陈维宣 腾讯研究院博士后/研究员
白惠天 腾讯研究院博士后/研究员
当前我国经济发展面临三重压力，经济增长动能减弱，但与此同时经济效率的提升有巨大空间。如何通过数字技术提升全要素生产率（Total Factor Productivity，TFP），助推中国经济实现动能转换和高质量发展，是一个具有战略价值的重大问题。 为深入探讨相关议题，腾讯研究院于2022年3月18日举办“寻找新动能：数字经济时代全要素生产率提升问题研讨会”。中国社科院数量经济与技术经济研究所数字经济研究室主任蔡跃洲、南京大学经济学院院长、人文社会科学大数据研究院副院长郑江淮、浙江大学求是特聘学者、区域协调发展研究中心研究员刘培林、国家创新与发展战略研究会副会长、中科院大学经管学院教授吕本富、北京大学新结构经济学研究院学术副院长王勇、腾讯研究院研究员陈维宣先后发言。腾讯研究院首席经济学顾问吴绪亮主持研讨。以下为参会专家的观点摘要。【精彩观点抢先看】
吕本富：数字技术塑造了经济的四个环境：管理结构、市场结构、生产和消费结构、碳减排结构或者熵减结构。如果把数字技术带来的环境正外部性测定清楚，就可以在一定程度上反向来测定全要素生产率的提升。
刘培林：经济增长有“前沿之龟”和“后发之兔”两种类型，可以用“为虎添翼”和“自身永动”两个比喻来理解数字技术提升全要素生产率的机制。
郑江淮：数字技术具备全方位感知、全过程编码、全行业遍历性穿透和传承以及显著的网络效应等特征。未来，中国丰裕的数据要素禀赋将有助于实现更强的数据聚变、技术转化、扩能的效应。
蔡跃洲：数字经济可以通过循环数字化和数字循环化两种机制为畅通经济循环提供助力。要发挥这两种机制在构建新发展格局中的积极作用，须以制造业数字化转型和工业互联网平台建设为着力点。
王勇：新结构经济学是从要素禀赋结构出发的，那么数据作为一种生产要素，应该怎么从理论上进行刻画与度量，并表述成一个比较严谨的经济学框架，目前还缺乏成熟研究。
陈维宣：政策部门可以重点解决两方面问题来提高通用技术扩散的速度，一方面是构建国家级行业共性知识库来解决行业知识不对称问题；另一方面是解决互补性创新缺失问题。
受全球金融危机影响，2011年以来中国经济下行压力逐渐增加。当前经济增长的三驾马车中消费和投资恢复迟缓，稳出口难度增大，并且劳动力人口占比持续下降。推动未来数十年经济增长的新动能在哪里？ 日本完成工业化时，1995年GDP达到美国七成，全要素生产率也是七成，此后进入了“失去的二十年”。2021年我国GDP总量已经达到114万亿规模，达到美国77%左右，但全要素生产率却远低于包括美国在内的诸多发达经济体。因此，我国经济效率的提升空间巨大，或许蕴藏着未来数十年经济增长的最大新动能。正如习近平总书记在十九大报告中明确提出，要“推动经济发展质量变革、效率变革、动力变革，提高全要素生产率”，2022年又在《求是》杂志撰文指出要“提高全要素生产率，发挥数字技术对经济发展的放大、叠加、倍增作用”。
大家也知道，全要素生产率的提升对哪个国家来说都并非易事，发展中大国挑战更为艰巨。但是当前我们正迎来以数字技术为核心的新一轮科技革命和产业变革，数字经济的蓬勃发展为全要素生产率跃升带来了百年一遇的战略契机。如何通过数字技术大幅提升我国全要素生产率，助推中国经济实现动能转换和高质量发展？数字技术助力全要素生产率跃升的理论逻辑是什么？政策部门、产业界和数字技术公司如何助力提升全要素生产率？这是我们举办此次研讨会的初衷，非常期待各位专家的高水平分享和理论指导。
蔡跃洲（中国社科院）：
经济社会运行的本质是以生产为起点、消费为终点、分配和交换（流通）为中间环节的动态循环过程。在任何经济形态和文明发展阶段，在实现商品/服务（物质流）供需对接的经济循环过程中都会产生相应的信息流。而受制于信息通信技术和信息交流方式的差异，不同文明发展阶段中物质/能源、资金、信息等在经济循环中流转的模式存在较大差别。在数字经济时代，新一代信息技术带来的数据信息收集、传输、分析、交互的即时性，使得各环节间物质、商品、服务、资金的传递流转更为精准、高效，从而减少了生产和流通过程中的冗余，缩短流转时间，加速经济循环，提高经济运行效率。微观层面，生产环节的效率提升源于包含有效信息的数据要素，作为投入参与的生产过程中，可以提高各环节、其他非数据要素之间的协同性；流通/交换环节的效率提升则源于更多有效信息的传递降低信息不对称，提高配置效率。宏观层面，数字经济则可以通过循环数字化和数字循环化两种机制为畅通经济循环提供助力。（1）循环数字化：数字技术畅通经济循环。数字技术对经济社会各领域以及生产、交换（流通）、消费各环节的加速渗透，可强化信息流对物质流和资金流的引导，加速经济循环。（2）数字循环化：畅通ICT产业生态系统。处于上游的材料和设备是整个集成电路产业的基石，处于中游的制造模块的产成品芯片则几乎构成所有数字技术的物质载体，下游则是经济社会不同领域的应用。围绕产业中游、上游各环节高端产品的攻关突破，从技术和产品供给上打通断点、堵点，不仅有利于畅通整个产业生态体系，形成规模可观的产业循环，也能为加快数字化发展提供物质和技术支撑。当前，这两种机制作用的发挥受制于工业互联网及其他新型基础设施发展滞后、ICT产业链供应链断裂风险以及就业结构调整和分配失衡。要发挥好“循环数字化”和“数字循环化”两种机制在构建新发展格局中的积极作用，须以制造业数字化转型和工业互联网平台建设为着力点，加快数字经济领域关键核心技术突破，从加快新基建、强化ICT核心技术攻关、提升数字技能等着手加以应对，为构建新发展格局提供强大助力。郑江淮（南京大学）：
数字经济发展能不能带来显著的全要素生产率的提升？可以从需求端和生产端两个方面来看。从需求端看，取决于数字技术是否能够带来消费者福利增加，是否会产生多样化、差异化的需求；从生产端角度看，则体现在企业创新成本是否降低、创新周期是否缩短等方面。产业数字化是沟通需求端和生产端的重要桥梁，它既带来了消费多样性的增加，也带来了相应的生产增长，从而在生产层面供给也会有多样化的增长态势。当前中国已经进入以生产、商业数据模型优化为主的数字化发展阶段。从新阶段数字技术的性质看，数字技术包括了信息感知、分析、行动、反馈等各个环节，具备全方位感知、全过程编码、全行业遍历性穿透和传承以及显著的网络效应等特征。由于现阶段数字技术能够将过去隐性化的、没有充分利用的知识编码为数据，实现显性化和结构化，并与已编码化数据聚合，我们可以借助数据聚变扩能的模型来理解数据要素驱动经济增长的微观机制。首先，数字技术将现场采集、后台收集的各种生产、流通、消费、管理等信息进行编码化，企业生产能力集、组织惯例集等要素进行集合。这是数字化转型的数据要素注入阶段。其次，通过大数据的存储、挖掘、计算，形成优化的知识、技术、工艺，带动劳动生产率的提高。这是数据聚变扩能阶段。最后，数据要素在新的生产率水平上进一步转化，通过聚变扩能，形成更优化的知识、技术和工艺，这个过程循环往复，数字技术的通用性不断加强，可占用性准租趋近于零，数字技术全社会共享程度越来越高。基于上述数字化转型的新理念，数字化转型的结构变迁效应将推动经济发展进入新阶段。中国是全球产业体系最完整的国家，具有产业环节多、数量大、结构复杂的特点。数字化转型后，中国的数据禀赋丰富程度将在全球居于领先位置，这意味着中国有望实现更强的数据聚变、技术转化、扩能的效应，若能更好地抓住这一轮科技革命和知识经济深化带来的机遇，将推动经济发展水平实现更大程度的跃升。刘培林（浙江大学）：
从世界范围的历史经验看，经济增长有两种类型，其中有一种可以称为“前沿之龟”，另一种可称为“后发之兔”。“前沿之龟”典型代表是美国一类的技术前沿国家，除了“大萧条”、两次世界大战等特殊时期外，基本上人均收入每年增长维持在1.8%左右，而且持续了将近两个世纪。“后发之兔”典型代表是二战结束之后日本、韩国、中国台湾等后发经济体，最初增长速度很低，后来经济起飞后变成“兔子”，经过一个为期几十年的高速追赶期之后，经济增速也会随着收入水平趋近于技术前沿国家而逐步放慢。无论哪种类型的增长，根本的动能都是来源于技术进步。过去两个世纪的历史经验是技术前沿国家人均收入增长2%，这可以被看作人类知识前沿外推速度所能驱动的增速。中国作为后发追赶国家，未来经济增长动能，既来源于与技术前沿国家尚存技术差距的追赶速度，也取决于和技术前沿国家大致同步起跑的一些新技术领域的发展状况，比如在数字技术领域，中国与美国差不多同时起步。全要素生产率是总产出当中扣除各个单要素的组合贡献后的余额。全要素生产率这个名称本身就蕴含着悖论，如果全部要素都能被精准识别和精确度量，并且要素之间相互组合的方式也能够被精确的理解和度量，那么总产出扣除了全部要素的组合贡献之后，就不会存在余额。索洛曾经说过“全要素生产率度量的是我们的无知程度”，与其说这个指标度量了什么，倒不如说度量的是我们遗漏了什么生产要素。从这个意义讲，“多要素生产率”比“全要素生产率”来得更加准确。高质量发展的内涵包含三个方面：高效、包容与可持续。高效是让蛋糕能够以潜在的最高速度持续地做大，从静态看是配置效率最优，从动态看则是经济增长速度达到潜在的最高水平。包容就是合理地分配蛋糕。可持续就是生态环境要友好，有些学者将生态环境（包括能源、自然资源、排放空间）作为一种要素纳入生产函数。我们可以借助“为虎添翼”和“自身永动”这两个生动的比喻来理解数字技术提升全要素生产率的机制。所谓“为虎添翼”，首先是指提高单要素生产率，如劳动生产率；其次是指优化要素组合，改善配置效率，充分释放动态增长潜力。不过需要指出的是，将来要注意未来的减量式发展的趋势，因为数字经济的发展有助于降低无谓的经济活动，比如减少不必要的通勤、提高配送效率等等。这种状况下，通常意义上的GDP有可能减少，但人们的福利水平却是提高的。“自身永动”则强调数字技术凭借自身的一些特征对经济增长的带动。数字经济具有报酬递增、非竞争性、正外部性的特性。这些特性对于经济增长而言，就像永动机一样。比如，最近的NFT技术可以说凭空就创造出了稀缺性进而创造出价值，为喜爱的人带来效用。这也会是一种社会代价很小的增长，未来这方面的空间和潜力巨大，现在还难以充分想象。面对数字经济的这些特性，也需要回到全要素生产率概念本身蕴含的悖论，考虑这样一个问题：数字要素投入和产出测算得越清楚，有可能会发现数字经济对提升全要素生产率的数字没我们想象的那么高，但不能因此否定数字经济的贡献。吕本富（中科院大学）：
全要素生产率的前身是IT悖论产生的背景。IT悖论这个问题由来已久，对它的讨论可以分为三个阶段。第一个阶段是在2000年之前，很多学者在讨论这个事情，为什么大量的IT投入没有见到明显的效果。第二个阶段是从2006年开始，认为IT已经成为一个环境，由于每家企业都用它，就显示不出来竞争力了。第三个阶段是在2010年以后，不仅没有人怀疑IT提高劳动生产率，而且逐渐开始反对IT公司的所谓霸权，对它的规制成为主流。经济学家对IT悖论的研究，主要就是两个方式。一个是所谓的“要素说”，即把数字技术等同于土地、资本等，来测算它在劳动生产率中的重要性。另一个是采用“系数说”，把各个要素整合为一个系数来计算劳动生产率。但是在实际操作中，始终都面临无法清楚计算IT对生产率的净效应的问题。除了刚才的要素说和系数说之外，我提出一个“环境说”。数字技术提供的是一个经济运行的环境。环境说、系数说和要素说是并列的说法，怎么能通过考量环境的计量来考察全要素生产率，这是我们需要考虑的。研究数字经济的增长阶段，可以证明数字技术塑造的是一种环境。第一阶段从1995年开始，称为信息化阶段，主要是记录的革命，信息变成符号进入管理系统。第二阶段是平台化阶段，称为分发的革命，信息分发的成本几乎降为零。第三阶段从2015年开始，称为智能化阶段，是认知的革命，最重要的是把人和机器的决策完整地结合在一起。2021年开始，数字技术进入第四个阶段，叫元宇宙阶段，称为体验的革命。这四个阶段分别针对了四个经济环境的变化。第一个信息化阶段对应的是管理环境的变化，流程重组、两化融合等都是数字技术改变了管理，它既不是一个独立要素，也不是一个系数，而是一个环境。第二个是平台化阶段，改变的是市场结构。中小企业可以通过平台进行全国性的布局，平台化最重要的是有利于长尾经济的发展，但是在全要素生产率中找不到，因为它改变的是市场结构，改变的是环境。第三个是智能化阶段，数字技术改变生产结构和消费结构。过去只是在流通领域、管理领域产生作用，现在生产领域和消费过程已经逐渐开始智能化了。智能化对生产结构和消费结构的改变，有的时候也在要素生产率感觉不到，但是更加精准。第四个是元宇宙阶段，元宇宙改变的是熵结构。在元宇宙中用虚拟的体验来代表真实的体验，人的体验满足了，但是基本上没有消耗物质和能量，这是最高水平的经济。进入元宇宙以后，全要素生产率又有另外一个方向的体现，要加一个幸福的价值或者绿色的价值。数字技术塑造了经济的四个环境或者四个结构：管理结构、市场结构、生产和消费的结构、碳减排的结构或者熵减结构。这些通过传统的要素理论或者系数理论都没有办法测量，但是它又是客观存在的。如果我们把一个经济活动的环境的正外部性或者数字技术带来的正外部性测定清楚，可以在一定程度上反向来测定全要素生产率的提升。王勇（北京大学）：
我主要是想从新结构经济学视角和大家分享一下对于数据要素产业升级的看法。我们在度量数据或数字技术在产业升级发展过程中的作用的时候，数据到底是以什么样的形式进入生产函数？这是个理论问题。数据要素在使用的时候，到底是作为一个技术手段进入，其中哪些是偏向性的技术？还是作为一个单独的要素进入，应该怎么参与分配？还是改变了整个生产函数，那么函数形式本身不应该是外生给定的，而应该是内生出来的。数据进入生产函数的方式不一样，对TFP的影响与测度就是不一样的。独角兽企业和平台型经济是新结构经济学中的换道超车型产业，它天然和数据要素是很好地结合在一起的。新结构经济学是从要素禀赋结构出发的，那么数据作为一种生产要素，应该怎么从理论上进行刻画与度量，并表述成一个比较严谨的经济学框架，目前还缺乏大家公认的成熟研究。如果我们看独角兽企业，现在中国的独角兽企业数量不低于美国，有几年还高于美国。独角兽企业主要集中在两个产业，一个是平台经济，另外一个就是生物制药。以美团为例，它是一个典型的平台型企业，那么美团到底提供了什么样的服务？一个是配送服务，它具有一定的规模报酬递增的特性。另一个是把不同偏好的消费者和不同特点的餐馆更好地匹配起来。数据在其中发挥多种重要的功能，这里面反事实差距就是数据要素带来的价值，这是一个定价的过程。和经济增长相关的文献，把数据要素作为一个单独的生产要素放在生产函数里面，研究数据要素的外部性、对经济增长的影响、产权配置、隐私、效率等方面。但是，从新结构经济学角度来说，首先是它作为一个数据要素，关于它的定义和测度，有没有进一步的详细的刻画，这个是我们正在做的事情。因为它的收集、使用、存储过程都涉及到技术手段，用经济学分析的时候，各个经济活动板块上面，我们怎样考虑数据要素带来很多新的挑战和新的命题。无论是分析数据要素还是其他的产业结构，我们从给定的发展阶段以及禀赋结构出发，比如在给定的时间点上有哪些数据，数据结构如何，以及它的技术条件决定了最适宜的产业结构。从这个角度来讲，一方面传统的以发达国家为参照系，寻找我国和发达国家的差距，怎么样可以去学习与补充，这是非常必要的。另一方面，更需要的是根据我们现在所处的发展阶段为参照系，应当如何制定和发展阶段相适宜的数字经济的发展政策，怎样评估效率。这是一个更需要的逻辑结构，也是新结构经济学与主流思路不同的地方。否则，就回到了旧结构主义的产业赶超，或新自由主义的制度赶超。陈维宣（腾讯研究院）：
在不同经济发展阶段的经济增长动能是不同的，在低收入阶段能够有效促进经济增长的动力因素在中等收入阶段很可能会失效，在中等收入阶段或经济发展中期阶段需要转换经济增长动能，从低收入阶段以要素积累为主转换为高收入阶段以技术进步、创新和制度变革，或全要素生产率的提高为主，这已经在学术界达成理论共识。我国即将跨越中等收入阶段，进入高收入国家行列。此时能否顺利、成功地实现增长动能转换，防止从高收入国家行列返回中等收入国家，就十分重要，而动能转换的关键就在于全要素生产率。根据佩恩世界表的数据，第一，中国的全要素生产率与美国之间仍存在不可忽视的差距，2019年时仅为美国的44.22%。第二，与日本和韩国比较，两国在完成工业化时，相对美国的全要素生产率约70%左右，当前我国已基本实现工业化，但相对美国的全要素生产率较低。第三，2021年以后，中国的全要素生产率增长率在大多数年份中都低于美国。数字技术与生产率的讨论通常涉及“索洛悖论”或者“生产率悖论”问题。从技术发展史来看，蒸汽机、内燃气、电力等这些老一代通用技术均显著的提高了生产率。同理，数字技术作为新一代的通用技术，必然会显著提高全要素生产率。比如，腾讯 AI Lab曾在一个50平米的温室里种出了3000公斤以上的黄瓜，产出是同类农业专家的五倍以上。又如在工业质检领域的应用。腾慧飞瞳AI质检仪相对人工质检速度提升10倍，在10多台设备持续满载运行情况下，预计每年节省人力成本数千万元。在医疗领域，搭载“腾讯觅影”AI医学影像和腾讯云技术的人工智能CT设备，AI算法只需数秒即可助力医生识别新冠肺炎，大幅提升检查效率。公共政策部门可以重点解决两方面的问题来提高通用技术扩散的速度，一方面是通过构建国家级行业共性知识库，解决行业知识不对称问题；另一方面是解决互补性创新缺失的问题。对于科技企业来说，开源将会成为通过数字技术推动全要素生产率提升的重要方式。目前，腾讯已经成为全球开源贡献最大的科技公司之一，稳居全球开源企业贡献榜前十。企鹅经济学：《探寻宏观经济的八大确定性趋势》
企鹅经济学：《数字湾区：开启湾区经济跨越发展新征程》