和投融资驱动
按照熊彼特对创新的定义，创新就是建立一种新的生产函数，包括商业创新、技术创新和制度创新。企业家的职责就是实现生产要素和生产条件的“新组合”，政府也可以帮助实现生产要素的新组合。过去四十年改革开放就是宏大的制度创新，以及最近很热的ChatGPT也完全符合创新的这种本质。从技术创新的角度ChatGPT或许算不上跨时代的发明创造，而是在大规模数据、算力和极致产品思维共同作用下的成功产物，因此是一种生产要素的创新组合。
加州大学切斯布鲁教授提出“开放式创新”概念。他认为，开放式创新是一种跨越组织边界的知识流动，让外部的技术可以进入内部，内部的技术走向外部。与此对应的是传统的封闭式创新，往往要求这家公司具有最好的员工、最好的技术，而不依赖于外部。根据此定义，平台经济是最典型的开放式创新样本，现在人工智能的快速发展为开放式创新带来新的驱动力，使得知识流动变得更加容易和便捷。
这一轮技术变革和创新的边界是由什么决定的？因素当然有很多，但从行业实践来看，目前最值得关注的有两个，一个是需求引领，一个是投融资驱动。
第一个是需求引领。需求引领是人类社会大多数技术创新出现的主要原因，包括战争需求、商业需求等。比如，计算机信息技术是二战需求下的产物；伽利略是现代天文学、物理学之父，但他更重要的身份是威尼斯兵工厂首席科学家，他在研究火炮的过程中形成了对惯性定律和自由落体定律等认知；最先发明火药的中国没有产生科学革命，很大程度上也是由于需求牵引的匮乏，这也形成了所谓的“李约瑟之谜”；英伟达GPU芯片很成功，最初就是为了满足顶级游戏玩家的需求而设计出来的；云计算的发展主要起源于电商波峰波谷的商业需求。
因此，现在存在一些刻板印象，认为光刻机、芯片等硬科技才是重要的，商业创新、场景创新没那么重要，行业真实逻辑不是这样。从基础科学到硬件、软件再到场景应用创新是一套完整的有机整体，每一个上下游行业都有其重要的生态地位，不能简单地将某个环节割裂对立起来。需要把应用创新摆在跟硬科技创新同等重要的位置，既要补底层硬件技术创新的短板，也要铸商业应用创新的长板，才能实现创新的涌现。所以，对这一理念的认知非常重要。这是第一个决定创新边界的因素。
第二个是投融资驱动。对于云计算各个细分赛道的初创企业，以及生成式人工智能各个方向的探索者来说，投融资是决定技术研发、产品打造和商业应用能否正常运转的发动机。可以这么说，一个地区、一个市场，它在当下投融资领域的活跃程度，就可以基本推断出未来五到十年它在数字技术创新方面的竞争力和生命力，这是非常灵敏的风向标。像OpenAI，最早就是由创办PayPal的蒂尔、创办领英的霍夫曼、创办特斯拉的马斯克等一批风险投资家催生出来的。稍具雏形后，再由微软接手，2019年微软投10亿美元，2023年1月又追加100亿美元，并且在算力、语料等方面进行资源扶持，之后面向公众开放，实现了ChatGPT的爆发。这个故事非常完整生动地说明了投融资对于数字技术前沿科技的至关重要的决定性作用。
近两年，我国互联网领域投融资持续下滑引发关注。根据中国信通院数据，2020年第四季度，我国互联网投融资金额高达192亿美元，此后持续下滑，到2024年第一季度仅有16亿美元。而这段时间正值生成式人工智能的爆发期，美国相关领域的投融资暴涨。比如，2023年英伟达一家就投出了35个生成式人工智能相关项目，比2022年多6倍。最近的政治局会议提出，“要积极发展风险投资，壮大耐心资本”，也凸显出投融资的重要性。与风投机构的财务投资不同，互联网企业的产业投资往往能为初创企业提供全生命周期支持，且一般使用自有资金，从而可以陪伴创新企业一起成长壮大，因此完全具备耐心资本的特征。因此，加大对产业投资的支持力度，对互联网行业创新发展和创新边界的拓展具有重要价值。
产业的边界：
云计算和人工智能发展“叠加态”
从行业实践来看，可以从五个视角来观察产业突破的机会和未来发展的空间，包括计算、网络、终端、场景、产品。计算方面，包括云计算、大模型等算法突破，端侧大模型正在重构消费互联网的创新生态，行业大模型正在重构产业互联网的创新生态。网络方面，2G/3G网络催生了门户网站，4G网络催生了移动互联网，5G及正在布局的6G网络是否催生智能经济的发展，目前还在观察之中。终端方面，在过去十年中，对我们影响最大的是2007年智能手机的出现，它推动了移动互联网发展。下一步行业内酝酿的是AI手机，以及智能网联汽车、可穿戴设备，都可能成为带领产业突破发展的新终端。场景方面主要是推动各行各业的数字化转型，提供行业解决方案。产品方面诸如微信、腾讯会议、混元助手等产品创新。这五个领域的创新是观察如何突破行业边界的一个视角。
从大的方面来看，数字经济发展先后经历了计算机、PC互联网、移动互联网、云计算和人工智能（特别是生成式人工智能）五个重要阶段，产业边界不断扩大。当前时点，我们正处在一个“叠加态”，即云计算与人工智能同时并存、同时发展的“叠加态”。从云计算来看，云的技术出现及其应用虽然已有较长时间，但真正大规模在产业端部署实际上只有几年时间。在国内，一个标志性的事件是腾讯的“930变革”，即腾讯于2018年9月30日提出的全面拥抱互联网，推动各行各业的数字化转型。但很快疫情爆发，云业务拓展特别依赖面对面交流，所以不得不放缓。然而，疫情冲击也让更多市场主体看到了通过上云提高企业韧性的重要性。因此，云计算的推广现在还只是处于序幕阶段。未来经济都将运行在云上，这场变革的规模将会超过过去二十多年发展起来的消费互联网。
人工智能的标志性事件，一是2016年AlphaGo打败人类棋王李世石，初步展露了深度学习算法的威力。二是2022年11月OpenAI发布人工智能技术驱动的预训练大语言模型ChatGPT。目前大模型正在从单一模态向多模态发展，从文生文到文生图、文生视频，甚至将来色香味声光电都可以数据化，从而真正实现通用的人工智能，或者类似图灵奖得主杨立昆所说的“世界模型”。
云计算和生成式人工智能爆发的“叠加态”情形下，技术能力正在深刻改变经济活动，因此需要加快云计算和生成式人工智能的发展，进一步拓宽产业的边界。
其中特别值得关注的是，云计算和人工智能的发展相辅相成、密不可分。人工智能基本都是运行在云上的，即使云端协同，主要计算能力也还是部署在云上。云计算的普及可以为生成式人工智能的训练提供更多的高质量语料。虽然我们是数据大国，但还不能说是数据强国，因为缺少人工智能训练所需要的高质量语料库。报纸、书刊、杂志是第一大高质量语料库，目前还严重缺乏。我们图书馆藏书的数字化率不到20%。中国是世界工厂，2023年制造业总产值已占到全球35%，拥有丰富、宝贵的生产知识，但这些知识大部分沉睡在那里，并没有能够挖掘出来成为人工智能训练的高质量语料，这是非常可惜的事情。目前美国企业上云率约85%，欧盟大约70%，中国企业上云率只有30%，离欧美存在着明显差距。
从行业实践来看，数字技术和人工智能技术在不同行业领域扩散的广度、深度与速度都存在很大差异。历史规律表明，通用目的技术扩散在达到临界大多数之前，难以实现由市场自发进行的诱致性扩，需要加大政策支持力度，并根据不同行业特点制订个性化的政策措施。在疫情期间，国家发改委提过一个“云量贷”的政策，根据用云量来加大金融服务的支持。但“云量贷”也存在局限性，难覆盖那些数字化水平还比较低但转型意愿强的企业。腾讯研究院曾提出可参考消费券，为中小微企业发放“用云券”，解决广大中小微企业“没钱转”、“不会转”乃至“不敢转”的三大难题，系统化加快各产业数字化的整体跃升，拓宽产业的边界和发展空间。
平台的边界：
大模型驱动的零创造成本
平台是一种资源组织的方式，如同诺贝尔经济学奖得主科斯所认为的，市场和企业也是资源组织的不同方式。科斯1937年的经典论文《企业的性质》，打开了企业的黑箱，划定了企业与市场之间的边界。他认为，企业的管理成本和市场的交易成本这两个因素的权衡，均衡之处就是企业和市场的边界。
平台的崛起使得情况又发生了变化。作为资源组织的新方式，平台是处在市场和企业的中间。因此，需要既要划定平台与市场的边界，又要厘清平台与企业的边界。这就使得平台兼具市场属性和企业属性的“二重性”组织，平台上的第三方商户和第三方开发者居于其中。平台的“二重性”带来很多治理问题，目前还在不断探索和优化解决之道。
决定平台边界的因素主要是什么？一些人可能会指出双边市场或网络经济等特征。实际上，最根本的还是规模经济。工业经济时代，规模经济实现了生产和服务的低边际成本，从而决定了公司的边界。数字经济时代，规模经济实现了服务以及可能包括未来的生产）无限趋近零边际成本，从而决定了平台的边界。
随着生成式人工智能和大模型的出现，平台（或者另一种新的组织形态）的边界可能会发生新的变化。比如AI手机有可能以后是一种硬件+操作系统+大模型入口的软硬一体化商业模式，这将会使得平台边界的宽度和形式主要取决于大模型的边界和能力。未来智能经济时代，数据和算力的规模经济可能会实现生产和服务的无限趋近零创造成本，大模型驱动的平台或其它新的组织形态的边界将由此划定。
责任的边界：
规则、政策和法律关系的深刻调整
今年年初，习近平总书记在政治局第十一次集体学习时指出，发展新质生产力，必须进一步全面深化改革，形成与之相适应的新型生产关系。与总书记的这个论断相一致的是，数字技术和生成式人工智能的广泛应用，必然需要进行规则、政策和法律关系的深刻调整。全球数字经济的竞争，既是技术和商业的角逐博弈，更是规则框架的激烈竞赛。站在重大战略机遇的新关口，谁能尽快构建出一套“规范、透明、可预期”的、有韧性的平台经济常态化监管体系，既能守住底线又能放开上线，鼓励探索和创新，谁就能在未来的国家数字竞争力比拼中胜出并且行稳致远。
平台责任边界划定的复杂性，主要在于其涉及到多方主体的复杂关系，包括政府、平台、用户、商家、开发者、技术供应商、硬件厂商、软件厂商、操作系统提供商等等。责任边界的划分目前涉及到的重点问题包括：一是数据问题，包括数据权属、数据流通和使用、数据隐私和数据安全等；二是竞争问题，竞争损害理论是反垄断执法的核心，现在有把竞争损害理论扩展到公共管制理论的趋势，这对行业发展具有深远影响，需要慎重讨论；三是权利与责任问题，比如小程序电商的治理责任分配；四是创新和风险问题，这在金融科技领域特别典型，大语言模型方面也存在类似问题，比如“幻觉”问题，其治理也属于风险防控范畴；五是知识产权保护和伦理规范问题，创新保护的长度和宽度需要慎重考虑，保护不足形成公地悲剧，保护过度又造成反公地悲剧，而伦理规范则是人工智能面临的重要难题；六是发展和共享问题，包括平衡平台经济与传统产业的关系、外卖骑手的社保和劳动保护等；七是国内国际协调问题，国内政策制定要具有全球视野，要能够为下一步参与全球数字规则制订预留接口。
对于责任划分的边界，最优的方案需要满足两个条件，即社会福利最大化和社会福利分配最优化。这两个目标短期存在冲突，但长期和全局来看是辩证冲突相互促进的。社会总福利的增长是最优分配的前提，而最优的福利分配是推动社会总福利持续增长的最大动力，需要通过精准的制度设计去平衡好各方主体的利益，最大限度增强发展的包容性和普惠性。
