数字经济发展与治理-教案 第5-10讲 人工智能与经济发展-数字平台治理：各国实践与未来展望

数字经济发展与治理教案徐翔目录导言 6一、课程教学目标 7二、主要内容和特点 7三、知识图谱 9第一讲数字经济的概念与内涵 一、数字经济的早期探索 （一）信息经济 12（二）知识经济 13（三）网络经济 14（四）智能经济 15二、数字经济的内涵界定 15（一）数字经济的权威定义与核心构成 16（二）数字经济的核心生产要素：数据与数字技术 18（三）数字经济的核心组织载体：数字平台 19三、数字经济的核算测度 20（一）核算测度的必要性与核心困难 20（二）国际与中国的核算实践 21（三）核算测度面临的深层次挑战 22第二讲数字经济的研究范式 24一、科学研究的四类范式 24（一）实验科学 24（二）理论科学 26（三）计算科学 28（四）大数据科学 29二、数字经济的基础研究范式 31（一）微观基础与基本规律 31（二）研究视角与分析逻辑 33三、“技术—经济—治理”分析框架 35（一）技术-经济范式 35（二）“技术-经济-治理”分析框架 38第三讲免费产品与数字消费 42一、免费产品的经济学分析 42（一）免费产品的概念和特征 42（二）免费产品的来源和应用 44（三）免费产品的经济学意义 45二、数字消费的发展与治理 46（一）数字消费的概念与特征 47（二）数字消费的发展与影响 48（三）数字消费的治理与监管 50三、促进数字消费的政策措施 50（一）供给侧措施 51（二）需求侧措施 51第四讲数字生态的构建与演化 53一、经济生态系统：复杂经济学的理解 53（一）作为复杂适应系统的生态系统 53（二）网络思维与生态连通性 55（三）多尺度分析与可持续性 57二、数字生态的构建 59（一）数据驱动和创新支持 59（二）技术基建和平台建设 61（三）多元参与和生态管理 63三、数字生态的演化 65（一）技术创新驱动演化 65（二）市场需求和用户行为 67（三）政策和法规 69第五讲人工智能与经济发展 72一、人工智能技术简介 72（一）人工智能简史 72（二）人工智能科技革命 77二、人工智能的经济应用 78（一）人工智能经济 78（二）人工智能与劳动力 80（三）人工智能与收入分配 82三、人工智能与经济增长 83（一）人工智能的“生产率悖论” 83（二）人工智能与“奇点” 83（三）生成式人工智能与经济增长 84第六讲区块链的经济学分析 88一、区块链的技术基础 88（一）区块链的工作原理 88（二）密码学在区块链中的应用 89（三）共识机制 92（四）智能合约 93二、区块链的应用场景 94（一）金融服务 95（二）供应链管理 95（三）版权保护 96（四）身份认证 97三、区块链的经济学展望 98（一）区块链对市场结构和竞争的影响 98（二）区块链的金融效应 100（三）区块链的经济治理与社会影响 100第七讲作为生产要素的数据 104一、数据：21世纪的新石油 104（一）何为数据 104（二）数据的几个相关概念 107（三）数据要素和数字经济 二、数据要素的主要特征 （一）物理特征 （二）经济特征 （三）数据与其他要素的关系 三、数据的生产要素属性 （一）作为桥梁要素的数据 （二）作为创新要素的数据 （三）作为聚合要素的数据 第八讲数据要素的价值释放 120一、数据要素确权 120（一）数据权利 120（二）“三权分置”数据产权制度 122（三）数据的分级分类确权 123二、数据要素流通 125（一）数据资产入表 125（二）数据市场交易 126（三）促进数据要素流通的政策抓手 129三、数据要素赋能新质生产力 129（一）新质生产力的提出与内涵 130（二）实现机制：“数据要素×”形式 131（三）作用场景 132第九讲中外数字经济发展现状与趋势 134一、中国数字经济发展历程 134（一）萌芽阶段（1995-2003年） 134（二）快速发展阶段（2004-2013年） 135（三）发展繁荣阶段（2014年至今） 136二、中国数字经济发展现状 137（一）党和国家高度重视数字经济发展 137（二）中国数字经济发展新态势 138三、中国数字经济发展趋势 139（一）从“外延式增长”到“高质量发展” 140（二）从“为我所有”到“为我所用” 140（三）从“粗放型生长”到“可持续发展” 141（四）从“流量为王”到“私域崛起” 141（五）从“加快数字化发展”到“构筑‘数字+绿色’双底座” 141四、主要经济体数字经济发展现状与趋势 142（一）美国：创新驱动的全球领导者 142（二）欧盟：规则主导的数字主权追求者 143（三）英国：寻求灵活路径的金融科技强国 145（四）日本：追赶中的工业与政府转型 146第十讲数字平台治理：各国实践与未来展望 150一、数字平台治理的必要性 150（一）数据垄断频发 150（二）算法风险集聚 153二、欧盟的数字平台治理 157（一）核心逻辑：数字主权与基本权利 157（二）法律框架：从GDPR到DMA/DSA“双支柱” 158三、美国的数字平台治理 159（一）核心逻辑：创新优先与市场失灵理论 159（二）法律框架：传统反垄断法与“230条款” 159（三）最新动向：从自由放任到强化监管 160四、中国的数字平台治理 160（一）演进路径：从鼓励创新到综合治理 161（二）制度框架：法律体系与机构协同 161五、未来展望与国际合作 162（一）全球平台治理的未来趋势 162（二）平台治理的国际合作 163第五讲人工智能与经济发展（本讲导语20233AIAI引领的新一“生产率悖论”AI可能带来的“经济奇点”和增长新潜力。。一、人工智能技术简介人工智能（ArtificialIntelligence,AI）是计算机科学的一个分支，致力于创（一）人工智能简史人工智能概念的提出1950年，英国数学家艾伦·图灵发表了划时代的论文《计算机器与智能》，“图灵测试”至今仍是衡量（提问者在与一1956“人工智能”这一学科名称。与会者们探讨了自动计算机、神经网络、机器创造性等一人工智能技术的三轮浪潮人工智能的发展并非一帆风顺，而是经历了三轮起伏的浪潮。（1）第一轮浪潮（20世纪50-70年代）：符号主义的兴衰（或称逻辑主义其核心思想是智能源于逻辑MYCIN系冬天”的到来。（2）第二轮浪潮（20世纪80-90年代）：联结主义的复兴（ANN），让机器从数据中学习模式，而非依赖预设规则。误差反向传播算法（BP算法）（3）第三轮浪潮（2006年至今）：深度学习的革命2006（拥有更多隐藏层（互联网和大数据技术提供了前所未有的训练材料）、强大算力（GPU等并行计算硬件的出现极大地提升了训练速度（一系列新的网络结构和优化算法被提出人工智能的早期应用（1）工业机器人60UnimateShakey机器人的开发和应用，都颇具里程碑意义。1961年，由乔治·Unimate机器人开始在通用汽车公司的1966（SRIInternational）Shakey机器人——第一个具有移动性和感知能力的机器人。Shakey能够通过轮子移动，并使用摄像头和碰撞传感器在复杂环境中导航。早期的工业机器人具备了人工智能三项基础能力中的运算能力和感知能力，（2）专家系统2070MYCINPROSPECTORDENDRAL系统等等。（从已知事实出发推导新事实（从目标出发逆向寻找支持事实20702080MYCIN神经网络和深度学习（1）人工神经网络2070人工神经网络通过模仿大脑神经元的连接和信息传递机制来构建计算模型，年，哈佛大学的保罗·韦尔博斯在其博士论文中探讨了实现多层神经（BP算法1982年，加州理工学院的物理学家约翰·霍普菲尔德利用神经网络解决旅行商问题，1986·BP算法可以用来训练深度神经网络，即多于两层或三层的神经网络。BP算法的提（2）深度学习2006·辛顿教授提出“深度信念网络”为标志，人工智能开始进入“深度学习”时代，当前最主流的人工智能算GPUTPU，以及大量内存和存储空间。（二）人工智能科技革命进入21世纪的第三个十年，以大语言模型和生成式人工智能为代表的技术突破，正引领着新一轮影响深远的人工智能科技革命。大语言模型（LLM）AI“预训练”“变换器”（Transformer）架构，这种架构使其能够高效地捕捉语言中的长距离依赖OpenAIGPT在理解和生成自然语言方面展现出惊人的能力，极大地推动了自然语言处理（NLP）GPT-4等多模态模型的出现，使其不仅能处理文本，还能理解图像等多种信息，进一步拓宽了其应用边界。生成式人工智能（GAI）LLM的基础上，融合多模态技术和生成算法，催生了生成式人工智能。AI不同，GAI的核心能力在于“创造”。它能根据用户指令，自动生成全新的、原创性的内容，包括文本（文章、代码）、图像、音乐乃至视频。ChatGPTSoraAI从一个分析工具，演变为一个强通用人工智能（AGI）AI革命的终极目标，被普遍认为是实现通用人工智能。与当前在特定任务上表现出色的“专用人工智能”（ANI）不同，AGI旨在拥有与人类相似的、（能将一个领域的知识迁移应用于其他领域（能在没有人类明确指导的情况下从经验中学习和成长）AGI尚未实抢抓人工智能发展的战略机遇AI的高质量发展和高水平应用培育经济发展新动能。这需要做到以下四点：芯片、核心软件等关键技术上实现突破，鼓励跨学科协同创新。重点开发新一代AI：发挥新型举国体制优势，聚焦大模型等新技术，建立国家级数据训练基地和开源开放生态。二、人工智能的经济应用（一）人工智能经济人工智能产业发展（1）机器人制造现代机器人产业正朝着更智能、更灵活的方向发展。协作机器人（Cobots）能够与人类工人安全地并肩工作，极大地提升了生产线的灵活性。5G和物联网（2）人工智能服务业AIAI服务业正迎来爆发式增长。这包括文本生成（新（人工智能赋能传统产业2024“人工智能+”“人工智能+”人工智能+AI分析卫星图像和传感器数据，实现对灌溉、施肥的精确管理，节约资源、提高产量。AI还能通过图像识别监测病虫害，实现早期预警和精准防治，减少农药使用。人工智能+是智能制造的“大脑”可以优化生产流程、预测设备故障、进行自动化质量检测。同时，AI还能辅助进行产品设计和材料研发，加速创新周期。人工智能+（聊天机器人）（提升用户体验和销售转化率；AIAI实现个性化学习路径规划和自适应辅导。人工智能与经济治理（二）人工智能与劳动力人工智能对劳动力市场的影响是其引发的最激烈和最深刻的社会辩论之一，其核心在于替代、创造和生产率这三种效应的博弈。替代效应对于人工智能如何替代劳动力，多数现有研究基于采用“工作任务模型”（Task-based企业基于提升生产率的考虑将原来由劳动力操作的任务转由人工智能赋能的机创造效应人工智能的技术进步创造出原来不存在的新任务和新职业，从而吸收就业、提高劳动收入。这些新职业既包括需要高技术能力的算法工程师、数据科学家，也包括对于技术能力要求较低的算法训练师、数字营销人员等职业。2070年代后才出现劳动收入份额持续下降的趋势。生产率效应人工智能技术还能通过两种机制提升生产率、间接改善收入不平等。（GeneralPurpose（三）人工智能与收入分配1.市场结构与就业极化首先，人工智能加剧了市场集中度。拥有更多数据、算力和人才的大企业，“超级明星公司”“鲍莫尔成本病”的影其次，人工智能正在引发就业极化（JobPolarization）。传统人工智能技术最容易替代的是中等技能的“常规性工作而对于需要复杂（以及需（则难以“掏空”，形成了“U型”2.整体效应三、人工智能与经济增长（一）人工智能的“生产率悖论”生产率悖论（ProductivityParadox）又称索洛悖论，是指在技术迅速发展和索洛在1987一些学者对人工智能的发展产生了“生产率悖论”·戈登为代表的“增长悲观派”学者认一些学者对于人工智能“生产率悖论”这一观点表达了旗帜鲜明的反对意见。以埃里克·布莱恩约弗森为代表的“增长乐观派”学者则认为，“生产率悖论”只是“实施滞后”（和（如更好的产品质量、更多的消费选择、免费的数字服务）GDP指标所衡量。他们相信，随着人工智能技术的成熟和扩散，我们正处在生产率大幅提升的“前夜”。（二）人工智能与“奇点”一些学者探讨了人工智能是否会带来“经济奇点”（EconomicSingularity）。Aghionet从理论层面对“经济奇点”式人工智能的出现及快速迭代，为突破知识生产瓶颈创造了可能。葛伟和肖涵（2022）按照生成式人工智能出现之前的状况估计预判，我国将于2070年前达到“经济奇点”，但伴随着人工智能技术的快速迭代，这一时间点也将大幅提前。（三）生成式人工智能与经济增长两类人工智能的差异性生成式人工智能与传统人工智能在多个层面上呈现出不同的特征和发展趋势。2.巨大的经济增长潜力（AlavietNoy&453ChatGPT显著提高了生产率，表现为写作平均用时的缩短和作Xiaoet在文本信息etal.，2023；Capraroetal.，2023）。这些问题都可能对于经济增长产生负面影响。本讲小结“人工智能+”“生产率悖论”仍在激“经济奇点”带来了新的想思考题人工智能技术的发展经历了从符号主义到联结主义，再到深度学习的演进。你认为这三次浪潮背后，驱动范式转换的根本原因是什么？（“人工智能+”将如何重塑该行业的业务流程、竞争格局和人力技能需求。“就业极化”是人工智能影响劳动力市场的重要现象。你认为中国是否也面临同样的问题？中国的劳动力市场结构和教育体系应如何调整以应对这一挑战？关于人工智能的“生产率悖论“增长悲观派”还是“增长乐观派”的观点？请结合你对身边技术应用的观察，阐述你的理由。拓展阅读埃里克·布莱恩约弗森、安德鲁·麦卡菲：《第二次机器革命》雷蒙德·库兹韦尔：《奇点临近》罗伯特·巴罗,泽维尔·萨拉-伊-马丁：《经济增长》Acemoglu,D.,&Restrepo,(2018).Theracebetweenmanandmachine:Implicationsoftechnologyforgrowth,factorshares,andemployment.AmericanEconomic108(6),1488-1542.Aghion,Jones,B.&Jones,C.I.(2017)."Artificialintelligenceandeconomicgrowth".InTheEconomicsofArtificialIntelligence:AnAgenda.Brynjolfsson,E.,Rock,D.,&Syverson,C.(2019)."Artificialintelligenceandthemodernproductivityparadox".InTheEconomicsofArtificialIntelligence:AnAgenda.第六讲区块链的经济学分析（本讲导语）同学们好，欢迎来到第六讲。2008月，一位自称“中本聪”的神秘人物发布了比特币白皮书，其底层技术——区块链，自此走入公众视年，习近平总书记在主持中央政治局集体学习时强调，“我们要把区块链作为核心技术自主创新的重要突破口”。从经济学角度看，“信任机器本讲义以“区块链的经济学分析”（分布式账本和链式结构入手，深入剖析作为其安全基石的密码学应用，比较三种主流的共识机制（PoW,PoS,pBFT），并详细介绍实现其自动化能力的关键——智能合约。第二部分，聚焦“区块链+”的赋能模式。（以及经济社会治理的潜在影响与挑战。一、区块链的技术基础简单来说，区块链是一种融合了分布式数据存储、点对-点传输、共识机制（一）区块链的工作原理分布式账本（DLT）区块+链式结构区块链的名称直观地描述了其数据结构。数据被打包成一个个独立的“区块”（Block），然后通过密码学方法按时间顺序链接起来，形成一条不断增长的“链”（Chain）。（哈希值（一个由区块内容通过加密算法生成的独一无二的字符串“挂钩”连接起来，形成一条从创世区块（第一个区块）（二）密码学在区块链中的应用密码学是区块链技术中不可或缺的一部分，它为区块链提供了安全性、隐私性和信任基础。在区块链的构建和运行过程中，密码学的应用体现在多个层面，包括数据的加密、身份验证与交易签名以及隐私保护等。加密算法SHA-256（256位安全哈希算法SHA-256具“碰撞”验证与签名（1）非对称加密算法Token，简称NFT），私钥是证明拥有者的所有权和控制权的重要凭证。（2）数字签名（3）钱包和地址（如电脑和手机上的应用程序）和冷钱包（如硬件钱包和纸质钱包），以满足不同用户的需求。此外，还有基于云的钱包和去中心化交易所（DEX）钱包等新型钱包。隐私保护（1）匿名性MoneroZcash，使用了特殊的加密技术来隐藏交易的发送方、接收方（2）零知识证明是一种流行的零知识证明Zcash等加密货币中得到应用。（3）环签名（三）共识机制工作量证明（PoW）（“矿工通过消耗巨大（“工作量51%（比10分钟才能确认一个区块）。权益证明（PoS）PoWPoS（权益”节点通过质押自己的代币来参与区块验证，如果作恶，其质押的代币将被罚没。2022PoW实用拜占庭容错（pBFT）该机制源于一个经典的计算机科学问题——“拜占庭将军问题算法允许系统在存在少于三分之一的恶意节点的情况下，仍然能够快（四）智能合约如果说区块链是“世界计算机基本概念智能合约是由密码学家尼克1994技术基础智能合约需要一个支持其执行的区块链平台。以太坊（Ethereum）是最早实现智能合约并广泛推广的平台之一，其通过引入虚拟机来执行智能合约。以太坊是一个2015年创立开源的、基于区块链技术的去中心化平台。它不仅支持加密货币交易，还允许开发者创建和部署智能合约，从而实现复杂的去中心化应用。为了编写智能合约，需要特定的编程语言或框架。SolidityC++、PythonJavaScript等编程语言的影响，支持静态类型、复杂数据类型、用户定义的类型和继承等特性。Solidity还提供了生命周期智能合约的生命周期包括编写、部署、执行和维护等阶段。技术优势（二、区块链的应用场景区块链通过其“信任机器”（一）金融服务供应链金融支付清算数字资产和证券普惠金融（二）供应链管理供应链是指从原材料获取、产品制造到最终产品交付给消费者的整个过程。透明度与可追溯性“生命旅程库存管理与需求预测推动供应链创新（三）版权保护版权注册与记录（生成一个独一无二的哈希值，版权交易与管理侵权监测与维权（四）身份认证去中心化身份认证简化身份验证流程促进跨界合作与全球合作三、区块链的经济学展望（一）区块链对市场结构和竞争的影响去中心化市场网络效应市场透明度（二）区块链的金融效应对货币政策的挑战对金融稳定性的影响跨境支付与资本流动对金融中介的重塑（三）区块链的经济治理与社会影响监管与自治的博弈构的监管框架提出了巨大挑战。未来，区块链的治理很可能是一种“传统监管”与基于智能合约的“链上自治”相结合的混合模式。隐私与安全的权衡“被遗忘权”难以实现的难题。对社会公平的影响本讲小结在应用层面，区块链正通过“区块链+”的模式，在金融服务、供应链管理、版权保护、身份认证等多个领域发挥着降本增效、重塑信任的关键作用。思考题请用一个通俗易懂的比喻来解释工作量证明（PoW）和权益证明（PoS）智能合约被誉为“代码即法律”有人认为区块链是“终极的去中介化工具拓展阅读唐Böhme,R.,Christin,N.,Edelman,B.,&Moore,(2015).Bitcoin:Economics,technology,andgovernance.JournalofEconomicPerspectives,29(2),213-238.Cong,L.&He,Z.(2019).Blockchaindisruptionandsmartcontracts.TheReviewofFinancialStudies,32(5),1754-1797.第七讲作为生产要素的数据（本讲导语“21世纪的淘金热”年，中共中央、国务院出台《关于构建（简称“数据二十条年，国家数据局正式挂牌成立。这些重大举措标志着我们对数据价值的认识进入了全新阶段。那么，数据究竟是什么？它为何能成为与土地、资本相提并论的生产要素？它又具备哪些独特的属性和特征？本讲将带领大家深入数据要素的内核，系统地回答这些根本性问题。——21世纪的新石油”（（“数据+算力+算法”“桥梁要素”“创新要素“聚合要素”。一、数据：21世纪的新石油（一）何为数据数据的定义关于“数据”的定义，不同学科有不同的侧重。（1）标准定义“用于形成决策或者发现新知的事实或信息”。形成决策”和“发现新知”（2）计算机科学定义“对客观事件的记录（3）经济学定义经济学家更关注数据的经济价值。加拿大统计局将其定义为“已经转化成数字形式的观察“可以01组成的二进制序列的信息”，这一定义涵盖了从统计记录“投入”和作为最终产品的“产出”。数据为什么是“新石油”将数据比作“新石油“精炼即处理和分析“精炼”（1）云计算的作用21世纪，企业的单位计算成本随着计算机技术的进步显著降低，然而来越多的数据和信息需要记录、存贮，以供企业之后使用；另一方面，随着“数据驱动型决策”（Data-drivenDecisionMakingDDDM）集中起来形成共享的资源池，并以动态按需、可度量的方式向用户提供服务。“租赁”云服务的“大规模仓储”（2）大数据技术的作用大数据技术的核心就是处理“大小超出常规数据库工具获取、存储、管理和分析能力的数据集”。它通过数据分析、挖掘、机器学习等手段，将海量的、杂乱的原始数据转化为有价值的洞察和知识，完成了对数据的“开采”和“精炼”。数据的类型划分（1）按结构划分（式规整（和半结构化数据（XML文件，介于两者之间，具有一定的结构性但模式可变）。（2）按来源划分（企业自身收集的客户数据（从合作伙伴处获得的第一方数据（从数据聚合商等外部渠道购买的数据（政府等公共机构开放的数据）。（通过直接观察或调查得到的数据（通过其他渠道获取的数据（3）其他划分方式（二）数据的几个相关概念数据和信息（1）作为信息载体的数据信息”可以被理解为根据条件概率原则有效地改变概率的任何观察结果，或者是传递中的“知识差”（KnowledgeGap）。根据这一定义，在获取了信息之后，人们的决策（2）数据和信息的异同（3）信息经济2060——ICT20世纪50年代世界经济发展面临的一大难题——当工业制造业已经足够发达、生产制（信息化转型数据和知识如果说信息是“知道是什么”（knowing-what），那么知识就是“知道为什么”（knowing-why）和“知道怎么做”（knowing-how）。知识是经过人类（或机器）“降价能提升销量”的规律，这就是知识。人工智能的发展与数据要素密不可分。JonesTonetti（2020）的开创性研（Non-rivalry），即同一份数据可以被无数个使用者同时使用，而不会发生损耗。我的使用，并不妨碍你的使用。（1）数据参与知识生产数据参与知识生产的过程同样与大数据技术密切相关（Abis&（2）数据和知识的异同Jones&（3）知识经济马克卢普在其著（知识产业与其它物质产业和服务业相比存在两种主要不同。deepseekR1大模型，就是一个很好的例证。（三）数据要素和数字经济将数据作为生产要素，是中国首次提出的重大理论创新。2023年初，党中作为生产要素的数据·土地为财富之母，而劳动则为财富之父和能动的要素”。工业革命将机器引入经济生产活动中，资本成为工业经济时代的关键生产要素。世纪末，英国经济学家阿尔弗雷德·马歇尔在其重要著作《经济学原理》“生产要素”（factorsofproduction）“维系国民经济”。马歇尔认为，经济活动的三种基90“二进制”数据是数字经济发展的关键要素“数据要素×”二、数据要素的主要特征对于数据要素具备哪些特征，学界存在多种不同理解。在数据科学维度上，数据要素具有“4V”特征，分别代表数据的规模性（Volume）Vrity（Vlocity（Vlu（白永秀（一）物理特征21世纪最重要资源的价值基础。（二）经济特征（如（如商业秘密“窖藏”“所有权”概念难以完全适用，因此“数据二十条”创造性地提出了资源持有权、加工使用权、产品经营权“三权分置”的解决思路。“副产品”风险隐匿性：由于数据的虚拟性和高流动性，其相关的风险（如隐私泄露、数据滥用、虚假信息传播）也更具隐蔽性、传播速度更快、影响范围更广，对治理和监管提出了更高的要求。（三）数据与其他要素的关系数据与其他要素（一）数据与其他要素——（如消费者群体发生的趋势性演变导致旧的消费者数据不能反映消费者特征或者企业支付额外成本收集的数据成“虚产要素”（的生产效率与生产数字三要素：数据+算力+算法算力和算法“数字三要素数据是“燃料”。没有海量、高质量的数据作为训练材料，再先进的算法也只是无源之水。算力是“发动机”CPUGPU智算中心等基础设施，以云服务的方式对外供给。中国正在推进的“东数西算”工程，就是为了优化全国算力资源布局的国家级战略。算法是“驾驶员”三、数据的生产要素属性（一）作为桥梁要素的数据联通不同生产要素（技术要素）可以与工人的操作记录（劳动要素）和生产计划（管理要素）相结合，基础设联通数字技术和传统经济（二）作为创新要素的数据数据已成为驱动企业研发创新的关键资源，特别是在激励渐进性创新方面。数据要素在创新中的作用数据要素对未来创新的潜在影响与颠覆行业格局的“突破性创新”（三）作为聚合要素的数据形成“数据要素×”的倍增效应聚合促进开放共享增强政府透明度：政府部门开放公共数据（如财政预算、环境监测数据），有助于增强政府透明度，便利公民监督。本讲小结（虚（并探讨了其与传“数字三要素”“创新要素思考题AppApp中产生和应用的。数据要素的“非竞争性”和“部分排他性”这两个特征看似矛盾，请解释为请阐述“数据+算力+算法”这“数字三要素”之间的相互关系。为什么说缺少其中任何一个，另外两个的价值都会大打折扣？（具体设想“数据要素×”拓展阅读戎珂，陆志鹏：《数据要素论》汤珂，刘涛雄，谢丹夏：《“数据要素×”的经济学》徐翔：《数字经济发展：网络、算法与数字平台》Farboodi,M.,&L.(2020).Long-rungrowthoffinancialdatatechnology.AmericanEconomic110(8),2485-2523.McAfee,A.,Brynjolfsson,E.,Davenport,H.,etal.(2012).Bigdata:themanagementrevolution.HarvardBusiness90(10),60-68.第八讲数据要素的价值释放（本讲导语“21世纪的新石油“油罐”“开采”“精炼”和“输送本讲聚焦于“如何释放数据要素价值”模型，引出了数据要素的三项基本权利，并重点解读了中国独创的“三权分置”“数据资产入表”和“数据市场交易”“新质生产力”“数据要素×”一、数据要素确权（一）数据权利数据要素进入经济活动Decision-Making，DDDM）和数据产品生成。（在管理学中，常用DIKW金字塔模型描述数据价值释放的层次。它指数据（Information）；信息经过归纳和的价值终点不“知道什么”或“知道多少数据要素的三种权利（如收集数据的企业或产生数据的个人拥有这项基础性权利。（二）“三权分置”数据产权制度概念提出与实践路径“所有权”归属的理论争论，而是创造性地提出了“三权分置”2022年发布的“数据二十条”明确提出具体做法推进“三权分置”的实践路径主要包括：认、保护和交易提供凭证。促进流通交易：完善数据流通规则，培育数据交易市场和服务生态。主要难点尽管“三权分置”为数据确权指明了方向，但在实践中仍面临诸多挑战：数据定价和评估难：作为一种无形资产，数据的价值高度依赖于应用场景，缺乏公允的定价标准，这使得交易和收益分配难以进行。（三）数据的分级分类确权年国务院办公厅发布《要素市场化配置综合分级分类方式（1）数据分级一般数据：对数据安全和隐私保护要求较低的数据，如气温数据；敏感数据：需要严格保护的数据，如个人隐私信息、商业秘密等；（2）数据分类公共数据：由政府或公共机构持有，通常用于公共服务和社会管理；企业数据：由企业在运营过程中产生，涉及商业秘密和竞争信息；个人数据：包含个人身份信息、隐私数据等，需严格遵守相关法律法规。基本原则确权流程数据分级分类确权流程是一个系统化的过程，旨在确保数据按照其敏感性、价值和用途被正确管理和保护。数据确权流程通常包括以下五大步骤：数据识别：识别数据的来源、类型和用途；风险评估：评估数据泄露或滥用可能带来的风险；权利界定：根据分类分级确定数据持有者、使用者和传播者的权利和义务；授权使用：根据确权结果，制定数据使用和共享的规则和协议；监督执行：建立监督机制，确保数据使用符合确权规定。技术手段（）实现“数据可用不可见”，从而在保障安全的前提下促进数据共享和利用。二、数据要素流通“动起来10%（一）数据资产入表理论基础（1）数据资产（data（dataresource）不同，数据资产强调的是数据的经济价值和所有权，数据资产的价值体现在其使用价值、交易价值和社会价值。数据资产可以通过提供信息、知识、“入表”是“会计核算”的通俗称法，指通过确认、计量、记录和报告等环节，对满足资产确认条件的资源进行记录，以满足内外部决策者所需的会计信息。数据资产入表的实质是数据资产会计核算，即将数据资源确认为企业资产负债表中“资产”一项，在企业财务报表中体现数据资产的价值。（2）数据资产入表的价值从企业的角度来看，数据资产入表的价值主要体现在以下两个方面。“入表”的过程中，通过对数据资源相关情况的盘点和披露，企业将更加了解、重视国内实践与现存问题2023年8月，中国财政部印发《企业数据资源相关会计处理暂行规定》，202411“工业互联网数据资产化”和江苏的“水务行业数据资产入表”等。这些案例标志着数据资产化从理论走向实践。（二）数据市场交易理论基础（1）信息经济学（2）价值理论（（3）数据定价（4）隐私经济学国内实践与现存问题2015“数据二十条”发布后，数据交易市场进入快速发展期，各地数据交易机构数量激增，市场规模迅速扩大。但繁荣之下，问题依然突出：各自为政：缺乏全国统一的交易市场和规则，各地交易所形成“数据孤岛”（三）促进数据要素流通的政策抓手为解决上述问题，促进数据要素流通，需要从技术、流通方式、收益分配、三、数据要素赋能新质生产力”。世界百年未有之大变局加速演进，加快形成（一）新质生产力的提出与内涵基本概念新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，理论内涵新质生产力的核心在于“新（（（形成条件略性新兴产业，具有速度快、精度准、价值高等优势，能够激活数据要素潜能，推动生产力变革和创新，形成新质生产力。通国民经济循环并实现国内国际双循环的相互促进是新质生产力形成的重要条（二）实现机制：“数据要素×”形式“卡脖子”技术问题与牵住创新“牛鼻子”的关键所在。“协同优化”“复用增效”和“融合创新”“数据要素×”为新质生产力发展提供不竭动力。（三）作用场景本讲小结“三权分置”产权制“数据资产入表”和“数据市场交易”“数据要素×”思考题如何理解数据产权的“三权分置”？为什么说这一制度设计是对传统物权“所有权”理论的一种创新性突破？它试图解决数据要素的哪些核心难题？以你熟悉的某个行业为例，如果该行业的龙头企业率先实现了数据资产目前中国各地的数据交易所“遍地开花”，但交易并不活跃。你认为制约请阐释“新质生产力”（如智能交通、远程医疗或智慧农业），详细说明“数据要素×”是如何在该场景中赋能新质生产力形成的。拓展阅读史凯：《数据要素价值化蓝图》汤珂：《数据资产化》于施洋，王建冬，黄倩倩：《论数据要素市场》Acemoglu,D.,&Restrepo,(2018)."Theracebetweenmanandmachine:Implicationsoftechnologyforgrowth,factorshares,andemployment".AmericanEconomicReview.第九讲中外数字经济发展现状与趋势（本讲导语本讲以“现状与趋势”1995年至今的发展历程，将其划分为互联网接入的“萌芽阶段”、人口红利释放的“快速发展阶段”以及移动互联网引领的“发展繁荣阶段”，勾勒出一条从无到有、从小到大的崛起“趋向”和“转变”一、中国数字经济发展历程（一）萌芽阶段（1995-2003年）互联网接入与基础设施建设1995年，中国正式向社会提供互联网接入服务，标志着中国互联网元年的CHINANET为代表的全国骨干网相继建成，四大骨干网实现互联互通，为互联网的普及奠定了基础。1999年启动的“政府上网工程门户网站与电子商务的诞生1998年前后相继成立，它们通过整合新闻、邮件、搜索等服务，成为早期网民上网的入口，成功地将“眼球”和“流量”转化为广告收入。与此同时，电子商务也开始了艰难的探索。1999年，专注于B2C的8848、C2C的易趣网和B2B的阿里巴巴相继成立。彼时，用户稀少、支付不便、信任缺失是电商发展的“三座大山”。在世纪之交的互联网泡沫冲击下，8848逐渐没落；易趣网在与后起之秀淘宝网的竞争中，因对本土市场理解不足而败下阵来；而阿里巴巴则凭借对中小企业贸易需求的精准把握，在B2B领域站稳了脚跟，并为日后的腾飞埋下伏笔。数字金融的初步探索1999“一网通”的网络银行服务，整合了个人银行、网上支付、网上证券等功能，有效解决了早期电子商务的支付瓶颈，成为中国银行业数字化转型的先行者。（二）快速发展阶段（2004-2013年）Web2.0的驱动2004年谷歌上市的示范效应，点燃了中国互联网发展的第二次浪潮。这一时期最显著的特征是中国网民数量的爆炸性增长，从2004年的不足1亿增长到2013年的超过6亿。其背后的核心驱动力，一方面是中国庞大的人口基数，另Web2.0模式的兴起。Web2.0的核心是“用户生成内容“更多用户↔更丰富内容”在线支付与信用体系的成熟电子商务发展的最大瓶颈——年，阿里巴巴推出支付宝，创造性地引入了“担保交易”模式：买家付（三）发展繁荣阶段（2014年至今）4G传统行业的“互联网+”转型O2O（Online-to-Offline）服务生态。同样，滴滴等网约车平台的出现，也深刻地改变了人们的出行方式。新兴业态的不断涌现这一时期，基于移动互联网的商业模式创新层出不穷。以摩拜、OFO为代表的“共享单车“共享经济”“网络直播”与“电商带货”20162018等短视频平台全面入局，直播电商以其直观、互动的体验和强大的“带货”能力，成为数字经济中一股不可忽视的力量。“互联网+”助力传统企业数字化转型，也能够促进新兴企业数字化发展。二、中国数字经济发展现状（一）党和国家高度重视数字经济发展2016G20G20——数字经济将成为助推全球经济增长的强大力量。2017年“两会”期间，政府工作报告中首次出现“数字经济”这一表述，并提出数字经济有着使人民受惠、企业受益的重大意义。自2017年开始，政府工作报告中已连续八年提到“数字经济”。2019中国高度重视数字经年，《“十四五”数字经济发展规划》进一步强调，数字经济年二十大后，国家发改委主任何立峰所作的《数字经济发展情况报告》指出，“要审时度势，牢牢把握新一轮科技革命和产业变革发展先机，主动发展、大力发展数字经济”。2024加快构建促进数字经济发展体制机制，”二十届三中全会直接提及“数字经济（二）中国数字经济发展新态势数字经济成为提振宏观经济的关键力量年中国数字经济规模达到50.220214.72016年更是增长了一倍有GDPGDP41.5%，这2020年以来，数字经济已经成为提振中国宏观经济发展的中流砥柱。信息基础设施建设不断完善“5G”“十四五”规划中明确提到5G56%5G“3G”“4G”“5G”引领，中国数字化创新活力不断提升。根据工信部《2022年通信业统计公报》，截至20225G231.25G在消费端和20245G820245G连接的比例预计将45%50%5G总连接数将进一步攀10亿以上。产业数字化在数字经济发展中仍然占据主导地位GDP比重也远大于数字产业化占比，数字经济呈现出较为稳定的“二八”比例结构。20229.2GDP7.6%18.3%，数字产业化向强基础、重创新、筑优20224110.3%，GDP33.9%81.7%。互联网、大数据、人工智企业全面推进数字化转型数字化转型已成为中国企业的“必选项”三、中国数字经济发展趋势展望未来，中国数字经济正从高速、粗放的“上半场”，转向高质量、可持续的“下半场”，呈现出五大核心趋势。（一）从“外延式增长”到“高质量发展”“外延式增长”转向更注重与实体经济深度融合的“高质量发展”新阶段。“十三五”GDP1.3加值占P比重也仅从6.9增加到7.4“十四五202560GDP7.4%10%GDP比50%，届时中国数字经济会成为整个国民经济的半壁江山。100070%以上都将（二）从“为我所有”到“为我所用”在数据要素方面，发展理念正发生深刻转变。“数据为谁所有6月，中央全面深化改革委员会第二十六次会议明确提出“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”“数据到底归谁所有”数据为我所用”的理念逐步成形。在保障数据安全和合规的前提下，通过更灵活的授权和共享机制，最大限度地促进数据流通和价值释放。（三）从“粗放型生长”到“可持续发展”早期数字经济的“野蛮生长”（四）从“流量为王”到“私域崛起”（流量为王”的商业模式正面临挑战。未来，企业将更加重视构建“私域流量”，即通过自有App（五）从“加快数字化发展”到“构筑‘数字+绿色’双底座”“数字+绿色”双底座，将成为中国经济高质量发展的重要战略方向。2030年，ICT技术会使得全球减少121亿吨碳排放量。数字化绿色化双轮驱动的发展模式，正在成为经济社会转型四、主要经济体数字经济发展现状与趋势（一）美国：创新驱动的全球领导者数字经济发展现状美国在全球数字经济中仍占据绝对领先地位，其规模在2022年高达17.2万亿美元。其优势源于强大的底层技术创新能力（在AI、云计算、物联网等领域持续领先）、活跃的风险投资生态以及以市场为主导的“自下而上”的创新模式。这使其诞生了几乎所有全球性的平台巨头。政府政策和监管也在美国数字经济发展中扮演着重要角色。美国政府推出的多项政策旨在促进数字技术的应用和创新，同时确保网络安全与个人隐私保护。20222023数字经济发展趋势：美国数字经济将面临新的机遇和挑战，呈现出以下三个主要趋势：（1）数字技术创新将持续推动数字经济向纵深方向发展（2）数字经济将在更多领域和行业实现深度融合与渗透（3）数字经济将面临更加复杂和激烈的国内外竞争与挑战（二）欧盟：规则主导的数字主权追求者数字经济发展现状美欧盟的数字经济发展呈现出一种独特的“规则驱动”或“价值观驱动”模式。数字经济发展趋势：（1）大力发展工业数字化和企业数字化2016年出台《欧洲工业数字化战略》，投入大量资金以支持工业数字化发展。2020（2）着力提升劳动者数字技能据欧盟统计，2012-2019年间，欧盟企业具有数字化技能的劳动者远低于东亚地区，数字专家短缺以及民众数字技能水平较低阻碍了欧盟推进数字化转型。为培养具有数字化技能的劳动者，欧盟推出一系列支持政策，包括2018年提出的《数字教育行动计划》及《2030数字指南针：欧洲数字十年之路》，以促进数字技术和技能的普及和提高。（3）重视数字主权和价值观，加强数字经济监管（GDPR）2020（DMA）（三）英国：寻求灵活路径的金融科技强国数字经济发展现状（FinTech）领域，伦敦已成为全球领先的金融科技创新中心。英国的数据市场也是欧洲最活跃的之一。1250170万个工作岗位。到2025年，英国支持和加强数字经济的方法可以使英国科技行业的年度总增加值415678000个就业机会。英5G年，英国数字经济约占英国国内生产总值（GDP）4%。。数字经济发展趋势：（1）重视数字基础设施的建设和升级5G（2）注重数字技能和人才的培养和引进英国政府将数字技能和人才作为数字经济的核心资本，通过改革教育体系，（（3）利用数字技术促进繁荣和平衡发展（四）日本：追赶中的工业与政府转型数字经济发展现状（B端（C端数字经济发展趋势：日本数字经济发展主要呈现出政府行政数字化水平提升和企业数字化转型两大趋势。（1）日本政府行政数字化水平提高“数字厅（2）日本企业积极开展数字化转型5G5G设备供应商，并通5G5G时代技术开发的支持力度。另外，政府还年日本推出“促进信息处理法”，同本讲小结思考题回顾中国数字经济发展的三个阶段，你认为在每个阶段，驱动其发展的最核心的动力分别是什么？（例如：政策、技术、市场、人口等）为什么说中国数字经济的结构呈现“产业数字化远大于数字产业化”的特征？你认为这种结构对中国经济的未来发展意味着什么？是优势还是劣势？请比较美国和欧盟在数字平台治理上的核心逻辑差异。你认为哪种模式更有利于数字经济的长期健康发展？为什么？结合本讲对日本数字经济发展现状的分析，你认为对于同样面临人口老拓展阅读徐翔：《数字经济时代：大数据与人工智能驱动新经济发展》徐翔：《数字经济发展：网络、算法与数字平台》中国信息通信研究院：《中国数字经济发展研究报告》中国国家互联网信息办公室：《数字中国发展报告》RU,WilliamsE.Thedigitaleconomy:Wheredowestand?[J].TechnologicalForecastingandSocialChange,2004,71(4):315-339.ShibataS.Gigworkandthediscourseofautonomy:Fictitiousfreedomindigitaleconomy[J].NewPoliticalEconomy,2020,25(4):535-551.SzelesMR,SimionescuM.RegionalpatternsanddriversoftheEUdigitaleconomy[J].SocialIndicatorsResearch,2020,150(1):95-119.Tranos,Emmanouil,Kitsos,andRaquelOrtega-Argilés."DigitaleconomyintheUK:regionalproductivityeffectsofearlyadoption."RegionalStudies55.12(2021):1924-1938.第十讲数字平台治理：各国实践与未来展望（本讲导语21世纪全球面临的最重要、也最复杂的公共本讲义以“比较与展望”“创新优先、事后监管”“230条款”为基石的法律框“数字主权”和“基本权利”（DSA）为支柱的“事前规则型”“鼓励创新”到“探索监管”，再到当前“发展与规范并重”的动态演进历程，并构建了中国现行的法律与机构治理框架。第四部分，在一、数字平台治理的必要性（一）数据垄断频发“大数据杀熟”等差异化定价与“二选一”数据垄断的成因数字平台在数字经济中发挥了“双边市场”“副产品数据垄断的危害（1）加剧市场垄断（2）降低用户福利（3）削弱卖家竞争力从卖家角度来看，用户共享的数据可以使平台上的买家和卖家更好地匹配。“俘获”越来越多的（4）造成隐私泄露数据垄断的延伸：数据共谋（二）算法风险集聚代表平台以数据要素为基础、以算力资源为支撑，在具体应Risk）。接下来重点介绍几种已经产生较大负面影响的算法风险，并按照是否包含算法编写者的主动意愿进行区分。主动算法风险（1）算法操纵“算法操纵”（2）算法合谋（Collusion）谋。Erahi&Stuce

2017轴辐型合谋、预测型合谋以及自主型合谋。信使型合谋指企业之间通过数字平台分享算法传递的信息来达成对产品价（特别是价格算法（因其难以被监管被动算法风险（1）算法歧视“大数据杀熟”Refugee）。大数据杀熟是算法歧视最常见的形式，本质上是一种基于算法的价格歧视。“熟客”或者“会员”——“杀熟”的形式主要有三（2）算法黑箱Box）最早是第二次世界大战期间美国军方研制的一系列特维纳扩展为“算法黑箱是指由于广泛应用在人工智能产品上的深度学习等主流算法模型训练、结果输出等方面出现运行机制难以解释，运行结果无法完全掌控等问题。黑箱代表了算法编写者放弃对于复杂系统运行原理的探究，而是专注于运用这一设备或技术来完成特定的现实任务。（3）算法缺陷算法缺陷是指算法在设计和应用的过程中还可能因用于训练的数据集存在“”（GarbageIn，GarbageOutGIGO）的现象，从而使得算法不能达到预期效果。技术权力与治理应对（1）技术权力的危害Power）。由于算法的高渗透性，数字平台和智能算法可以在多大程度上提高生产效率、促进生活便利，技术的“双刃剑”属性始终未曾改变，“技术权力”必须得到监督与治理。为抑制大型数字平台的负外部性，确保数字生态系统的可持续运行与发展，国内外要求管制数字平台的技术权力、增强它们责任的呼声日渐高涨。然而，如何界定数字平台的角色定位？应采取何种手段来约束或规范它们的行为？这两个问题已经成为各国立法或司法面临的共同难题。（2）应对算法风险各国政府已经开始意识到算法风险与技术权力的潜在危害性并做出治理应2017年，美国计算机学会的公共政策委员会发布了《关于算法透明和可问年，美国参议20194月，欧盟委员会设立的人工智能高级别专家组发布了《可信人工2020122022年，2023614ChatG