AI浪潮下的数据要素与企业数字化

2024年5月17日，在武汉中国光谷科技会展中心举办的2024中国光谷·光电子信息产业创新发展大会“数据要素×”论坛上，我做了关于“AI浪潮下的数据要素与企业数字化”的发言，以下是相关内容。

“AI浪潮下的数据要素与企业数字化”这个题目把AI、数据要素和企业数字化三个概念结合在一起，建立三者之间的联系。我从两个方面汇报，第一，AI本身的趋势;第二，数据要素和企业数字化结合的趋势。

一、AI发展的中国趋势

这里的AI趋势特指中国趋势。在我看来，中国和美国的AI会出现潜在分野的可能性，这种分野非常像上一代美国和英国的竞争。在工业革命里英国技术一直领先，但是在赚钱方面领先的是美国。现在的数字时代很有可能局面重现，美国在AI技术上领先，但是到最后发现钱都被中国人赚跑了。这个趋势我认为有三个，现在不明显，但是会越来越明显。

(一)从智能到智慧

美国的智能以算力为标准，它在计算主义的方向上飞奔，谁也追不上。以谷歌为代表，它是一条路走到黑的思路，我们把这个趋势称为智能化趋势。智能和智慧的区别是什么?智慧只有人才有，智能是人和机器都可能有的。

美国的趋势存在的优点很突出，就是客体能力非常强，但是主体是缺门，这将给中国带来机会。这一点是由去年国际人工智能大会提出的纲领指出的。下一代AI纲领指出了美国现有AI范式的缺陷。美国人工智能的两派围绕OpenAI斗得很厉害，让人们误认为人工智能未来就是学院派与技术派这两个方向的选择。实际二者同属于计算主义这个总的物质学科范式范畴，存在同样的局限。而中国需要超越计算主义，将人的能力(包括价值判断)纳入智慧化总方向，把握乃至引领未来潮流。这包括在现代产业体系顶层思路上，把人的因素(市场规模、应用需求)当作中国优势发挥出来，实现技术与人的全面发展。

只有人有智慧。中国可能的AI范式选择在学术上叫作机制主义，其实就是天人合一，既要有客体——天，还要有人——主体形成智慧。比如说主体有动机，现有人工智能没有动机;主体可以做选择，客体不能。现有人工智能就是客体最优化。

济南大学人工智能研究院院长，中国人工智能学会前理事长钟义信首先提出了不同于西方式现代化的科技新范式——信息学科范式，“它是中国式现代化思想在科技领域的生动体现”。正如钟义信指出的:中国式现代化是在世界历史和中国历史正在经历着“百年未有之大变局”的时代背景下的现代化概念，因此，与原有各种现代化概念的内涵与特色有着重大区别。从科学研究的角度看，这一时代的“大变局”表现在研究对象已经和此前千百年来的研究对象大不相同。历来的科学研究对象都是各种各样的物质客体，严格限制人类主观因素的介入，研究的目的是要认识物质客体的结构与功能;而现今时代的科学研究对象不仅要研究物质客体，而且要研究人类主体，尤其要研究在人类主体的主导下和在客观规律的约束下，人类主体与物质客体之间相互作用所产生的信息生态过程，研究的目的是要实现人类主体与物质客体的合作双赢，既要满足人类不断追求更好生存与发展水平的需要，又要维护客观规律的运行。

从机制主义观点看，人工智能的研究对象是“在主体目标的主导下和在客体环境规律的约束下，主体与客体相互作用所产生的信息生态过程”。人工智能范式革命本身的表现是:在人工智能研究领域以“现代信息学科范式”取代“传统物质学科范式”。

只讲客体，不讲主体，有可能制约美国AI的发展。比如说人是管驾驶舱的，但是美国的人工智能没有驾驶舱，它建了很多强大的机器，但是驾驶舱部分成为其薄弱环节。去年人工智能大会上提出了下一代人工智能是主客统一或者天人合一的智慧。我们追赶美国的过程中要发挥超车优势，考虑如何把人的主体性，如市场规模巨大、应用导向、效益优先这些优势融入AI发展的趋势里。

图1 机制主义人工智能系统的通用模型

图1是通用人工智能模型，这里面提到和主体结合的问题，既要有理智也要有情感，人是有意志的，机器没有意志。法拉利跑得再快也得有司机控制，中国在下一代的机会里可以补AI的短板，与通用人工智能比较，在人所特有的方面如动机、选择、控制，从范式上加以补全。人有动机，机器没有动机;人有选择，机器没有选择，两方面需要联合在一起。人工智能不是给人最终答案，那样就变成由机器决定人了。人工智能是提出选项，让人拍板，而不是机器本身说了算。

这并不是说，智能在这一趋势上不追赶了，而是要追个平手，再把智慧发挥出来，中国就到了主导潮流的时候。这是属于下一代的人工智能理论，叫机制主义。现在计算主义背后的逻辑是称为结构主义的发展方向。

人工智能对于企业数字化的影响是什么呢?我认为从智能到智慧，意味着从商业智能到商业智慧。实际改变的是，从为企业管理者服务变成武装一线员工。这个过程是从集中式的计算变成分布式的计算，在一线进行分布式的决策。这一点，我认为现在的AI还没有实现。

商业智慧在于要为客户服务，因为决定企业成败的是由客户支付来决定的，就是不仅要为企业管理者提供优化决策，还要为能够开除企业管理者的人提供优化。沃尔玛的创始人山姆·沃尔顿曾说:“我们的老板只有一个，那就是顾客。是他付给我们每月的薪水，只有他有权解雇上至董事长的每一个人。道理很简单，只要他改变一下购物习惯，换到别家商店买东西就是了。”怎么避免我们的顾客不把老板都给开除呢?人工智能要解决这个问题，这是从智能到智慧的转变。从为中间人、中间价值服务，变成为最终价值、最终买单的人服务。这才是智慧。最后赚钱，也是从这个路径实现。

(二)从通用到本地化

美国通用人工智能非常发达，但是成也萧何败也萧何。我们发现它给出的标准答案是四平八稳的，是优化现有意见形成的共识，但是得不出个性化的结论。比如两个人问同一个问题，它给出的结果是同一个。所以通用人工智能只是到了中间站，没有到终点站，即大规模定制。仅有大规模没有定制，所以是未完成的工作。

通用和本地化的结合是下一步的趋势，综合了世界上最优秀人的共识以后，还得和本地的个人知识结合。这种个人知识来自包括从幼儿园到现在的所有独特经历，与此结合起来才能得出我个人的判断，我这个判断有可能跟别人不一样，这样才有一定价值。

从通用到本地。以下列举都是结合后的形式，比如说具身智能、AIPC、智能家居，从中可以看出，通用人工智能和本地化的结合是下一代的趋势。

举个例子，通过本地化实现智慧化。北京理工大学研发了一个模拟钱学森的模型。模型把钱学森所有文章都给搜集起来，集合成个人知识库。这时候再问一个问题，让它模拟钱学森进行回答，答案既包含了通用的知识，同时又包含只有钱学森自有逻辑的独特的知识。你老师问你问题，你答的是标准答案是一回事，但是你要说答得出彩是另一回事，就要有与众不同之处，在自己擅长的地方发挥出来，这是更好的。

这个与众不同的东西在本地，既将来AIPC是什么概念呢?英特尔提出在本地要有数据库，里面存有不外传的东西。每个机器的私有云是不需要共享的，要把通用的计算结果和本地的个人知识库结合起来，才能把大规模和定制结合起来。

这方面是美国现有方法的缺陷而不是优点，现在过于强调通用了，但是个性化的问题始终是短板。将来如果AI要实现个性化，就应该具备两个因素:个人大模型、本地的异构算力。例如，脸书的时间线的记录与众不同，是要为某个人服务，而不是把某个人当作全人类给出通用答案。我认为AI的高质量发展取决于个性化，没有个性化就没有高质量，这就超越了通用的模式。

(三)从技术到生产力

新质生产力不是科技，而是“科技+产业”，即科技创新引领产业发展，是从技术到经济。

如果只谈AI，其只是技术，中国在发展AI的过程中一定要转化为生产力。AI是技术，但是数据要素是经济。技术要和经济结合起来，要变成钱。我认为这是第三个未来趋势，也就是说，新质生产力要以科技始，以产业终。

这就把“AI浪潮下的数据要素与企业数字化”这个题目中的三个主题词结合起来了。AI是指科技，数据要素则不是科技，而是生产要素。企业数字化是要把技术和生产力结合起来，要通过AI依托算力和智慧支撑产业，包括新兴产业和未来产业。

“数据要素×”三年行动计划为什么要设置12个产业和领域呢?不是解决科技本身的问题，而是要把科技转化为生产力，通过数据要素使其变成经济增长中的主要增量，这个增量足以替代改革创造的增量、出口创造的增量、“铁公机”创造的增量，否则GDP下降以后，2035年的任务和2050年的任务怎么完成?所以，这才是关键。

当前AI应用化、产业化的发展很快。比如，我们以为农村很弱，可一位院士告诉我，70%的农民都用上无人机了。下一步还要发展低空经济，让汽车飞起来。现已在五个省试点，首次验收都通过了。这些东西经过发展，以后会实实在在变成新的产业。AI最终还是要变成产业。将来，任何不起眼的小拖拉机背后都有智能感知与判断。以后当农民续要有更高的知识和技能水平，因为将来的趋势是既要操控卫星又要操控人工智能，这是和行业结合的实际情况。

对于企业信息化来说，AI与数据要素结合的影响在于什么?最终落地要向产业链的高端升级。我们现在的问题是产量规模大，但产能过剩，最后利润很低。将来，无论沿着微笑曲线还是武藏曲线，产业攀升都是要向高附加值方向进行，区别只在于把利润留在制造业还是服务业，但是显然不能留在简单的制造加工这个环节，所以最终要变成产生高附加值，这是最终新质生产力落地的根本逻辑。

企业信息化也是如此，无论什么技术，如果最后不能赚钱，或者不能在同等收入规模的情况下获得和世界平均水平一致的利润率，就是失败。这是AI现在的发展趋势。

二、数据要素和企业数字化结合的三个机会

工业和信息化部将会建立和发布制造业数字化转型的监测体系和评价指标，这里面加入了大量数据元素，对于下一代企业转型提出了更高的标准和要求。这里面有三大机会。

(一)从资源到要素

一场革命都是由资源开始的，但是深入的都是资本的革命、要素的革命。忙于资源的是员工，忙于资本的才是企业管理者。所以，企业信息化第一个趋势和潮流，要触及企业管理者的灵魂深处。

企业管理者负责的是资产的保值增值，我们对未来的资产，明确强调的是数据的资产作为新型生产要素。能不能处理好这个问题，是企业数字化成败的新关键。

图2 转型企业为链主

主要机会在什么地方?我把它称为“狸猫换太子”。我们过去的资本都是有形资本，可将其比喻成太子;数据资产是无形资本，可比喻成狸猫。用狸猫换太子，就是把主要生产要素从实体资本转成数据资产。这是企业管理者的灵魂中应该有的东西。

无形资本的特点主要就是复用。复用和实体资本完全不一样。货币资本不能复印。但是数据资产则不然，每个企业都可以用复用的方法来“印制”数据资产。美国增加资本的方法是量化宽松(印钞)，中国将来可以直接复用原来用M2买的东西，即资本的使用价值(生产资料)。这决定了中美两个大经济体谁笑到最后。复用的关键意义就在这里，美国印资本的价值，我们印资本的使用价值，通过这个解决资本稀缺性的问题。

这个趋势从2014年就开始了。我和高邦仁曾经合写了一本书《3%》，书中预测中国未来的GDP会降到3%。这个预测的根据是什么?是看到了中国固定资产投资大幅度下降，在2012年到2014年前后，从两位数变成一位数，说明“太子”不行了。但是GDP没有同比下降，为什么?肯定是资产出现了替代，也就是出现了“狸猫”。什么样的狸猫在替代太子呢?就是用拷贝的方法来复制生产资料，这解决了资本从哪里来的问题，解决的是90%的企业管理者的核心问题。也就是说，复印了1000万套虚拟店铺的代码以后，90%的企业可以不用贷款了。

这就是“数据二十条”提出的“使用价值复用”，《关于推进“上云用数赋智”行动培育新经济发展实施方案》提出通过平台一次性固定资产投资，以复用的方法拷贝给中小微企业。数据要素最核心的是协同、复用、融合。这是“数据要素×”的核心，实际上是教大家怎么发财，不是小打小闹搞技术改造，而是把资产用合法的方式复用。对于企业数字化来说，要破解资本的问题，解决资产充足性的问题，让老板永远保持充裕的资产。

怎么复用呢?“数据要素×”指的是三个乘:一是乘劳动和资本，放大现有要素的效应，一倍价值乘出多倍的要素使用价值;二是多场景应用，多主体复用，一倍中间产品价值乘出多倍的最终产品使用价值;三是在新业态和新模式上，用一个平台乘上无数的APP，一倍的基础业态动能乘出多倍的增值业态动能。

复用有什么规律呢?

数据要素(如虚拟店铺)只要与对应的实体要素(如实体店铺)的功能一样，功能就可以替代，我们把它叫作数字孪生。通过这种方式解决的是资金难的问题，解决破产以后不需要欠银行的问题。

这和过去不一样，不是在同一个老板的围墙内，而是一个老板和不同的产权主体之间共同使用生产资料，形成一个生态，实现共赢。

(二)从企业到生态

第二个机会是从企业转型，转向转型企业。

企业转型是从一种企业转型到另外一种企业，而转型企业是把企业转型为不是企业的组织，也就是生态，如图2所示。

过去企业转型只是从一种金字塔结构转为另外一种金字塔结构，转型企业是要把金字塔结构转为非金字塔结构。真正的改变是把不同的产权主体合在一起合作发展。现在的供应链、产业集群的发展，都属于这个趋势的早期苗头。

这个趋势的要点就是从企业向生态转变。从赚钱的角度来讲，这个过程实际上是把外部性这种资源从不可以赚钱转为可以赚钱。

这种利用外部性的市场机制，被称为双边市场，其边界是生态，不是企业。

首先，应用中买卖双方相互提供外部性，相互内部化;其次，平台与应用相互提供外部性，平台方不完全内部化(会员费、使用费)。有偿搭便车(有偿共享)，使合作从不经济变为经济，实现1+1>2。

诺贝尔奖获得者让·梯若尔认为企业失去的增量机会，在于把外部性当作是不可赚钱的东西，排除到市场之外，由公共组织来做。他依据互联网平台的经验发现，可以利用外部性实现流量变现。具体地说，就是把外部性按照会员费和使用费的方式，反复进行回收。通过这种方式解决了资本可以复印以后怎么把钱收回来的问题，即平台免费，增值应用收费，统分结合。

也就是说，通过API的模式，将数据要素与企业最终应用结合起来。数据要素和应用结合的主流形式是数据交互，也就是“数据二十条”中所说的“交换”。把数据要素与企业结合起来的主流形式，恰恰不要把所有都押在交易(交易所交易)上，还有场外大量的钱可以赚，就是通过流量变现。这解决了不确权的状态下如何把钱赚了，利用市场内部机制把外部性的一加一大于二的增量利用起来，又避免了搭便车。

(三)从IT到战略

我们过去经常把企业数字化作为IT战略，但是国务院国资委率先提出企业数字化不仅是IT战略，而且是企业战略，不仅是CIO的事而且是CEO的事;提出企业主导逻辑的变化，原来是做大做强，现在提出做优，这是企业战略转变不是技术战略转变。做优是什么?在财务上，过去做大做强的财务报表特征是，收入规模特别大，但是利润极低。现在要解决的是收入规模不一定很大，但是利润很高，或者说同等的规模之上产生超额利润。要实现企业利润方式的转变，机会在于IT要促进企业战略的转变。

AI的本质是智慧，要把复杂的事情搞得简易。为人民服务不容易，但是变易更难，是要为人人服务，面对的是千变万化的市场。所谓简易，指越千变万化，平均成本越低。这和工业化的逻辑完全相反。要实现这一点，核心是要利用数据要素可以复用的特征。这就与数据要素产生了关联。

首先，把企业IT战略和企业战略有机结合起来，要促进整个企业做优或者向差异化的方向发展。这个时候企业战略而不只是IT战略，要明确发展的主导逻辑。“进入互联网时代，范围经济取代规模经济成为产业组织的主导逻辑”，发挥主导逻辑在技术向新质生产力转化中的引领作用。

AI的核心价值在于，越复杂成本越低，越千变万化成本越低。一旦沿着这样的主导逻辑发展，岂不意味着，企业产出越个性化、越不确定，越具有高风险特征，反而收益越大吗?面对高风险，企业可以完全化解高风险的成本，最后只得到对应的高收益。如果不清醒这个主导逻辑，最后企业数字化就不知道能起什么作用了。

总之，AI、数据要素与企业数字化将来要以范围经济这个主导逻辑贯穿起来，非常可悲的是美国人搞不清楚智慧是怎么回事，而中国人对智慧有本能的文化亲近，所以我相信未来的赢家肯定是中国。

来源：新工业网|作者：中国社科院信息化研究中心主任 姜奇平

声明：本文系转载，旨在分享，版权归原作者所有，内容为原作者个人观点，并不代表本网站赞同其观点和对其真实性负责。如涉及作品版权问题，请与我们联系，我们将在第一时间删除内容！